《非完備極化SAR數據建築物震塌信息提取方法研究》是依託北京大學，由曾琪明擔任負責人的面上項目。
基本介紹
- 中文名：非完備極化SAR數據建築物震塌信息提取方法研究
- 項目負責人：曾琪明
- 項目類別：面上項目
- 依託單位：北京大學
項目摘要,結題摘要,
項目摘要
快速準確獲取建築物震害信息對地震救援和震災評估有重大意義。SAR是獲取災區震害信息的重要手段，通過SAR變化檢測方法可獲得震害信息，但在套用中獲得變化檢測所需要的完備數據比較困難，因此研究非完備數據條件下震災信息提取具有現實意義。本申請擬研究利用震後極化SAR數據提取建築物倒塌信息的方法，首先深入研究具有不同外觀結構、損毀狀態等建築物極化散射特徵，選擇和構建適用於極化SAR建築物倒塌信息提取的表征特徵量；在此基礎上，採取不同於經典的極化分解途徑，擬從散射對象極化分解和最優極化變換的兩個角度，研究提取建築物倒塌信息方法；同時，研究影響信息提取精度的兩個重要因素——建築區分布和建築物走向的自動檢測方法；並套用於近年來國內外發生的重大地震災害，對比分析影響信息提取精度的其他因素（解析度、波長、入射角及輔助信息等）及其相互關係，為改善和最佳化非完備極化SAR下建築物震害信息提取方法提供科學依據。
結題摘要
快速準確獲取建築物震損信息對地震救援、震災評估和災後重建有重要意義。在震後氣象條件不利時，SAR是獲取建築震害信息的重要手段，SAR極化信息對建築物敏感，研究利用極化SAR數據，尤其是在僅有震後極化SAR數據的條件下，提取建築物震損信息，具有重要的科學意義與套用價值。本研究的核心內容包括兩大部分:（1） 基於最優極化變換的建築物倒塌信息提取方法研究，它分為建築區與非建築區二元分類和震損建築物識別兩步。對於前者，提出了一種結合Pauli體散射分量、雷達植被指數和香農熵的二元分類方法，通過對中國玉樹、日本熊本和東日本地震後極化SAR數據進行震損建築物信息提取，三個實驗區的分類精度分別達到95.2%，90.1%和87.8%。對於後者研究，引入最優極化增強（OPCE）和廣義最優極化增強（GOPCE）方法，但因地震造成建築物損毀情況的複雜性， 直接利用OPCE 和GOPCE識別的精度較低。嘗試將建築物的方向信息、同震相干性、紋理等加入OPCE，將紋理、相干性等加入GOPCE，它們的倒塌建築物的識別精度基本位於50%-60%精度水平，並不理想。最終，提出了一種基於融合OPCE匹配與紋理特徵方法，通過對玉樹和東日本震實驗區的倒塌信息提取，精度分別達到80.62%和97.38%，較好地解決了完好建築與倒塌建築的錯分問題。（2）基於極化分解模型的建築物倒塌信息提取研究。提出一種基於自適應三維體散射模型分解方法，並將之用於2016年日本熊本地震區和2011年東日本地震區的倒塌建築物識別中。該方法採用了三維分布的偶極子散射來表征目標的體散射，物理意義清晰，計算效率較高，使得模型分解結果中的負功率像元出現比其他分解模型大大減少，且可以表達目標中的非對稱結構。此外，針對我國於2016年發射的GF-3極化SAR數據，提出了一種三層次極化SAR數據質量評價的方法，並與RadarSat-2和ALOS-2 極化SAR數據進行對比，全面分析了GF-3極化數據的質量。項目研究成果可為我國利用極化SAR進行震損建築物信息提取提供理論和技術基礎。
