本发明专利技术公开了一种倾斜航空影像中建筑物立面损毁检测的方法，包括步骤一，利用基于粗糙集理论的k-means聚类算法对建筑物立面分割，获得建筑物立面的门窗；二，利用canny算法对建筑物立面的门窗进行边缘检测，获得门窗的边缘特征；三，利用经济学中的基尼系数对所述边缘特征进行统计，获得建筑物立面的基尼系数；四，根据所述基尼系数判定建筑物立面是否损毁。本发明专利技术具有不需要先验信息和灾前数据的情况下，能简单高效的进行建筑物立面损毁检测，降低了方法的复杂度，节约了生产成本；引入了经济学中的基尼系数作为建筑物立面损毁检测的指数，可以充分利用建筑物立面的结构特征来判定损毁，这为提高建筑物损毁评估的精度和自动化程度提供解决方法。
【技术实现步骤摘要】
本专利技术涉及遥感影像应用
，尤其是涉及一种倾斜航空影像中建筑物立面 损毁检测的方法和装置。
技术介绍
自然灾害长久以来使人类的生命和财产遭受巨大损失，是人类生存和发展的巨大 障碍。遥感技术具有重访周期短、探测范围大、数据综合性高等特点，为灾害监测与评估提 供了一种有利的手段。随着各种监测手段和高新技术的发展，传统的灾害检测与评估逐步 由定性统计评估向定量精细评估的方向发展。建筑物作为人们生产生活的核心要素，自然 灾害发生后对其损毁信息的检测和提取具有重要的意义，它可为灾害应急响应与灾后恢复 重建提供重要决策依据。鉴于建筑物损毁检测的复杂性，不仅仅要判定建筑物高程和面积 等信息的变化，还要判定建筑物顶面和立面损毁信息，因此如何对建筑物进行全方位的高 精度定量损毁评估是目前研究的热点。 近年来迅猛发展的倾斜航空摄影技术突破了传统航空影像只能从垂直角度拍摄 的局限，通过在同一飞行平台上搭载多台传感器同时从一个垂直、三个或多个倾斜等不同 的角度采集影像，能够很好采集建筑物多方位的信息。许多学者在利用倾斜摄影测量技术 来提取建筑物的完整信息方面做了大量深入的研究工作，显然利用这种技术对建筑物损毁 检测可弥补传统检测方法的不足。建筑物顶面信息由于纹理信息比较简单，利用它进行损 毁检测的研究较多，也取得了很好的成果；但是建筑物立面信息纹理信息非常丰富，建筑物 门窗以及损毁出现的倒塌、裂缝和破损互相之间具有一定的干扰，这对建筑物立面损毁检 测造成了很大的困难。 因此，如何对倾斜航空影像中的建筑物立面信息进行损毁检测对于提高建筑物损 毁的精确定量评估具有重要的意义。 高分辨率倾斜航空遥感影像中包含了大量丰富的信息，特别是建筑物立面的纹理 信息非常丰富，目前国内外学者利用倾斜航空影像对建筑物立面进行损毁检测的典型方法 包括在如下两个方面：1)基于单时相的建筑物立面损毁检测。由于灾后倾斜航空影像易于 获取，因此这类方法更加符合实际生产需求。此类方法又分为基于结构信息和纹理特征的 损毁检测，基于纹理特征主要利用灰度共生矩阵或者Tamura等特征进行损毁检测，但是由 于建筑物立面纹理粗糙度较大，而纹理特征检测主要面向于细纹理特征的检测，因此不适 合区分单时相的损毁；基于结构信息方法主要提取建筑物立面裂缝等信息来检测损毁，但 由于建筑物立面丰富的结构信息会对裂缝提取造成极大干扰，因此此类方法也较为困难。 2)基于多时相的建筑物立面损毁检测。此类方法主要基于变化检测的方法进行建筑物立面 损毁检测，但由于灾前的倾斜航空影像一般很难获取，特别是临近受灾前时间段的倾斜影 像更加难以获取，而且灾前灾后多时相的倾斜影响如何进行高精度配准也是目前的难点。 因此，需要迫切寻找一种数据易获取、判定自动化程度高、提取结果相对精确高且符合实际 生产需要的损毁检测方法。
技术实现思路
本专利技术的目的在于提出一种倾斜航空影像中建筑物立面损毁检测的方法和装置， 本专利技术充分利用了倾斜影像中建筑物立面的结构信息，同时结合经济学中的基尼系数作为 损毁指数，显著提高了建筑物立面损毁检测的精度，特点是： (1)该方法具有不需要先验信息和灾前数据的情况下，能简单高效的进行建筑物 立面损毁检测，降低了方法的复杂度，也节约了生产成本。 (2)引入了经济学中的基尼系数作为建筑物立面损毁检测的指数，可以充分利用 建筑物立面的结构特征来判定损毁，不但提高判定的自动化程度和精度，而且符合实际生 产的需要。 为达此目的，本专利技术采用以下技术方案： -种倾斜航空影像中建筑物立面损毁检测的方法，包括： 步骤一，利用基于粗糙集理论的k-means聚类算法对建筑物立面分割，获得建筑 物立面的门窗； 步骤二，利用canny算法对建筑物立面的门窗进行边缘检测，获得门窗的边缘特 征； 步骤三，利用经济学中的基尼系数对所述边缘特征进行统计，获得建筑物立面的 基尼系数； 步骤四，根据所述基尼系数判定建筑物立面是否损毁。 其中，所述步骤一，利用基于粗糙集理论的k-means聚类算法对建筑物立面分割， 获得建筑物立面的门窗，具体为： S110、影像中像素的灰度值为f，其中f = 0、1、2…255,利用粗糙集理论得到的k 个中心点作为初始分类均值P1, μ2, μ3，···，yk; S120、计算影像中每个象素的灰度值f与上一步初始分类均值μ之间的距离D，将 每个像素赋初始类均值距其最近的类，即 = (1) 对（1)式进行迭代，其中P为迭代过程中的中心点； S130、对于i = 1，2,…，k计算新的聚类中心，更新类均值： 式中，队是中的像素个数，m是迭代次数； S140、将所有像素逐个考察，如果i = 1，2,…匕有yi(m+1)= μ严，则算法收敛，结 束，否则返回S120继续下一次迭代。 其中，所述步骤二，利用canny算法对建筑物立面的门窗进行边缘检测，获得门窗 的边缘特征，具体为： S210、利用canny算法对建筑物立面的门窗进行边缘检测，获得建筑物立面的门 窗边缘； S220、由于大部分建筑物立面都是垂直于地面，首先统计平行于地面的平行线之 间的距离分布，然后计算出距离的直方图，最后获得门窗的边缘特征；流程如下： a)由于建筑物立面可能发生损毁，因此门窗边缘检测得到的轮廓线未必相互平 行，因此统计平行于地面的平行线之间的距离分布采用的方法是：沿着水平方向每隔一定 步长对建筑物立面向垂直方向进行统计，计算出垂直方向临近两个像素点之间的距离，记 为Cl1，整个立面影像可以得到距离向量d =; b)利用公式直方图统计函数D(Cl1)=化统计出距离向量直方图，然后对直方图变 量叫进行升序排序，得到向量n= ,其中111彡112彡112彡...彡11 |(;向量11 为建筑物立面门窗的边缘特征。 其中，所述步骤三，利用经济学中的基尼系数对所述边缘特征进行统计，获得建筑 物立面的基尼系数，具体为： S310、假设影像中提取的门窗的边缘特征为f，将f的分布统计为直方图f = ，对直方图中的元素进行从小5IJ大排序，得5IJ新的直方图集合为f' = ，那么度量影像规则度的基尼系数公式为：(2) 其中，I |f| I1为第一范式，K为直方图统计的类别总数，G的范围是从0到1，G越 大，建筑物立面越完整，G越小，建筑物立面损毁严重；经过统计实验发现，建筑物损毁阈值 为0. 45,和经济学中的统计规律基本一致； S320、将步骤二中的统计边缘特征向量η作为f带入（2)式中，得到建筑立面的基 尼系数。 其中，所述步骤四，根据所述基尼系数判定建筑物立面是否损毁，具体为： 当基尼系数G大于0. 45时，表示建筑物立面完好；反之，当基尼系数G小于0. 45 时，表示建筑立面发生了损毁。 一种倾斜航空影像中建筑物立面损毁检测的装置，包括： 建筑物立面分割单元，用于利用基于粗糙集理论的k-means聚类算法对建筑物立 面分割，获得建筑物立面的门窗； 门窗边缘特征计算单元，用于利用canny算法对建筑物立面的门窗进行边缘检 测，获得门窗的边缘特征； 基尼系数计算单元，用于利用经济学中的基尼系数对所述边缘特征进行统计，获 得建筑物立面的基尼系数； 损毁判断单元，用于根据所述基尼系数判定建筑物立面是本文档来自技高网...
【技术保护点】
一种倾斜航空影像中建筑物立面损毁检测的方法，其特征在于，包括：步骤一，利用基于粗糙集理论的k‑means聚类算法对建筑物立面分割，获得建筑物立面的门窗；步骤二，利用canny算法对建筑物立面的门窗进行边缘检测，获得门窗的边缘特征；步骤三，利用经济学中的基尼系数对所述边缘特征进行统计，获得建筑物立面的基尼系数；步骤四，根据所述基尼系数判定建筑物立面是否损毁。
【技术特征摘要】
【专利技术属性】
技术研发人员：眭海刚，涂继辉，贾曲，吕枘蓬，马国锐，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。