第一章 绪论
1.1 引言
地震灾害是指地震造成的人员伤亡、财产损失、环境和社会功能的破坏，是自然灾害中对人类危害最大的灾难之一。我国位于世界两大地震带——环太平地震带与欧亚地震带之间，是世界上地震活动强烈和地震灾害严重的国家之一，世界上约35%的7级以上大陆地震发生在我国（张培震，2008）。回顾新中国成立以来的几次大地震，造成的损失都令人震撼。1976年唐山大地震造成了约24万人遇难，16万人重伤，倒塌房屋530万间，经济损失100亿人民币（USGS，1979）； 2008 年汶川特大地震造成 69227 人遇难，17923 人失踪，374643 人受伤，直接经济损失达 8451 亿元人民币（中国新闻网，2008）；2010 年玉树地震造成 2698人遇难，270 人失踪（中国新闻网，2010）；2013 年四川雅安地震造成 196 人遇难，21 人失踪，11470 人受伤（中国新闻网，2013）。在地震预报技术尚未攻克的情况下，需要对防震减灾能力提出更高的要求以应对严峻的地震灾害问题。
震后快速、全面、准确地了解地震灾情，实施有效的应急救援是减轻地震灾害损失的重要手段。在我国，地震应急工作更为重要。地震应急工作的核心任务之一是进行震害损失评估，为组织救援决策提供支持。目前的应急救援主要以通过现场工作队进行，以地面调查方法为主，其耗时长、效率低，难以满足地震应急的要求，甚者日本311地震引发的核泄露事故，人员到达现场难度增大，使得救援变得更加艰难（李洪训，2011）。这些都增加了在震后较短时间内得到损失情况的难度（王龙，2007）。遥感技术作为 20世纪60年代新兴的技术，具有观测范围广、多方位、周期短、手段多、全天时、不受地面条件限制等优势，快速准确获取灾区实时的影像数据，为减灾救援提供重要依据（徐鹏杰和邓磊，2011；胡德勇，2013），随着遥感技术的快速发展，遥感灾情调查也受到了人们的高度重视。2012年新修定的《国家应急预案》中明确强调“各级地震工作主管部门综合利用自动监测、通信、计算机、遥感等技术，建立健全地震应急指挥技术系统，形成上下贯通、反应灵敏、功能完善、统一高效的地震应急指挥平台，实现震情灾害损失快速评估与动态跟踪、地震趋势判断的快速反馈，保障各级人民政府在抗震救灾中进行合理调度、科学决策和准确指挥”（国务院，2012）。遥感已然成为重大地震强有力的工具，在未来地震应急救援中发挥越来越重要的作用。
1.2 研究的目的与意义
计算机技术、空间技术、模式识别技术、并行计算技术的大力发展为遥感震害信息的提取提供了契机，伴随进入 21 世纪地震灾害的频繁发生，遥感震害信息的自动化提取被寄予厚望。许多学者开始并逐步深入，从遥感图像处理和模式识别入手，遥感数据增强、多源数据融合、单时相监督与非监督分类，多时相数据的变化检测，动态监测，3S技术结合等方法开始应用于地震灾害信息提取（Van Westen C. J.和 Soeters R.，2002；Guo H. D.等，2009；Li Peijun 等，2010；曾招城等，2011），同时促进了震害遥感分析系统逐步形成（丁香等，1998；何宏林和宋新初，2005；王龙等，2007），遥感震害计算机自动解译有了长足的进展。
伴随1999年IKONOS卫星的成功发射，空间分辨率1米的商业卫星影像开始得到应用。紧随其后的是2001 年10月的QuickBird卫星，提供的卫星影像突破米级分辨率（0.61米），接着Geoeye-1卫星具有更高的分辨率影像（0.41米）。“空间高分辨率遥感卫星”时代的到来，标志着遥感进入高空间分辨率阶段，高空间分辨率影像的处理也对常规处理方法提出了新的挑战。
高分辨率影像不仅具有丰富的光谱特征，而且还有大量的几何、纹理、结构拓扑等特征，具有信息复合多样性，给遥感震害自动提取带了一系列问题，比如在多时相震前震后遥感影像变化检测时配准的难度增加，导致最终的检测结果出现差错（张伟等，2013）；高分辨率遥感影像分类需要考虑多个特征因素才能得到好的结果。常规分类方法已不适用，面向对象分类方法应运而生，众多商业软件开始推出自己特色的面向对象分类方法，如 ENVI 的 FX 模块，ERDAS 的IMAGEINE Objective 模块，Definiens 公司的 eCognition 软件。尤其是 Definiens的eCognition软件甚至被称为面向对象分类最好的软件，在影像分类界达到智能化的程度，与传统单纯基于像素分类的方法有着无可比拟的优势（黄慧萍，2003）。
第二章 高分光学遥感震害变化检测方法改进
2.1 基于相关系数变化检测的遥感震害提取方法
相关系数是用以反映两个随机变量相关性程度的指标，最早用在数理统计学中。随着统计理论的不断拓展，相关性分析被用在数字信号匹配、遥感影像匹配、数字摄影测量、遥感变化检测等方面。在遥感影像分析中，由于相关系数是灰度线性变换的不变量（张剑清等，2003），即对参与运算的影像进行灰度线性变换不会改变相关系数值，这在一定程度上克服了震后由于天气等原因造成的影像质量低（尤其是光学影像）不适用直接进行变化检测的情形，所以基于相关系数的变化检测被广泛研究并应用于地震灾害评估当中（窦爱霞，2003；Rathje E. M.等，2005；Turker Mustafa 和Cetinkaya Bulent，2005；Chen Z.和Hutchinson T. C.，2011；）。
信号间的相关系数是标准化的协方差函数，即协方差函数除以两信号的标准方差的积即得到相关系数值。若以震前震后遥感影像中光谱强度值做为信息值输入，分别以X 、Y 表示，则实现遥感影像的变化检测，相关系数的值即反映震前震后影像对应信息的相关程度。相关系数越大，说明震前震后变化越小，反之，则表示震前震后变化越大。
相关系数变化检测是逐像素处理的，震后影像上像元(r,c)位置与震前影像同名点位置的相关系数r,c? 的计算公式如式（2-1）：
其中，m,n（均为奇数）分别为计算窗口大小，i, jX 、i, jY 分别为配准的震前和震后影像对应窗口的像素灰度值，Xr,c、Yr,c分别为震前和震后影像对应窗口内的灰度平均值，i, j,r,c均以图像像素坐标系（即影像左上角为原点）。相关系数? 的取值范围是??1,?1?，其值越接近于1表示相关程度越强，用于建筑物震害变化检测时表明震前震后建筑物变化不大，其实际含义为未损坏；否则，表明震前震后变化大，实际含义为倒塌。利用相关系数进行变化检测的方法流程如图2.1 所示。
2.2 相关系数区域寻优变化检测方法
2.2.1 传统变化检测存在的问题
基于像素的相关系数变化检测需要对震前震后遥感影像进行严格配准，否则会因相对几何位置的错误对应造成虚假变化，很大程度上降低变化检测的精度（申邵洪和郭信民，2011）。另一方面，由于遥感成像时飞行器姿态不稳定，震前震后影像成像条件不一致，以及地形起伏，建筑物高度及造成阴影等干扰，即使地面配准精度达到要求，相同地物目标的实际位置也不一定完全一致，变化检测效果也不一定理想。
随着遥感影像的高分辨率不断提高，这两类问题更加突出，表现为：
（1）遥感数据源的高分辨率加大影像配准的难度；
（2）大部分遥感影像并非真正射影像，即使满足配准的精度（Jensen John R.，1996），变化检测时参与计算的同名点实际上未必是真正对应的同名点，如图2.2 所示。
图中两个模型代表地物在变化检测前后的成像，由于不是真正射，成像本身会造成一定的误差，即配准达到两个模型底部完全重合（ABCD 和 A’B’C’D’完全重合），而地物顶部却不能对应成为同名点。
第三章 面向对象分类方法的改进策略 ................ 41
3.1 面向对象分类算法改进方案 .................. 41
3.2 改进的面向对象分类算法理论基础 ......... 43
第四章 面向对象分类改进算法实现 ............ 66
4.1 开发环境的搭建 ............... 66
4.1.1 硬件环境 ............... 66
4.1.2 程序开发包 .............. 67
4.1.3 软件环境的搭建 ................... 69
第五章 改进的面向对象分类方法震例分析 ............ 78
5.1 汶川地震震例分析 .......... 78
5.1.1 实验数据与使用样本 ............... 78
第五章 改进的面向对象分类方法震例分析
在第三章理论分析和第四章算法实现的基础上，本章以 2008 年汶川地震和2010 年玉树地震震后高分遥感影像为实验数据，研究本文提出的面向对象分类改进方法，并从分类结果精度和并行处理效率两方面具体分析改进算法的优势。
5.1 汶川地震震例分析
5.1.1 实验数据与使用样本
（一）实验数据
2008 年 5 月 18 日，中国科学院遥感与数字地球研究所在四川都江堰市进行了航拍任务，获取了分辨率为0.5米，位深8bit 的航空影像（如图5.1（B））。都江堰是距离汶川地震震中最近的城市，烈度达到 IX 度，破坏严重，建筑物震害特征在遥感影像上表现明显，倒塌建筑物以纹理杂乱无章成斑点状、色调不均匀，光谱值较高等特征为主。
从都江堰市城区影像中选择两块区域（如图5.1（C）、（D））作为实验区域，其中，区域 C 作为实验训练区域，利用本文算法对其进行分割和分类处理，通过自动优化分类确定 MeanShift分割中的带宽参数sh 和rh 的最佳组合，并将此组合参数应用于实验验证区域（图5.1（D）），计算分类后Kappa 系数，验证sh 和rh组合的鲁棒性。
从图中看到实验优化参数组合区 C 位于都江堰市北部，建筑物类型以多层砌体为主。实验验证区 D 位于都江堰市东部，建筑物类型除了多层砌体以包括部分钢架棚结构。C 区与 D 区的主要地物目标是存在一定差异的，这样才能更好检验算法的适用性。
第六章 结论与展望
6.1 总结与讨论
本文初步研究了基于遥感影像提取震害信息的自动化、智能化处理方法。首先概述和总结了目前应用遥感技术进行信息提取方法中基于像素和基于对象两大类方法的优缺点，讨论了遥感技术应用于震害信息提取的发展状况及面临的问题；第二，从基于像素的相关系数变化检测算法不足入手，提出了基于区域寻优的相关系数变化检测震害信息提取算法，并以汶川震例进行了验证分析；第三，分析讨论了面向对象分类处理方法及其不足，提出了依据 Kappa 系数优化分割参数的面向对象分类改进算法，同时详细介绍了程序实现需要的软硬件环境和并行化处理策略；最后结合汶川、玉树震例实验验证了基于面向对象分类改进算法的有效性。取得的主要成果如下：
（1）基于像素级信息处理方面，以高分辨率光学遥感影像为数据源，提出了区域寻优相关系数变化检测信息提取方法。并以汶川震例进行了实验研究，结果表明该方法不仅较常规变化检测精度有提高，而且在进行的四次随机试验中表现了较强的鲁棒性。
（2）提出了从三个方面改进面向对象分类方法和算法：自动化、智能化面向对象分类算法参数优化确定；面向对象分类算法的高效并行化处理；程序具有良好可移植性和开源性。
（3）依据 MeanShift 影像分割、SVM 影像分类、Kappa 分类精度系数，实现了分类精度优化分割参数的面向对象分类改进方法和算法。较以往面向对象分类算法不同的是本文算法依据分类精度Kappa系数确定MeanShift分割带宽参数sh 和rh 的最优组合，从而确定最优的分割和分类结果。依据该算法思路进行了详细的程序框架流程设计。
（4）对面向对象分类改进算法进行的并行化研究与实验中，确定了设计带宽方案组的最佳并行化方案，将基于 for 循环嵌套的并行模式转化为基于 for 单层循环的并行模式。并利用 OpenMP和MPI 完成了并行化程序的构建。
（5）阐述了基于 Linux 系统下，面向对象改进算法的并行化和可移植性的处理程序开发与运行环境。
（6）结合汶川地震都江堰市城区航空遥感数据和玉树地震玉树城区航空遥感数据进行了面向对象改进算法的实验与分析，表明本文提出的改进算法基本满足设定的自动化与智能优化、高效并行化和可移植性的目标。分类结果较基于像素的分类结果精度高，分类结果不论是从精度上还从分类质量上略优于eCognition 商业软件面向对象分类结果，优于 ENVI FX 面向对象分类结果。四套并行实验方案结果表明，基于带宽方案组的并行方案运算效率最高，与常规串行计算耗时比较，汶川震例实验效率提高16倍，玉树震例实验效率提高11倍，预期通过进一步优化，可基本满足地震应急遥感震害信息提取需求。
参考文献（略）