崔麗萍 王曉青 竇愛霞 金鼎堅

1) 中國北京100036中國地震局地震預測研究所 2) 中國北京100083中國國土資源航空物探遙感中心

?

基于高分辨率合成孔徑雷達影像建筑物成像幾何結構的震害特征分析

崔麗萍1)，王曉青1)竇愛霞1)金鼎堅2)

1) 中國北京100036中國地震局地震預測研究所 2) 中國北京100083中國國土資源航空物探遙感中心

傳統(tǒng)的利用震后單幅合成孔徑雷達(SAR)影像對建筑物的震害特征分析大多基于街區(qū)范圍， 很少基于其成像幾何結構． 本文基于高分辨率SAR影像上的建筑物成像幾何結構， 分析了建筑物單體的震害特點， 建立了利用距離向線性灰度累加的方法提取規(guī)則未倒塌建筑物的疊掩區(qū)和陰影區(qū)及倒塌建筑物的倒塌區(qū)， 并在此基礎上進行各幾何特征區(qū)域的紋理特征， 如同質度、 不相似度和熵的計算及其組合特征分析， 由此建立了基于SAR影像建筑物成像幾何結構的震害分析方法． 采用該方法對2010年玉樹MS7.1地震震后玉樹縣城區(qū)的高分辨率SAR影像進行分析， 結果表明： 疊掩、 陰影和二次散射亮線是進行建筑物震害解譯的有效幾何結構特征， 其中疊掩區(qū)和陰影區(qū)的影像紋理特征具有較好的震害識別能力; 與傳統(tǒng)的簡單特征統(tǒng)計方法相比， 考慮建筑物SAR影像成像幾何結構的特征統(tǒng)計法， 可以顯著提高建筑物的震害識別能力.

合成孔徑雷達(SAR) 遙感 玉樹MS7.1地震 建筑物 成像幾何結構

引言

航空遙感影像獲取速度快、 分辨率高， 對災害具有很強的宏觀把握能力(王曉青等， 2003)， 因此在地震應急和震后災情獲取中的應用越來越廣泛. 傳統(tǒng)的光學遙感由于受陰雨天氣的制約， 不能及時獲取災區(qū)的影像． 合成孔徑雷達(synthetic aperture radar， 簡寫為SAR)是一種利用微波波段感知地物從而獲取地物信息的主動式遙感技術， 其采用的微波波段較長， 能夠很容易穿透云、 霧和雨． 例如： L波段(1.5 GHz)在雨量為150 mm/h的天氣成像時， 電磁波能量的衰減不會超過0.01 dB/km； X波段(10 Hz)的TerraSAR和Cosmo/SkyMed衛(wèi)星在大暴雨情況下衰減即使高達約4.23 dB/km時， 其成像效果也幾乎不受影響(Brett， 2013). 由于SAR具有全天時和全天候的優(yōu)勢， 因此近年來在地震震后災情信息的獲取及評估中受到越來越廣泛的關注．

隨著2007年TerraSAR和Cosmo/SkyMed衛(wèi)星的發(fā)射， SAR的分辨率已達到1 m， 機載SAR實驗系統(tǒng)的分辨率已達到0.1 m(Brenner， Roessing， 2008)． 各國SAR系統(tǒng)發(fā)展迅速， 雖然高分辨率(分辨率等于或優(yōu)于1 m)SAR影像的研究應用越來越多， 但是由于SAR系統(tǒng)獨特的斜距成像方式以及SAR影像所特有的斑噪影響， 使得SAR影像的解譯十分困難． 國內外研究者已嘗試多種方法進行SAR影像的震害信息提取， 除目視解譯外， 一般分為基于震前震后SAR影像的變化檢測和只基于震后SAR影像的震害提取兩種情況． 基于震前震后的變化檢測一般利用的是SAR影像的相位(Yonezawa， Takeuchi， 1999； Ito， Hosokawa， 2003； Gambaetal， 2007)或者強度信息(Yonezawa， Takeuchi， 2001； Matsuoka， Yamazaki， 2004； Bruzzoneetal， 2014； Marinetal， 2015)． 隨著SAR影像分辨率的提高， 建筑物在SAR影像上的疊掩、 二次散射和陰影等幾何特征越來越明顯， 一些研究者開始利用建筑物在震前震后SAR影像上的成像幾何結構對建筑物震害進行檢測(Guidaetal， 2010； Brett， 2013； 劉金玉等， 2013)． 但高分辨率SAR系統(tǒng)的發(fā)展時間不長， 在震前SAR影像缺失的情況下， 僅通過震后SAR數(shù)據(jù)來解譯房屋震害成為不可或缺的技術(Dell’Acqua， Polli， 2011)， 包括利用震后SAR影像的極化(郭華東等， 2010； Sato， Chen， 2013)或者紋理信息(Pollietal， 2010； Dell’Acquaetal， 2011； Shietal， 2015)與震害建立一定的聯(lián)系． 基于震后單幅SAR影像進行震害的提取， 目前大多還停留在對街區(qū)大小的尺度進行震害檢測， 雖然能夠滿足地震應急的需求， 但僅利用單幅SAR影像進行震害提取仍很困難． 無論是利用震前震后SAR數(shù)據(jù)還是僅利用震后SAR數(shù)據(jù)， 隨著高分辨率SAR系統(tǒng)的發(fā)展， 利用建筑物單體的成像幾何結構進行震害分析將是未來利用震后高分辨率SAR數(shù)據(jù)進行震害檢測的重要方向之一．

本文在對高分辨率SAR建筑物成像幾何結構分析的基礎上， 以2010年玉樹MS7.1地震機載高分辨率SAR數(shù)據(jù)為信息源， 以同質度、 不相似度和熵紋理特征為特征指標， 對未倒塌建筑物SAR影像上不同成像幾何結構(疊掩、 陰影)的影像特征進行分析， 并與倒塌建筑物倒塌區(qū)的特征進行對比， 以探討不同震害程度建筑物SAR影像特征的差別， 以期為高分辨率SAR建筑物震害的提取方法和指標的建立提供理論依據(jù)．

1 研究方法

1.1 建筑物震害分級

建筑物在不同強度地震動作用下， 會產(chǎn)生不同程度的破壞． 目前在地震現(xiàn)場震害調查中， 一般將建筑物破壞劃分為基本完好、 輕微破壞、 中等破壞、 嚴重破壞和毀壞等5個等級(中華人民共和國國家質量監(jiān)督檢驗檢疫總局， 中國國家標準化管理委員會， 2009). 高分辨率光學影像上， 建筑物的某些震害細節(jié)很難被檢測到， 因此基于高分辨率光學影像的建筑物震害提取一般劃分為3個等級(倒塌、 部分倒塌、 未倒塌)甚或4個等級(再增加未倒塌但可見輕微震害)(王曉青等， 2013)． 但由于SAR影像為斜距成像且受斑噪等的影響， 所以SAR影像建筑物震害提取等級一般不會超過3個(Shietal， 2015)． 作為初步研究， 本文只將建筑物的震害分成倒塌和未倒塌兩個等級來進行分析．

1.2 高分辨率SAR影像建筑物成像幾何結構

由于SAR的特殊成像方式以及高分辨率SAR的空間分辨率遠小于建筑物的空間尺度， 因此SAR影像上同一建筑物在其空間位置及其鄰近區(qū)域會形成不同的成像特征， 這些特征空間區(qū)域的組合， 形成了特殊的SAR成像幾何結構． 因此， 仔細分析高分辨率SAR建筑物成像幾何結構， 對于認識SAR影像建筑物震害特征以及尋找有效的震害提取方法與指標意義重大．

圖1為依據(jù)SAR成像機理描述的一個典型平頂矩形房屋模型沿距離向剖面的后向散射特性所構成的成像幾何結構． 假設該房屋模型表面均勻， 四周平坦， 房屋走向沿方位向， 其寬度為w， 高度為h， SAR傳感器的入射角為θ． 受建筑物空間尺寸大小和傳感器入射角的影響， 建筑物的后向散射機制分為h>wtanθ,h=wtanθ和h

地震發(fā)生后， 建筑物的坍塌破壞了規(guī)則建筑物的散射機制(圖3a)， 使得建筑物的陰影等幾何特征消失， 最明顯的表現(xiàn)就是高亮二次散射亮線的消失， 而凌亂瓦礫所形成的角反射小， 在影像上則表現(xiàn)為一團雜亂的亮點(圖3b)．

由此可見， 規(guī)則建筑物單體的SAR成像具有明顯的空間幾何特征， 疊掩、 二次散射亮線和陰影等相對于正常建筑物的特征改變是判斷建筑物單體是否倒塌的有效特征， 也是我們基于高分辨率SAR影像建筑物成像幾何結構特性建立目標有效解譯方法的關鍵依據(jù)(唐侃， 2013)． 在SAR影像建筑物解譯中， 通常以疊掩、 二次散射亮線和陰影等主要特征辨識建筑物(趙凌君， 2009)， 本文將試圖分析這些特征與建筑物倒塌的關系．

圖1 未倒塌建筑物的后向散射機制(引自Brunner， 2009)

圖2 未倒塌建筑物的光學影像(a)和真實的SAR影像(b)， 紅色箭頭代表雷達視線方向(下同)

1.3 建筑物SAR影像紋理特征的選取

建筑物的疊掩、 二次散射亮線和陰影等空間圖像， 可以采用不同的影像特征參數(shù)來表征， 本文將選擇紋理特征來進行研究． 紋理特征不同于灰度和顏色等圖像特征， 其主要通過像素及其周圍空間鄰域的灰度分布來表現(xiàn)(劉麗， 匡綱要， 2009)， 是一種反映像素的空間分布屬性的圖像特征． SAR圖像含有豐富的紋理信息． Haralick等(1973)提出了灰度共生矩陣(gray-level co-occurrence matrix， 簡寫為GLCM)法， 該方法成為最常見和廣泛應用的一種紋理統(tǒng)計分析方法． GLCM建立在估計圖像的二階組合條件概率密度的基礎上， 能夠反映圖象灰度變化的二階統(tǒng)計特征． 在基于GLCM的紋理特征中， 同質度可以反映圖像的均勻性； 不相似度能夠反映圖像的不相似程度對灰度的空間排列； 熵能夠反映紋理的復雜度． 本文選取這3個基于二階矩陣的紋理特征， 對未倒塌建筑物的疊影區(qū)和陰影區(qū)以及倒塌建筑倒塌區(qū)(因特征趨同未分疊掩區(qū)和陰影區(qū))來進行影像特征分析．

圖3 完全倒塌建筑物的后向散射機制(引自劉金玉等， 2013)(a)及其光學影像(左)和SAR影像(右)(b)

同質度的計算公式為(Haralicketal， 1973)

(1)

式中,P(i,j|Dx,Dy)為滑動窗口W內相距為(Dx,Dy)的兩個像素點在窗口中出現(xiàn)的概率， 其像素值分別為i，j(i,j=0, 1, 2， …，L-1)， 其中L為圖像灰度級．

不相似度的計算公式為(Haralicketal, 1973)

(2)

熵的計算公式為(Haralicketal, 1973)

(3)

1.4 技術路線

圖4給出了本文研究的技術路線． 在對高分辨率SAR強度影像進行裁剪、 配準和濾波等預處理后， 基于建筑物的成像幾何結構對其震害特點進行分析. 在此基礎上， 選取倒塌建筑物和未倒塌建筑物樣本各28個， 采用通過距離向進行線灰度累加的方法， 較準確地確定未倒塌建筑物的疊掩區(qū)和陰影區(qū)， 同時提取倒塌建筑物的倒塌區(qū)， 以進行同質度、 不相似度和熵等紋理測度的計算分析．

圖4 基于SAR影像建筑物成像幾何結構的震害分析技術路線圖

2 研究區(qū)域及其SAR影像選取與處理

本文以2010年4月14日玉樹MS7.1地震的主要震害區(qū)玉樹縣城區(qū)(結古鎮(zhèn))為研究區(qū)域， 實驗SAR數(shù)據(jù)選用國家測繪地理信息局于2010年4月17日獲取的災區(qū)高分辨率機載X波段的SAR強度影像， 如圖5所示． 該影像的標稱空間分辨率為0.5 m， 飛機航行方向為東西向， 雷達波束入射方向為由南向北． 同時， 以同日獲取的分辨率為0.2 m的航拍光學影像作為參考．

圖5 玉樹地震后玉樹縣城區(qū)機載SAR影像和建筑物樣本分布圖紅色為倒塌房屋， 綠色為未倒塌房屋

將震后SAR影像和光學遙感影像裁剪至玉樹縣主城區(qū)范圍， 選取足量控制點， 采用樣條函數(shù)法對其進行配準． 對震后SAR影像采用增強Lee濾波法進行濾波處理， 以降低斑噪的影響． 在光學影像的輔助下， 在震后SAR影像上選取了未倒塌房屋和倒塌房屋樣本各28個(圖5)． 對未倒塌建筑物盡量選取走向沿方位向的房屋， 對于走向不沿方位向的則根據(jù)二次散射亮線的位置進行相應角度的旋轉．

3 建筑物震害特征計算及其結果

3.1 建筑物SAR影像成像幾何結構的提取

在SAR影像上， 常規(guī)的邊緣提取算法無法有效地提取出建筑物疊掩區(qū)及陰影區(qū)的準確位置， 本文采用沿距離向剖面進行線灰度累加的方法(鄒斌等， 2009)來增強SAR影像上建筑物成像幾何結構的邊緣， 從而確定建筑物的疊掩、 二次散射和陰影區(qū)位置． 距離向線灰度累加是指沿距離向一定的起始與終止位置之間的各直線上的點灰度值逐一累加的方法， 對于建筑物邊緣位置的確定具有較好效果. 本文對距離向線灰度累加結果取均值. 圖1a幾何結構中的兩部分強度不同的疊掩(a+c+d和a+c)區(qū)分并不明顯， 所以在提取中將兩部分疊掩作為一個疊掩區(qū)域； 而圖1c中的屋頂反射區(qū)寬度通常很小或者強度表現(xiàn)不明顯， 所以暫不考慮屋頂這部分．

圖6為圖2中A，B兩棟建筑物SAR影像距離向線灰度累加結果圖， 從圖中可以較準確地確定建筑物陰影、 二次散射和疊掩特征的位置及范圍． 例如， 建筑物A在距離向上的疊掩為155—206像素位置， 二次散射區(qū)域為147—155像素位置， 陰影區(qū)域為47—147像素位置．

圖6 圖2b中兩棟建筑物距離向線灰度累加結果圖

Fig.6 The result of accumulated SAR intensity in range direction of the two buildingsAandBas shown in Fig.2b

3.2 紋理特征計算結果

在建筑物SAR影像線灰度疊加和幾何結構提取的基礎上， 再依據(jù)本文選擇的紋理特征對未倒塌建筑物的陰影區(qū)和疊掩區(qū)以及倒塌建筑物的倒塌區(qū)進行同質度、 不相似度和熵紋理特征的分析． 紋理特征的計算采用3×3窗口， 偏移向量為(1， 1)．

按照本文分析方法所得到的建筑物SAR影像同質度、 不相似度和熵計算結果及紋理特征分析結果如表1和圖7所示． 分別按照未倒塌建筑物的疊掩區(qū)、 陰影區(qū)以及倒塌建筑物的倒塌區(qū)， 對各紋理特征進行了均值及其不確定性(1倍標準方差)統(tǒng)計， 結果如表2和圖8所示．

圖7 SAR影像中未倒塌建筑物疊掩區(qū)、 陰影區(qū)及倒塌建筑物倒塌區(qū)的SAR影像紋理特征分析結果

樣本編號未倒塌建筑物陰影區(qū)同質度不相似度熵疊掩區(qū)同質度不相似度熵樣本編號倒塌建筑物倒塌區(qū)同質度不相似度熵10.690.781.270.176.802.0910.402.171.8920.611.001.540.195.952.1020.481.631.7630.750.621.080.352.771.9930.610.991.5240.800.430.890.432.041.8240.581.211.5250.770.561.000.461.881.7150.571.171.5360.840.350.730.551.331.5960.561.291.5970.770.501.010.412.581.8470.541.371.5980.690.781.260.195.742.1280.501.571.7190.810.430.880.372.361.9790.531.391.69100.670.821.320.323.321.99100.352.631.97110.690.761.300.422.111.88110.303.612.00120.670.891.280.451.721.83120.362.701.92130.650.971.410.362.671.93130.471.601.80140.700.681.240.471.881.75140.521.371.69150.720.681.170.264.532.05150.461.861.81160.770.491.060.205.112.11160.531.441.66170.790.490.950.382.391.95170.541.441.67180.780.580.930.274.082.05180.451.841.84190.760.521.030.471.741.75190.501.521.67200.730.681.090.312.802.02200.481.541.76210.840.340.750.332.921.96210.521.371.70220.810.470.810.303.382.05220.501.481.76230.690.771.300.313.072.02230.402.151.89240.740.601.160.372.291.96240.491.571.74250.690.771.270.313.132.01250.501.391.73260.760.731.030.322.942.00260.431.981.86270.621.001.490.381.991.92270.511.861.78280.720.651.180.372.611.93280.472.301.83

圖8 未倒塌建筑物疊掩區(qū)、 陰影區(qū)及倒塌建筑物倒塌區(qū)紋理特征均值的1倍標準方差分布圖

統(tǒng)計參數(shù)未倒塌建筑物陰影區(qū)同質度不相似度熵疊掩區(qū)同質度不相似度熵倒塌建筑物倒塌區(qū)同質度不相似度熵均值0.730.661.120.353.081.940.481.731.75標準方差0.060.190.210.091.390.130.070.560.13

4 討論與結論

本文建立了基于建筑物及其震害SAR成像幾何結構的紋理特征分析方法， 以2010年玉樹MS7.1地震玉樹縣城區(qū)的SAR影像為數(shù)據(jù)源， 利用距離向線灰度累加法提取了28個未倒塌建筑物樣本疊掩區(qū)和陰影區(qū)的成像幾何結構特征， 同時提取了28個倒塌建筑物樣本的倒塌區(qū)． 最終分析得到了未倒塌建筑物疊掩區(qū)、 陰影區(qū)以及倒塌建筑物倒塌區(qū)的同質度、 不相似度和熵紋理特征(表1和圖7)及其統(tǒng)計結果(表2和圖8)， 結果表明：

1) 未倒塌建筑物陰影區(qū)的同質度明顯高于倒塌建筑物倒塌區(qū), 而熵和不相似度則明顯低于倒塌建筑物倒塌區(qū).

2) 未倒塌建筑物疊掩區(qū)與倒塌建筑物倒塌區(qū)的同質度分布存在一定的交叉或重疊(圖7a)， 但如果同時考慮疊掩區(qū)和陰影區(qū)的同質度， 則未倒塌建筑物與倒塌建筑物存在明顯的差異或可分性(圖8a)．

3) 對不相似度和熵分析可得到與2)類似的結果．

根據(jù)上述初步研究結果， 我們得到的結論如下：

1) 建筑物的疊掩、 陰影及二次散射亮線等幾何結構特征是震害解譯的有效特征．

2) 與傳統(tǒng)的簡單特征統(tǒng)計法相比， 考慮多個建筑物SAR影像空間幾何結構的特征統(tǒng)計法， 可以顯著提高建筑物震害的識別能力， 對于發(fā)展基于震后單幅SAR影像進行建筑物單體震害識別的方法與算法研究具有重要意義．

3) 未倒塌建筑物的陰影特征比較穩(wěn)定， 不確定性?。?而倒塌建筑物的陰影可能完全或部分消失． 因此， 建筑物陰影特征(同質度、 不相似度、 熵紋理特征)具有較好的震害識別能力．

需要說明的是， 由于雷達影像成像較為復雜， 實際的SAR影像受雷達入射角、 周圍環(huán)境以及建筑形態(tài)、 相鄰建筑等的影響， 未倒塌建筑物并不總存在高亮的二次散射亮線和陰影， 給倒塌建筑物的震害提取結果增加了不確定性和誤判． 因此， 僅通過震后單幅SAR影像來提取建筑物震害仍很困難． 但是， 以建筑物SAR影像幾何特征為基礎， 并輔以高分辨率光學影像和震前SAR影像等其它數(shù)據(jù)所發(fā)展的精細化算法將提高利用SAR影像進行建筑物震害解譯的精度和自動化程度．

郭華東， 王心源， 李新武， 劉廣， 張露， 閻世勇. 2010. 多模式SAR玉樹地震協(xié)同分析[J]. 科學通報， 55(13): 1195--1199.

Guo H D， Wang X Y， Li X W， Liu G， Zhang L， Yan S Y. 2010. Yushu earthquake synergic analysis study using multi-model SAR datasets[J].ChineseScienceBulletin， 55(31): 3499--3503.

劉金玉， 張景發(fā)， 劉國林. 2013. 基于高分辨率SAR圖像成像機理的震害信息分析[J]. 國土資源遙感， 25(3): 61--65.

Liu J Y， Zhang J F， Liu G L. 2013. An analysis of earthquake damage information based on imaging mechanism of the high resolution SAR image[J].RemoteSensingforLandandResources， 25(3): 61--65 (in Chinese).

劉麗， 匡綱要. 2009. 圖像紋理特征提取方法綜述[J]. 中國圖象圖形學報， 14(4): 622--635.

Liu L， Kuang G Y. 2009. Overview of image textural feature extraction methods[J].JournalofImageandGraphics， 14(4): 622--635 (in Chinese).

唐侃. 2013. 高分辨率SAR圖像幾何結構特性及解譯方法研究[D]. 北京: 中國科學院電子學研究所: 44--47.

Tang K. 2013.ResearchonTargetGeometricCharacteristicsandInterpretationMethodsinHigh-ResolutionSARImages[D]. Beijing: Institute of Electronics， Chinese Academy of Sciences: 44--47 (in Chinese).

王曉青， 魏成階， 苗崇剛， 張景發(fā)， 單新建， 馬慶尊. 2003. 震害遙感快速提取研究： 以2003年2月24日巴楚-伽師6.8級地震為例[J]. 地學前緣， 10(特刊): 285--291.

Wang X Q， Wei C J， Miao C G， Zhang J F， Shan X J， Ma Q Z. 2003. The extraction of seismic damage from remote sensing image： A case study of Bachu-Jiashi earthquake withMS=6.8 occurred on Feb. 24， 2003[J].EarthScienceFrontiers， 10(Suppl): 285--291 (in Chinese).

王曉青， 竇愛霞， 孫國清， 丁香， 王龍， 袁小祥. 2013. 基于綜合震害指數(shù)的玉樹地震烈度遙感評估研究[J]. 地震， 33(2): 1--10.

Wang X Q， Dou A X， Sun G Q， Ding X， Wang L， Yuan X X. 2013. Intensity assessment of the 2010 YushuMS7.1 earthquake based on synthetic seismic damage index[J].Earthquake， 33(2): 1--10 (in Chinese).

趙凌君. 2009. 高分辨率SAR圖像建筑物提取方法研究[D]. 長沙: 國防科學技術大學研究生院: 3--21.

Zhao L J. 2009.BuildingExtractionFromHighResolutionSARImagery[D]. Changsha: Graduate School of National University of Defense Technology: 3--21 (in Chinese).

中華人民共和國國家質量監(jiān)督檢驗檢疫總局， 中國國家標準化管理委員會. 2009. 建(構)筑物地震破壞等級劃分(GB/T 24335—2009)[S]. 北京: 中國標準出版社: 1.

General Administration of Quality Supervision， Inspection and Quarantine of the People’s Republic of China， standardization Administration of the People’s Republic of China. 2009.ClassificationofEarthquakeDamagetoBuildingsandSpecialStructures(GB/T 24335—2009)[S]. Beijing: China Standards Press: 1 (in Chinese).

鄒斌， 許可， 張臘梅， 李慧君. 2009. SAR圖像建筑物三維信息提取方法研究[J]. 雷達科學與技術， 7(2): 95--101.

Zou B， Xu K， Zhang L M， Li H J. 2009. Study on extraction methods of three-dimension information of buildings in SAR images[J].RadarScienceandTechnology， 7(2): 95--101 (in Chinese).

Brenner A R， Roessing L. 2008. Radar imaging of urban areas by means of very high-resolution SAR and interferometric SAR[J].IEEETransGeosciRemSens， 46(10): 2971--2982.

Brett P T B. 2013.UrbanDamageDetectioninHighResolutionAmplitudeImages[D]. Surrey: Surrey Space Centre， University of Surrey: 5--6.

Brunner D. 2009.AdvancedMethodsforBuildingInformationExtractionFromVeryHighResolutionSARDatatoSupportEmergencyResponse[D]. Trento: University of Trento: 23--25.

Bruzzone L， Marin C， Bovolo F. 2014. Damage detection in built-up areas using SAR images[C]∥EncyclopediaofEarthquakeEngineering. Heidelberg: Springer: 1--30. doi: 10.1007/978-3-642-36197-5_222-2.

Dell’Acqua F， Gamba P， Polli D A. 2011. Earthquake damage assessment from post-event VHR radar data: From Sichuan， 2008 to Haiti， 2010[C]∥Proceedingsofthe2011JointUrbanRemoteSensingEvent(JURSE). Munich， Germany: IEEE: 201--204.

Dell’Acqua F， Polli D A. 2011. Post-event only VHR radar satellite data for automated damage assessment[J].PhotogrEngRemSens， 77(10): 1037--1043.

Gamba P， Dell’Acqua F， Trianni G. 2007. Rapid damage detection in the Bam area using multitemporal SAR and exploiting ancillary data[J].IEEETransGeosciRemSens， 45(6): 1582--1589.

Guida R， Iodice A， Riccio D. 2010. An application of the deterministic feature extraction approach to COSMO-SKyMed data[C]∥Proceedingsofthe2010 8thEuropeanConferenceonSyntheticApertureRadar(EUSAR). Aachen， Germany: VDE: 1--4.

Haralick R M， Shanmugam K， Dinstein I. 1973. Textural features for image classification[J].IEEETransactionsonSustems，ManandCybernetics， SMC-3(6): 610--621.

Ito Y， Hosokawa M. 2003. A degree of damage estimation model of earthquake damage using interferometric SAR data[J].ElectrEngJapan， 143(3): 49--57.

Marin C， Bovolo F， Bruzzone L. 2015. Building change detection in multitemporal very high resolution SAR images[J].IEEETransGeosciRemSens， 53(5): 2664--2682.

Matsuoka M， Yamazaki F. 2004. Use of satellite SAR intensity imagery for detecting building areas damaged due to earthquakes[J].EarthqSpectra， 20(3): 975--994.

Polli D A， Dell’Acqua F， Lisini G. 2010. Automatic mapping of earthquake damage using post-event radar satellite data: The story goes on[C]∥Proceedingsofthe30thEARSeLSymposium. Paris， France: 565--572.

Sato M， Chen S W. 2013. Detection of damaged area by polarimetric SAR[C]∥Proceedingsofthe2013Asia-PacificConferenceonSyntheticApertureRadar(APSAR). Tsukuba， Japan: IEEE: 451--454.

Shi L， Sun W D， Yang J， Li P X， Lu L J. 2015. Building collapse assessment by the use of postearthquake Chinese VHR airborne SAR[J].IEEEGeosciRemSensLett， 12(10): 2021--2025.

Yonezawa C， Takeuchi S. 1999. Detection of urban damage using interferometric SAR decorrelation[C]∥ProceedingsoftheIEEE1999InternationalGeoscienceandRemoteSensingSymposium. Hamburg， Germany: IEEE: 925--927.

Yonezawa C， Takeuchi S. 2001. Decorrelation of SAR data by urban damages caused by the 1995 Hyogoken-Nanbu earthquake[J].IntJRemSens， 22(8): 1585--1600.

Building damage analysis based on high resolution synthetic aperture radar imaging geometry

Cui Liping1)，Wang Xiaoqing1)Dou Aixia1)Jin Dingjian2)

1)InstituteofEarthquakeScience，ChinaEarthquakeAdministration，Beijing100036，China2)ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources，Beijing100083，China

Traditional building damage detection using post-event synthetic aperture radar (SAR) imagery is usually performed based on street block area， few on imaging geometry structure (IGS). In this paper， the characteristics of individual damaged or undamaged buildings are firstly analyzed based on SAR IGS. Then a building damage analysis method based on SAR IGS is proposed by accumulating the SAR intensity in range direction in order to extract the layover and shadowing areas of undamaged buildings as well as the damaged areas of collapsed buildings. Next, we compute the texture features such as homogeneity， dissimilarity and entropy in these areas， and compare the composited texture features with undamaged and collapsed buildings. Finally, the post-earthquake airborne high resolution SAR data of YushuMS7.1 earthquake are collected and analyzed by using the above method. The results show that layover， shadow and double bounce are effective features of SAR IGS to identify whether a building is damaged or not， among which the texture features in layover and shadow-ing areas perform well. What is more， using SAR IGS can apparently improve the recognition ability of damage detection compared with traditional methods using statistical features. The SAR IGS is of great significance to study and application in detecting collapsed buildings from high resolution SAR imagery.

synthetic aperture radar (SAR); remote sensing; YushuMS7.1 earthquake; buildings; imaging geometry

崔麗萍， 王曉青， 竇愛霞， 金鼎堅. 2016. 基于高分辨率合成孔徑雷達影像建筑物成像幾何結構的震害特征分析. 地震學報, 38(2): 272--282. doi:10.11939/jass.2016.02.011.

Cui L P, Wang X Q, Dou A X, Jin D J. 2016. Building damage analysis based on high resolution synthetic aperture radar imaging geometry.ActaSeismologicaSinica, 38(2): 272--282. doi:10.11939/jass.2016.02.011.

國家自然科學基金(41404046)資助.

2015-10-19收到初稿， 2016-01-19決定采用修改稿.

e-mail: liping_cui@163.com

10.11939/jass.2016.02.011

P315.9， TU352.1

A