CN115965869A - 一种新型频域纹理特征的建筑物震害信息提取方法 - Google Patents
一种新型频域纹理特征的建筑物震害信息提取方法 Download PDFInfo
- Publication number
- CN115965869A CN115965869A CN202211736681.9A CN202211736681A CN115965869A CN 115965869 A CN115965869 A CN 115965869A CN 202211736681 A CN202211736681 A CN 202211736681A CN 115965869 A CN115965869 A CN 115965869A
- Authority
- CN
- China
- Prior art keywords
- buildings
- building
- collapsed
- lartf
- frequency domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000006378 damage Effects 0.000 title claims abstract description 35
- 238000000605 extraction Methods 0.000 title abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 19
- 230000010287 polarization Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001660917 Crassula ovata Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明专利公开了一种新型频域纹理特征的建筑物震害信息提取方法，利用改进的Yamaguchi四分量分解(IYFD)方法对全极化合成孔径雷达(PolSAR)数据进行极化分解，提取二次散射分量和体散射分量，将二次散射分量对应的PolSAR图像中的待识别地物，分类为平行完好建筑，本发明专利为了改善使用传统IYFD方法导致的倒塌建筑过度分类的弊端，本发明提出了能够描述频域幅度谱的傅里叶变换的纹理特征的LARTF参数，提出的LARTF参数能够较好地区分倒塌建筑和方位建筑两种同为体散射占优的相似地物，LARTF参数能够利用频域特性，很好地表现出倒塌建筑和方位建筑的空间分布的纹理差异，因此，将LARTF参数用于分拣传统IYFD方法识别的倒塌建筑中混杂的大量方位建筑，以提高建筑物震害识别精度。
Description
技术领域
本发明专利涉及建筑物震害信息提取技术领域，具体为一种新型频域纹理特征的建筑物震害信息提取方法。
背景技术
近十年来，全球地震频发，破坏力极大的地震灾害给人类生命财产安全造成了巨大损失。震后人员伤亡主要是建筑物倒塌压埋所致，在搜寻救护被埋在废墟中的人员时，越早获得建筑物倒塌信息，越有生还希望，因此，震后快速准确统计震区倒塌建筑物分布是首要任务，也是部署其它地震应急工作的指导方针。传统的震害信息获取的主要手段是现场实地勘察，尽管这种方法获取信息的可信度高，但在较大区域内开展时往往存在工作量大、效率低等不足。遥感技术能够大范围快速监测灾情，已经成为震后灾情评估的重要手段。地震往往发生在夜晚，又或是常常伴随着阴云雨雪等恶劣天气，光学遥感无法发挥作用。而雷达波穿透能力强，不受太阳光照影响，随时获取灾区信息。所以，地震发生后，采用雷达遥感手段进行灾情监测更有保障。以往常常是地震发生后，收集震前和震后多时相SAR数据，对比震后与震前的差异，以此确定受灾情况。然而，收集震前SAR数据费时费力本发明仅采用震后单时相SAR数据识别灾区建筑物震害，省时省力，还能避免多时相数据配准操作。全极化雷达包含的信息量远比单极化和双极化模式的雷达遥感数据丰富，因为PolSAR包含HH、HV、VH和VV四个极化通道，其中H代表水平极化，V代表垂直极化。因此，在只能使用震后一景SAR数据进行建筑物震害评估的情况下，选择PolSAR数据作为数据源，震害识别精度会更高，震害评估结果会更可靠。
在震后SAR影像中，很多倒塌建筑的墙体倒塌，造成墙体与地面形成的二面角结构毁坏，散射机制不再由二次散射主导，而是由体散射主导，这就使得倒塌建筑比完好建筑的散射强度弱。然而，在SAR图像中还存在一种特殊现象，一些完好建筑的排列方向与雷达飞行方向不平行，这类建筑称之为方位建筑，这类建筑具有较强的去极化效应，其主导散射机制为体散射，散射强度较弱。因此，方位建筑与倒塌建筑具有相似的散射机制和散射强度，在SAR图像中相互混淆现象比较严重，常常造成倒塌建筑被过多评估。针对这种问题，本发明基于傅里叶变换提出一项新颖的频率域纹理特征，即傅里叶幅度谱扇区纹理特征指数(LARTF)，并利用LARTF这个参数设计了建筑物震害识别方案。实验结果表明，基于本发明提出的LARTF特征参数能够显著提高震害识别精度。下面将具体介绍我们的研究设计和实验。
发明专利内容
本发明专利的目的在于提供一种新型频域纹理特征的建筑物震害信息提取方法。为实现上述目的，本发明专利提供如下技术方案：一种新型频域纹理特征的建筑物震害信息提取方法，其方法包括如下步骤：
S1利用改进的Yamaguchi四分量分解(IYFD)方法对PolSAR数据进行极化分解，提取二次散射分量和体散射分量；
S2将二次散射分量对应的PolSAR图像中的待识别地物，分类为平行完好建筑；
S3计算提取PolSAR数据的SPAN图像；
S4设置适宜的计算窗口，根据公式所示的LARTF参数计算方法，遍历整景SPAN图像，计算LARTF值，最终得到整景PolSAR数据的LARTF图像；
S5为LARTF选择合适的阈值，根据公式所示的分类规则，将极化分解得到的体散射分量划分为倒塌建筑和方位建筑；
S6将方位建筑和平行完好建筑归并为未倒塌建筑，将倒塌建筑识别结果直接定义为倒塌建筑类别。
优选的，所述S1中，IYFD方法是为了提高方位建筑的识别准确率，对Yamaguchifour-component decomposition模型进行改进产生的。
优选的，所述S2中，由极化分解方法产出的体散射成分中混合有方位建筑和倒塌建筑，虽然它们的散射机制和散射强度都相似，但是在PolSAR图像中，它们仍然具有不同的纹理表征现象，使用频率域纹理特征能够较好地反应这两种建筑物的散射强度纹理差异，将应用特征参数LARTF对这两种震区建筑物进行分类识别，以改善倒塌建筑的过度分类现象，同时抑制方位建筑被过度修正。
优选的，所述S3中，PolSAR的总功率图像数据(称为SPAN图像)包含所有极化通道的强度信息，SPAN的计算方法如下：
SPAN＝HH2+HV2+VH2+VV2。
优选的，所述S4中，LARTF参数计算公式如下：
FWI＝FFT(WI)
RDFT＝mean[std(AFWI_R1),std(AFWI_R2),…,std(AFWI_Rm)]
LARTF＝10×lg(RDFT+3×ADFT)
优选的，所述S5中LARTF的分类规则用公式可以表示为：
x∈volume_dominated buildings
if LARTF≤ε
x∈collapsed buildings。
if LARTF＞ε
x∈obliquely-oriented standing buildings
与现有技术相比，本发明专利的有益效果如下：
本发明专利为了改善使用传统IYFD方法导致的倒塌建筑过度分类的弊端，本发明提出了能够描述傅里叶变换幅度谱的纹理特征LARTF参数，提出的LARTF参数能够较好地区分倒塌建筑和方位建筑两种同为体散射占优的相似地物，LARTF参数能够利用频域特性，很好地表现出倒塌建筑和方位建筑的空间分布的纹理差异，因此，本发明将LARTF参数用于分拣传统IYFD方法识别的倒塌建筑中混杂的大量方位建筑，以提高建筑物震害识别精度，计算对应于PolSAR数据的SPAN图像的LARTF图像，将对PolSAR数据进行IYFD后产出的体散射分量，依据LARTF参数值进行分割，进一步分为倒塌建筑和方位建筑，大幅度改善了直接将IYFD产出的体散射分量全部分为倒塌建筑的灾害过度识别问题。从实验结果也能够看出，本发明提出的建筑物震害信息提取方法能够较好地识别出震区的倒塌建筑和未倒塌建筑，获得了比较高的建筑物震害识别精度，从传统IYFD方法产出的倒塌建筑识别结果中成功剥离了70.18％的方位建筑，显著提高了建筑物震害信息提取精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，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他的附图。
图1为本发明LARTF参数对方位建筑和倒塌建筑区分能力的展示图；
图2为本发明LARTF计算原理图；
图3为本发明提取倒塌建筑和未倒塌建筑的过程附图；
图4为本发明标记了三类震区建筑物验证样本的玉树县城区的SPAN图像；
图5为本发明LARTF参数计算窗口的选择附图；
图6为本发明AFWI显示图2的2π圆周的角域等分份数n的选择附图；
图7为本发明图2中的AFWI的内切圆划分等环宽圆环数目m的选择附图；
图8为本发明LARTF阈值的决定附图；
图9为本发明玉树县震后三种类型建筑物的提取结果附图。
具体实施方式
下面将结合本发明专利中的实施例，对本发明专利实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明专利一部分实施例，而不是全部的实施例。基于本发明专利中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明专利保护的范围。
一种新型频域纹理特征的建筑物震害信息提取方法，其方法包括如下步骤：
S1利用改进的Yamaguchi四分量分解(IYFD)方法对PolSAR数据进行极化分解，提取二次散射分量和体散射分量；
S2将二次散射分量对应的PolSAR图像中的待识别地物，分类为平行完好建筑；
S3计算提取PolSAR数据的SPAN图像；
S4设置适宜的计算窗口，根据公式所示的LARTF参数计算方法，遍历整景SPAN图像，计算LARTF值，最终得到整景PolSAR数据的LARTF图像；
S5为LARTF选择合适的阈值，根据公式所示的分类规则，将极化分解得到的体散射分量划分为倒塌建筑和方位建筑；
S6将方位建筑和平行完好建筑归并为未倒塌建筑，将倒塌建筑识别结果直接定义为倒塌建筑类别。
在震后PolSAR影像中，一些完好建筑是平行于雷达飞行方向，在本发明我们称之为平行完好建筑，这种建筑的主导散射成分(主导散射成分)是二次散射分量，可以直接由极化分解产出。震区的倒塌建筑与作为方位建筑的完好建筑散射机制都由体散射主导。由极化分解方法产出的体散射成分中混合有方位建筑和倒塌建筑，虽然它们的散射机制和散射强度都相似，但是在PolSAR图像中，它们仍然具有不同的纹理表征现象，SAR图像的傅里叶幅度谱强弱能够表现散射强度变化快慢程度，方位建筑纹理较规则，且细纹理较多，而倒塌建筑相对粗纹理较多，且纹理较杂乱，使用频率域纹理特征能够较好地反应这两种建筑物的散射强度纹理差异。在本发明实施例中，将应用特征参数LARTF对这两种震区建筑物进行分类识别，以改善倒塌建筑的过度分类现象，同时抑制方位建筑被过度修正。从图1可以看出，方位建筑的LARTF值大于倒塌建筑的LARTF值，LARTF对这两种建筑具有很好的识别性能，LARTF的计算方法和流程如图2所示，SPAN图像拥有的强度信息最为丰富，因此，使用SPAN图像计算PolSAR数据的LARTF，SPAN的计算方法如下：
SPAN＝HH2+HV2+VH2+VV2 (1)
使用计算窗口遍历整景SPAN图像，计算每个计算窗口的LARTF值，进而得到整景PolSAR图像的LARTF数据，下面以计算窗口内的LARTF值计算过程为例来阐述LARTF参数计算方法；
WI是计算窗口中的SPAN图像，首先，对WI进行二维快速傅里叶变换(FFT)，得到FWI，其次，计算FWI的幅度谱，得到AFWI，第三步，如图2所示，以AFWI图像中心点为坐标原点，围绕坐标原点将圆周2π平均分成n等份，每等份的坐标原点顶角角度值为2π/n弧度，计算第i等份中所有点的AFWI值总和，得到AFWI_Ai，依次计算每个等份的AFWI值总和，得到n个AFWI_Ai值{AFWI_A1,AFWI_A2,AFWI_A3,…,AFWI_An}，第四步，根据公式(2)第4行计算AFWI的ADFT值，第五步，如图2所示，以AFWI图像中心点为坐标原点，将AFWI的内切圆划分为m个具有相等环宽的圆环，每个圆环的环宽为RW，计算第j个圆环中的所有点的AFWI值总和，得到AFWI_Rj，依次计算每个圆环内所有点的AFWI值总和，得到m个AFWI_Rj值{AFWI_R1,AFWI_R2,AFWI_R3,…,AFWI_Rm}，第六步，根据公式(2)第5行计算AFWI的RDFT值，最后，根据公式(2)最后一行计算WI的LARTF参数值；
LARTF的计算过程可以表示为：
FWI＝FFT(WI)
RDFT＝mean[std(AFWI_R1),std(AFWI_R2),...,std(AFWI_Rm)]
LARTF＝10×lg(RDFT+3×ADFT)
式中real和imag分别表示取实部和取虚部，mean、std和lg分别表示计算平均值、方差和以10为底的对数；
如图3所示，建筑物震害信息提取的流程主要包括如下6步，第一，利用IYFD方法对PolSAR数据进行极化分解，提取二次散射分量和体散射分量，第二，将二次散射分量对应的PolSAR图像中的待识别地物，分类为平行完好建筑，第三，计算提取PolSAR数据的SPAN图像，第四，设置适宜的计算窗口，根据公式(2)和图2所示的LARTF参数计算方法，遍历整景SPAN图像，计算LARTF值，最终得到整景PolSAR数据的LARTF图像，第五，为LARTF选择合适的阈值，根据公式(3)所示的分类规则，将极化分解得到的体散射分量划分为倒塌建筑和方位建筑，由图1可知，方位建筑的LARTF值比倒塌建筑的LARTF值大，因此，LARTF的分类规则用公式可以表示为：
x∈volume_dominated buildings
if LARTF≤ε
x∈collapsed buildings(3)
if LARTF＞ε
x∈obliquely-oriented standing buildings
式中的ε表示利用LARTF参数划分倒塌建筑和方位建筑的阈值，最后，将方位建筑和平行完好建筑归并为未倒塌建筑，将倒塌建筑的识别结果直接定义为倒塌建筑类别。
实施例：
本发明将2010年4月14日发生在中国青海省玉树县的4.14Ms7.1玉树地震作为研究震例，这次地震的震中经纬度位于(33.1°N,96.6°E)。玉树县海拔高，气候干旱且寒冷，城区内的植被很少，分布稀疏，且大多为低矮植被，对震区建筑物识别的影响较小，故在本实验中将忽略植被地类。利用玉树县的边界shp数据将城区周边的山体掩膜掉，仅针对城区进行建筑物震害信息提取实验；
实验数据是震后一天使用中国机载SAR测绘系统获取的机载高分辨率PolSAR图像，空间分辨率为1米。图4给出的是用于计算LARTF参数的PolSAR数据的SPAN图像，图像大小为8192×4384像素，本实验分别为倒塌建筑、方位建筑和平行完好建筑各选取了25000个实验样本，并在图4中分别用红色、蓝色和绿色进行了标记。
实验结果
根据图3所示的建筑物震害识别流程，对本发明用来实验的PolSAR数据中的倒塌建筑和未倒塌建筑进行提取，根据图2所示的方法流程计算分类参数LARTF，为了简化实验计算，LARTF的计算窗口设置为正方形，由图5可知，采用大小为57×57的计算窗口根据公式(2)计算LARTF参数值时，得到的倒塌建筑、方位建筑和平行完好建筑三种建筑的总体分类精度最高。如图6所示，在图2所示的ADFT参数计算过程中，图像块AFWI的2π圆周的角域等分份数n为36时，即每等份角域的顶角角度值为π/18弧度时，三种建筑的总体分类精度达到最高。如图7所示，按照图2所示计算RDFT时，环宽RW设置为5时，三种建筑物的分类结果取得最高总体分类精度，此时，将AFWI的内切圆划分的等环宽圆环数目为m＝WS/(2×RW)，其中WS表示计算窗口的边长。从图1可以看出，倒塌建筑的LARTF值和方位建筑的LARTF值在-8.22处存在明显的分界线。从图8中也可以得到进一步印证，当LARTF等于-8.22时，三种建筑的总体分类精度最高。因此，根据公式(3)使用LARTF参数对倒塌建筑和方位建筑进行分类时，分类阈值ε设置为-8.22。
本实验震例的建筑物震害信息提取结果如图9所示，图9是对玉树县城区周围的山体进行掩膜后，仅呈现城区建筑物震害情况的实验结果图。根据图4标识的倒塌建筑、方位建筑和平行完好建筑三种建筑物的验证样本，对图9所示的建筑物震害识别结果进行精度评价，并将实验结果的精度评价混淆矩阵列在表1中，从表1可以看出，采用本发明提出方法识别震区三种建筑的总体正确识别精度达到了81.3％。
表1.三种建筑物识别结果的精度评价混淆矩阵
OA、CB、OB和PB分别代表总体识别精度、倒塌建筑、方位建筑和平行完好建筑；
实验分析
从表1可以得出采用本发明提出的方法提取建筑物震害信息，得到的倒塌建筑的正确识别率为81.06％；得到的方位建筑和平行完好建筑两种建筑的综合正确识别率为81.42％。也就是说倒塌建筑和未倒塌建筑的震害识别精度都在80％以上。这个识别结果对于倒塌建筑和未倒塌建筑是比较均衡的，既没有造成倒塌建筑的过高估计导致未倒塌建筑的过低估计，也没有造成低估倒塌建筑的数量而导致高估未倒塌建筑的数量。因此，可以说本发明提出方法产出的识别结果对于震后建筑物震害评估是安全可靠的，因为，倒塌建筑过度识别会导致救援资源的浪费，而倒塌建筑欠缺识别则会耽搁对被压埋人员的及时营救，非常危险。
从方位建筑的正确识别数量来看，70.18％的方位建筑从体散射分量中被成功分离出来了，如果这些方位建筑都被误分为倒塌建筑将会误导极多的救援人力和物资错误投放。传统的IYFD方法将所有体散射分量的对应地物都分类为倒塌建筑，虽然这种方法能够使倒塌建筑识别率达到99.92％，但未倒塌建筑的正确识别率仅有46.33％，因此，利用传统的IYFD方法识别建筑物震害时，对体散射分量的不精确分类，会造成无节制地牺牲未倒塌建筑的正确识别率，来换取倒塌建筑的正确识别率。
在该实施例中需要注意的是：
关于图和公式中的英文注释：
SPAN image of PolSAR data PolSAR数据的SPAN图像
Volume_dominated buildings主导散射机制为体散射的建筑物
Collapsed buildings倒塌建筑物
Obliquely-oriented buildings/Obliquely-oriented standing buildings方位建筑物
Parallel standing buildings/Parallel buildings平行完好建筑物
Threshold line阈值线
Smaple number样本数
Calculation window of SPAN image计算窗口内的SPAN图像
2D fast Fourier Transform二维快速傅里叶变换
Compute amplitude value计算幅度值
Window size计算窗口大小
Overall accuracy总体精度
Number of angular zones in the circle 2π圆周等分角数量
Ring width环宽
Threshold value阈值。
尽管已经示出和描述了本发明专利的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明专利的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明专利的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：其方法包括如下步骤：
S1利用改进的Yamaguchi四分量分解(IYFD)方法对全极化合成孔径雷达(PolSAR)数据进行极化分解，提取二次散射分量和体散射分量；
S2将二次散射分量对应的PolSAR图像中的待识别地物，分类为平行完好建筑；
S3计算提取PolSAR数据的SPAN图像；
S4设置适宜的计算窗口，根据公式所示的LARTF参数计算方法，遍历整景SPAN图像，计算LARTF值，最终得到整景PolSAR数据的LARTF图像；
S5为LARTF选择合适的阈值，根据公式所示的分类规则，将极化分解得到的体散射分量划分为倒塌建筑和方位建筑；
S6将方位建筑和平行完好建筑归并为未倒塌建筑，将倒塌建筑识别结果直接定义为倒塌建筑类别。
2.根据权利要求1所述的一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：所述S1中，IYFD方法是为了提高方位建筑的识别准确率，对Yamaguchi four-component decomposition model进行改进产生的。
3.根据权利要求1所述的一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：所述S2中，由极化分解方法产出的体散射成分中混合有方位建筑和倒塌建筑，虽然它们的散射机制和散射强度都相似，但是在PolSAR图像中，它们仍然具有不同的纹理表征现象，使用频率域纹理特征能够较好地反应这两种建筑物的散射强度纹理差异，将应用特征参数LARTF对这两种震区建筑物进行分类识别，以改善倒塌建筑的过度分类现象，同时抑制方位建筑被过度修正。
4.根据权利要求1所述的一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：所述S3中，PolSAR的总功率图像数据(称为SPAN图像)包含所有极化通道的强度信息，SPAN的计算方法如下：
SPAN＝HH2+HV2+VH2+VV2。
5.根据权利要求1所述的一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：所述S4中，LARTF参数计算公式如下：
6.根据权利要求1所述的一种新型频域纹理特征的建筑物震害信息提取方法，其特征在于：所述S5中LARTF的分类规则用公式可以表示为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736681.9A CN115965869A (zh) | 2022-12-31 | 2022-12-31 | 一种新型频域纹理特征的建筑物震害信息提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211736681.9A CN115965869A (zh) | 2022-12-31 | 2022-12-31 | 一种新型频域纹理特征的建筑物震害信息提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115965869A true CN115965869A (zh) | 2023-04-14 |
Family
ID=87359699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211736681.9A Pending CN115965869A (zh) | 2022-12-31 | 2022-12-31 | 一种新型频域纹理特征的建筑物震害信息提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115965869A (zh) |
-
2022
- 2022-12-31 CN CN202211736681.9A patent/CN115965869A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Using MODIS NDVI time series to identify geographic patterns of landslides in vegetated regions | |
| EP2767849B1 (en) | Method and apparatus for processing polarimetric synthetic aperture radar image | |
| CN104715255B (zh) | 一种基于sar图像的滑坡信息提取方法 | |
| CN103761740A (zh) | 基于震后单张polsar影像的建筑物损毁评估方法 | |
| Rathje et al. | Damage patterns from satellite images of the 2003 Bam, Iran, earthquake | |
| Li et al. | An improved approach of information extraction for earthquake-damaged buildings using high-resolution imagery | |
| Yang et al. | Object-based classification of cloudy coastal areas using medium-resolution optical and SAR images for vulnerability assessment of marine disaster | |
| Ghasemi et al. | Urban classification using preserved information of high dimensional textural features of Sentinel-1 images in Tabriz, Iran | |
| Aanstoos et al. | Use of remote sensing to screen earthen levees | |
| Subedi et al. | Leveraging NAIP Imagery for Accurate Large-Area Land Use/land Cover Mapping: A Case Study in Central Texas | |
| Ji et al. | Discriminating saltcedar (Tamarix ramosissima) from sparsely distributed cottonwood (Populus euphratica) using a summer season satellite image | |
| Adriano et al. | Extraction of damaged areas due to the 2013 Haiyan typhoon using ASTER data | |
| Kourtz | An application of Landsat digital technology to forest fire fuel type mapping | |
| CN115965869A (zh) | 一种新型频域纹理特征的建筑物震害信息提取方法 | |
| Dawelbait et al. | LANDSAT, spectral mixture analysis and change vector analysis to monitor land cover degradation in a Savanna region in Sudan (1987-1999-2008) | |
| Zhang et al. | Effectiveness of aerial and ISERV-ISS RGB photos for real-time urban floodwater mapping: case of Calgary 2013 flood | |
| CN112329675B (zh) | 一种基于傅里叶变换的极化sar数据识别倒塌建筑方法 | |
| Zhai et al. | Building damage assessment using a single post-earthquake PolSAR image: a case of the 2010 Yushu earthquake | |
| Polli et al. | Earthquake damage assessment from post-event only radar satellite data | |
| CN107748875A (zh) | 一种基于多时相雷达图像纹理特征的震害建筑物识别方法 | |
| Zhai et al. | Extraction of earthquake damage information and mapping of buildings from single post-earthquake polarimetric synthetic aperture radar image based on polarimetric decomposition and texture features | |
| CN115797768B (zh) | 一种基于纹理特征的sar建筑物震害估计方法 | |
| Shama et al. | Forest fire progress monitoring using dual-polarisation Synthetic Aperture Radar (SAR) images combined with multi-scale segmentation and unsupervised classification | |
| Battsengel et al. | Advanced classification of lands at TM and Envisat images of Mongolia | |
| Zhang et al. | High resolution remote sensing image change detection based on law of cosines with box-whisker plot |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |