文摘

一架无人机(UAV)系统及其开发航空图像分析方法对地震区域的损伤程度进行评估。单转子和six-rotor无人机用于获取地面目标的可见光图像。对五种典型地面目标的损伤程度评估:建筑,道路,山顶,河道和植被。实现图像分析时,首先图像质量评价指标(IQEMs),也就是说,图像对比,图像模糊,图像噪声,用于评估成像的定义。第二,一旦图像质量合格,灰度同现矩阵应用灰度共生矩阵建立()纹理特征,田村纹理特征,伽柏小波纹理特征计算。第三,支持向量机(SVM)分类器是用来评估损伤程度。最后,一个新的损伤程度评价(DDE)指标定义评估地震的破坏强度。许多实验结果验证了提出的系统和方法的正确性。

1。介绍

自然灾难的破坏程度评价(DDE)为政府可以提供直观的支持信息和灾难救援部门(1]。最近,无人机(UAV)系统及其智能图像分析方法开始被用于收集地面目标的灾难画面,使地理解释(2]。由于其低成本和快速响应速度,无人机的应用程序的好处是明显的;然而,缺点也是显而易见的:它的智能数据处理能力仍然有限。障碍来自建模的复杂性和计算精度问题[3]。图1显示地震的航拍图像样本:(a)是破旧的地面建筑和(b)的形象是滑坡在地震后的形象。在图1可以理解,人类很容易,但如何描述损伤特性以及如何评估损伤程度的计算模型仍是问题。

许多一直努力提高基于无人机的应用系统的可用性。在[4),作者开发了一个基于无人机系统实现全球变化观测任务(GCOM);multiangular光谱观测方法和简单的BRF模型被用来协助信息处理。在[5),森林高度估计技术,提出了遥感应用程序。dual-baseline SAR层析技术是应用于单次的l波段PolInSAR数据。在[6),无人机来实现架空电力线路检查。开发了相应的图像处理算法来解决复杂的植被下的电力线路识别任务。无人机应用程序的当前的困难不在于航空平台的设计,但在数据处理问题的解决方案7]。因此有必要开发一个系统及其数据处理方法来解决地震图像捕捉和分析问题的应用程序。

在这篇文章中,无人机航拍图像捕捉系统及其分析技术。可见光相机安装在单桨和six-rotor无人机系统。一个软件系统可以实现航拍图像的交互式评价。五个典型地面对象考虑损伤程度分析。它们包括建筑、道路、山、河道和植被。实现计算时,首先图像质量(8可见光相机的评估。图像质量评价指标(IQEMs)包括图像对比度、图像模糊,图像噪声。第二,如果捕获的图像通过质量检查,将进行结构分析计算。图像纹理特征包括灰度同现矩阵应用灰度共生矩阵建立()功能9),田村特性(10),和伽柏小波的特性11]。第三,支持向量机(SVM)分类器12是用来评估地震区域的损伤程度。一个新的评价指标,称为DDE指数,定义来描述地震的破坏强度。

本文的主要贡献包括以下几点:首先,一个集成的无人机应用系统的地震救援。利用两种无人机实现信息收集任务;和交互式智能图像分析软件系统的开发。其次,一个新的评价指标,即DDE指数,提出了水平地震损失评估工作。

在下面几节中,首先给出了无人机系统的硬件设计。其次,介绍了相应的图像分析算法。最后,给出了一些实验结果和讨论。

2。硬件系统设计方法

无人机系统的硬件设计如图所示2。在图2(一)单桨无人机系统的照片,(b)是six-rotor无人机系统的照片。单桨发展无人机是一种石油系统;它的最大飞行时间可以超过2.5小时。它的飞行高度可以达到数千米。因为单桨无人机的负载大于25公斤,可以由大型通讯设备;由于航空控制可以达到几公里的距离。单桨无人机也有更好的antiwind性能。不同,six-rotor无人机是一种电池驱动系统;悬停时间只有20分钟;及其悬停高度只有几百米。 The payload of the six-rotor UAV is less than 10 kg; thus its aviation control distance is only about one kilometer and a half. The single-rotor UAV can be used to implement the long duration and far distance flight task, while the six-rotor UAV system is only fit for performing the information collection task of short distance.

可见光相机是用来记录地面图像。目前CMOS传感器和使用长焦镜头相机。其传感器大小1/1.8英寸和聚焦长度可以控制从15.6毫米到500.0毫米。相机的最大探测距离约为5000米。可见光相机可以生动的成像效果;然而,它也是臭名昭著的为穷人输出复杂环境光的影响。因此,近红外滤光器(13)可以用来减少环境光的影响。相机的重量小于5.0公斤。两个自由度航空运动控制平台(14)是用来调整相机的工作姿势。这个平台可以实现偏航角和螺距角的态度法规。的角度调谐范围从0°- 360°和从0°- 120°,分别。微电子机械系统陀螺仪(15]内的运动控制平台可以用来评估其工作状态。那么它的最终控制精度可以约±0.1°。

利用单桨无人机和six-rotor无人机完成信息收集任务。相对来说,six-rotor无人机可以在天空盘旋比单桨无人机更稳定,因为它的多个转子可以提高机体的飞行稳定性。低飞行高度和地面附近的好antiperformance风使six-rotor无人机由用户控制容易。然而,由于发展电池技术的限制,大部分的商业产品可以支持盘旋在天空只有20分钟。不同,单桨无人机有一个很大的机身尺寸在我们的应用程序;它可以获得电力供应的石油法。因此单桨无人机可以在天空停留很长时间。考虑到灾难救援任务的复杂性和多样性,six-rotor无人机和单桨无人机应具备救援队实施不同的信息收集任务。

3所示。提出了损伤程度评价方法

3.1。提出的计算流程图

提出的计算流程图如图3。首先,一系列的形象典型地面收集的对象是无人机系统。第二,如果上面这些捕获的图像可以通过图像质量检查,可以用它们来训练支持向量机分类器。三个IQEMs用来评估图像质量。五种类型的图像区域地面对象,也就是说,航拍图像中感兴趣的区域(ROI),手工选择;然后几个图像纹理特性可以被计算。这些纹理特征用于训练SVM分类器。监督数据的支持向量机的损伤程度评估结果由灾难救援专家建议(16]。第三,当灾难发生时,UVA系统是用来收集灾区的新形象;典型的地面对象选择和手工标记;然后将图像纹理特征计算如果这些图像可以通过图像质量检查。最后,训练支持向量机用于实现损伤程度评估。支持向量机的输出或输出和SVM的DDE指数。

3.2。图像质量评价指标

众所周知,图像分析结果不可靠,如果图像质量很差;因此,IQEMs首先应该用于评估图像质量(17航拍图像特性的进一步分析之前)。本文对比的图片,图像模糊,图像噪声被认为是分析图像的质量。图像对比可以反映该地区差异图像前景和图像的背景。它的计算方程所示(1)。模糊的图像可以表示退化图像的边缘定义细节。边缘点的边缘扩散程度可以评估指标。其计算方法所示(2)。图像噪声程度显示了图像数据的噪声污染水平。为了简单,取样的方差图像区域是用来评估图像噪音程度。随机样本方法计算原始图像的位置。它的计算方程所示(3): 在哪里和的最大和最小灰度值吗k届图像块,图像块的集合,的灰度值吗图像块的位置,edge-spread点的宽度吗和,的意思是k届图像块,是图像的强度k届图像块,N和像素的数量吗k图像块。

3.3。图像纹理分析方法

不同的频域或基于结构的纹理分析方法,应用灰度共生矩阵建立的是一种基于统计分析的技术低水平纹理特征估计(18]。因为空中图像总是有大视场的但低细节,应用灰度共生矩阵建立的纹理特征可以用来评估地面图像的纹理混乱程度。像素之间的空间相关性特征可以描述。本文应用灰度共生矩阵建立五个纹理特征计算。他们是角二阶矩指数对比指数,相关指数熵指数,逆不同时刻指数。和相应的计算方法(所示4),(5),(6),(7)和(8),分别。应用灰度共生矩阵建立在计算纹理特征,意义的方向0°、45°、90°和135°是;观察窗的大小是4×4;灰度共生矩阵和灰度计算步骤是1和4,分别。考虑 在哪里应用灰度共生矩阵建立的原始图像,,,,均值和方差的吗和,在这里和。

田村特性是一种人类视觉系统(19]基于纹理分析的计算方法。田村特征粗糙度和对比指标的计算。粗糙描述一个图像块的粒度而对比反映了结构强度的图像。相应的计算方法(所示9),(10)和(11)。伽柏小波的特性也被认为是。伽柏小波是一个典型的高斯函数的演化形式。规模和定位信息可以由伽柏小波控制。伽柏的实现小波变换后,均方能量和平均振幅可以计算纹理描述符。他们的计算方法所示(12),(13)和(14)。例如,伽柏的尺度是设置为1,2,3,4,5;伽柏的取向是0,π/ 3,2π/ 3,π4π/ 3和5π/ 3;然后可以得到30伽柏过滤器。最后,伽柏的特征向量小波可以显示15)。考虑 在哪里和大小的图像块,,k图像的能量最大化在这两种方向,是第四的意思吗,方差,伽柏变换图像的结果吗、功能和计算的实部和虚部,K和是伽柏的规模和方向号码,然后呢和是均方能源和伽柏的平均振幅特性。

3.4。损伤程度评估方法

支持向量机是用来评估地面目标的损伤程度。在[LIBSVM20.)用于仿真计算。径向基核函数(21所示的支持向量机(16)。当训练支持向量机,完整的训练向量图像纹理可以写的,;然而,对于不同的地面目标,完整的训练向量可能不会得到最佳分类器效果由于冗余或无用的信息对不同的地面目标。因此,一种新的训练数据组织方法如表所示1。表2显示了一个监督数据构建DDE描述的例子。监督的结果来自于主观评价对灾难救援专家的看法。摘要5度分类方法被认为是所有的地面目标。最后,支持向量机的输出或输出的支持向量机可以看着DDE指数;它可以用来评估地震的破坏强度: 在哪里径向基核函数的支持向量机分类器和是一个控制参数。

4所示。实验和讨论

测试的正确性提出的系统和方法,进行了一系列的仿真实验。开发了相应的软件系统。许多实际的航拍图像是用来测试算法的性能。所有的数据处理模块是通过Matlab和C代码来实现在PC (2.4 GHz CPU和3 GB RAM)。纹理分析模块是由Matlab代码和左边模块C代码写的。

4.1。航拍图像的图像质量评价

图像质量评价中发挥着重要作用的数据分析户外应用。如果图像质量差随后的计算将不可靠。图4显示的例子捕获航拍图片:(a)是无人机的运动模糊的影响;(b)患有雾;(c)和(d)是质量合格的图像。表3显示的图像质量评价结果图4。很明显,图像质量低劣程度不能用于下列计算。在本文中,200多积累了目前航空影像。根据计算的图像质量,32图像贴上不合格的图片。很多图像数据的积累之后,可以发现,结果合格和不合格的数据之间的分布是不同的。例如,合格的图像对比指标的分布范围;合格的图像模糊指标的分布范围;和合格的图像噪声指标的分布范围。图像将被视为不合格数据,即使只有一个评价指标不确定合格的分布范围。

4.2。航拍图像的DDE计算

航拍图像分析的最终发展目标是实现的地理解释损坏的地面目标。图5显示了典型地面目标的地震。在图5,(a)的形象受损的建筑,(b)的形象受损,(c)是山和植被受损的形象,和(d)的形象受损的河道。表4显示多个纹理特性的计算结果。纹理特征的组合方法来自定义表1。应用灰度共生矩阵建立的,0°方向有意义的结果。从图5和表4,可以使用多重纹理特征来表示纹理混乱程度的损坏的地面目标。例如,正常的道路将是不同的纹理特征与受损的道路。表面受损的道路总是有很多岩石裂缝或将扰乱正常的光滑纹理特征。此外,选择和地面目标的分割是手工完成所有,和不同的地面目标可以从一个空中图像分割;因此,可以保证计算方法的可靠性。

纹理分类的支持向量机用于实现所选择的地面目标。虽然也可以使用许多其他分类器,采用支持向量机由于其良好的分类性能和较低的训练数据的请求。经过实验分析,可以发现,训练数据的最小数据需求约为200,可以满足用户的当前应用程序要求。让我们以地面建筑作为一个例子。表5发出的正确分类率(CCR)分析结果受损的建筑使用不同的训练条件。在表5三种类型的训练数据进行测试:应用灰度共生矩阵建立单一功能,田村和伽柏的组合特征,灰度共生矩阵和组合特征,Tamura和伽柏。在这个实验中训练数据量是200。显然,第三类可以得到最好的分类效果。另一个实验中,使用不同的训练数据量来训练支持向量机。从表5训练数据量越大,CCR计算效果会越好。类似的结果也可以得到计算情况下的其他地面目标。

一个新的DDE索引定义来描述地震的损伤水平。DDE指数使用多重纹理特征来表示地面目标的角色;它还使用支持向量机对损伤程度进行分类。图6显示图像的样本不同的地面目标;表6给出了计算结果之间的比较DDE和灾难救援专家的主观评价结果。在图6,破坏建筑的航拍图像(a)所示,(b)和(c),而受损的图像道路是(d)所示,(e)和(f)。显然,建筑物或道路的损坏程度变得严重一点点(a) (c)或(d) (f),在表6,最终损伤程度评价结果图6给出了;和更大的数字表6是谁,在这表是损伤程度越高。从这些结果,提出了DDE指数的计算结果可以有类似的评估效果,如灾难救援专家的意见。和在使用数百个测试图像评估DDE,正确的评估比建议的方法可以从统计的角度大于93%。因此,如果训练数据仔细选择和组织,DDE指数可以代替专家来实现汽车损害评估在未来。

4.3。讨论

利用IQEMs分析无人机系统的成像环境。众所周知,图像质量的退化,来自于复杂环境光线,相机噪声,穷人传感器性能,或光学路径错误,等等。虽然高清相机近年来被广泛使用,这些负面因素以上仍不能完全消除。在本文中,考虑到计算的效果和效率,对比的图片,图像模糊,图像噪声计算,他们基本上可以反映出可见光相机的成像性能。主观评价和客观评价方法是用在这里找到合格的图像质量的分布地区。第一,累计实现图像的主观评价。的图像数据可以分为不同的组用户的主观意见。然后客观评价将被用于计算IQEMs上面的分类结果。然后它可以发现图像质量合格和不合格的图像质量有不同的分布地区。

利用交互式图像选择方法。目前,实现智能识别和分割不同的地面目标仍然是非常困难的;不可以使用强大的图像处理算法。甚至一些算法可能会对一些图像情况下;然而他们的计算效率不能宽容(22]。此外,地震救援等经验基础知识或图像特征描述也不能轻易被植入一个计算系统。因此,有必要把这些图像理解和细分任务系统用户本身。图7显示了选择和地面建筑物的分割结果。在图7(一)是原始空中灾区的形象和(b)是地面建筑的分割结果。(b)的图像边缘标记所有手工:用户可以使用鼠标或触控面板选择ROI并定义目标类型的键盘。分割和地面目标可以可靠的标志。

摘要多重纹理特性,应用灰度共生矩阵建立包括特性,田村特性,和伽柏小波的特性,选择代表地面目标的纹理信息。本文使用这些特性的原因在于其良好的性能对纹理特征描述。许多研究工作23)透露,上述特性的计算结果可以得到类似的分析人类视觉系统的效果。例如,伽柏小波的特性可以有相似的分布特性像人类眼部神经系统。和田村特性还可以实现纹理分析的几个指标,如粗糙度、对比,方向性,line-likeness和粗糙度。至于地震破坏的程度评价问题,评价地面真理来自人类眼部的主观经验和认知系统。因此这些纹理特性上面可以有一个好的提议系统的计算效果。

利用支持向量机训练图像纹理特性和评估天线的DDE图像由于其良好的分类性能和低的训练数据的请求。显然,其他分类器,如神经网络分类器,或者演算法分类器24),也可以用来解决分类问题。本文采用支持向量机,因为两个原因:首先,支持向量机是一种成熟的模式识别工具,工程应用;许多可用的代码和软件工具可以用来开发该系统。第二,支持向量机的分类精度足够高的应用进行讨论。例如,分类精度的方法如果训练数据只有200年的90%。这种分类精度足够高的DDE评估根据系统用户。因此没有必要考虑其他分类器对该应用程序。在未来,其他分类器工具也可以考虑,如果他们是必要的。对地震实际航拍图像的积累,一定可以提高分类器的分类性能。

DDE指数是一个有用的参数可用于评估地震破坏程度,或救援意义程度。例如,在图8,两个站点A和B是被地震摧毁。他们都经历相同的震级范围;然而,第一个站点位于花岗岩地质构造而第二个站点位于粘土地质结构。因此第二个站点的地表建筑物受损更严重。在这种情况下,如果救援队伍使用基于无人机系统分析损伤水平而不是只使用大小规模评估损伤程度,他们可以做出正确的决定去第二个网站性能的救援任务。决策可以通过多个DDE索引的总和。例如,至于第一个站点其损伤程度的建筑,道路,山,河道,和植被3、3、1、2、3;不同损伤程度的这些目标在第二个站点4,4,3,5,和3;因此,救援队应该去第二个网站进行灾难救援由于其更高的DDE和:。

灾难救援是一个复杂的问题,应该考虑技术因素和社会因素(25]。在许多情况下,决策必须是短的响应时间;没有足够的时间可以留给救援队救援计划的一个特定的分析。一般来说,媒体的关注和群众共识会影响救援优先事项和程序。政府部门和救援队伍必须考虑以上这些因素在许多情况下。该软件的开发目标是提供一个客观的评价方法对灾难救援。如果两个受灾地区有类似的社会条件,如人口、政治影响力,或关注程度,这个软件可以用来为救援优先级提供一个客观的建议。它还可以提供关于救援解释排名仅从地理形势评估的观点。因此,不可预测的法律纠纷和一些潜在的批评在一定程度上是可以避免的。

5。结论

地震的破坏程度评价体系和方法。单桨无人机和six-rotor无人机用于实现航空照片收集任务。可见光相机是用来记录地面目标。五个典型地面目标,也就是说,建筑,道路,山顶,河道,选择和植被,破坏程度分析。图像质量评价指标,包括图像对比度、图像模糊,图像噪声,是用来评估成像质量。几个图像纹理特性,应用灰度共生矩阵建立等特性,田村纹理特征,和伽柏小波的特性,用于描述地面目标字符。支持向量机分类器是用来评估地震破坏的程度。一个新的索引,DDE指数,定义级别的地震损失评估工作区域。在未来,计算模块将植入硬件系统;那么这个系统可用于实现快速灾难救援和信息分析任务。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金支持下批准号61501016。作者感谢中国国家遥感中心提供的地震图像。