• ISSN 1673-5722
  • CN 11-5429/P

基于无人机影像的辽宁农居建筑物提取技术与应用研究

于浩 贾晓东 庞巧 周小龙

于浩,贾晓东,庞巧,周小龙,2023. 基于无人机影像的辽宁农居建筑物提取技术与应用研究. 震灾防御技术,18(1):96−106. doi:10.11899/zzfy20230111. doi: 10.11899/zzfy20230111
引用本文: 于浩,贾晓东,庞巧,周小龙,2023. 基于无人机影像的辽宁农居建筑物提取技术与应用研究. 震灾防御技术,18(1):96−106. doi:10.11899/zzfy20230111. doi: 10.11899/zzfy20230111
Yu Hao, Jia Xiaodong, Pang Qiao, Zhou Xiaolong. Research on Extraction Technology and Application of Rural Residential Buildings in Liaoning Province Based on UAV Image[J]. Technology for Earthquake Disaster Prevention, 2023, 18(1): 96-106. doi: 10.11899/zzfy20230111
Citation: Yu Hao, Jia Xiaodong, Pang Qiao, Zhou Xiaolong. Research on Extraction Technology and Application of Rural Residential Buildings in Liaoning Province Based on UAV Image[J]. Technology for Earthquake Disaster Prevention, 2023, 18(1): 96-106. doi: 10.11899/zzfy20230111

基于无人机影像的辽宁农居建筑物提取技术与应用研究

doi: 10.11899/zzfy20230111
基金项目: 中国地震局地震应急青年重点任务(CEA EDEM-202007)
详细信息
    作者简介:

    于浩,男,生于1987年。高级工程师。主要从事地震应急、遥感灾害调查等方面的研究工作。E-mail:408089858@qq.com

Research on Extraction Technology and Application of Rural Residential Buildings in Liaoning Province Based on UAV Image

  • 摘要: 本研究以实地调研数据为基准,无人机影像数据分析为验证,进行了基于无人机识别能力范畴的辽宁农居建筑结构类型划分,并根据区域结构类型比例、影像特性等指标优化了农居遥感解译标志整体参数,提取了不同建筑结构的不同解译标志阈值区间,并基于无人机低空正射影像DOM、数字表面模型DSM制定改进型DSM提取算法处理流程与代码,利用Python语言及开发环境完成了遥感影像要素提取与评估系统开发应用。通过最优组合解译标志获取无人机影像解译一致性系数Kappa=0.723,表明制定的解译标志特征对获得具有较好一致性的房屋结构类型具备一定的可行性。以改进型DSM提取算法为核心的建筑物提取软件提取建筑的整体精度为75%,基本满足地震应急需求。
  • 图  1  调研点分布

    Figure  1.  Survey point distribution map

    图  2  房屋结构影像

    Figure  2.  Structure type image

    图  3  各类房屋结构比例及分布图

    Figure  3.  Structure proportion and distribution map of various houses

    图  4  解译标志建立流程

    Figure  4.  Interpretation sign establishment process

    图  5  改进型DSM提取流程

    Figure  5.  Extraction process of improved DSM

    图  6  可见光植被指数结果

    Figure  6.  Visible vegetation index results

    图  7  滤波影像效果

    Figure  7.  Filtered image effect

    图  8  nDSM提取

    Figure  8.  NDSM extraction

    图  9  软件功能代码展示

    Figure  9.  Software function code display

    图  10  专题图件产出

    Figure  10.  Thematic map output

    表  1  工作量统计

    Table  1.   Workload summary table

    抽样点名称抽样区域占比/%单体样本数量/栋航拍数据量/张采集面积/m2
    大红旗村25 6524221 005
    庄屯村20 4626221 012
    沈家村25 8027021 111
    隈子村30 8520316 252
    新立村25 4524318 347
    新台村40 4025621 120
    大东村25 12026919 527
    王木村40 5848146 103
    彩北新村30 4428723 232
    上堡村40 6211774 632
    花园村30 50233142 692
    后营子村40 110242163 067
    东花村35 65198128 091
    高家屯村40 138282193 291
    前百村40 102182106 099
    韩家沟村35 110224151 743
    化石戈村35 105318213 242
    宅山土村40 75267179 833
    乔坨子村30 4838037 398
    吕坊塘村35 5529629 818
    和尚沟村40 62199112 231
    土宝营村50 38158100 138
    任家村40 102189102 709
    西王村35 115192116 452
    纪家村40 4015697 419
    小红石村30 45298223 836
    稻池村25 60214132 454
    头台子村40 10517796 217
    下载: 导出CSV

    表  2  解译标志特征汇总

    Table  2.   Interpretation sign feature summary

    解译特征置信权重建筑分类
    直接标志单体房屋面积/m2
    (不含院落)
    0.2≤70(小)≤120(中等)≤150(大)≥150(大)
    房屋进深/m0.4≤66~7.57.5~8.5≥9
    屋顶模式0.08微拱/微坡顶坡面为主平顶/坡面平顶为主
    间接标志房屋高度范围/m0.2≤3(无砌台)3~3.5(无砌台)
    或4~5(有砌台)
    3.5~4.5(无砌台)
    或5~7.5(有砌台)
    ≥4.5(无砌台)
    院落面积/m20.08≤160(小)≤220(中等)≤300(大)≥300(大)
    空间分布0.02独立或偏僻紧密分布,偶有零星带状等规则分布簇状或临街
    院落设施0.02偏旧(杂物、闲置)偏旧(菜园)整齐(副业)整齐(水泥过道、副业)
    下载: 导出CSV

    表  3  建筑物类型混淆矩阵

    Table  3.   Confusion matrix of building types

    建筑分类 
    22446300
    286981840
    18407762
    03417
    下载: 导出CSV
  • 艾加秋, 王非凡, 杨兴明等, 2021. 基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法. 遥感学报, 25(5): 1071—1084

    Ai J. Q. , Wang F. F. , Yang X. M. , et al. , 2021. SAR image speckle noise suppression algorithm based on background homogeneity and bilateral filtering. National Remote Sensing Bulletin, 25(5): 1071—1084. (in Chinese)
    陈天恩, 冯启民, 陈红等, 2006. 基于遥感影像的城市震害模拟. 自然灾害学报, 15(2): 121—126 doi: 10.3969/j.issn.1004-4574.2006.02.020

    Chen T. E. , Feng Q. M. , Chen H. , et al. , 2006. RS image based city earthquake disaster simulation. Journal of Natural Disasters, 15(2): 121—126. (in Chinese) doi: 10.3969/j.issn.1004-4574.2006.02.020
    黄兴荣, 徐兴彬, 2019. 基于Python爬虫技术和LDA模型的短文本获取技术分析. 电大理工, (3): 1—3, 11 doi: 10.19469/j.cnki.1003-3297.2019.03.0001

    Huang X. R. , Xu X. B. , 2019. Analysis of short text acquisition technology based on Python crawler technology and LDA model. Study of Science and Engineering at RTVU, (3): 1—3, 11. (in Chinese) doi: 10.19469/j.cnki.1003-3297.2019.03.0001
    刘贾贾, 刘志辉, 刘龙等, 2019. 基于遥感影像的农村建筑物分类. 华北地震科学, 37(4): 65—72 doi: 10.3969/j.issn.1003-1375.2019.04.012

    Liu J. J. , Liu Z. H. , Liu L. , et al. , 2019. Classification of rural buildings in Zhangjiakou area based on remote sensing images[J]. North China Earthquake Sciences, 37(4): 65—72. (in Chinese) doi: 10.3969/j.issn.1003-1375.2019.04.012
    明小娜, 王晓青, 周洋等, 2018. 基于高分卫星遥感影像的昭通城区建筑物结构类型解译标志构建. 测绘与空间地理信息, 41(9): 139—142 doi: 10.3969/j.issn.1672-5867.2018.09.038

    Ming X. N. , Wang X. Q. , Zhou Y. , et al. , 2018. Construction of building type interpretation criteria in Zhaotong city based on the high-resolution remote sensing image. Geomatics & Spatial Information Technology, 41(9): 139—142. (in Chinese) doi: 10.3969/j.issn.1672-5867.2018.09.038
    秦思娴, 傅晓俊, 余咏胜等, 2015. 基于Python实现地理国情房屋建筑专题信息提取. 测绘与空间地理信息, 38(8): 1—3, 6 doi: 10.3969/j.issn.1672-5867.2015.08.001

    Qin S. X. , Fu X. J. , Yu Y. S. , et al. , 2015. Thematic data of buildings extraction using python in the census of national geographic conditions. Geomatics & Spatial Information Technology, 38(8): 1—3, 6. (in Chinese) doi: 10.3969/j.issn.1672-5867.2015.08.001
    任媛媛, 张显峰, 马永建等, 2019. 基于卷积神经网络的无人机遥感影像农村建筑物目标检测. 南京师范大学学报(工程技术版), 19(3): 29—36 doi: 10.3969/j.issn.1672-1292.2019.03.005

    Ren Y. Y. , Zhang X. F. , Ma Y. J. , et al. , 2019. Target detection of rural buildings in UAV remote sensing images based on convolutional neural network. Journal of Nanjing Normal University (Engineering Technology Edition), 19(3): 29—36. (in Chinese) doi: 10.3969/j.issn.1672-1292.2019.03.005
    王晓青, 魏成阶, 苗崇刚等, 2003. 震害遥感快速提取研究——以2003年2月24日巴楚—伽师6.8级地震为例. 地学前缘, 10(S1): 285—291

    Wang X. Q. , Wei C. J. , Miao C. G. , et al. , 2003. The extraction of seismic damage from remote sensing images——a case study of Bachu-Jiashi earthquake with MS=6.8 occurred on Feb. 24, 2003. Earth Science Frontiers, 10(S1): 285—291. (in Chinese)
    薛腾飞, 张景发, 2017. 应用于地震应急的遥感自动制图实现. 自然灾害学报, 26(3): 19—27 doi: 10.13577/j.jnd.2017.0303

    Xue T. F. , Zhang J. F. , 2017. Implementation of remote sensing automatic mapping used for earthquake emergency. Journal of Natural Disasters, 26(3): 19—27. (in Chinese) doi: 10.13577/j.jnd.2017.0303
    易文斌, 唐宏, 杨晋科, 2009. 面向对象的灾害信息遥感提取框架及其应用. 自然灾害学报, 18(5): 157—162 doi: 10.3969/j.issn.1004-4574.2009.05.024

    Yi W. B. , Tang H. , Yang J. K. , 2009. Research and application of object-oriented remote sensing framework for disaster information extraction. Journal of Natural Disasters, 18(5): 157—162. (in Chinese) doi: 10.3969/j.issn.1004-4574.2009.05.024
    赵福军, 蔡山, 陈曦, 2010. 遥感震害快速评估技术在汶川地震中的应用. 自然灾害学报, 19(1): 1—7 doi: 10.13577/j.jnd.2010.0101

    Zhao F. J. , Cai S. , Chen X. , 2010. Application of rapid seismic damage assessment based on remote sensing to Wenchuan earthquake. Journal of Natural Disasters, 19(1): 1—7. (in Chinese) doi: 10.13577/j.jnd.2010.0101
    周培诚, 程塨, 姚西文等, 2021. 高分辨率遥感影像解译中的机器学习范式. 遥感学报, 25(1): 182—197

    Zhou P. C. , Cheng G. , Yao X. W. , et al. , 2021. Machine learning paradigms in high-resolution remote sensing image interpretation. Journal of Remote Sensing, 25(1): 182—197. (in Chinese)
  • 加载中
图(10) / 表(3)
计量
  • 文章访问数:  81
  • HTML全文浏览量:  16
  • PDF下载量:  30
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-19
  • 刊出日期:  2023-03-31

目录

    /

    返回文章
    返回