一种损毁建筑检测方法
【专利摘要】本发明公开了一种损毁建筑检测方法，该检测方法包括：基于所述建筑的激光点云生成所述建筑的等高线；对所述等高线进行等高线分簇以获得等高线簇；计算所述等高线簇的等高线形状相似度的归一化信息熵；根据所述等高线簇的等高线形状相似度的归一化信息熵计算分类阈值，并利用该分类阈值计算等高线簇的损毁指数；以及根据所述损毁指数判断建筑是否损毁。通过该检测方法能够准确检测具有复杂结构的损毁建筑。
【专利说明】一种损毁建筑检测方法
【技术领域】
[0001] 本发明涉及测绘遥感【技术领域】，具体地，涉及一种损毁建筑检测方法。
【背景技术】
[0002] 激光扫描技术（例如，机载激光扫描技术）是一种高精度、快速获取物体三维几何 数据的新型主动遥感技术，在损毁建筑检测领域具有以下独特的优势：首先，不依赖光照条 件，能够不分昼夜快速采集建筑信息；其次，多回波特性使其能够穿透植被进而采集到被遮 挡区域的建筑信息；第三，利用采集丰富的建筑表面三维信息能够快速提取丰富建筑的三 维损毁信息，并用于检测多种建筑损毁类型。因此利用机载激光点云快速准确地检测损毁 建筑成为一项极具发展潜力的技术。
[0003] 目前，基于机载激光点云的损毁建筑检测方法主要有以下两种：
[0004] (1)基于损毁前后激光点云的变化检测
[0005] 该方法通过对比分析损毁前后建筑多时相激光点云的建筑特征的变化检测损毁 建筑，这种方法可以快速准确检测损毁建筑，但是依赖损毁前的基准数据和多时相数据的 精确配准。该类方法在下列文献中均有论述：Dong L, Shan J. A Comprehensive Review of Earthquake-Induced Building Damage Detection with Remote Sensing Techniques[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2013,84 (2013):85-99. Olsen M J, Chen Z, Hutchinson T, et al. Optical Techniques for Multiscale Damage Assessment [J]. Geomatics, Natural Hazards and Risk, 2012, 4 (1) : 49-70.
[0006] (2)基于损毁后激光点云的对象识别
[0007] 该类方法主要基于完好建筑在机载激光点云中表现为大的平面，而损毁建筑在机 载激光点云中表现为非平面或小平面的假设，利用平面分割算法从机载激光点云中提取屋 顶平面，最后利用平面性和尺寸等阈值识别损毁建筑的屋顶。该类方法所依赖的平面特征 提取方法导致其只能有效针对平面屋顶的损毁建筑检测，而难以有效针对曲面屋顶的损毁 建筑检测。另外由于损毁建筑的复杂性，建筑平面的尺寸存在严重的不确定性，导致利用 尺寸阈值难以准确检测损毁建筑。因此，这类方法能够仅利用损毁后的建筑机载激光点云 可靠的检测平面屋顶的简单损毁建筑，而难以准确可靠地检测包含曲面屋顶的复杂结构的 损毁建筑。该类方法在下列文献中均有论述：Dong L，Shan J. A Comprehensive Review of Earthquake-Induced Building Damage Detection with Remote Sensing Techniques [J]. ISPRS Journal of Photogrammetry and Remote Sensing,2013,84 (2013) :85-99. Olsen M J，Chen Z，Hutchinson T，et al.Optical Techniques for Multiscale Damage Assessment[J]. Geomatics, Natural Hazards and Risk,2012, 4(1):49-70. Khoshelham K, Oude Elberink S, Sudan X. Segment-Based Classification of Damaged Building Roofs in Aerial Laser Scanning Data [J] · Geoscience and Remote Sensing Letters，IEEE，2013, 10 ( 5) :1258-1262.
【发明内容】
[0008] 本发明的目的是提供一种损毁建筑检测方法，该检测方法能够准确检测具有复杂 结构的损毁建筑。
[0009] 为了实现上述目的，本发明提供一种损毁建筑检测方法，该检测方法包括：基于所 述建筑的激光点云生成所述建筑的等高线；对所述等高线进行等高线分簇以获得等高线 簇；计算所述等高线簇的等高线形状相似度的归一化信息熵；根据所述等高线簇的等高线 形状相似度的归一化信息熵计算分类阈值，并利用该分类阈值计算等高线簇的损毁指数； 以及根据所述损毁指数判断建筑是否损毁。
[0010] 本发明基于完好建筑的同一等1?线族的等1?线在形状上具有一致的相似性，而损 毁建筑由于表面高程不规则变化，导致等高线簇中等高线形状具有各异的相似性的假设， 实现了复杂建筑的不同损毁类型的统一损毁特征描述，利用等高线簇的等高线形状相似度 的归一化信息熵对建筑损毁特征进行准确度量，计算分类阈值，并利用该阈值计算建筑等 高线簇的损毁指数，实现对复杂损毁建筑的快速可靠的识别。本发明具有方法可靠、执行效 率高的优点，有效地解决了针对复杂建筑特别是曲面屋顶的损毁建筑的检测难题，适用于 损毁建筑快速检测，特别是在缺乏灾前建筑信息的条件下，能快速可靠检测损毁建筑。
[0011] 本发明的其他特征和优点将在随后的【具体实施方式】部分予以详细说明。
【专利附图】
【附图说明】
[0012] 附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具 体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0013] 图1是根据本发明的损毁建筑检测方法的流程图；
[0014] 图2是根据本发明的示例性等高线层次结构示意图；
[0015] 图3是根据本发明的示例性等高线树的示意图；
[0016] 图4是根据本发明一种实施方式的等高线树删剪流程图；
[0017] 图5是根据本发明一种实施方式的等高线分簇的流程图；以及
[0018] 图6是根据本发明的示例性等高线分簇的示意图。
【具体实施方式】
[0019] 以下结合附图对本发明的【具体实施方式】进行详细说明。应当理解的是，此处所描 述的【具体实施方式】仅用于说明和解释本发明，并不用于限制本发明。
[0020] 图1根据本发明的损毁建筑检测方法的流程图。如图1所示，本发明所提供的检 测方法包括：在步骤101处，基于所述建筑的激光点云生成所述建筑的等高线；在步骤102 处，对所述等高线进行等高线分簇以获得等高线簇；在步骤103处，计算所述等高线簇的等 高线形状相似度的归一化信息熵；在步骤104处，根据所述等高线簇的等高线形状相似度 的归一化信息熵计算分类阈值，并利用该分类阈值计算等高线簇的损毁指数；以及在步骤 105处，根据所述损毁指数判断建筑是否损毁。
[0021 ] 其中，所述激光点云可以为同质的激光点云，并且为包含完好建筑和损毁建筑的 激光点云。可以由一组机载激光点云生成格网间距为0. 1米的规则格网，再由各规则格网 跟踪出各建筑的等高距为0. 05米的等高线。但是应该注意的是，本发明并不限制于此。
[0022] 对所述等高线进行等高线分簇以获得等高线簇的102步骤可以包括：
[0023] 利用所述等商线的商程和等商线间的拓扑关系构建等商线树。具体可以包括以下 步骤。
[0024] 首先，将每条等高线作为等高线树的一个节点按照高程从大到小分层排列，其中 高程相同的节点属于同一层次，第一层为高程最大的节点，倒数第二层为高程最小的节点， 最后一层为虚拟节点。如图2所示，在该示例中将等高线以节点的形式按照高程从大到小 的顺序，从上向下排列，于此为了方便说明描述，各点用1至31分别标号，而虚拟节点则被 编号为R。
[0025] 然后，从第一层开始依次向下搜索，如果下层中只有一个节点，则上层中的所有节 点均是其子节点，否则，利用上下相邻层中的等高线拓扑关系确定上下相邻层中节点间的 父子关系。首先利用等高线最小外包围框来快速判断下层等高线是否包含上层等高线，如 果不包含，则对应的下层节点和上层节点不存在父子关系，如果包含，则继续利用计算机图 形学中的交点计数法精确判断下层等高线是否包含上层等高线，如果包含则对应的下层节 点为上层节点的父节点，如果不包含，则对应的下层节点和上层节点不存在父子关系。如附 图2所示，第1层包括节点1和2,第2层包括节点3、4和5,通过等高线套合关系判定节点 3是节点1的父节点，而节点4是节点2的父节点；又如，第10层包括节点27和28,第11 层节点只包括节点29,因此无需等高线套合关系判定即可确定节点29是节点27、28的父节 点。
[0026] 最后，利用搜索完毕后获取的上下层节点间的父子关系，构建以所述虚拟节点为 根节点的等高线树。
[0027] 步骤102还可以包括删剪上述构建的等高线树的子树。如图4所示，具体包括：在 步骤401处，后序遍历等高线树；在步骤402处，判断当前节点是否为空（不存在）；若当前 节点为空（不存在），则完成等高线树的删剪（结束）；若所述当前节点不为空，则对所述当 前节点进行以下处理后继续后序遍历下一节点：在步骤403处，判断当前节点是否存在兄 弟节点；若所述当前节点不存在兄弟节点，则转至步骤401，继续后序遍历下一节点；若当 前节点存在兄弟节点，则在步骤404处，计算所述当前节点的等高线包围的面积；并在步骤 405处，统计以所述当前节点为根节点的子树的深度；在步骤406处，判断所述面积和所述 深度是否均小于相应的预设阈值；如果所述面积和所述深度均小于相应的预设阈值，则在 步骤407处，从所述等高线树中删除以该子节点为根节点的子树；否则，转至步骤401处，继 续后序遍历下一节点。
[0028] 步骤102还可以包括：根据拓扑关系对所述等高线树进行初始分簇，以得到初始 等高线簇。如图5所示，具体包括：在步骤501处，设置当前等高线簇为空；在步骤502处， 后序遍历经删剪更新后的等高线树；在步骤503处，判断当前节点是否为空，若当前遍历的 节点为空，则完成等高线初始分簇（结束）；若当前遍历的节点不为空，对当前节点进行后 续处理后继续后序遍历下一节点：则在步骤504处，判断当前节点是否为虚拟根节点，若当 前节点为虚拟根节点，则在步骤507处，输出当前等高线簇；若当前节点不为虚拟根节点， 则在步骤505处，将当前节点作为新节点加入到当前等高线簇；然后在步骤506处，判断当 前节点是否存在兄弟节点，如不存在，则转至步骤502处，继续后序遍历等高线树；若存在 兄弟节点，则在步骤507处，输出当前等高线簇，并在步骤508处，重置等高线簇节点为空， 之后，转至步骤502处，继续后序遍历等高线树。按照上述步骤对如附图3所示的等高线树 进行后序遍历，等高线分簇结果如附图6,其具体过程如下：
[0029] 1)新建等1?线族1，后序遍历依次加入11、15和19号节点对应的等1?线，由于19 号节点存在兄弟20号节点，因此输出新建等高线簇1 ;
[0030] 2)新建等1?线族2,后序遍历依次加入8、12、16和20号节点对应的等1?线，由于 20号节点存在兄弟19号节点，因此输出新建等高线簇2 ;
[0031] 3)新建等高线簇3,后序遍历依次加入23、25和27号节点对应的等高线，由于27 号节点存在兄弟28号节点，因此输出新建等高线簇3 ;
[0032] 4)新建等商线族4,后序遍历依次加入13、17和21号节点对应的等商线，由于21 号节点存在兄弟22号节点，因此输出新建等高线簇4 ;
[0033] 5)新建等商线族5,后序遍历依次加入1、和3号节点对应的等商线，由于3号节点 存在兄弟4号节点，因此输出新建等高线簇5 ;
[0034] 6)新建等高线簇6,后序遍历依次加入2和4号节点对应的等高线，由于4号节点 存在兄弟3号节点，因此输出新建等高线簇6 ;
[0035] 7)新建等商线族7,后序遍历依次加入6和9号节点对应的等商线，由于9号节点 存在兄弟10号节点，因此输出新建等高线簇7 ;
[0036] 8)新建等商线族8,后序遍历依次加入5、7和10号节点对应的等商线，由于10号 节点存在兄弟9号节点，因此输出新建等高线簇8 ;
[0037] 9)新建等1?线族9,后序遍历依次加入14、18和22号节点对应的等1?线，由于22 号节点存在兄弟21号节点，因此输出新建等高线簇9 ;
[0038] 10)新建等商线族10,后序遍历依次加入24、16和28号节点对应的等商线，由于 28号节点存在兄弟27号节点，因此输出新建等高线簇10 ;
[0039] 11)新建等1?线族11，后序遍历依次加入29、30和31号节点对应的等1?线，由于 31号节点的父节点为虚拟节点R，因此输出新建等高线簇11，且结束等高线分簇。
[0040] 另外，步骤102还可以包括利用所述初始等高线簇内相邻等高线长度变化突变特 征对每个初始等1?线族进行精细化分族。具体包括：在所述初始等1?线族中，按照1?程由小 到大的顺序，依次计算相邻等高线间的长度差值；对计算所得的长度差值组进行聚类分析， 并提取差值过大的异常值；从所提取的异常值对应的一对相邻等高线中间将其所属等高线 簇一分为二，以获取精细化分簇的等高线簇；以及从所获取的精细化分簇的等高线簇中删 除等高线数量小于3的等高线簇。
[0041] 计算所述等高线簇的等高线形状相似度的归一化信息熵的步骤103可以包括：进 行等高线簇内任意等高线间两两形状相似分析，以获得两两等高线的形状相似度值。具体 地，获得两两等高线的形状相似度值包括：根据公式（1)将顶点数量为m的等高线的所有顶 点以复数形式表示，并根据公式（2)对复数形式的等高线顶点进行一维离散傅立叶转换， 以获得m-Ι个傅立叶系数Z = {Z0, Z1…Zm-2};
【权利要求】
1. 一种损毁建筑检测方法，其特征在于，该检测方法包括： 基于所述建筑的激光点云生成所述建筑的等高线； 对所述等1?线进行等1?线分族以获得等1?线族； 计算所述等高线簇的等高线形状相似度的归一化信息熵； 根据所述等高线簇的等高线形状相似度的归一化信息熵计算分类阈值，并利用该分类 阈值计算等高线簇的损毁指数；以及 根据所述损毁指数判断建筑是否损毁。
2. 根据权利要求1所述的检测方法，其特征在于，对所述等高线进行等高线分簇以获 得等商线族包括： 利用所述等1?线的1?程和等1?线间的拓扑关系构建等1?线树，其中每条等1?线作为所 述等高线树的一个节点； 删剪所述等高线树的子树； 根据拓扑关系对所述等1?线树进行初始分族，以得到初始等1?线族；以及 利用所述初始等高线簇内相邻等高线长度变化突变特征对每个初始等高线簇进行精 细化分簇。
3. 根据权利要求1所述的检测方法，其特征在于，计算所述等高线簇的等高线形状相 似度的归一化信息熵包括： 进行等高线簇内任意等高线间两两形状相似分析，以获得两两等高线的形状相似度 值；以及 针对所述等高线形状相似度值计算等高线簇的等高线形状相似度的归一化信息熵。
4. 根据权利要求1所述的检测方法，其特征在于，根据公式（1)计算所述等高线簇的损 毁指数，
(1) 其中nE为等高线簇的等高线形状相似度的归一化信息熵，δ为所述分类阈值，D为所 述损毁指数。
5. 根据权利要求2所述的检测方法，其特征在于构建所述等高线树包括： 将所述节点按照高程从大到小分层排列，其中高程相同的节点属于同一层次，第一层 为高程最大的节点，倒数第二层为高程最小的节点，最后一层为虚拟节点； 从第一层开始依次向下搜索，如果下层中只有一个节点，则上层中的所有节点均是 其子节点，否则，利用上下相邻层中的等高线拓扑关系确定上下相邻层中节点间的父子关 系； 利用搜索完毕后获取的上下层节点间的父子关系，构建以所述虚拟节点为根节点的等 高线树。
6. 根据权利要求5所述的检测方法，其特征在于，确定上下相邻层中节点间的父子关 系包括： 利用所述等高线的最小外包围框来判断下层等高线是否包含上层等高线，如果不包 含，则对应的下层节点和上层节点之间不存在父子关系； 如果包含，则利用计算机图形学中的交点计数法精确判断下层等高线是否包含上层等 高线，如果包含则对应的下层节点为上层节点的父节点，如果不包含，则对应的下层节点和 上层节点不存在父子关系。
7. 根据权利要求2所述的检测方法，其特征在于，删剪所述等高线树的子树包括： 后序遍历等商线树，若当如节点为空，则完成等商线树的删期；以及 若所述当前节点不为空，则对所述当前节点进行以下处理后继续后序遍历下一节点： 若所述当前节点不存在兄弟节点，则继续后序遍历下一节点； 若当前节点存在兄弟节点，则计算所述当前节点的等高线包围的面积，并统计以所述 当前节点为根节点的子树的深度，如果所述面积和所述深度均小于相应的预设阈值，则从 所述等高线树中删除以该子节点为根节点的子树。
8. 根据权利要求2所述的检测方法，其特征在于，对初始等高线簇进行精细化分簇包 括： 在所述初始等高线簇中，按照高程由小到大的顺序，依次计算相邻等高线间的长度差 值； 对计算所得的长度差值组进行聚类分析，并提取差值过大的异常值； 从所提取的异常值对应的相邻等1?线对中间将其所属等1?线族一分为-，以获取精细 化分簇的等高线簇；以及 从所获取的精细化分簇的等高线簇中删除等高线数量小于3的等高线簇。
9. 根据权利要求3所述的检测方法，其特征在于，获得两两等高线的形状相似度值包 括： 根据公式（2)将顶点数量为m的等高线的所有顶点以复数形式表示，并根据公式（3) 对复数形式的等高线顶点进行一维离散傅立叶转换，以获得m-1个傅立叶系数Z = {Z0， Z1 …Zm-2};
(3) 根据公式（4)等高线顶点的傅里叶系数进行归一化处理，以获取m-2个具有平移、旋转 和缩放不变性且与起点无关等高线形状描述子FD= {fc^fcV-fd^};
获取两条等高线的形状描述子？01和？仏，并利用公式（5)计算两条等高线的形状相似 度值s ;
对等1?线数量为N的等1?线族内的等1?线按照两两组合关系进行配对，获取C 个等 1?线对，并获取各等1?线对间的形状相似度值。
10. 根据权利要求9所述的检测方法，其特征在于，计算所述等高线簇的等高线形状相 似度的归一化信息熵包括： 统计等高线数量为N的等高线簇的等高线形状相似度的最大值smax，并根据公式（6)以 值域宽度d将等高线形状相似度值域平均分成η个子域；
根据公式（7)和公式（8)统计等高线形状相似度值在各子域的分布频率；
根据所得的等高线形状相似度在各子域的分布频率按照公式（9)计算等高线形状相 似度的信息熵；
根据公式（10)对所得的等高线形状相似度的所述信息熵进行归一化以得到归一化信 息熵
【文档编号】G01B11/24GK104048618SQ201410268416
【公开日】2014年9月17日 申请日期:2014年6月16日 优先权日:2014年6月16日
【发明者】范一大, 林月冠, 王薇, 杜志强, 何美章 申请人:民政部国家减灾中心