[发明专利]基于决策树与特征优化的遥感影像震害建筑物识别方法

说明书

本发明针对在震前参考信息缺乏情况下，仅依赖震后遥感影像对震害建筑物进行特征建模和随机森林分类中所存在的困难和局限，提出了一种基于决策树与特征优化的遥感影像震害建筑物识别方法。首先，结合影像分割及非建筑物筛选规则提取潜在建筑物对象集合；在此基础上，提出了一种基于分类正确率曲线波动判别的自适应决策树数量提取策略；同时，在特征重要度指标指引下对光谱、纹理、几何形态学这三大类特征进行筛选，获得具有代表性的震害特征集合；最后，基于所构建的优化随机森林模型对震害建筑物进行识别。通过对四组不同的遥感图像进行实验表明，本发明方法在震后复杂场景下的震害建筑物识别中展现出了出色的性能，其总体精度可达到85％以上。

技术领域

本发明公开了一种基于决策树与特征优化的遥感影像震害建筑物识别方法，属于图像识别技术领域。

背景技术

作为一种严重的自然灾害，地震的发生往往伴随着巨大的人员伤亡以及经济财产损失。震后及时、准确地识别震害建筑物，对快速评估灾情、开展应急救援响应及灾后重建等具有重要意义。相较于传统震后人工实地探查的方式，基于遥感影像的震害建筑物识别具有数据获取迅速、覆盖范围广等优势，已经成为震后应急响应中一种重要的技术手段。

伴随着卫星和传感器技术的不断发展，高分辨率遥感影像的广泛应用带来了更加丰富的空间细节信息，从而有利于对震害建筑物的精细刻画。在已有震害建筑物识别方法中，仅依赖于震后影像的震害建筑物识别方法突破了对震前影像的依赖，因而更具应用推广性。尽管如此，此类方法不仅无法提取震前、震后变化信息作为识别的震害建筑物识别的依据，同时还需要面对遥感影像空间分辨率的提高所产生的更加突出的“同物异谱”和“同谱异物”现象，即完好建筑物、震害建筑物及其他地物的类内方差增大而类间方差减小所带来的严峻挑战。为此，能否构建更加高效的特征空间以准确描述建筑物的震害信息，是实现高精度震害建筑物识别的前提和基础。目前震害建筑物识别方法中采用的特征主要包括光谱、纹理以及几何形态学三类。例如，Liu Yu等人利用形态学属性剖面(MAP)和与局部二值模式(LBP)算子提取影像的几何特征与纹理特征，进而利用随机森林分类器提取震害建筑物[刘宇，曹国.基于多特征结合的损毁建筑物检测[J].计算机应用,2015,35(9):2652-2655.]；Asli Sabuncu等人综合利用光谱、compactness以及smoothness特征，提出了一种针对震后场景坍塌建筑物的识别方法[Sabuncu A.A study of earthquake-inducedbuilding detection by object oriented classification approach[C]//Egu GeneralAssembly Conference.2017.]。尽管结合不同种类特征有利于对震害建筑物的多维度描述，但由于不同特征之间存在冗余信息，不仅会增加计算复杂度，同时还可能由于不同特征之间作为震害证据时的相互冲突而降低检测精度。为此，需要多特征的筛选和优化组合策略，从而构建精炼的特征集合。在此基础上，特征集合还必须结合合适的分类方法以获得可靠的震害建筑物识别结果。随机森林(Random Forest，RF)是目前比较流行的集成分类器，具有模型参数少、利用样本和特征选择的双重随机性可以避免过拟合的优点。但合理选择决策树的数量是提高随机森林分类器性能的一个关键因素，决策树数量过少时难以获得可靠的检测结果；数量过多则会降低算法运行效率。特别是当决策树超过一定数量时，分类的精度就在一定范围内上下浮动甚至有下降的趋势。因此要选择合适的决策树棵树。尽管如此，在RF理论中并未给出明确的决策树数量标准，而通常采用的人工赋值方式，不仅容易受到主观因素影响而陷入局部最优，同时又降低了分类过程的自动化程度。

发明内容

发明目的：针对现有技术的不足，本发明的目的在于提出了一种基于决策树与特征优化的遥感影像震害建筑物识别方法，以实现震后复杂场景下的震害建筑物快速、准确地识别，提升总体识别精度。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于决策树与特征优化的遥感影像震害建筑物识别方法，包括如下步骤：