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

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

1.
辽宁省地震局, 沈阳 110034
2.
陕西北斗环境信息产业有限公司, 西安 710065
3.
甘肃省地质环境监测院, 兰州 730050

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

计量
- 文章访问数: 111
- HTML全文浏览量: 29
- PDF下载量: 33
- 被引次数: 0
出版历程
- 收稿日期: 2021-11-19
- 刊出日期: 2023-03-31

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

1.
Earthquake Administration of Liaoning Province, Shenyang 110034, China
2.
Shaanxi Beidou Environmental Information Industry Co., Ltd., Xi 'an 710065, China
3.
Gansu Institute of Geological Environment Monitoring, Lanzhou 730050, China

摘要

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。
- 建筑物 /
- 结构类型 /
- 解译标志 /
- DSM提取 /
- 系统开发
Abstract: Based on the field survey data and the analysis of UAV image data, this study formulates the classification of Liaoning rural residential building structure types based on the category of UAV recognition ability, optimizes the overall parameters of Liaoning rural residential remote sensing interpretation signs according to the proportion of regional structure types and image characteristics, extracts the threshold interval of different interpretation signs under different building structures, and formulates the processing flow and code writing of improved DSM extraction algorithm based on UAV DOM (Digital Orthophoto Map) DSM (digital surface model) image data , and completes the development and Application Research of remote sensing image element extraction and evaluation system by using Python language and development environment. The results show that the interpretation consistency coefficient kappa = 0.723 is obtained through the highest combined interpretation mark, which shows that the interpretation mark features are feasible to obtain the house structure type with good consistency. The overall accuracy of building extraction software with improved DSM extraction algorithm as the core is 75%, which basically meets the practical application needs of earthquake emergency. This research is of great practical significance to improve the rapid evaluation of post earthquake in this area.
- Building /
- Type of structure /
- Interpretation marks /
- DSM extraction /
- System development

HTML全文

图 1 调研点分布

Figure 1. Survey point distribution map

下载: 全尺寸图片幻灯片

图 2 房屋结构影像

Figure 2. Structure type image

下载: 全尺寸图片幻灯片

图 3 各类房屋结构比例及分布图

Figure 3. Structure proportion and distribution map of various houses

下载: 全尺寸图片幻灯片

图 4 解译标志建立流程

Figure 4. Interpretation sign establishment process

下载: 全尺寸图片幻灯片

图 5 改进型DSM提取流程

Figure 5. Extraction process of improved DSM

下载: 全尺寸图片幻灯片

图 6 可见光植被指数结果

Figure 6. Visible vegetation index results

下载: 全尺寸图片幻灯片

图 7 滤波影像效果

Figure 7. Filtered image effect

下载: 全尺寸图片幻灯片

图 8 nDSM提取

Figure 8. NDSM extraction

下载: 全尺寸图片幻灯片

图 9 软件功能代码展示

Figure 9. Software function code display

下载: 全尺寸图片幻灯片

图 10 专题图件产出

Figure 10. Thematic map output

下载: 全尺寸图片幻灯片

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	65	242	21 005
庄屯村	20	46	262	21 012
沈家村	25	80	270	21 111
隈子村	30	85	203	16 252
新立村	25	45	243	18 347
新台村	40	40	256	21 120
大东村	25	120	269	19 527
王木村	40	58	481	46 103
彩北新村	30	44	287	23 232
上堡村	40	62	117	74 632
花园村	30	50	233	142 692
后营子村	40	110	242	163 067
东花村	35	65	198	128 091
高家屯村	40	138	282	193 291
前百村	40	102	182	106 099
韩家沟村	35	110	224	151 743
化石戈村	35	105	318	213 242
宅山土村	40	75	267	179 833
乔坨子村	30	48	380	37 398
吕坊塘村	35	55	296	29 818
和尚沟村	40	62	199	112 231
土宝营村	50	38	158	100 138
任家村	40	102	189	102 709
西王村	35	115	192	116 452
纪家村	40	40	156	97 419
小红石村	30	45	298	223 836
稻池村	25	60	214	132 454
头台子村	40	105	177	96 217

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
解译特征		置信权重	Ⅰ	Ⅱ	Ⅲ	Ⅳ
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/m	0.4	≤6	6～7.5	7.5～8.5	≥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/m	0.2	≤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）
	房屋高度范围/m	0.2	≤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/m²	0.08	≤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	Ⅰ	Ⅱ	Ⅲ	Ⅳ
Ⅰ	224	46	30	0
Ⅱ	28	698	184	0
Ⅲ	18	40	776	2
Ⅳ	0	3	4	17

下载: 导出CSV

参考文献(12)

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 M_S=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)

施引文献

资源附件(0)

访问统计