一种基于高分辨率遥感数据的地震损毁评估方法和装置制造方法及图纸

本发明专利技术公开了一种基于高分辨率遥感数据的地震损毁评估方法和装置，根据监测边缘特征变化，获得地震前后遥感影像的梯度图像；分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征；根据评估倒毁率绘制当地地震灾害快速评估图。因此，所述基于高分辨率遥感数据的地震损毁评估方法和装置能够同时应用于卫星影像与航空影像，且可以兼容用于变化监测的灾害前后影像为异源传感器。

【技术实现步骤摘要】

本专利技术涉及快速评估
，特别是指一种基于高分辨率遥感数据的地震损毁评估方法和装置。
技术介绍
地震灾害受灾范围快速评估是指在地震灾害刚刚发生后的(通常为48小时以内)，在灾区地面调查结果有限或者不足的情况下，使用灾区获取的实时遥感影像数据快速获取本次地震灾害中受影响区域范围及受影响程度。在近年来的地震灾害后评估实际研究中，已经表明，城市范围的地震损毁情况可以通过卫星影像或者高分辨率的遥感影像分析得到。相关研究已经证实基于变化监测和高分辨率遥感影像的方法可以有效评估地震灾害中的损毁情况，例如KeikoSaito,等针对通过遥感影像目视解译结果与地面数据对比验证了高分辨率卫星影像对基于区域的损毁评估的可靠性。CharlesK.Huyck等使用QuickBird数据和NeighborhoodEdgeDissimilarities特征方法，用于评估bam地震再次高分辨率数据用于快速评估的可行性。但是在现有技术中，基于遥感的损毁评估图只能通过监测灾害前后的遥感影像变化进行绘制，而基于卫星的损毁评估图只能通过卫星数据。也就是说，由于卫星遥感影像数据不同传感器生成的影像空间分辨率、配准偏差、传感器入射角度影像的不同，会影响变化检测方法结果的准确性,现有方法只能灾害前后的两影像数据需要同种传感器获得。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种基于高分辨率遥感数据的地震损毁评估方法和装置，解决现有对地震损毁评估只能使用卫星影像或者航空影像的问题。基于上述目的本专利技术提供基于高分辨率遥感数据的地震损毁评估方法，包括步骤：根据监测边缘特征变化，获得地震前后遥感影像的梯度图像；分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征；根据评估倒毁率绘制当地地震灾害快速评估图。在本专利技术的一些实施例中，所述根据监测边缘特征变化，获得地震前后遥感影像的梯度图像，包括：获取灾害地区地震前后遥感影像，并进行地理配准；根据地理配准后的所述地震前后遥感影像，分别计算地震前后遥感影像的梯度图像。在本专利技术的一些实施例中，通过如下公式，分别计算地震前后遥感影像的梯度图像：G(x,y)=(f(x,y)-f(x+1,y+1))2+(f(x+1,y)-f(x,y+1))2]]>G(x′,y′)=G(x,y)-Gmin(x,y)Gmax(x,y)-Gmin(x,y)]]>其中，f(x,y)为源图像的单通道，G(x',y')为梯度图像。在本专利技术的一些实施例中，分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征，包括：将地震前后遥感影像的梯度图像网格化；分别计算网格化后的地震前后梯度图像的相似度特征图像；根据所述地震前后梯度图像的相似度图像的相似度特征，获取完全变化和严重变化网格数量。在本专利技术的一些实施例中，根据如下公式，计算网格化后的地震前后梯度图像的相似度特征图像：S(W)=Σx=1kΣy=1l(GA(x,y)-GA-mean(x,y))*(GB(x,y)-GB-mean(x,y))Σx=1kΣy=1l(GA(x,y)-GA-mean(x,y))2*Σx=1kΣy=1l(GB(x,y)-GB-mean(x,y))2]]>其中，GA(x，y)表示T1时间(灾前)网格W的梯度特征图像；GB(x，y)表示T2时间灾后网格W的梯度特征图像；还有，GA-mean(x，y)＝(∑∑GA(x，y))/H，表示目标A区域中像元的梯度平均值。GB-mean(x，y)＝(∑∑GB(x，y))/H，表示目标B区域中像元的梯度平均值；H则为网格中像元的总个数，k和l分别为目标区域的宽度和高度。在另一方面，本专利技术还提供了一种基于高分辨率遥感数据的地震损毁评估装置，包括：梯度图像获取单元，用于根据监测边缘特征变化，获得地震前后遥感影像的梯度图像；相似度特征获取单元，用于分别获得所述地震前后梯度图像的相似度图像，提取所述相似度图像的相似度特征；评估单元，用于根据评估倒毁率绘制当地地震灾害快速评估图。在本专利技术的一些实施例中，梯度图像获取单元，还用于：获取灾害地区地震前后遥感影像，并进行地理配准；根据地理配准后的所述地震前后遥感影像，分别计算地震前后遥感影像的梯度图像。在本专利技术的一些实施例中，通过如下公式，分别计算地震前后遥感影像的梯度图像：G(x,y)=(f(x,y)-f(x+1,y+1))2+(f(x+1,y)-f(x,y+1))2]]>G(x′,y′)=G(x,y)-Gmin(x,y)Gmax(x,y)-Gmin(x,y)]]>其中，f(x,y)为源图像的单通道，G(x',y')为梯度图像。在本专利技术的一些实施例中，所述相似度特征获取单元，还用于：将地震前后遥感影像的梯度图像网格化；分别计算网格化后的地震前后梯度图像的相似度特征图像；根据所述地震前后梯度图像的相似度图像的相似度特征，获取完全变化和严重变化网格数量。在本专利技术的一些实施例中，根据如下公式，计算网格化后的地震前后梯度图像的相似度特征图像：S(W)=Σx=1kΣy=1l(GA(x,y)-GA-mean(x,y))*(GB(x,y)-GB-mean(x,y))Σx=1kΣy=1l(GA(x,y)-GA-mean(x,y))2*Σx=1kΣy=1l(GB(x,y)-GB-mean(x,y))2]]>其中，GA(x，y)表示T1时间(灾前)网格W的梯度特征图像；GB(x，y)表示T2时间灾后网格W的梯度特征图像；还有，GA-mean(x，y)＝(∑∑GA(x，y))/H，表示目标A区域中像元的梯度平均值。GB-mean(x，y)＝(∑∑GB(x，y))/H，表示目标B区域中像元的梯度平均值；H则为网格中像元的总个数，k和l分别为目标区域的宽度和高度。从上面所述可以看出，本专利技术提供的一种基于高分辨率遥感数据的地震损毁评估方法和装置，通过基于边缘相似度的变化监测分析和倒毁率评估，实现从像素到对象再到评估区逐级提取损毁信息的评估，达到了对建成区灾害损失快速评估，及倒损率的初步判定。还有，本专利技术能够同时应用于卫星影像与航空影像，且可以兼容用于变化监测的灾害前后影像为异源传感器。附图说明图1为本专利技术第一实施例中基于高分辨率遥感数据的地震损毁评估方法的流程示意图；图2为本专利技术可参考实施例中基于高分辨率遥感数据的地震损毁评估方法的流程示意图；图3为本专利技术实施例中基于高分辨率遥感数据的地震损毁评估装置的结构示意图；图4为本专利技术实施例中地震灾害前后遥感影像数据图；图5为本专利技术实施例中图4基础上的梯度图像；图6为本专利技术实施例中图5基础上的相似度特征图像；图7为本专利技术实施例中基于图6的变化检测方法分类结果图；图8为本专利技术实施例中图7基础上的倒毁率评估图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一本文档来自技高网...

【技术保护点】
一种基于高分辨率遥感数据的地震损毁评估方法，其特征在于，包括步骤：根据监测边缘特征变化，获得地震前后遥感影像的梯度图像；分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征；根据评估倒毁率绘制当地地震灾害快速评估图。

【技术特征摘要】
1.一种基于高分辨率遥感数据的地震损毁评估方法，其特征在于，包括步骤：根据监测边缘特征变化，获得地震前后遥感影像的梯度图像；分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征；根据评估倒毁率绘制当地地震灾害快速评估图。2.根据权利要求1所述的方法，其特征在于，所述根据监测边缘特征变化，获得地震前后遥感影像的梯度图像，包括：获取灾害地区地震前后遥感影像，并进行地理配准；根据地理配准后的所述地震前后遥感影像，分别计算地震前后遥感影像的梯度图像。3.根据权利要求2所述的方法，其特征在于，通过如下公式，分别计算地震前后遥感影像的梯度图像：G(x,y)=(f(x,y)-f(x+1,y+1))2+(f(x+1,y)-f(x,y+1))2]]>G(x′,y′)=G(x,y)-Gmin(x,y)Gmax(x,y)-Gmin(x,y)]]>其中，f(x,y)为源图像的单通道，G(x',y')为梯度图像。4.根据权利要求2所述的方法，其特征在于，分别获得所述地震前后梯度图像的相似度特征图像，提取所述相似度图像的相似度特征，包括：将地震前后遥感影像的梯度图像网格化；分别计算网格化后的地震前后梯度图像的相似度特征图像；根据所述地震前后梯度图像的相似度图像的相似度特征，获取完全变化和严重变化网格数量。5.根据权利要求4所述的方法，其特征在于，根据如下公式，计算网格化后的地震前后梯度图像的相似度特征图像：S(W)=Σx=1kΣy=1l(GA(x,y)-GA-mean(x,y))*(GB(x,y)-GB-mean(x,y))Σx=1k-Σy=1l(GA(x,y)-GA-mean(x,y))2*Σx=1k-Σy=1l(GB(x,y)-GB-mean(x,y))2]]>其中，GA(x，y)表示T1时间(灾前)网格W的梯度特征图像；GB(x，y)表示T2时间灾后网格W的梯度特征图像；还有，GA-mean(x，y)＝(∑∑GA(x，y))/H，表示目标A区域中像元的梯度平均值。GB-mean(x，y)＝(∑∑GB(x，y))/H，表示目标B区域中像元的梯度平均值；H则为网格中像元的总个数，k和l分别为目标...

【专利技术属性】
技术研发人员：慈天宇，刘臻，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11