高分光学遥感影像地震受损建筑物检测研究

摘要

快速准确从震后高分光学遥感影像中检测受损建筑物,可为救灾过程中救援力量优化配置及地震灾情精准评估提供重要技术支撑.使用INRIA高分遥感建筑物数据库(INRIA ArialImage Dataset)作为建筑物样本,在深度卷积神经网络Mask R-CNN中训练并作微调.所获模型分别对震前和震后影像中建筑物进行检测及对象分割;以分割后对象区域多边形为面特征,用于震前震后遥感影像配准.以震前建筑物目标分割区域多边形为参考,叠置于震后遥感图像中,获得震后遥感图像中建筑物位置区域.人工辅助下在线从测试震后影像中标定正常房屋、倒损房屋样本,以建筑物对象区域范围内SD,H,RI三种指标为特征向量空间,选取浅层机器学习网络支持向量机SVM(Support Vector Machine)作为分类器,训练受损建筑物检测模型.以2010年中国青海玉树地震发生次日拍摄的快鸟(QuickBird)卫星0.6m遥感数据部分区域为测试数据,对玉树结故镇受损建筑物进行检测,检测结果经与目视解译对比,相对误差为7.3％,表明基于深度学习的对象分割模型结合SVM分类模型方法具有一定震后受损建筑物对象检测能力.