吳浩霖 聶高眾 范熙偉 魏本勇 安基文

摘要：選取新疆阿圖什市下轄的瓊哈拉峻村為研究區(qū)，將小型旋翼無(wú)人機(jī)拍攝的圖像作為數(shù)據(jù)源，分別采用面向?qū)ο笠约懊嫦蛳裨?種影像分析方法對(duì)研究區(qū)的房屋建筑進(jìn)行提取，并對(duì)2種算法的提取結(jié)果進(jìn)行對(duì)比，分析了各自的優(yōu)勢(shì)。結(jié)果表明：面向?qū)ο蠓椒梢杂行У厝コ符}噪聲對(duì)分類(lèi)帶來(lái)的影響，保證房屋形態(tài)的完整性，但影響內(nèi)部相似的光譜、紋理信息若對(duì)應(yīng)多種物體則會(huì)導(dǎo)致影像對(duì)象的錯(cuò)分。在面向像元的提取方法中加入了改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法，可有效的抑制椒鹽噪聲，保持建筑物邊緣的連續(xù)性與完整性，較好地解決了面向?qū)ο蠓椒ㄖ胁糠洲r(nóng)田與房屋出現(xiàn)錯(cuò)分的問(wèn)題。

關(guān)鍵詞：地震災(zāi)害損失預(yù)評(píng)估;無(wú)人機(jī);地表建筑提取;形態(tài)學(xué)圖像處理

中圖分類(lèi)號(hào)：P315.943 ??文獻(xiàn)標(biāo)識(shí)碼：A ??文章編號(hào)：1000-0666（2019）02-0236-09

0 引言

地震災(zāi)害損失預(yù)評(píng)估是震后及時(shí)、科學(xué)地進(jìn)行地震應(yīng)急指揮的關(guān)鍵之一（安基文等，2015;聶高眾等，2002）。地震導(dǎo)致人員傷亡的因素中有80%是房屋破壞造成的。在進(jìn)行地震災(zāi)害損失預(yù)評(píng)估的過(guò)程中，關(guān)鍵要做好評(píng)估區(qū)域房屋建筑狀況，以及人口規(guī)模的調(diào)查（聶高眾等，2012）。而對(duì)于研究區(qū)域的房屋建筑提取工作則是上述調(diào)查的有力保證。

由于無(wú)人機(jī)遙感技術(shù)相較于星載遙感技術(shù)擁有諸多優(yōu)勢(shì)（Berra et al，2016;Dandois，Ellis，2013;Messinger et al，2016），在地震災(zāi)害損失預(yù)評(píng)估的實(shí)際工作中無(wú)人機(jī)逐漸開(kāi)始代替?zhèn)鹘y(tǒng)的星載遙感技術(shù)對(duì)地表建筑物信息進(jìn)行獲?。ǜ恫?，2018;臧克等，2010;李祖?zhèn)鞯龋?010;彭大雷等，2017;周洋等，2017;陳晉等，2018）。在調(diào)查過(guò)程中每一個(gè)區(qū)域的調(diào)查點(diǎn)繁多，且每一個(gè)調(diào)查點(diǎn)的調(diào)查時(shí)間有限，所攜帶的大多數(shù)為飛行準(zhǔn)備時(shí)間短、操作靈活、易于攜帶的小型旋翼無(wú)人機(jī)，而大多數(shù)小型無(wú)人機(jī)所搭載的傳感器為數(shù)字相機(jī)，拍攝得到的影像雖然圖像分辨率高，但是光譜分辨率很低，即所返回的影像數(shù)據(jù)波段數(shù)較少。本文利用面向?qū)ο笠约懊嫦蛳裨?種影像分析方法對(duì)研究區(qū)的房屋建筑進(jìn)行提取，并對(duì)2種算法的提取結(jié)果進(jìn)行對(duì)比，分析了在該數(shù)據(jù)條件下2種方法各自的優(yōu)勢(shì)。

1 數(shù)據(jù)來(lái)源及影像拼接

本文選取的研究區(qū)為新疆阿圖什市下轄的哈拉峻鄉(xiāng)瓊哈拉峻村（40.178°N，76.832°E）。哈拉峻鄉(xiāng)90 m空間分辨率數(shù)字高程模型（Digital Elevation Model，DEM）疊加相應(yīng)的山地陰影Hillshade圖，如圖1a所示;無(wú)人機(jī)飛行路線規(guī)劃如圖1b所示。

本文使用小型四旋翼無(wú)人機(jī)，為大江精靈3專(zhuān)業(yè)版，相機(jī)有效像素1 240萬(wàn)，在新疆瓊哈拉峻村由軟件控制自動(dòng)飛行獲取影像數(shù)據(jù)。為了便于對(duì)拍攝得到的影片進(jìn)行拼接，保證拍攝時(shí)一定的航向與旁向重疊度（程效軍等，2005），設(shè)置旁向重疊度為75%，航向重疊度為50%，通過(guò)飛行拍攝得到69幅高分辨率航拍影片。

實(shí)際飛行時(shí)將無(wú)人機(jī)飛行高度（H）設(shè)置為相對(duì)地面100 m，由于無(wú)人機(jī)相機(jī)焦距（h=4 mm）和感光元件尺寸（d=0.001 58 mm）已知，參考公式：

式中：R為地面空間分辨率。無(wú)人機(jī)拍攝影像的地面空間分辨率約為3.9 cm，優(yōu)于航天平臺(tái)可見(jiàn)光遙感圖像的空間分辨率，達(dá)到高分辨率遙感影像的標(biāo)準(zhǔn)。

采用北京天地智繪科技有限公司開(kāi)發(fā)的EasyUAV軟件對(duì)拍攝得到的影像進(jìn)行拼接，該軟件采用的圖像拼接技術(shù)主要分為3個(gè)步驟：

（1）通過(guò)圖像預(yù)處理對(duì)圖像中幾何畸變進(jìn)行矯正，使參考圖像和待拼接圖像不存在明顯的幾何畸變。本次飛行拍攝得到的影像為正射影像，其最常見(jiàn)的幾何畸變是由像主點(diǎn)或中心點(diǎn)向外擴(kuò)展時(shí)光軸傾斜度增大、視野變寬、比例尺縮小所帶來(lái)的。由于本次飛行的飛行高度較低（100 m），單幅圖像的像主點(diǎn)與邊緣點(diǎn)相差的實(shí)際距離不大，在處理該幾何畸變時(shí)利用畸變的圖像提取陰影信息，沿著圖像失真的逆過(guò)程恢復(fù)圖像的原貌。實(shí)際的復(fù)原過(guò)程是設(shè)計(jì)一個(gè)反向?yàn)V波器，使其能從失真圖像中計(jì)算得到失真圖像的估值，根據(jù)規(guī)定的誤差準(zhǔn)則，最大程度地接近真實(shí)圖像。預(yù)處理過(guò)程中還可以對(duì)圖像噪聲進(jìn)行抑制，去除數(shù)據(jù)傳輸中帶來(lái)的不可預(yù)測(cè)的隨機(jī)信號(hào)，但這種隨機(jī)信號(hào)極易形成圖像上的噪聲點(diǎn)。噪聲點(diǎn)的去除通常由軟件在圖像輸出時(shí)完成，本次輸出的圖像分辨率較高，人為觀察沒(méi)有發(fā)現(xiàn)明顯的噪聲點(diǎn)，如果此時(shí)再用傳統(tǒng)的高斯濾波、均值濾波、中值濾波等低通濾波器對(duì)圖像進(jìn)行二次處理，反而會(huì)使圖像的分辨率降低，降低提取精度。

（2）圖像配準(zhǔn)主要對(duì)參考圖像和待拼接圖像中的匹配信息進(jìn)行提取，在提取出的信息中尋找最佳的匹配，完成圖像之間的對(duì)齊。由于無(wú)人機(jī)拍攝影像分辨率較高，拍攝地區(qū)房屋數(shù)量較多，所以房屋的角點(diǎn)可以很好地作為配準(zhǔn)點(diǎn)。使用逐一配準(zhǔn)法對(duì)圖像進(jìn)行配準(zhǔn)，其原理為：在搜索圖S中以某點(diǎn)作為基點(diǎn)（搜索圖S的長(zhǎng)寬分別為M，N），截取一個(gè)與模板T（長(zhǎng)寬分別為U，V）大小一樣的分塊圖像，這樣的分塊圖像有（M-U+1）×（N-V+1）個(gè)，配準(zhǔn)的目標(biāo)就是在（M-U+1）×（N-V+1）個(gè)分塊圖像中找一個(gè)與待配準(zhǔn)圖像最相似的圖像，這樣的基準(zhǔn)點(diǎn)就是最佳配準(zhǔn)點(diǎn)。

（3）在完成圖像配準(zhǔn)后對(duì)圖像進(jìn)行縫合，對(duì)縫合邊界進(jìn)行平滑處理，讓縫合自然過(guò)渡，最終生成研究區(qū)DOM影像（圖2）。從圖2中可以看出， ???由于拍攝時(shí)間在冬季，新疆阿圖什市下轄瓊哈拉峻村內(nèi)農(nóng)田、草地等其他地物的光譜、紋理特征與房屋較為相似，光譜分辨率低極易出現(xiàn)同譜異物現(xiàn)象（田新光，2007;陳濟(jì)才等，2014），而這種情況可能會(huì)對(duì)接下來(lái)的分類(lèi)產(chǎn)生一定影響。

2 研究方法

2.1 面向?qū)ο蟮挠跋穹治龇椒?/p>

面向?qū)ο笥跋穹治龇椒▽⑼|(zhì)性相近的臨近像元進(jìn)行分割合并成影像對(duì)象，以影像對(duì)象作為分析處理的基本單元，對(duì)影像進(jìn)行地物信息的提?。˙aatz，2000）。本文利用圖像中的光譜因子與形態(tài)因子計(jì)算該圖像中影像對(duì)象之間的異質(zhì)性（其中形態(tài)因子由光滑度和緊致度決定），計(jì)算公式為：

式中：F為異質(zhì)性;w為光譜權(quán)重;（1-w）為形狀權(quán)重。

光譜異質(zhì)性hcolor的計(jì)算公式為：

式中：c為圖層標(biāo)識(shí);wc為參與圖像分割的圖層權(quán)重;SMerge為合并后對(duì)象面積;σMergec為新生成的對(duì)象在圖層c中的光譜標(biāo)準(zhǔn)差;Sobj1，Sobj2分別為待合并的2個(gè)相鄰對(duì)象的面積;σobj1c，σobj2c分別為這2個(gè)對(duì)象在圖層c中的光譜標(biāo)準(zhǔn)差。

形狀異質(zhì)性hshape主要由緊致度hcompact和光滑度hsmooth2個(gè)方面組成，hcompact和hsmooth取決于構(gòu)成對(duì)象的像素個(gè)數(shù)：

式中：wcompact為緊致度權(quán)重;（1-wcompact）為光滑度權(quán)重;nMerge，nobj1，nobj2分別表示合并對(duì)象的最小外包正方形、待合并的2個(gè)相鄰對(duì)象的最小外包正方形;lMerge，lobj1，lobj2分別表示這些對(duì)象的邊長(zhǎng)。

對(duì)利用以上公式計(jì)算得到的異質(zhì)性與所給閾值進(jìn)行對(duì)比，作為判斷某區(qū)域是否合并的標(biāo)識(shí)。

2.2 面向像元的形態(tài)學(xué)處理技術(shù)

2.2.1 基于重建的膨脹與腐蝕方法

膨脹是求局部最大值的操作，對(duì)于前景物體中一些細(xì)小的斷裂處，如果小于結(jié)構(gòu)元素的大小，這些斷裂的地方就會(huì)被連接起來(lái)。而腐蝕與膨脹相反，是求局部最小值的操作。對(duì)于前景物體中一些細(xì)小的連接處，如果小于結(jié)構(gòu)元素的大小，這些連接處就會(huì)被斷開(kāi)。膨脹與腐蝕的原理如圖3所示。A被B膨脹的數(shù)學(xué)表達(dá)式可記為AB，作為集合操作，定義為：

式中： 為空集;B為結(jié)構(gòu)元;B^表示B的反射，z表示把B的反射用z平移，可以表示為z（zx，zy），x和y表示平移的橫縱坐標(biāo)，等式右邊可以解釋為B的反射被所有z平移后與A至少有一個(gè)非零公共元素。

A被B腐蝕的數(shù)學(xué)表達(dá)式可記為AB，作為集合操作，定義為：

等式右邊可以解釋為用z平移的B包含在A中的所有的點(diǎn)z的集合。

本文首先定義一種基于重建的膨脹方法，為下述的開(kāi)閉操作進(jìn)行準(zhǔn)備。定義F為標(biāo)記圖像，記錄膨脹的起點(diǎn)，G為模板圖像用來(lái)對(duì)膨脹進(jìn)行約束且FG，則一次迭代的膨脹過(guò)程可以定義為：

則F關(guān)于G的n次迭代膨脹可定義為：

在該遞推公式中，集合求交在每一步都執(zhí)行，由于每一次迭代模板G會(huì)限制標(biāo)記F的生長(zhǎng)，所以經(jīng)過(guò)有限數(shù)量的迭代步驟后n總會(huì)收斂：

基于重建的膨脹算法原理如圖4所示?；谥亟ǖ母g原理與上述過(guò)程類(lèi)似。定義F為標(biāo)記圖像，記錄腐蝕的起點(diǎn)，G為模板圖像用來(lái)對(duì)膨脹進(jìn)行約束且FG，則一次迭代的膨脹過(guò)程可以定義為：

式中：并集操作在每一次迭代中必須被執(zhí)行，保證每一次腐蝕過(guò)后的圖像仍然大于等于模板圖像，由于每一次迭代模板G會(huì)限制標(biāo)記F的生長(zhǎng)，所以經(jīng)過(guò)有限數(shù)量的迭代步驟后n總會(huì)收斂：

2.2.2 基于迭代的開(kāi)操作與閉操作

在傳統(tǒng)的形態(tài)學(xué)開(kāi)操作中，腐蝕典型地去除小的物體，且隨后的膨脹趨向于恢復(fù)保留的物體形狀。然而，這種恢復(fù)的精確度取決于形狀和結(jié)構(gòu)元之間的相似性。本文在基于重建的膨脹與腐蝕的基礎(chǔ)上，利用迭代的方式進(jìn)行開(kāi)操作能夠準(zhǔn)確地恢復(fù)腐蝕之后的物體形狀。

A被B形態(tài)學(xué)開(kāi)操作表示為A B，定義為A被B腐蝕，然后再用B膨脹腐蝕結(jié)果：

幾何學(xué)上，A B是B在A中完全匹配平移的并集。圖5a顯示了集合A和圓形結(jié)構(gòu)元B，圖5b顯示了在A內(nèi)完全匹配B的平移，所有這些平移的并集即圖5c為形態(tài)學(xué)開(kāi)操作的結(jié)果，剩下被割去的區(qū)域就是結(jié)構(gòu)元不能完全在A中匹配的區(qū)域。形態(tài)學(xué)開(kāi)操作除去了所有不能包含結(jié)構(gòu)元的部分，平滑目標(biāo)的輪廓，斷開(kāi)了細(xì)的連接部分，去除細(xì)的突出。A被B形態(tài)學(xué)閉操作表示為A·B，定義為A被B膨脹，然后再用B腐蝕膨脹結(jié)果：

幾何學(xué)上，A·B執(zhí)行所有不與A重疊的B平移的補(bǔ)集。圖5d顯示了一些與A不重疊的B的平移，通過(guò)完成以上平移的并集操作，可以得到圖5e所示的區(qū)域，該區(qū)域代表著完成閉操作后生成的區(qū)域。像開(kāi)操作一樣，形態(tài)學(xué)閉操作趨向于平滑物體的輪廓。然而，不同于開(kāi)操作的是，閉操作一般連接窄的斷裂并填滿細(xì)長(zhǎng)的縫隙，填滿比結(jié)構(gòu)元小的洞。

本文所使用的迭代開(kāi)操作可以定義為：記F為標(biāo)記圖像，記錄腐蝕的起點(diǎn)，G為模板圖像用來(lái)對(duì)膨脹進(jìn)行約束且FG，在每一次迭代過(guò)程中結(jié)構(gòu)元B先對(duì)模板進(jìn)行腐蝕，之后再對(duì)腐蝕后的圖像進(jìn)行膨脹重建。可以表示為：

而對(duì)于閉操作，對(duì)上述開(kāi)操作的結(jié)果求補(bǔ)即為閉操作結(jié)果。

3 實(shí)驗(yàn)過(guò)程

3.1 面向?qū)ο蟮挠跋穹治龇椒?/p>

本文采用的圖像分割方法如下：基于前文所列公式計(jì)算得到每一次分割時(shí)每個(gè)影像對(duì)象的異質(zhì)性為F，利用基于異質(zhì)性最小原則的區(qū)域合并算法（即多尺度分割的思想）進(jìn)行圖像的分割。首先將單個(gè)像元合并為一個(gè)個(gè)較小的對(duì)象，然后小的對(duì)象可以經(jīng)過(guò)若干步驟逐漸合并成大的對(duì)象，合并過(guò)程必須保證影像對(duì)象的異質(zhì)性小于給定的閾值。

在實(shí)際的分割過(guò)程中，由于房屋建筑的光譜特征差異性較小，設(shè)置光譜因子的權(quán)重為0.2，形狀因子的權(quán)重為0.8，由于目視觀察發(fā)現(xiàn)房屋屋頂紋理較為平滑，設(shè)置光滑度權(quán)重為0.7，緊密度權(quán)重0.3，經(jīng)多次嘗試閾值s設(shè)置在350 em為最佳。以任意一個(gè)像元為中心開(kāi)始分割，第一次分割結(jié)束后由式（2）計(jì)算相鄰像元的異質(zhì)性F是否小于給定的閾值s，如果不滿足閾值條件，用上一次分割出的影像對(duì)象為基礎(chǔ)進(jìn)行第二次分割，重復(fù)上述步驟直到相鄰2個(gè)影像對(duì)象的異質(zhì)性小于給定閾值s，完成最后的分割。利用多尺度分割的分割結(jié)果如圖6a所示。

由圖6a可以看出，在分割過(guò)程加入了緊致度以及表示屋頂?shù)墓饣纫蜃涌梢韵鄬?duì)有效地對(duì)研究區(qū)不同地物進(jìn)行分割，在計(jì)算異質(zhì)性的過(guò)程中弱化光譜信息在分割中所占權(quán)重，提高形狀因子所占權(quán)重，使得每一個(gè)影像對(duì)象的邊緣較為完整。對(duì)分割后的圖像提取每個(gè)影像對(duì)象3個(gè)波段的灰度均值以及標(biāo)準(zhǔn)差作為光譜特征，利用每個(gè)對(duì)象內(nèi)部的灰度共生矩陣計(jì)算ASM與IDM值，以1∶ 1加權(quán)求和作為紋理特征。ASM值反映了每一個(gè)對(duì)象內(nèi)灰度分布均勻程度和紋理粗細(xì)度，計(jì)算公式如下：

IDM反映圖像紋理的同質(zhì)性，度量圖像紋理局部變化的多少，計(jì)算公式如下：

利用提取出的特征向量對(duì)分割結(jié)果進(jìn)行分類(lèi)，如圖6b所示，其中綠色表示農(nóng)田，藍(lán)色表示房屋建筑，黃色表示道路，黑色表示陰影。

3.2 面向像元的形態(tài)學(xué)處理的算法實(shí)現(xiàn)

首先對(duì)原始圖像進(jìn)行圖像增強(qiáng)處理，提取原始圖像每一點(diǎn)的灰度值做頻數(shù)直方圖，如圖7a所示，在圖中可以看出該圖像的灰度分布集中分布在50～255，0～50除了0灰度存在多數(shù)像元（圖像處理之后處于邊緣的無(wú)效值），其他灰度值幾乎無(wú)像元分布。針對(duì)這種情況采用分段線性拉伸的方法對(duì)圖像進(jìn)行增強(qiáng)，將圖像中灰度50～255的區(qū)域進(jìn)行拉伸。原始圖像中房屋的灰度值主要集中在250～255區(qū)域且有一個(gè)明顯的波峰。利用灰度拉伸后的原始影像作為底圖，提取250～255灰度區(qū)域的圖像作為前景圖像，對(duì)前景圖像二值化，結(jié)果如圖7b所示。

在前景圖像的提取過(guò)程中，容易提取出較多非房屋類(lèi)型的像元，而用簡(jiǎn)單的去噪方法無(wú)法有效地去除這種大面積噪音，還可能誤將有效的房屋像元一同去掉。鑒于這一問(wèn)題，本文利用數(shù)學(xué)形態(tài)學(xué)圖像處理的方法去除圖像中復(fù)雜的背景，具體操作如下：①考慮到無(wú)關(guān)像元均為細(xì)碎斑點(diǎn)，較少數(shù)連續(xù)的無(wú)關(guān)像元面積也均遠(yuǎn)小于房屋面積這一事實(shí)，采用長(zhǎng)水平線作為結(jié)構(gòu)元B進(jìn)行重建的開(kāi)操作。在重建過(guò)程中，圖像首先被腐蝕，如同標(biāo)準(zhǔn)的形態(tài)學(xué)開(kāi)操作一樣，然而這個(gè)被腐蝕的圖像在圖像重建過(guò)程中被用作標(biāo)記圖像F，原始圖像作為模板G重新執(zhí)行形態(tài)學(xué)重建過(guò)程：將標(biāo)記圖像F初始化為h1（標(biāo)記F必須是G的子集，也就是FG）。建立結(jié)構(gòu)元B=ones（1，11）定義連通性，本文使用8連通。重復(fù)hk+1=（hkB）I G，直到hk+1=hk，完成重建的開(kāi)操作。②對(duì)重建后的圖像執(zhí)行頂帽重建，即從原始圖像中減去重建的開(kāi)操作，執(zhí)行結(jié)果記為f-thr。③將結(jié)構(gòu)元換成長(zhǎng)豎直線B=ones（11，1），對(duì)原圖像進(jìn)行頂帽重建，重建結(jié)果記為f-thi。④以f-thr作為模板，以min（f-thi，f-thr）作為標(biāo)記，最后執(zhí)行形態(tài)學(xué)重建，作為最終的去噪結(jié)果。對(duì)重建之后的圖像用canny算子進(jìn)行邊緣檢測(cè)，其中閾值向量T設(shè)定為0.04～0.1，平滑濾波器的標(biāo)準(zhǔn)差sigma設(shè)定為0.1。

對(duì)圖像中房屋的內(nèi)部孔洞、裂隙進(jìn)行處理：本文基于重建的膨脹方法，利用迭代的方式進(jìn)行開(kāi)操作，準(zhǔn)確地恢復(fù)腐蝕之后的物體形狀。在實(shí)際操作中，由于研究區(qū)內(nèi)的房屋多為矩形，且房屋面積均大于5 m2，因此在執(zhí)行開(kāi)操作時(shí)選擇矩形結(jié)構(gòu)元且閾值設(shè)為5。對(duì)圖像進(jìn)行迭代的開(kāi)操作，將房屋中孔洞及裂縫進(jìn)行填補(bǔ)，對(duì)房屋內(nèi)部的形態(tài)進(jìn)行重建，之后同樣利用長(zhǎng)寬分別為5的矩形結(jié)構(gòu)元對(duì)圖像進(jìn)行迭代的形態(tài)學(xué)閉操作，對(duì)房屋外部輪廓進(jìn)行重建，去除細(xì)的突出，使房屋邊界平整。最后對(duì)形態(tài)學(xué)重建后的圖像進(jìn)行填充。整體算法的操作流程如圖8所示。加入形態(tài)學(xué)處理后的邊緣檢測(cè)結(jié)果與最終的提取結(jié)果如圖9所示。

3.3 精度評(píng)價(jià)

地表真實(shí)數(shù)據(jù)的獲取方法如下：以數(shù)字正射影像圖為底圖對(duì)研究區(qū)進(jìn)行矢量化構(gòu)圖操作，利用目視判讀的方式提取出房屋所在位置以及面積信息，生成Shapefile文件，并以此文件作為模板在研究區(qū)域截取相關(guān)房屋數(shù)據(jù)，對(duì)截取出的圖像進(jìn)行二值化。為了對(duì)研究中提取的分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià)，將截取出的圖像進(jìn)行重分類(lèi)，將分類(lèi)后的圖像（圖10）作為真實(shí)的房屋位置與面積數(shù)據(jù)。利用混淆矩陣對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)：分別將面向?qū)ο蟮姆课萏崛〗Y(jié)果與數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行房屋提取的結(jié)果作為分類(lèi)數(shù)據(jù)，將矢量化后的房屋位置及面積信息（圖10）作為地表真實(shí)數(shù)據(jù)建立混淆矩陣，計(jì)算制圖精度、用戶精度、漏分誤差以及錯(cuò)分誤差，計(jì)算結(jié)果如表1所示。

4 討論與結(jié)論

在新疆瓊哈拉峻村內(nèi)通過(guò)小型無(wú)人機(jī)獲取影像數(shù)據(jù)，分別利用面向?qū)ο蠛兔嫦蛳裨姆椒ㄟM(jìn)行分類(lèi)，從面向?qū)ο蟮挠跋穹诸?lèi)結(jié)果可以看出：面向?qū)ο蠓椒梢杂行У厝コ符}噪聲對(duì)分類(lèi)帶來(lái)的影響;在分割過(guò)程中合理地加入地物的形態(tài)、紋理信息可以使分割后每一個(gè)對(duì)象的邊緣保持連續(xù)性，這也保證了影像分類(lèi)時(shí)房屋形態(tài)的完整性。但是，在結(jié)果中出現(xiàn)了部分區(qū)域錯(cuò)分的情況。觀察錯(cuò)分區(qū)域的正射影像可以發(fā)現(xiàn)：錯(cuò)分區(qū)域多為農(nóng)田，該區(qū)域不僅光譜特征與房屋相似，還擁有與房屋屋頂相似的紋理以及矩形形狀。由于面向?qū)ο蟮姆诸?lèi)是基于每一個(gè)影像對(duì)象的分類(lèi)，而在影像的多尺度分割時(shí)只能考慮相鄰影像對(duì)象之間的異質(zhì)性差異，不能考慮非相鄰對(duì)象之間可能會(huì)出現(xiàn)特征相似的現(xiàn)象。研究區(qū)農(nóng)田與房屋存在多數(shù)特征相似的情況，若使用面向?qū)ο蟮姆绞教崛∮跋駥?duì)象內(nèi)部特征進(jìn)行分類(lèi)，則容易導(dǎo)致影像對(duì)象的錯(cuò)分。

利用面向像元的方法分離房屋則會(huì)存在提取的地物完整性不高、易出現(xiàn)椒鹽噪聲的問(wèn)題。在實(shí)驗(yàn)過(guò)程中首先需要考慮如何在不影響真實(shí)房屋像元的情況下剔除噪聲，且在房屋提取過(guò)程中應(yīng)盡量保持房屋的形態(tài)完整。本文在前人提出的數(shù)學(xué)形態(tài)學(xué)方法上做出改進(jìn)，較好地實(shí)現(xiàn)了像元級(jí)房屋的提取，解決了面向?qū)ο蠓椒ㄖ谐霈F(xiàn)的由于影像對(duì)象內(nèi)部特征相似導(dǎo)致的部分農(nóng)田與房屋出現(xiàn)錯(cuò)分現(xiàn)象這一問(wèn)題。

參考文獻(xiàn)：

安基文，徐敬海，聶高眾，等.2015.高精度承災(zāi)體數(shù)據(jù)支撐的地震災(zāi)情快速評(píng)估[J].地震地質(zhì)，37（4）：1225-1241.

陳濟(jì)才，文學(xué)虎，李國(guó)明.2014.基于面向?qū)ο蟮母叻钟跋竦乇砀采w典型要素快速提取對(duì)比研究[J].遙感信息，（4）：37-40.

陳晉，習(xí)聰望，陳文凱，等.2018.基于無(wú)人機(jī)，高分衛(wèi)星遙感影像的甘肅省隴南市建筑物空間化研究[J].地震研究，41（2）：192-200.

程效軍，朱鯉，劉俊領(lǐng).2005.基于數(shù)字?jǐn)z影測(cè)量技術(shù)的三維建模[J]，同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），33（1）：37-41.

付博.2018.基于無(wú)人機(jī)正射影像的建筑物震害識(shí)別研究[D].北京：中國(guó)地震局地質(zhì)研究所.

李祖?zhèn)?，馬建文，張睿，等.2010.利用融合紋理與形態(tài)特征進(jìn)行地震倒塌房屋信息自動(dòng)提取[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），35（4）：446-450.

聶高眾，安基文，鄧硯.2012.地震應(yīng)急災(zāi)情服務(wù)進(jìn)展[J].地震地質(zhì)，34（4）：782-791.

聶高眾，高建國(guó)，馬宗晉，等.2002.中國(guó)未來(lái)10～15年地震災(zāi)害的風(fēng)險(xiǎn)評(píng)估[J].自然災(zāi)害學(xué)報(bào)，11（1）：68-73.

彭大雷，許強(qiáng)，董秀軍，等.2017.無(wú)人機(jī)低空攝影測(cè)量在黃土滑坡調(diào)查評(píng)估中的應(yīng)用[J].地球科學(xué)進(jìn)展，32（3）：319-330.

田新光.2007.面向?qū)ο蟾叻直媛蔬b感影像信息提取[D].北京：中國(guó)測(cè)繪科學(xué)研究院.

臧克，孫永華，李京，等.2010.微型無(wú)人機(jī)遙感系統(tǒng)在汶川地震中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào)，19（3）：162-166.

周洋，明小娜，楊艷珠，等.2017.災(zāi)評(píng)新技術(shù)在云龍5.0級(jí)地震烈度調(diào)查中的應(yīng)用[J].地震研究，40（1）：161-166.