Research on Building Area Extraction Method of SAR Image Integrating ULBP and Gabor Texture Features
-
摘要: 建筑区提取对于地震灾情快速评估和地震灾害风险识别至关重要，合成孔径雷达（SAR）影像的纹理特征研究可在建筑区提取方面发挥重要作用。利用全极化SAR影像，提出综合使用ULBP纹理特征和Gabor纹理特征的建筑区提取方法。在SAR数据预处理的基础上，首先对基于Gabor滤波的纹理特征影像进行主成分分析，保留前2个最优主成分纹理特征影像；然后与ULBP纹理特征进行波段组合；最后利用支持向量机监督分类方法对组合后的影像进行分类，获得建筑区。研究结果表明，综合使用ULBP纹理特征和Gabor纹理特征可得到更高的建筑区提取精度，总体分类精度达90%，Kappa系数为0.78。Abstract: Building area extraction is very important for the rapid assessment of earthquake disasters and the identification of earthquake disaster risks. Research on texture features of synthetic aperture radar ( SAR ) images can play an important role in building area extraction. Using fully polarimetric SAR images, a building area extraction method using ULBP texture features and Gabor texture features is proposed. On the basis of SAR data preprocessing, the texture feature image based on the Gabor filter is analyzed by principal component analysis, the first two optimal principal component texture feature images are retained. Then, band combination is performed with ULBP texture features. Finally, the support vector machine supervised classification method is used to classify the combined image to obtain the building area. The results show that the comprehensive use of the ULBP texture feature and Gabor texture features can obtain higher building area extraction accuracy, the overall classification accuracy is 90 %, and the Kappa coefficient is 0.78.
-
Key words:
- SAR image /
- ULBP texture feature /
- Gabor texture feature /
- Building area extraction
-
1. 2020年中国地震概况
2020年，中国境内共发生5.0级及以上地震28次（中国大陆地区发生20次，台湾地区及海域地区发生8次），其中5.0～5.9级地震25次，6.0～6.9级地震3次，最大地震为2020年7月23日发生在西藏那曲市尼玛县的6.6级地震（表1、图1）。2020年中国大陆发生的20次5.0级以上地震中有10次发生在新疆、6次发生在西藏，6.0级以上地震中有2次发生在新疆、1次发生在西藏。
表 1 2020年中国5.0级及以上地震事件目录及成灾事件Table 1. Catalogue of earthquakes (MS≥5.0) and disaster - causing events in China, 2020序号 时间 纬度/° 经度/° 震中位置 震级/M 成灾事件 1 2020-01-16 16:32:38 41.21 83.6 新疆阿克苏地区库车市 5.6 (1) 2 2020-01-18 00:05:50 39.83 77.18 新疆喀什地区伽师县 5.4 3 2020-01-19 21:27:55 39.83 77.21 新疆喀什地区伽师县 6.4 (2) 4 2020-01-19 22:23:01 39.89 77.46 新疆克孜勒苏州阿图什市 5.2 5 2020-01-25 06:56:05 31.98 95.09 西藏昌都市丁青县 5.1 6 2020-01-29 07:39:29 27.16 126.6 东海海域 5.3 7 2020-02-03 00:05:41 30.74 104.46 四川成都市青白江区 5.1 8 2020-02-15 19:00:07 23.95 121.49 台湾花莲县 5.4 9 2020-02-21 02:01:40 34.56 85.68 西藏阿里地区改则县 5.0 10 2020-02-21 23:39:14 39.87 77.47 新疆喀什地区伽师县 5.1 11 2020-03-10 02:12:11 32.84 85.52 西藏阿里地区改则县 5.0 12 2020-03-12 23:44:03 32.88 85.55 西藏阿里地区改则县 5.1 13 2020-03-20 09:33:15 28.63 87.42 西藏日喀则市定日县 5.9 14 2020-03-23 03:21:39 41.75 81.11 新疆阿克苏地区拜城县 5.0 15 2020-04-01 20:23:27 33.04 98.92 四川甘孜州石渠县 5.6 (3) 16 2020-05-03 11:24:40 23.29 121.6 台湾台东县海域 5.4 17 2020-05-06 18:51:00 39.71 74.1 新疆克孜勒苏州乌恰县 5.0 18 2020-05-09 23:35:59 40.77 78.76 新疆阿克苏地区柯坪县 5.2 19 2020-05-18 21:47:59 27.18 103.16 云南昭通市巧家县 5.0 (4) 20 2020-06-14 04:18:59 24.29 122.41 台湾宜兰县海域 5.5 21 2020-06-26 05:05:20 35.73 82.33 新疆和田地区于田县 6.4 (5) 22 2020-07-12 06:38:25 39.78 118.44 河北唐山市古冶区 5.1 23 2020-07-13 09:28:02 44.42 80.82 新疆伊犁州霍城县 5.0 24 2020-07-23 04:07:20 33.19 86.81 西藏那曲市尼玛县 6.6 25 2020-07-26 20:52:27 24.27 122.48 台湾花莲县海域 5.5 26 2020-09-29 04:50:53 22.29 121.1 台湾台东县海域 5.0 27 2020-09-30 12:37:18 24.85 122.14 台湾宜兰县海域 5.0 28 2020-12-10 21:19:58 24.74 121.99 台湾宜兰县海域 5.8 注：“（）”中表示为地震灾害事件。 
图 1 2020年中国5.0级及以上地震事件及成灾事件空间分布图Figure 1. Spatial distribution of earthquakes (MS≥5.0) in China, 20202. 2020年中国大陆地震灾害情况
2020年，中国大陆地区共发生地震灾害事件5次，造成5人死亡，30人受伤，直接经济损失约18.47亿元（表2）。其中，灾害损失最严重的地震为1月19日新疆伽师6.4级地震，造成1人死亡，2人受伤，直接经济损失15.26亿元。人员伤亡最严重的地震为5月18日云南巧家5.0级地震，造成4人死亡，28人受伤，直接经济损失约1.04亿元。
表 2 2020年中国大陆地震灾害损失Table 2. Losses caused by earthquake disasters in China mainland, 2020序号 时间 震中位置 震级/M 死亡人数/人 受伤人数/人 直接经济损失/万元 1 2020-01-16 16:32 新疆阿克苏地区库车市 5.6 0 0 712 2 2020-01-19 21:27 新疆喀什地区伽师县 6.4 1 2 152 642 3 2020-04-01 20:23 四川甘孜州石渠县 5.6 0 0 19 242.69 4 2020-05-18 21:47 云南昭通市巧家县 5.0 4 28 10 430 5 2020-06-26 05:05 新疆和田地区于田县 6.4 0 0 1 650 3. 2020年中国大陆地区地震灾害特点
（1）地震成灾事件总体偏少
2020年共发生5次地震灾害事件，低于2000年以来平均水平。
（2）地震灾害相对集中
5次地震灾害事件中有3次发生在新疆维吾尔自治区，共造成1人死亡，2人受伤，直接经济损失约15.5亿元。地震造成的人员伤亡主要集中在云南省，其中云南省巧家县5.0级地震虽未造成巨大的直接经济损失，但造成4人死亡，28人受伤。
发生在新疆维吾尔自治区的3次地震灾害事件分别为：①2020年1月16日16时32分阿克苏地区库车市发生的5.6级地震，震源深度16 km，未造成人员伤亡，直接经济损失712万元。震中位于库车市，极震区烈度为Ⅵ度，Ⅵ度区面积813.6 km2（表3）。灾区场地位于塔里木盆地腹地，场地对地震动有显著的放大作用，易产生不均匀沉降，加重了建筑物震害。灾区农居房屋抗震能力普遍提高，震中“安居富民房”与农村安居房均未出现破坏，有效保护灾区群众生命财产安全，同时缓解了抗震救灾和转移安置压力，仅少数建造年代较早的抗震安居房出现破坏。②2020年1月19日21时27分喀什地区伽师县发生的6.4级地震，震源深度16 km，造成1人死亡，2人受伤，直接经济损失152 642万元。Ⅵ度及以上区总面积为7 599 km2，其中，Ⅵ度区面积4 945 km2；Ⅶ度区面积为2 397 km2；Ⅷ度区面积为257 km2，主要涉及伽师县西克尔库勒镇、古勒鲁克乡。极震区烈度为Ⅷ度，农村安居房设防烈度为8度，安居房主要承重构件未发生明显破坏，有效抵御了本次地震灾害，在保障人民群众生命财产安全及震后转移安置、余震防范中发挥了重要作用。本次地震为前震-主震-余震型，前震为5.4级，主震为6.4级，最大余震为5.2级，对震中区产生多次震害影响，自建砖木结构房屋墙体为黏土砖砌筑，震害叠加效应显著。当地群众防震减灾意识在历次地震灾害实践中不断得到加强，防震减灾意识、应急避险知识和自救互救能力等得到明显提升。③2020年6月26日5时5分，和田地区于田县发生的6.4级地震，震源深度10 km，未造成人员伤亡，直接经济损失1 650万元。于田县阿羌乡3.5 km道路出现塌方，1座中桥出现多处裂缝，1座自建木桥受损，1个涵洞严重受损，1座拱桥受损。本次地震有感范围较广，但破坏性较小。震区附近乡镇村庄居民普遍反映地震造成的晃动强度一般，大部分区域房屋抗震设防水平高，“富民安居工程”房屋和早期的抗震安居房屋基本完好，仅个别民居院内的自建砖木结构房屋出现轻微程度破坏。
表 3 2020年中国大陆地震灾区范围统计Table 3. Statistics of range of earthquake disaster area in China mainland, 2020序号 时间 震中位置 震级/M 极震区烈度/度 震源深度/km 乡镇
/个人口
/人各烈度区面积/km2 Ⅴ Ⅵ Ⅶ Ⅷ 1 2020-01-16 16:32 新疆阿克苏地区库车市 5.6 Ⅵ 16 12 685 — 813.6 0 0 2 2020-01-19 21:27 新疆喀什地区伽师县 6.4 Ⅷ 16 12 279 388 — 4 945 2 397 257 3 2020-04-01 20:23 四川甘孜州石渠县 5.6 Ⅶ 10 6 — — 360 3 140 0 4 2020-05-18 21:47 云南昭通市巧家县 5.0 Ⅵ 8 6 67 083 — 330 0 0 5 2020-06-26 05:05 新疆和田地区于田县 6.4 Ⅷ 10 — — — — — — 注：新疆伽师地震Ⅵ度区之外的部分地区也受到波及，个别老旧房屋出现破坏受损现象，为Ⅵ度异常点；四川甘孜州石渠县地震位于Ⅵ度区之外色达县泥朵镇和其他地区也受到波及，零星房屋有破坏现象。 （3）地震次生灾害突出
今年发生的地震灾害中，次生灾害多发，如新疆伽师地震造成震区1座水库出现险情，当地政府紧急疏散安置受影响群众，云南巧家地震次生地质灾害造成2人死亡，数人受伤，震区交通等基础设施受损，再次为各级政府敲响警钟，应对西部地区地震次生灾害引起足够重视，才能进一步减轻地震灾害。
4. 1991—2020年主要震害情况
1991—2020年主要震害统计数据如表4所示，3个主要统计数据分布情况（许永江等，1999；郑通彦等，2012，2015a，2015b；陈通等，2016；文鑫涛等，2018；林向洋等，2018，2020a，2020b）如图2所示。由表4和图2可知，2011—2020年共造成2 063.08亿元的经济损失，其中2013、2014年地震造成的灾害是2011年以来最严重的，这两年造成灾害最重的地震分别为2013年4月20日四川芦山7.0级地震和2014年8月3日云南鲁甸6.5级地震，这2年合计的经济损失、人员死亡（失踪）和人员受伤数量分别占2011—2020年总数的82.9%、81.8%和65.5%。
表 4 1991—2020年主要震害统计数据Table 4. The statistics of the annual damage caused by earthquakes from 1991 to 2020年份 成灾次数/次 死亡人数/人 受伤人数/人 直接经济损失/亿元 2011 15 32 506 60.11 2012 11 86 1 331 82.88 2013 14 294 15 671 995.36 2014 10 736 3 688 355.64 2015 12 33 1 217 180.00 2016 16 2 103 66.80 2017 11 37 638 217.40 2018 11 0 81 27.30 2019 13 17 411 59.12 2020 5 5 30 18.47 2011—2020 118 1242 23 676 2 063.08 2001—2010 108 72372 398 917 8 984.90 1991—2000 130 564 52 668 120.18 
图 2 1991—2020年中国大陆成灾地震年度震害分布图Figure 2. Distribution of annual earthquakes losses in China mainland from 1991 to 2020近10年中国大陆年均成灾地震频次较1991年以来的总体水平略低，近10年期间地震灾害造成的经济损失、人员死亡（失踪）和人员受伤数量分别占30年来的18.47%、1.67%和4.98%，可见地震灾害造成的经济损失、人员伤亡数量均低于1991年以来的平均水平。
5. 结语
2020年我国大陆未发生特重大地震灾害事件，地震灾害损失总体偏轻，成灾地震次数较少，低于2000年以来的平均水平。地震灾害相对集中，5次成灾地震中3次发生在新疆维吾尔自治区，四川和云南各发生1次。地震次生灾害多发，小震致灾致亡现象突出，云南省巧家县5.0级地震造成4人死亡，28人受伤，其中次生地质灾害造成2人死亡。各级政府应对西部地区地震次生灾害引起足够重视，进而减轻人员伤亡。
-
图 6 纹理特征影像的建筑区与非建筑区均值-方差分布
Figure 6. The mean-variance distribution diagram of texture feature image in building area and no-building area
图 8 综合LBP、Gabor纹理特征主成分的特征组合影像
Figure 8. Feature combination image combining LBP and Gabor texture feature principal components
图 9 综合LBP、Gabor纹理特征主成分的建筑区提取结果
Figure 9. Extraction results of building area based on LBP and Gabor texture features principal components
图 10 单独使用ULBP、Gabor纹理特征的建筑区提取结果
Figure 10. Extraction results of building area using LBP and Gabor texture features alone
表 1 Gabor纹理特征主成分分析的特征值和累计贡献率
Table 1. Eigenvalue and cumulative contribution rate of Gabor texture feature principal component analysis
主分量序号 特征值 累计贡献率/% 1 169 895.662 9 78.57 2 35 276.230 6 94.89 3 4 141.754 3 96.80 4 3 023.798 2 98.20 5 2 138.256 2 99.19 6 1 011.151 3 99.66 7 527.956 9 99.90 8 180.849 1 100.00 
下载: 导出CSV
表 2 试验区混淆矩阵及精度评价
Table 2. Confusion matrix and accuracy evaluation of experimental area
方法 类别 非建筑区/ m2 建筑区/ m2 总数/ m2 错分率/% 误分率/% 生产者精度 /% 用户精度/% Kappa系数 综合使用ULBP、Gabor纹理特征 非建筑区 258 436 25 560 283 996 8 6 94 91 0.78 建筑区 17 933 120 017 137 950 13 18 82 87 总体精度/% 90 单独使用ULBP纹理特征 非建筑区 238 958 75 461 314 419 24 5 95 76 0.57 建筑区 11 233 113 576 124 809 9 40 60 91 总体精度/% 80 单独使用Gabor纹理特征 非建筑区 259 773 53 207 312 980 17 4 96 83 0.64 建筑区 13 295 112 894 126 189 11 32 68 89 总体精度/% 84
下载: 导出CSV
-
邓鸿儒, 崔宸洋, 单文龙等, 2018. 基于高分三号卫星SAR影像的城市建筑区提取. 地理信息世界, 25（6）: 79—84 doi: 10.3969/j.issn.1672-1586.2018.06.015Deng H. R. , Cui C. Y. , Shan W. L. , et al. , 2018. Urban building area extraction based on GF-3 satellite SAR images. Geomatics World, 25(6): 79—84. (in Chinese) doi: 10.3969/j.issn.1672-1586.2018.06.015 邓磊, 李京, 聂娟等, 2008. 抑制斑点噪声的SAR与多光谱图像融合方法. 自然灾害学报, 17（6）: 87—90 doi: 10.3969/j.issn.1004-4574.2008.06.018Deng L. , Li J. , Nie J. , et al. , 2008. A method fusing SAR with multi-spectral image and reducing speckle noise. Journal of Natural Disasters, 17(6): 87—90. (in Chinese) doi: 10.3969/j.issn.1004-4574.2008.06.018 杜妍开, 龚丽霞, 李强等, 2021. 基于多纹理特征融合的震后SAR图像倒塌建筑物信息提取. 遥感技术与应用, 36（4）: 865—872Du Y. K. , Gong L. X. , Li Q. , et al. , 2021. Earthquake induced building damage assessment on SAR multi-texture feature fusion. Remote Sensing Technology and Application, 36(4): 865—872. (in Chinese) 李向辉, 陈一祥, 王海斌等, 2015. 基于Gabor滤波和局部特征点密度的居民区提取. 国土资源遥感, 27（3）: 59—64Li X. H. , Chen Y. X. , Wang H. B. , et al. , 2015. Urban area detection based on Gabor filtering and density of local feature points. Remote Sensing for Land & Resources, 27(3): 59—64. (in Chinese) 刘康, 2012. 基于高分辨率SAR影像提取建筑物高度的研究. 武汉: 武汉大学.Liu K., 2012. Advanced methods for building height extraction from high resolution SAR images. Wuhan: Wuhan University. (in Chinese) 孙萍, 2013. 极化SAR图像建筑物提取方法研究. 北京: 首都师范大学. 谭衢霖, 2002. 鄱阳湖湿地生态环境遥感变化监测研究. 北京: 中国科学院研究生院（遥感应用研究所）.Tan Q. L., 2002. Study on remote sensing change detection and its application to Poyang international importance wetland. Beijing: Graduate University of Chinese Academy of Sciences Institute of Remote Sensing Applications. (in Chinese) 王军敏, 李宁, 王艳辉, 2019. 基于Gabor特征和局部二值模式融合的纹理图像识别. 平顶山学院学报, 34（5）: 32—36 doi: 10.3969/j.issn.1673-1670.2019.05.007Wang J. M. , Li N. , Wang Y. H. , 2019. Texture image recognition based on the fusion of Gabor features and local binary patterns. Journal of Pingdingshan University, 34(5): 32—36. (in Chinese) doi: 10.3969/j.issn.1673-1670.2019.05.007 吴樊, 王超, 张红, 2005. 基于纹理特征的高分辨率SAR影像居民区提取. 遥感技术与应用, 20（1）: 148—152 doi: 10.3969/j.issn.1004-0323.2005.01.027Wu F. , Wang C. , Zhang H. , 2005. Residential areas extraction in high resolution SAR image based on texture features. Remote Sensing Technology and Application, 20(1): 148—152. (in Chinese) doi: 10.3969/j.issn.1004-0323.2005.01.027 徐佳, 陈媛媛, 黄其欢等, 2012. 综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究. 遥感技术与应用, 27（5）: 692—698 doi: 10.11873/j.issn.1004-0323.2012.5.692Xu J. , Chen Y. Y. , Huang Q. H. , et al. , 2012. Built-up areas extraction in high resolution spaceborne SAR image based on the integration of grey and texture features. Remote Sensing Technology and Application, 27(5): 692—698. (in Chinese) doi: 10.11873/j.issn.1004-0323.2012.5.692 赵凌君, 秦玉亮, 高贵等, 2009. 利用GLCM纹理分析的高分辨率SAR图像建筑区检测. 遥感学报, 13（3）: 483—490 doi: 10.11834/jrs.20090311Zhao L. J. , Qin Y. L. , Gao G. , et al. , 2009. Detection of built-up areas from high-resolution SAR images using the GLCM textural analysis. Journal of Remote Sensing, 13(3): 483—490. (in Chinese) doi: 10.11834/jrs.20090311 Gabor D. , 1946. Theory of communication. Part 1: The analysis of information. Journal of the Institution of Electrical Engineers - Part III: Radio and Communication Engineering, 93(26): 429—441. doi: 10.1049/ji-3-2.1946.0074 Hu D. Y., Li X. J., Zhao W. J., et al., 2009. Texture analysis and its application for single-band SAR thematic information extraction. In: 2008 IEEE International Geoscience and Remote Sensing Symposium. Boston: IEEE. Ojala T. , Pietikainen M. , Harwood D. , 1996. A comparative study of texture measures with classification based on featured distributions. Pattern Recognition, 29(1): 51—59. doi: 10.1016/0031-3203(95)00067-4 Ojala T. , Pietikainen M. , Maenpaa T. , 2002. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7): 971—987. doi: 10.1109/TPAMI.2002.1017623 Tison C. , Nicolas J. M. , Tupin F. , et al. , 2004. A new statistical model for Markovian classification of urban areas in high-resolution SAR images. IEEE Transactions on Geoscience and Remote Sensing, 42(10): 2046—2057. doi: 10.1109/TGRS.2004.834630 Zhai W. , Shen H. F. , Huang C. L. , et al. , 2016. Fusion of polarimetric and texture information for urban building extraction from fully polarimetric SAR imagery. Remote Sensing Letters, 7(1): 31—40. doi: 10.1080/2150704X.2015.1101179 -
下载:
点击查看大图
计量
- 文章访问数: 164
- HTML全文浏览量: 22
- PDF下载量: 33
- 被引次数: 0
