劉明眾，張景發(fā)，李成龍，劉國林

(1.中國地震局地殼應力研究所，北京100085;2.山東科技大學測繪科學與工程學院，山東青島266510)

一、引 言

近年來地震頻發(fā)，給人們生命財產帶來了重大的災難。地震發(fā)生后，救援工作刻不容緩，道路承載著重要的使命，但往往由于受到地震及其次生災害的影響而損毀嚴重，無法正常通行。目前，隨著高分辨率遙感及無人機影像技術的迅速發(fā)展，使得道路損毀信息的即時識別成為可能。然而，如何利用海量的高分辨率影像進行精準的道路震害信息提取，是目前急需解決的技術問題，也是研究者越來越關注的研究領域。

目前，國內外對高分辨率遙感影像中道路及其震害信息提取方法的研究主要有:F.Samadzadegan等利用面向對象的道路信息提取技術對伊朗巴姆地區(qū)的遙感影像進行了道路信息提取和震害識別［1］;唐偉等利用面向對象的影像分割技術得到道路均值對象，然后挖掘高空間分辨率遙感影像中描述道路的光譜特征、幾何特征及紋理特征，構建道路對象的知識庫，實現(xiàn)了城郊重要道路信息的提?。?］;任玉環(huán)等以汶川地震中北川縣為例，利用面向對象的圖像分類方法進行道路識別，并通過震前道路識別結果與震后影像的疊加和震前震后道路識別結果的變化檢測提取出損毀的路段［3］;王艷萍等通過綜合利用道路的多種影像特征及震前GIS矢量道路相結合來提取道路，然后依據(jù)提取道路的完整程度來識別道路震害信息［4］;胡張武利用 ERDAS、Matlab軟件很好地解決了道路與居民地混淆的問題，以及利用數(shù)學形態(tài)學的相關算法和形狀指數(shù)去除道路信息提取過程中的各種噪聲等，最終完成道路信息網(wǎng)的提取［5］。

本文在面向對象信息提取技術及ENVI/IDL二次開發(fā)的基礎上設計實現(xiàn)了一種綜合利用多種影像特征來提取道路并進行有效震害識別的功能模塊。

二、道路震害的影像特征

遙感是通過傳感器在遠離目標和非接觸目標物體的條件下，探測目標地物，獲取其反射、輻射或散射的電磁波信息，最終以一種數(shù)字形式的圖像表現(xiàn)，繼而形成遙感影像［6］。由于不同的地物能夠反射或輻射不同波長的電磁波，所以特定地物反映在遙感影像上是有一定特征的?？偨Y道路在地震前后的影像特征，有助于把握道路震災前后的變化，制定合適的規(guī)則集，從而更好地為影像解譯服務。

1.災前道路影像特征

如圖1所示，在遙感影像上完好道路的主要表現(xiàn)特征為［7］:

1)形狀特征:道路呈長條狀，其長度遠大于寬度，道路的寬度變化比較小，局部曲率有一定的上限。

2)光譜特征:道路一般有兩條明顯的邊緣，內部灰度比較均勻，且與其相鄰區(qū)域灰度反差比較大。

3)拓撲特征:道路一般是相連的，不會突然中斷，并形成路網(wǎng)。

4)上下文特征:城市中道路周圍的地物主要是街道兩旁的行道樹和建筑物，建筑物和樹木的陰影會使得道路的灰度值在某一區(qū)域變暗;國道、省市級公路等道路周圍一般是裸地、農作物植被、周圍山體等。

圖1 遙感影像中的完好道路

2.災后道路影像特征

完整道路在高分辨率遙感影像上表現(xiàn)為灰度均一、規(guī)則的結構、排列有序。破壞性地震使得路面出現(xiàn)大裂縫、錯位、沉陷或懸空，路堤發(fā)生坍塌，或者路面堆積大量由崩塌、滑坡、泥石流等次生災害形成的巖土堆積物(如圖2所示)。道路遭到損毀以后，在高分辨率遙感影像上，其特征也發(fā)生了明顯變化。這些變化表現(xiàn)在以下幾個方面［8］。

圖2 遙感影像中的震害受損道路

(1)光譜特性變化

道路路面的材質和粗糙度決定了其光譜特性，而道路損毀則會引起道路表面粗糙度或者路面反射特性發(fā)生變化，從而導致道路在遙感影像上表現(xiàn)出不同的光譜特征，具體表現(xiàn)為:道路灰度、紋理均一性發(fā)生變化，損毀路段與未損毀路段存在明顯的差異;不同形式的損毀路段，表現(xiàn)出不同的光譜特征;路基、路面的物理結構毀壞導致影像灰度降低，而次生災害如滑坡、坍塌形成的路面堆積往往表現(xiàn)出與周圍滑坡體相近的光譜特征。

(2)幾何特征變化

道路在遙感影像上通常表現(xiàn)出規(guī)則的幾何形態(tài)，而損毀道路由于路基、路面遭到破壞或者被堆積物、冰雪等覆蓋，因此其在影像上的規(guī)則幾何形態(tài)將發(fā)生改變或者消失。道路的空間連續(xù)性發(fā)生改變，損毀和未損毀路段區(qū)域相間分布;道路邊線被破壞而不連續(xù)，未損毀路段存在兩條平行邊線，損毀路段的一條或者兩條邊線改變或消失;道路結構的破壞和路面的堆積物導致未損毀道路寬度變窄，使得寬度沿道路方向發(fā)生變化。

(3)拓撲特征變化

道路呈網(wǎng)狀分布、相互連接，一般不會隨便中斷或者消失。損毀會改變道路的拓撲結構，造成多條孤立、無法相互連接的道路段;致使網(wǎng)絡結構破壞，連通性下降。

(4)上下文特征

滑坡、泥石流等災害體可以為道路損毀提供證據(jù);建筑物、樹木、高架橋等的陰影、遮擋形成的斷裂會對損毀檢測造成干擾。

隨著影像分辨率的提高，影像細節(jié)特征越來越豐富，道路目標也越來越多，許多較窄的在低分辨率影像上難以辨別的道路也能分辨出來，但隨之而來的是影像上非目標噪聲也越來越多。目前，在高分辨率圖像中提取道路的主要問題有:道路和其他地物主要是建筑物有相近的反射特性，且分割后的道路對象和建筑物有一定的形狀特征，均接近于長方形，導致兩者不容易區(qū)分;道路上的汽車、樹木等在圖上清晰可見，這同樣增加了道路網(wǎng)提取難度，圖像中道路會因此而變成很多斷裂線性片斷［9］。

三、提取模塊設計實現(xiàn)

針對以上提出的問題，本文結合面向對象技術，制定了高分率遙感影像道路震害信息提取流程，如圖3所示，主要分為5個步驟:圖像與矢量配準，劃定感興趣區(qū)域，提取完整道路，剔除干擾信息，得到真正由于震害造成的損毀路段［10］。

1.圖像與矢量配準

借助ArcGIS，根據(jù)震后高分影像和道路矢量數(shù)據(jù)(包括地形圖、交通圖等)的偏移量大小，對影像中道路與矢量圖層中道路之間的精度誤差進行評估。對于誤差較小者(50 m)，可忽略不計，不需再次進行配準;對誤差較大者，對震后影像做配準操作。

2.劃定感興趣區(qū)域

一般影像文件較大，道路僅占整個文件的一小部分，分布具有一定的方向性，此外則存在很多和道路影像特征相似的干擾因素。為提高判讀效率，提出對目標道路做掩膜處理，即保留道路中心線100～200 m的范圍參與運算，其余不參與運算。

圖3 道路震害信息提取流程圖(灰色部分為可選項)

3.提取完整道路

對上一步中得到的掩膜文件，采用面向對象法提取道路震害信息。首先分割得到影像對象;再通過對影像中道路特征的分析，利用道路分割對象的光譜特征、幾何特征和空間關系建立知識庫;最后依據(jù)知識庫中的規(guī)則來提取影像中的道路并識別受損路段。

這一步筆者借助項目組自主研發(fā)的高分辨多光譜影像地震房屋倒塌和公路損毀情況判讀軟件(如圖4(a)所示)完成。該軟件基于ENVI/IDL二次開發(fā)實現(xiàn)，其中，功能模塊中的面向對象震害提取(如圖4(b)所示)是基于大量高分光學遙感影像試驗，針對建筑物和道路震害訓練最佳算法和參數(shù)的，并借助于ENVI提供的面向對象提取函數(shù)ENVI_FX_DOIT，輸入根據(jù)經驗參數(shù)制定的標準規(guī)則集文件，最終完成面向對象分類得到完整道路。

圖4 系統(tǒng)主界面及面向對象震害提取模塊

4.剔除干擾因素

面向對象提取道路網(wǎng)后，疊加交通矢量數(shù)據(jù)，對每一中斷處作標記處理并判讀造成中斷的原因。該原因劃分為兩大類:一類是由于植被、陰影、汽車及人為錯判造成的中斷;另一類是真正受震害影響的中斷。對于第一類中斷，可手動連接兩端的道路，形成完整的道路，剩下的中斷處理論上就是震害造成的道路不通。

5.震害信息輸出

此時，已經得到道路網(wǎng)和震害信息，比對遙感影像，點擊震害遙感工具下的震害圖編輯修改子菜單對道路網(wǎng)做進一步編輯修改，規(guī)范化道路，并統(tǒng)計完好路段和受損路段，作精度計算，給出震害報告。

四、試驗實例

2008年5月12日四川汶川發(fā)生8.0級地震。地震及崩塌、滑坡等次生災害造成包括國家及省級公路在內的交通設施損毀嚴重。試驗中，筆者選取汶川地震中國道G317在理縣境內的一段為研究區(qū)，采用2008年5月15日的中科院航拍高分辨率影像，飛機飛行高度約為7000 m，數(shù)據(jù)分辨率為0.5 m。根據(jù)交通矢量圖，對該影像進行幾何校正后，截取4300像素×2000像素作為研究區(qū)(如圖5(a)所示)。圖6為此區(qū)域內道路損毀目視判讀結果。

因為只重點關注國道受損情況，為提高效率并減少其他干擾因素，處理之前對影像做掩膜處理，只保留中間覆蓋國道的一部分區(qū)域，并使用高分辨多光譜影像地震房屋倒塌和公路損毀情況判讀軟件的面向對象震害提取模塊對數(shù)據(jù)進行處理，共劃分了道路、水體和植被3類(如圖5(b)所示)。從該圖中可以明顯看出有3處中斷，分別是由水體掩埋、路基塌陷造成的實際受損路段和植被、陰影造成的中斷，分別對應于圖5中(c)、(d)和(e)。

將提取結果與目視判讀結果進行比較并計算提取精度，如圖6所示。目視判讀此影像，共有3處受損路段(灰色部分)，判讀范圍內國道總長度2 289.18 m，震害長度為576.74 m，面向對象提取結果經人工調整后，只保留國道部分，共有完整道路1 431.28 m，其中有17.38 m水淹部分被誤判為完整道路。誤判包括完好道路被誤判為損毀道路，以及損毀道路被誤判為完好道路的兩種類型，這兩種誤判率分別為:［(2289.18-576.74)-(1431.28-17.38)］/2289.18=12.99%;17.38/2289.18=0.76%;因此整體判讀精度為:1-誤判長度/總長度=1-12.99%-0.76%=86.25%。

圖5 道路震害信息提取

圖6 道路震害信息目視判讀

五、結束語

本文在總結概括道路表現(xiàn)在遙感影像上的特征之后，結合面向對象技術，基于ENVI/IDL二次開發(fā)形成高分辨率多光譜影像道路損毀判讀軟件，并使用航片數(shù)據(jù)對其中的面向對象震害提取模塊進行驗證，最終作出定量分析。從提取結果來看，該模塊能很好地進行面向對象分類，實現(xiàn)高精度的震害信息提取。不足之處在于:分類使用的規(guī)則集需要通過多次訓練，挑選出最佳閾值，且要求以標準格式的規(guī)則集文件給出，在提取過程中不能實時地修改;提取結果易受植被、陰影影響引起中斷，且存在錯分現(xiàn)象。這些需要在以后的工作中作進一步修正和完善。

［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］唐偉，趙書河，王培法.面向對象的高空間分辨率遙感影像道路信息的提取［J］.地球信息科學，2008，10(2):257-262.

［3］任玉環(huán)，劉亞嵐，魏成階，等.汶川地震道路震害高分辨率遙感信息提取方法探討［J］.遙感技術與應用，2009，24(1):52-56.

［4］王艷萍，姜紀沂，林玲玲.高分辨率遙感影像中道路震害信息的識別方法［J］.計算機工程與應用，2012(3):173-175.

［5］胡張武.高分辨率遙感影像道路信息提取方法研究［J］.測繪通報，2011(8):13-16.

［6］韋玉春，湯國安，楊昕，等.遙感數(shù)字圖像處理教程［M］.北京:科學出版社，2007.

［7］趙福軍.遙感影像震害信息提取技術研究［D］.哈爾濱:中國地震局工程力學研究所，2010.

［8］柴蕾蕾.道路、橋梁與建筑物特征提取與災損狀況對比分析［D］.北京:北京大學，2011.

［9］朱曉鈴，鄔群勇.基于高分辨率遙感影像的城市道路提取方法研究［J］.資源環(huán)境與工程，2009，23(3):296-299.

［10］唐靜，吳俐民，左小清.面向對象的高分辨率衛(wèi)星影像道路信息提?。跩］.測繪科學，2011，36(5):98-99.