本发明涉及基于遥感数据的灾情评估技术，特别涉及基于干涉合成孔径雷达数据的建筑物倒损程度评估方法和系统。
背景技术：
：近年来，国内国际重大自然灾害多发、频发、并发，而地震作为最严重的自然灾害之一，其巨大的破坏力和难以预测的特点极大地影响了人们的生命和财产安全。据统计，全球平均每年发生地震大约50万例；2001年至2011年间自然灾害死亡人口总数高达78万以上，其中地震引起的因灾死亡人数占到接近60％；而建筑物倒损是地震直接经济损失的主要来源。在地震发生后，为支撑相关减灾救灾部门快速制定和实施震后救援方案、开展灾区恢复重建等工作，快速准确地对建筑物倒损程度进行定量评估是急需解决的问题之一。遥感技术可以在不接触地物的情况下实现大范围成像，其快速反应、低成本和少人力的特点比常规的人工地面灾情核查具有较大优势，尤其是在建筑物倒损程度评估中的应用受到世界各国的重视和青睐。但应用遥感技术开展建筑物倒损程度评估面临着一些问题：首先，由于灾区震后往往会有较长时间的云雨天气过程，此时常规的光学传感器不能满足对地观测时效性的要求；其次，震前的灾区遥感数据在实践中难以获得。合成孔径雷达(SyntheticApertureRadar，SAR)以其全天时、全天候的成像能力，可以不受恶劣天气环境的影响，为快速获取灾区震后的对地观测数据提供保障。因此，利用震后合成孔径雷达数据评估建筑物倒损程度具有重要的实用价值。干涉合成孔径雷达(InterferometricSAR，InSAR)是使用同一观测区域的两幅或多幅合成孔径雷达数据，计算接收到的回波数据相位差来测量地表高程或形变信息的方法。但目前对其在建筑物倒损程度评估方面的研究多是基于震前和震后多时相数据，很难直接应用于没有可利用震前数据的情况，在这种情况下现有方法无法开展有效的建筑物倒损程度评估。技术实现要素：本发明鉴于如上所述的现有技术状况，提供一种仅利用震后干涉合成孔径雷达数据评估建筑物倒损程度的方法及系统，从而可对没有可利用的震前遥感数据的地震灾区也可以直接利用震后干涉合城孔径雷达数据快速得出建筑物倒损程度评估结果，以供相关减灾救灾部门基于该评估结果快速制定和实施救援方案、开展灾后恢复重建等工作。本发明提供的基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，其特征在于，包括如下步骤：输入震后同一观测区域的干涉合成孔径雷达数据对的步骤；对所述震后同一观测区域的干涉合成孔径雷达数据对分别进行预处理的步骤；通过下面的公式获得所述震后同一观测区域的干涉合成孔径雷达数据对的相干系数，进而获得相干系数图的步骤，其中，γ为相干系数，S1和S2分别是对同一观测区域获取的干涉合成孔径雷达数据对的主、辅数据，表示期望，*为复数的共轭运算；以及对所述相干系数图进行纹理分析来判断所述干涉合成孔径雷达影像对所对应的观测区域内的建筑物倒损程度的步骤。上述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，由于仅利用震后干涉合成孔径雷达数据评估建筑物倒损程度，从而可对没有可利用的震前遥感数据的地震灾区也可以直接利用震后干涉合城孔径雷达数据快速得出建筑物倒损程度评估结果，以供相关减灾救灾部门基于该评估结果快速制定和实施救援方案、开展灾后恢复重建等工作。所述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，在进行所述纹理分析时，将相干系数图按照一定的重叠率划分为多个局部影像块，所述重叠率是指相邻两个局部影像块之间共有的像元数量占影像块中像元总数量的比例。所述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，所述建筑物倒损程度评估方法还包括如下的步骤：根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建分类单元，并利用该分类单元判断其他所有局部影像块的建筑物倒损程度。上述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，由于根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建分类单元，并利用该分类单元判断其他所有局部影像块的建筑物倒损程度，能够减少大量的运算量，加快整个建筑物倒损程度评估工作速度。所述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，在进行所述纹理分析时，统计每个局部影像块的归一化直方图，分别计算该归一化直方图的均值、方差、偏度、峰度、能量和熵值作为相应局部影像块的纹理特征参数。所述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，还包括如下步骤：对同一街区的所有所述局部影像块的建筑物倒损程度判别结果进行多数投票，以决定相应街区的建筑物倒损程度的步骤。根据上述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，能够得到街区级建筑物的倒损程度评估结果。本发明提供的基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，其特征在于，包括：输入单元，用于输入震后同一观测区域的干涉合成孔径雷达数据对；预处理单元，用于对所述震后同一观测区域的干涉合成孔径雷达数据对分别进行预处理；相干系数图获得单元，通过下面的公式获得所述震后同一观测区域的干涉合成孔径雷达数据对的相干系数，进而获得相干系数图，其中，γ为相干系数，S1和S2分别是对同一观测区域获取的干涉合成孔径雷达数据对的主、辅数据，表示期望，*为复数的共轭运算；以及包括纹理分析单元的建筑物倒损程度获得单元，利用该纹理分析单元对所获得的所述相干系数图进行纹理分析来判断所述干涉合成孔径雷达影像对所对应的观测区域内的建筑物倒损程度。上述基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，由于仅利用震后干涉合成孔径雷达数据评估建筑物倒损程度，从而可对没有可利用的震前遥感数据的地震灾区也可以直接利用震后干涉合城孔径雷达数据快速得出建筑物倒损程度评估结果，以供相关减灾救灾部门基于该评估结果快速制定和实施救援方案、开展灾后恢复重建等工作。基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，所述纹理分析单元进行所述纹理分析时，将相干系数图按照一定的重叠率划分为多个局部影像块，所述重叠率是指相邻两个局部影像块之间共有的像元数量占影像块中像元总数量的比例。基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，所述建筑物倒损程度获得单元还包括分类单元，该分类单元根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建而成，用于判断其他所有局部影像块的建筑物倒损程度。上述基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，由于根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建分类单元，并利用该分类单元判断其他所有局部影像块的建筑物倒损程度，能够减少大量的运算量，加快整个建筑物倒损程度评估工作速度。基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，所述纹理分析单元在进行所述纹理分析时，统计每个局部影像块的归一化直方图，分别计算该归一化直方图的均值、方差、偏度、峰度、能量和熵值作为相应局部影像块的纹理特征参数。基于干涉合成孔径雷达数据的建筑物倒损程度评估系统，所述建筑物倒损程度获得单元还包括多数投票单元，该多数投票单元对同一街区的所有局部影像块的建筑物倒损程度判别结果进行多数投票，以决定相应街区的建筑物倒损程度。根据上述基于干涉合成孔径雷达数据的建筑物倒损程度评估方法，能够得到街区级建筑物的倒损程度评估结果。附图说明为了更清楚地说明本发明实施例的技术方案，下面对具体实施方式部分中所需要使用的附图做简单介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是示出本发明的第一实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图2是示出本发明的第一实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。图3是示出本发明的第二实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图4是示出本发明的第二实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。图5是示出本发明的第三实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图6是示出本发明的第三实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。图7a示出基本完好的建筑物区域的相干系数图，图7b示出严重倒塌的建筑物区域的相干系数图。图8a示出图7a的相干系数图的统计直方图，图8b示出图7b的相干系数图的统计直方图。图9示出将相干系数图按一定重叠比例划分为局部影像块的方法。图10a示出对某区域震后第3天的建筑物倒损程度进行人工地面实测的真值图。图10b示出通过第三实施例的建筑物倒损程度评估方法对图10a所示某区域震后第3天使用航空机载干涉合成孔径雷达系统得到的震后干涉合成孔径雷达数据进行处理得到的建筑物倒损程度评估结果图。具体实施方式为了更好的理解本发明的技术方案，下面结合附图对本发明的具体实施方式进行详细说明。首先，对本发明的基础原理进行说明。合成孔径雷达是一种主动式的传感器，其通过主动发射某一频率的电磁波并接收其后向散射回波信号来达到测量地物物理属性的目的。接收的后向散射回波信号是一个分辨单元内所有目标散射回波的叠加。干涉合成孔径雷达是使用同一观测区域的两幅或多幅合成孔径雷达数据，计算接收到的回波数据相位差来测量地表高程或形变信息的方法。对于一组干涉合成孔径雷达数据对s1和s2(即，对同一观测区域获取的主、辅数据)，其相干性可以由相干系数表示：其中，γ为相干系数，表示期望，*为复数的共轭运算。可以看出，γ∈[0,1]，γ值越大表明主、辅数据间的相干性越强。相反地，若γ＝0，则表明完全没有相干性。当干涉合成孔径雷达数据对均成像于地震发生后时，主、辅数据中的建筑物倒损程度几乎是保持一致的。基本完好的建筑物作为人工目标，本身的散射特性很稳定，其相干性接近最大值；而由于在雷达视线方向上，建筑物背后的一定区域无法产生后向散射回波信号，在合成孔径雷达影像上形成阴影效果，其相干性接近最小值。故基本完好的建筑物区域的相干系数图呈现出规律的明暗变化纹理特征。如果震后的建筑物发生了不同程度的倒损，原来很稳定的散射特性和阴影效果会发生不同程度的消减，对应的原来规则的纹理特征也会受到不同程度的破坏，甚至出现杂乱无章的纹理特征。这为仅利用震后干涉合成孔径雷达数据判断建筑物倒损程度提供了技术依据。图7a示出基本完好的建筑物区域的相干系数图，其在空间上呈现规律的明暗变化纹理特征；图7b示出严重倒塌的建筑物区域的相干系数图，由于建筑物发生了结构性破坏，其在空间上呈现没有规律的杂乱无章纹理特征。图8a示出图7a的相干系数图的统计直方图，图8b示出图7b的相干系数图的统计直方图，图8a和图8b的横轴表示各像元的灰度值，纵轴表示各灰度值所出现像元的频次。对比图8a和图8b可以发现两个统计直方图存在着显著的差异，图8a中的统计直方图有相当大量的零值灰度值的频数，而图8b没有这种现象。因此，震后干涉合成孔径雷达数据对的相干系数的上述特性可以作为判断建筑物倒损程度的一种可行的方法。据此，本发明利用震后干涉合成孔径雷达数据对的相干系数的上述特性创造出了建筑物倒损程度评估方法和系统，下面具体说明几个优选的实施例。应当明确，所描述的实施例仅仅是本发明的一部分实施例，而不是全部实施例。基于本发明的实施例，本领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。<第一实施例>图1示出本发明的第一实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图2示出本发明的第一实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。如图1所示，本发明的第一实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法，首先在步骤S110，向建筑物倒损程度评估系统输入震后同一观测区域的干涉合成孔径雷达数据对。之后，在步骤S120，对所述震后同一观测区域的干涉合成孔径雷达数据对分别进行预处理。预处理包括但不限于以下处理：几何校正，影像拼接，影像裁切，影像增强等。接着，在步骤S130，通过下面的公式计算得到所述震后同一观测区域的干涉合成孔径雷达数据对的相干系数，进而获得相干系数图。其中，γ为相干系数，S1和S2分别是对同一观测区域获取的干涉合成孔径雷达数据对的主、辅数据，表示期望，*为复数的共轭运算。最后，在步骤S140，对所获得的所述相干系数图进行纹理分析来判断所述干涉合成孔径雷达数据对所对应的观测区域内的建筑物倒损程度。纹理分析(TextureAnalysis)是指通过一定的影像处理技术提取出纹理特征参数，从而获得影像的定量描述的处理过程。本实施例中采用基于统计直方图的纹理特征来评估建筑物倒损程度。如图2所示，本实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统，包括输入单元10、预处理单元20、相干系数图获得单元30以及建筑物倒损程度获得单元40。输入单元10用于向建筑物倒损程度评估系统输入数据，即震后同一观测区域的干涉合成孔径雷达数据对。预处理单元20用于对所述震后同一观测区域的干涉合成孔径雷达数据对分别进行预处理。预处理包括但不限于以下处理：几何校正，影像拼接，影像裁切，影像增强等。相干系数图获得单元30通过下面的公式计算得到所述震后同一观测区域的干涉合成孔径雷达数据对的相干系数，进而获得相干系数图。其中，γ为相干系数，S1和S2是对同一观测区域获取的干涉合成孔径雷达数据对的主、辅数据，表示期望，*为复数的共轭运算。建筑物倒损程度获得单元40包括纹理分析单元401，该纹理分析单元401对所获得的所述相干系数图进行纹理分析来判断所述干涉合成孔径雷达数据对所对应的观测区域内的建筑物倒损程度。基于前面的分析可知，震后干涉合成孔径雷达数据对的相干系数在空间上的表现，即相干系数图中的纹理分析，是揭示建筑物倒损程度的关键。本实施例简单地采用基于统计直方图的纹理特征来评估建筑物倒损程度。常规的纹理特征提取思路是在以待处理像元为中心的窗口内计算纹理特征参数作为该像元的纹理特征值。但高分辨率遥感数据中像元数量往往非常巨大，这种基于像元的处理方式效率很低，处理时间过长，不利于建筑物快速倒损程度评估。因此，本实施例中，在步骤S140，纹理分析单元401首先将相干系数图按一定重叠比例划分为局部影像块，随后对每一个影像块提取纹理特征参数来判断影像块中的建筑物倒损程度。将相干系数图按一定重叠比例划分为局部影像块的过程，如图9所示，首先将相干系数图按50％的重叠率(实际生产过程中，可根据需要设定重叠率)划分为一系列50像元×50像元大小的局部影像块。此处重叠率是指四邻域内相邻的两个块之间共有的像元数量占影像块中像元总数量的比例。例如，图9中标号为1的子块(即，局部影像块)与其右侧标号为2及下侧标号为3的子块均有一半的像元是共用的。然后，统计每一子块的归一化直方图，分别计算直方图的均值、方差、偏度、峰度、能量和熵值作为该子块的纹理特征参数。偏度和峰度的计算公式如下式(2)和(3)。其中μ,Mv,Ms,Mk分别为归一化直方图的均值、方差、偏度和峰度，L为灰度级总数，H(i)为归一化直方图中第i个分量。<第二实施例>图3示出本发明的第二实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图4示出本发明的第二实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。本发明的第二实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法，在第一实施例的基础上，借鉴影像监督分类的思路，在将相干系数图按一定重叠比例划分为局部影像块并对每一个影像块提取纹理特征参数之后，根据少量已知建筑物倒损程度的局部影像块样本，构建监督分类器(分类单元，例如下面的支持向量机分类器)判断其他影像块中建筑物倒损程度。即，如图3所示，在步骤S150，根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建分类单元，并利用该分类单元判断其他所有局部影像块的建筑物倒损程度。通过利用该分类单元判断其他所有局部影像块的建筑物倒损程度，能够减少大量的运算量，加快整个建筑物倒损程度评估工作速度。支持向量机(SupportVectorMachine，SVM)分类器是一种监督分类方法，其本质是通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。计算两个向量在隐式映射过后的空间中的内积的函数叫做核函数。简单地说，支持向量机就是在核函数隐含映射的高维特征空间内寻找可以最大化二类监督样本边际间隔的最优超平面。如图4所示，本实施例的建筑物倒损程度评估系统在第一实施例的基础上，还具备根据少量已知建筑物倒损程度的局部影像块设定若干建筑物倒损程度的类型来构建而成的分类单元402，该分类单元402(支持向量机分类器)将其他所有局部影像块的建筑物倒损程度进行分类标注，以判断其他所有局部影像块的建筑物倒损程度。本实施例中采用的二分类支持向量机分类器的超平面决策函数如下式(4)。f(x)＝w*·Φ(x)+b*(4)其中在核函数隐含映射的高维特征空间Φ(X)内寻找可以最大化二类监督样本边际间隔的最优超平面，由权值矢量w*和阈值b*确定，式(4)为正或负时代表不同的类别判断。本实施例选用高斯核作为核函数：K(xi,xj)＝exp(-γ||xi-xj||2)(5)对于多类分类问题，可通过将其转化为多个二分类问题，然后分别构建支持向量机分类器予以解决，在此不再详细进行说明。<第三实施例>图5是示出本发明的第三实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法的流程图。图6是示出本发明的第三实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估系统的框图。对建筑物倒损程度的判断，不仅仅基于影像中的建筑物主体，其周围环境(如阴影、碎块、瓦砾等)同样是参考因素。但实际中各种各样的建筑物本身结构、排列的多变性导致其在影像上有极其复杂的空间表现，在一定程度上影响了局部影像块的倒损程度判别精度，所以一般情况下是以街区为评估尺度单位。从空间尺度上看，街区的尺度大于局部影像块，若干局部影像块可能从属于同一个街区。本发明的第三实施例的基于震后干涉合成孔径雷达数据的建筑物倒损程度评估方法，如图5所示，在第二实施例的基础上，进一步在步骤S160，对同一街区的所有局部影像块的建筑物倒损程度判别结果进行多数投票，以决定相应街区的建筑物倒损程度，最终得到整个影像所观测区域的街区级建筑物倒损程度评估结果。所谓多数投票(MajorityVoteAlgorithm)的定义如下：假设有一个数组，其中含有N个元素，求这个数组中存在个数最多的元素。如图6所示，本实施例的建筑物倒损程度评估系统在第二实施例的基础上，还包括多数投票单元403，该多数投票单元403对同一街区的所有局部影像块的建筑物倒损程度判别结果进行多数投票，以决定相应街区的建筑物倒损程度，最终得到整个影像所观测区域的街区级建筑物倒损程度评估结果。<实验与分析>图10a示出对某区域震后第3天的建筑物倒损程度进行人工地面实测的真值图。图10b示出通过本实施例的建筑物倒损程度评估方法对图10a所示区域震后第3天使用航空机载干涉合成孔径雷达系统得到的震后干涉合成孔径雷达数据进行处理得到的建筑物倒损程度评估结果图。在本次实验中，在使用该震后干涉合成孔径雷达数据评估建筑物倒损程度前，进行了几何纠正、影像拼接和影像裁切等预处理。利用人工选择的控制点和二次多项式模型，对四幅主、辅数据分别进行预处理，预处理后的数据大小为5200像元×11100像元，随后将影像中的建筑物区域裁切出来用于后续处理，再采用7×7大小的窗口完成相干系数估计并进行灰度级量化。以50％的重叠率把灰度级量化后的相干系数图划分为50像元×50像元的局部影像块，共计91701块。实验中随机抽取5％的影像块作为样本根据人工地面实测真值图给予类别标签(基本完好、中度倒损和严重倒损)，用于训练支持向量机分类器，并完成支持向量机分类器的参数选取。随后，利用这个支持向量机分类器得到局部影像块的建筑物倒损程度判别结果。之后，利用多数投票得到街区级建筑物倒损程度评估结果，可以明显看出图10b展示的最终评估结果与图10a展示的人工地面实测真值趋于接近，这证明了本发明的方法在建筑物倒损程度评估方面的实用性。表1给出了混淆矩阵、总体精度和Kappa系数。可以看出，最终的总体精度可达76.71％，Kappa系数为0.636，表明本发明的方法已经具有提供给相关减灾救灾部门作为参考的能力。表1基于本实施例的方法的实验结果精度评价基本完好中度倒损重度倒损小计生产者精度基本完好232735343.40％中度倒损07277991.14％重度倒损311738783.91％小计2611083219用户精度88.46％65.45％87.95％总体精度：76.71％Kappa系数：0.636在本发明所提供的技术方案中，应该理解到，所披露的方法和系统，可以通过其他方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。所述作为各个单元说明的部件可以是或者也可以不是物理上分开的，可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分不到多个网络单元上，可以依据实际的需求选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)或处理器执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：通用串行总线(UniversalSerialBus，USB)闪存驱动器、移动硬盘、只读存储器(ReadOnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁盘或者光盘等各种可以存储程序代码的介质。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。当前第1页1 2 3