一种无人机遥感影像建筑物三维损毁检测方法
【专利摘要】一种无人机遥感影像建筑物三维损毁检测方法，包括生成灾前的DSM和灾后的DSM并配准，识别损毁建筑物疑似区域；根据灾前的DSM获取建筑物的矢量信息，进一步分割灾前建筑物区域和灾后建筑物区域；根据灾前建筑物区域分割结果、灾后建筑物区域分割结果进行特征提取，得到特征证据；根据证据理论原理，采用特征证据计算建筑物发生倒损的置信度，得到检测结果。本发明充分利用了多重叠影像生成的点云三维信息，同时结合灾前后的遥感影像房屋损毁特征，显著提高了建筑物损毁检测的精度。
【专利说明】一种无人机遥感影像建筑物三维损毁检测方法
【技术领域】
[0001] 本发明涉及遥感影像应用【技术领域】，尤其是涉及一种无人机遥感影像建筑物三维 损毁检测方法。
【背景技术】
[0002] 自然灾害发生后，如何快速的对灾害中的房屋损毁情况做出检测评价，具有重要 的意义。它能够及时和准确的了解受灾的区域和灾害级别，以便快速做出相应的应急措施。 无人机作为一种新型遥感监测平台，飞行操作智能化程度高，可按预定航线自主飞行、摄 像，实时提供遥感监测数据和低空视频监控，具有机动性强、便捷、成本低等特点，其所获取 的高分辨率重叠的遥感数据具有抗干扰能力强，成像范围大等特点，使之成为建筑物损毁 检测有效的方式之一。
[0003] 通常自然灾害发生后建筑物的倒损形式包括结构整体倒塌、整体沉降、部分倒塌、 下部倒塌、中间层倒塌、墙体裂而不倒等。显而易见，对于建筑物整体沉降，下部倒塌等情 况，倒损检测不仅需要二维信息的提取与分析，建筑物高度信息的检测也至关重要。目前 利用遥感进行建筑物倒损检测的典型方法包括以下几种：1)利用单张灾后影像的建筑物 损毁检测方法，其核心思想是通过对遥感影像解译分类，提取建筑物损毁信息。由传统的基 于像元级别的提取方法，发展到现在主流的基于面向对象技术提取方法，同时结合影像的 各种特征包括几何结构、形状、边缘、纹理、颜色等，对建筑物损毁信息进行提取；但该方法 难以提取建筑物高度变化信息，即使能利用阴影等方式获得部分建筑物高度，但不具有普 适性。2)利用两/多时相遥感影像的建筑物损毁信息提取方法，其核心思想是遥感变化检 测，通过灾害前后遥感影像变化区域对比，提取建筑物损毁信息；这些方法主要是基于二维 数据的变化检测，难以检测建筑物高度变化信息，对检测那些部分倒塌、整体沉降、下部倒 塌或中间层倒塌等高度发生变化的建筑物具有先天缺陷。3)利用航空或卫星立体像对提取 的DSM三维信息对建筑物进行损毁检测，通过三维信息的提取与比较分析检测建筑物高度 的变化而获得损毁信息；因此需要迫切寻找一种数据易获取、检测效率高、检测结果相对精 确且顾及到建筑物高度信息的变化检测方法。
【发明内容】
[0004] 为克服现有技术缺陷，本发明提出了一种无人机遥感影像建筑物三维损毁检测方 法。
[0005] 本发明的技术方案提供的一种多重叠无人机遥感影像建筑物三维损毁检测方法， 包括以下步骤，
[0006] 步骤一、对灾前数据和灾后数据分别进行处理，生成灾前的DSM和灾后的DSM，DSM 为数字地表模型；所用的灾前数据和灾后数据为多重叠无人机遥感影像数据；
[0007] 步骤二，对步骤一所得灾前的DSM和灾后的DSM进行自动配准；
[0008] 步骤三，对步骤二配准后的DSM，利用高程信息进行变化检测，识别损毁建筑物疑 似区域；
[0009] 步骤四，进一步分割灾前建筑物区域和灾后建筑物区域，包括根据步骤一所得灾 前的DSM获取建筑物的矢量信息，并且进行以下处理，
[0010] 基于灾前数据进行影像拼接，把步骤三中损毁建筑物疑似区域投影到所得拼接影 像上，得到影像上的变化疑似区域，利用建筑物的矢量信息叠加在所得影像上的变化疑似 区域上进行分割，得到灾前建筑物区域分割结果；
[0011] 基于灾后数据进行影像拼接，把步骤三中损毁建筑物疑似区域投影到所得拼接影 像上，得到影像上的变化疑似区域，利用建筑物的矢量信息叠加在所得影像上的变化疑似 区域上进行分割，得到灾后建筑物区域分割结果；
[0012] 步骤五，根据灾前建筑物区域分割结果、灾后建筑物区域分割结果进行特征提取， 得到特征证据；
[0013] 步骤六，根据证据理论原理，采用步骤五所得特征证据计算建筑物发生倒损的置 信度，得到检测结果。
[0014] 而且，步骤一中，对灾前数据和灾后数据分别进行处理时，处理方式包括利用先验 信息对多重叠无人机遥感影像进行预处理，利用空三构网求出每张影像的外方位元素，密 集匹配生成三维点云,构建底面格网，生成DSM。
[0015] 而且，步骤四中，根据步骤一所得灾前的DSM获取建筑物的矢量信息，包括利用数 学形态学滤波分离出非地面点，基于区域生长方式提取建筑物点，通过建筑物投影到地面 的轮廓信息得到建筑物的矢量信息。
[0016] 而且，步骤五中，所述特征证据包括面积特征证据和纹理特征证据。
[0017] 而且，根据灾前建筑物区域分割结果、灾后建筑物区域分割结果进行面积特征提 取，获得面积特征证据，实现方式如下，
[0018] 分别计算灾前和灾后的第i个建筑物的面积SiBrf_、SiAfte，以及面积差ASi = ^-^-Before ^iAfter?
[0019] 当ASi小于或等于给定的面积差最小阈值MinASi时，认为建筑物发生倒损的隶 属度 Ri as (Area)为 0 ;
[0020] 当ASi大于或等于给定的面积差最大阈值MaxASi时，认为建筑物发生倒损的隶 属度 Ri as (Area)为 1 ;
[0021] 当Min Λ Si〈 Λ Si〈Max Λ Si，根据隶属函数确定建筑物发生倒损的隶属度
【权利要求】
1. 一种无人机遥感影像建筑物三维损毁检测方法，其特征在于：包括以下步骤， 步骤一、对灾前数据和灾后数据分别进行处理，生成灾前的DSM和灾后的DSM，DSM为数 字地表模型；所用的灾前数据和灾后数据为多重叠无人机遥感影像数据； 步骤二，对步骤一所得灾前的DSM和灾后的DSM进行自动配准； 步骤三，对步骤二配准后的DSM，利用高程信息进行变化检测，识别损毁建筑物疑似区 域； 步骤四，进一步分割灾前建筑物区域和灾后建筑物区域，包括根据步骤一所得灾前的 DSM获取建筑物的矢量信息，并且进行以下处理， 基于灾前数据进行影像拼接，把步骤三中损毁建筑物疑似区域投影到所得拼接影像 上，得到影像上的变化疑似区域，利用建筑物的矢量信息叠加在所得影像上的变化疑似区 域上进行分割，得到灾前建筑物区域分割结果； 基于灾后数据进行影像拼接，把步骤三中损毁建筑物疑似区域投影到所得拼接影像 上，得到影像上的变化疑似区域，利用建筑物的矢量信息叠加在所得影像上的变化疑似区 域上进行分割，得到灾后建筑物区域分割结果； 步骤五，根据灾前建筑物区域分割结果、灾后建筑物区域分割结果进行特征提取，得到 特征证据； 步骤六，根据证据理论原理，采用步骤五所得特征证据计算建筑物发生倒损的置信度， 得到检测结果。
2. 根据权利要求1所述无人机遥感影像建筑物三维损毁检测方法，其特征在于：步骤 一中，对灾前数据和灾后数据分别进行处理时，处理方式包括利用先验信息对多重叠无人 机遥感影像进行预处理，利用空三构网求出每张影像的外方位元素，密集匹配生成三维点 云，构建底面格网，生成DSM。
3. 根据权利要求1所述无人机遥感影像建筑物三维损毁检测方法，其特征在于：步骤 四中，根据步骤一所得灾前的DSM获取建筑物的矢量信息，包括利用数学形态学滤波分离 出非地面点，基于区域生长方式提取建筑物点，通过建筑物投影到地面的轮廓信息得到建 筑物的矢量信息。
4. 根据权利要求1或2或3所述无人机遥感影像建筑物三维损毁检测方法，其特征在 于：步骤五中，所述特征证据包括面积特征证据和纹理特征证据。
5. 根据权利要求4所述无人机遥感影像建筑物三维损毁检测方法，其特征在于：根据 灾前建筑物区域分割结果、灾后建筑物区域分割结果进行面积特征提取，获得面积特征证 据，实现方式如下， 分别计算灾前和灾后的第i个建筑物的面积SiBef_、SiAfte，以及面积差Λ Si = ^iBefore ^iAfter? 当Δ Si小于或等于给定的面积差最小阈值Min Δ Si时，认为建筑物发生倒损的隶属度 RiAS(Area)为 0 ; 当Δ Si大于或等于给定的面积差最大阈值Max Δ Si时，认为建筑物发生倒损的隶属度 RiAS(Area)为 1 ; 当Min Λ S' Λ S'Max Λ Si，根据隶属函数确定建筑物发生倒损的隶属度
6.根据权利要求4所述无人机遥感影像建筑物三维损毁检测方法，其特征在于：根据 灾后建筑物区域分割结果进行纹理特征提取，获得纹理特征证据，实现方式如下， 求取灾后的第i个建筑物的灰度共生矩阵中能量特征ASMp 当ASMi大于或等于给定的最大阈值MaxASMi时，认为建筑物发生倒损的隶属度 R廳(ASM)为 0， 当ASMi小于或等于给定的最小阈值MinASMi时，认为建筑物发生倒损的隶属度 R廳(ASM)为 1， 当MinASM'ASM'MaxASMi时，根据隶属函数计算建筑物发生倒损的隶属度
【文档编号】G06T17/00GK104091369SQ201410352371
【公开日】2014年10月8日 申请日期:2014年7月23日 优先权日:2014年7月23日
【发明者】眭海刚, 涂继辉, 宋志娜, 马国锐, 刘俊怡 申请人:武汉大学