非完备极化SAR数据建筑物震塌信息提取方法研究

It is significant to quickly and accurately obtain building damage due to earthquake for rescue and damage assessment. SAR is an important source to obtain disaster information. It is possible to obtain disaster information by using SAR change detection. However, since collecting complete SAR data pair mandatory for change detection is difficult, it is useful to research damage information extraction under constrain of incomplete SAR data. This proposal is to research how to extract collapsed building distribution by only using one polarimetric SAR data acquired after earthquake. Firstly, digging into polarimetric scattering mechanism between radar wave and building components with different apparent structure and distribution under variant damaging status, and selecting and constructing characteristic variable sets for properly identifying building collapse in polarized SAR data. Then, starting from two directions, scatter objects polarimetric decomposition which is different from classical polarimetric decomposition methods, and optimum polarization transformation. Meanwhile, studying accurate detection method to automatically get building distribution and alignment, in which two factors which are highly relevant to accuracy of the extraction would be further studied. The methods developed would be tested on strong earthquakes recently occurred on the world. And through these experiments, various factors, such as resolution, wavelength, incidence angle and so on, and their interrelationship would be compared and analyzed. The conclusion would be beneficial to further improve and refine the methods under constrain of incomplete polarimetric SAR data.

快速准确获取建筑物震害信息对地震救援和震灾评估有重大意义。SAR是获取灾区震害信息的重要手段，通过SAR变化检测方法可获得震害信息，但在应用中获得变化检测所需要的完备数据比较困难，因此研究非完备数据条件下震灾信息提取具有现实意义。本申请拟研究利用震后极化SAR数据提取建筑物倒塌信息的方法，首先深入研究具有不同外观结构、损毁状态等建筑物极化散射特征，选择和构建适用于极化SAR建筑物倒塌信息提取的表征特征量；在此基础上，采取不同于经典的极化分解途径，拟从散射对象极化分解和最优极化变换的两个角度，研究提取建筑物倒塌信息方法；同时，研究影响信息提取精度的两个重要因素——建筑区分布和建筑物走向的自动检测方法；并应用于近年来国内外发生的重大地震灾害，对比分析影响信息提取精度的其他因素（分辨率、波长、入射角及辅助信息等）及其相互关系，为改善和优化非完备极化SAR下建筑物震害信息提取方法提供科学依据。

快速准确获取建筑物震损信息对地震救援、震灾评估和灾后重建有重要意义。在震后气象条件不利时，SAR是获取建筑震害信息的重要手段，SAR极化信息对建筑物敏感，研究利用极化SAR数据，尤其是在仅有震后极化SAR数据的条件下，提取建筑物震损信息，具有重要的科学意义与应用价值。本研究的核心内容包括两大部分:（1） 基于最优极化变换的建筑物倒塌信息提取方法研究，它分为建筑区与非建筑区二元分类和震损建筑物识别两步。对于前者，提出了一种结合Pauli体散射分量、雷达植被指数和香农熵的二元分类方法，通过对中国玉树、日本熊本和东日本地震后极化SAR数据进行震损建筑物信息提取，三个实验区的分类精度分别达到95.2%，90.1%和87.8%。对于后者研究，引入最优极化增强（OPCE）和广义最优极化增强（GOPCE）方法，但因地震造成建筑物损毁情况的复杂性， 直接利用OPCE 和GOPCE识别的精度较低。尝试将建筑物的方向信息、同震相干性、纹理等加入OPCE，将纹理、相干性等加入GOPCE，它们的倒塌建筑物的识别精度基本位于50%-60%精度水平，并不理想。最终，提出了一种基于融合OPCE匹配与纹理特征方法，通过对玉树和东日本震实验区的倒塌信息提取，精度分别达到80.62%和97.38%，较好地解决了完好建筑与倒塌建筑的错分问题。（2）基于极化分解模型的建筑物倒塌信息提取研究。提出一种基于自适应三维体散射模型分解方法，并将之用于2016年日本熊本地震区和2011年东日本地震区的倒塌建筑物识别中。该方法采用了三维分布的偶极子散射来表征目标的体散射，物理意义清晰，计算效率较高，使得模型分解结果中的负功率像元出现比其他分解模型大大减少，且可以表达目标中的非对称结构。此外，针对我国于2016年发射的GF-3极化SAR数据，提出了一种三层次极化SAR数据质量评价的方法，并与RadarSat-2和ALOS-2 极化SAR数据进行对比，全面分析了GF-3极化数据的质量。项目研究成果可为我国利用极化SAR进行震损建筑物信息提取提供理论和技术基础。