高分辨率遥感影像道路震害信息提取

刘明众，张景发，李成龙，刘国林

(1.中国地震局地壳应力研究所，北京100085;2.山东科技大学测绘科学与工程学院，山东青岛266510)

一、引 言

近年来地震频发，给人们生命财产带来了重大的灾难。地震发生后，救援工作刻不容缓，道路承载着重要的使命，但往往由于受到地震及其次生灾害的影响而损毁严重，无法正常通行。目前，随着高分辨率遥感及无人机影像技术的迅速发展，使得道路损毁信息的即时识别成为可能。然而，如何利用海量的高分辨率影像进行精准的道路震害信息提取，是目前急需解决的技术问题，也是研究者越来越关注的研究领域。

目前，国内外对高分辨率遥感影像中道路及其震害信息提取方法的研究主要有:F.Samadzadegan等利用面向对象的道路信息提取技术对伊朗巴姆地区的遥感影像进行了道路信息提取和震害识别［1］;唐伟等利用面向对象的影像分割技术得到道路均值对象，然后挖掘高空间分辨率遥感影像中描述道路的光谱特征、几何特征及纹理特征，构建道路对象的知识库，实现了城郊重要道路信息的提取［2］;任玉环等以汶川地震中北川县为例，利用面向对象的图像分类方法进行道路识别，并通过震前道路识别结果与震后影像的叠加和震前震后道路识别结果的变化检测提取出损毁的路段［3］;王艳萍等通过综合利用道路的多种影像特征及震前GIS矢量道路相结合来提取道路，然后依据提取道路的完整程度来识别道路震害信息［4］;胡张武利用 ERDAS、Matlab软件很好地解决了道路与居民地混淆的问题，以及利用数学形态学的相关算法和形状指数去除道路信息提取过程中的各种噪声等，最终完成道路信息网的提取［5］。

本文在面向对象信息提取技术及ENVI/IDL二次开发的基础上设计实现了一种综合利用多种影像特征来提取道路并进行有效震害识别的功能模块。

二、道路震害的影像特征

遥感是通过传感器在远离目标和非接触目标物体的条件下，探测目标地物，获取其反射、辐射或散射的电磁波信息，最终以一种数字形式的图像表现，继而形成遥感影像［6］。由于不同的地物能够反射或辐射不同波长的电磁波，所以特定地物反映在遥感影像上是有一定特征的。总结道路在地震前后的影像特征，有助于把握道路震灾前后的变化，制定合适的规则集，从而更好地为影像解译服务。

1.灾前道路影像特征

如图1所示，在遥感影像上完好道路的主要表现特征为［7］:

1)形状特征:道路呈长条状，其长度远大于宽度，道路的宽度变化比较小，局部曲率有一定的上限。

2)光谱特征:道路一般有两条明显的边缘，内部灰度比较均匀，且与其相邻区域灰度反差比较大。

3)拓扑特征:道路一般是相连的，不会突然中断，并形成路网。

4)上下文特征:城市中道路周围的地物主要是街道两旁的行道树和建筑物，建筑物和树木的阴影会使得道路的灰度值在某一区域变暗;国道、省市级公路等道路周围一般是裸地、农作物植被、周围山体等。

图1 遥感影像中的完好道路

2.灾后道路影像特征

完整道路在高分辨率遥感影像上表现为灰度均一、规则的结构、排列有序。破坏性地震使得路面出现大裂缝、错位、沉陷或悬空，路堤发生坍塌，或者路面堆积大量由崩塌、滑坡、泥石流等次生灾害形成的岩土堆积物(如图2所示)。道路遭到损毁以后，在高分辨率遥感影像上，其特征也发生了明显变化。这些变化表现在以下几个方面［8］。

图2 遥感影像中的震害受损道路

(1)光谱特性变化

道路路面的材质和粗糙度决定了其光谱特性，而道路损毁则会引起道路表面粗糙度或者路面反射特性发生变化，从而导致道路在遥感影像上表现出不同的光谱特征，具体表现为:道路灰度、纹理均一性发生变化，损毁路段与未损毁路段存在明显的差异;不同形式的损毁路段，表现出不同的光谱特征;路基、路面的物理结构毁坏导致影像灰度降低，而次生灾害如滑坡、坍塌形成的路面堆积往往表现出与周围滑坡体相近的光谱特征。

(2)几何特征变化

道路在遥感影像上通常表现出规则的几何形态，而损毁道路由于路基、路面遭到破坏或者被堆积物、冰雪等覆盖，因此其在影像上的规则几何形态将发生改变或者消失。道路的空间连续性发生改变，损毁和未损毁路段区域相间分布;道路边线被破坏而不连续，未损毁路段存在两条平行边线，损毁路段的一条或者两条边线改变或消失;道路结构的破坏和路面的堆积物导致未损毁道路宽度变窄，使得宽度沿道路方向发生变化。

(3)拓扑特征变化

道路呈网状分布、相互连接，一般不会随便中断或者消失。损毁会改变道路的拓扑结构，造成多条孤立、无法相互连接的道路段;致使网络结构破坏，连通性下降。

(4)上下文特征

滑坡、泥石流等灾害体可以为道路损毁提供证据;建筑物、树木、高架桥等的阴影、遮挡形成的断裂会对损毁检测造成干扰。

随着影像分辨率的提高，影像细节特征越来越丰富，道路目标也越来越多，许多较窄的在低分辨率影像上难以辨别的道路也能分辨出来，但随之而来的是影像上非目标噪声也越来越多。目前，在高分辨率图像中提取道路的主要问题有:道路和其他地物主要是建筑物有相近的反射特性，且分割后的道路对象和建筑物有一定的形状特征，均接近于长方形，导致两者不容易区分;道路上的汽车、树木等在图上清晰可见，这同样增加了道路网提取难度，图像中道路会因此而变成很多断裂线性片断［9］。

三、提取模块设计实现

针对以上提出的问题，本文结合面向对象技术，制定了高分率遥感影像道路震害信息提取流程，如图3所示，主要分为5个步骤:图像与矢量配准，划定感兴趣区域，提取完整道路，剔除干扰信息，得到真正由于震害造成的损毁路段［10］。

1.图像与矢量配准

借助ArcGIS，根据震后高分影像和道路矢量数据(包括地形图、交通图等)的偏移量大小，对影像中道路与矢量图层中道路之间的精度误差进行评估。对于误差较小者(50 m)，可忽略不计，不需再次进行配准;对误差较大者，对震后影像做配准操作。

2.划定感兴趣区域

一般影像文件较大，道路仅占整个文件的一小部分，分布具有一定的方向性，此外则存在很多和道路影像特征相似的干扰因素。为提高判读效率，提出对目标道路做掩膜处理，即保留道路中心线100～200 m的范围参与运算，其余不参与运算。

图3 道路震害信息提取流程图(灰色部分为可选项)

3.提取完整道路

对上一步中得到的掩膜文件，采用面向对象法提取道路震害信息。首先分割得到影像对象;再通过对影像中道路特征的分析，利用道路分割对象的光谱特征、几何特征和空间关系建立知识库;最后依据知识库中的规则来提取影像中的道路并识别受损路段。

这一步笔者借助项目组自主研发的高分辨多光谱影像地震房屋倒塌和公路损毁情况判读软件(如图4(a)所示)完成。该软件基于ENVI/IDL二次开发实现，其中，功能模块中的面向对象震害提取(如图4(b)所示)是基于大量高分光学遥感影像试验，针对建筑物和道路震害训练最佳算法和参数的，并借助于ENVI提供的面向对象提取函数ENVI_FX_DOIT，输入根据经验参数制定的标准规则集文件，最终完成面向对象分类得到完整道路。

图4 系统主界面及面向对象震害提取模块

4.剔除干扰因素

面向对象提取道路网后，叠加交通矢量数据，对每一中断处作标记处理并判读造成中断的原因。该原因划分为两大类:一类是由于植被、阴影、汽车及人为错判造成的中断;另一类是真正受震害影响的中断。对于第一类中断，可手动连接两端的道路，形成完整的道路，剩下的中断处理论上就是震害造成的道路不通。

5.震害信息输出

此时，已经得到道路网和震害信息，比对遥感影像，点击震害遥感工具下的震害图编辑修改子菜单对道路网做进一步编辑修改，规范化道路，并统计完好路段和受损路段，作精度计算，给出震害报告。

四、试验实例

2008年5月12日四川汶川发生8.0级地震。地震及崩塌、滑坡等次生灾害造成包括国家及省级公路在内的交通设施损毁严重。试验中，笔者选取汶川地震中国道G317在理县境内的一段为研究区，采用2008年5月15日的中科院航拍高分辨率影像，飞机飞行高度约为7000 m，数据分辨率为0.5 m。根据交通矢量图，对该影像进行几何校正后，截取4300像素×2000像素作为研究区(如图5(a)所示)。图6为此区域内道路损毁目视判读结果。

因为只重点关注国道受损情况，为提高效率并减少其他干扰因素，处理之前对影像做掩膜处理，只保留中间覆盖国道的一部分区域，并使用高分辨多光谱影像地震房屋倒塌和公路损毁情况判读软件的面向对象震害提取模块对数据进行处理，共划分了道路、水体和植被3类(如图5(b)所示)。从该图中可以明显看出有3处中断，分别是由水体掩埋、路基塌陷造成的实际受损路段和植被、阴影造成的中断，分别对应于图5中(c)、(d)和(e)。

将提取结果与目视判读结果进行比较并计算提取精度，如图6所示。目视判读此影像，共有3处受损路段(灰色部分)，判读范围内国道总长度2 289.18 m，震害长度为576.74 m，面向对象提取结果经人工调整后，只保留国道部分，共有完整道路1 431.28 m，其中有17.38 m水淹部分被误判为完整道路。误判包括完好道路被误判为损毁道路，以及损毁道路被误判为完好道路的两种类型，这两种误判率分别为:［(2289.18-576.74)-(1431.28-17.38)］/2289.18=12.99%;17.38/2289.18=0.76%;因此整体判读精度为:1-误判长度/总长度=1-12.99%-0.76%=86.25%。

图5 道路震害信息提取

图6 道路震害信息目视判读

五、结束语

本文在总结概括道路表现在遥感影像上的特征之后，结合面向对象技术，基于ENVI/IDL二次开发形成高分辨率多光谱影像道路损毁判读软件，并使用航片数据对其中的面向对象震害提取模块进行验证，最终作出定量分析。从提取结果来看，该模块能很好地进行面向对象分类，实现高精度的震害信息提取。不足之处在于:分类使用的规则集需要通过多次训练，挑选出最佳阈值，且要求以标准格式的规则集文件给出，在提取过程中不能实时地修改;提取结果易受植被、阴影影响引起中断，且存在错分现象。这些需要在以后的工作中作进一步修正和完善。

［1］SAMADZADEGAN F，ZARRINPANJEH N.Earthquake Destruction Assessment of Urban Roads Network Using Satellite Imagery and Fuzzy Inference Systems［C］∥The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences， XXXVII.Beijing:［s.n.］，2008:409-414.

［2］唐伟，赵书河，王培法.面向对象的高空间分辨率遥感影像道路信息的提取［J］.地球信息科学，2008，10(2):257-262.

［3］任玉环，刘亚岚，魏成阶，等.汶川地震道路震害高分辨率遥感信息提取方法探讨［J］.遥感技术与应用，2009，24(1):52-56.

［4］王艳萍，姜纪沂，林玲玲.高分辨率遥感影像中道路震害信息的识别方法［J］.计算机工程与应用，2012(3):173-175.

［5］胡张武.高分辨率遥感影像道路信息提取方法研究［J］.测绘通报，2011(8):13-16.

［6］韦玉春，汤国安，杨昕，等.遥感数字图像处理教程［M］.北京:科学出版社，2007.

［7］赵福军.遥感影像震害信息提取技术研究［D］.哈尔滨:中国地震局工程力学研究所，2010.

［8］柴蕾蕾.道路、桥梁与建筑物特征提取与灾损状况对比分析［D］.北京:北京大学，2011.

［9］朱晓铃，邬群勇.基于高分辨率遥感影像的城市道路提取方法研究［J］.资源环境与工程，2009，23(3):296-299.

［10］唐静，吴俐民，左小清.面向对象的高分辨率卫星影像道路信息提取［J］.测绘科学，2011，36(5):98-99.