遥感图像处理在汶川地震中的应用分析.docx

《遥感图像处理在汶川地震中的应用分析.docx》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、遥感图像处理在汶川地震中的应用分析摘要随着卫星技术的快速发展，遥感技术被越来越广泛的应用于国民经济的各个方面。本文结合汶川地震中遥感技术的应用实例，系统阐述了遥感应用于应急系统中需要解决的一系列关键技术问题。并就数据获取、薄云去除、图像镶嵌、图像解译，以及灾后重建中的若干关键技术问题展开了分析。关键词：遥感；地震；应用；关键技术1引言长期以来，人们不断遭受到各种自然灾害的侵害，如地震、火山、洪水等，同时，由人为因素导致的灾难也不断发生，如火灾、恐怖袭击等。这些灾害具备破坏性、突发性、连锁性、难预报性等特

2、点，往往容易造成重大的人员伤亡和巨大的财产损失。为了有效的应对突发事件，产生了各类应急系统。灾区数据的实时获取足所有应急系统的基础。对于区域性的灾害，传统的地面调查方式，由于速度慢、面积小、需要人员现场勘查等无法避免的特点，很难满足应急系统的需要。相对而言，遥感技术有其得天独厚的优势：遥感传感器能实时的、大面积的、无接触的获取灾区数据，因此成为绝大多数应急系统中数据获取的主要手段。为了使遥感数据能满足应急系统中基础数据的要求，需要经过数据获取、数据预处理、图像解译等阶段的处理，最终提取出准确的遥感信息。

3、下面将根据这三个阶段的处理技术展开阐述与分析，并以汶川地震为例，介绍遥感技术在应急救灾及灾后重建中的应用。2数据获取灾害发生后，由于地形、气象等客观因素的影响，通过单一的遥感传感器往往很难获得灾区所有数据，需要充分发挥多种传感器的优势，获取灾区的各种类型数据，主要包括光学与SAR卫星遥感影像、光学与SAR航空遥感影像两大类。2.1光学与SAR卫星遥感影像的获取此类数据包括国内外的众多高分辨率光学与SAR卫星遥感影像。从时间上说，重点是灾害发生前后数据的获取，以快速确定灾区的位置和前后的变化。2.2光学与

4、SAR航空遥感影像的获取此类数据是利用高空遥感琶机、无人机和卣升机等高、低空遥感平台，搭载遥感传感器，快速获取的灾区高分辨率光学与SAR航空遥感影像。7卫星遥感与航空遥感在数据获取方面各有所长，如何充分发挥多源数据的综合优势，提供更高时间分辨率、适应更多气象条件与各种灾情信息分析，是遥感应急救灾系统中面临的第一个关键问题。在这次汶川地震中我们进行了初步的尝试，也为将来统一指挥与协调提供了良好的经验。3技术要点遥感数据要满足应急系统的要求，需要经过多个环节的流程化处理。首先，获取的图像需要根据不同的成像传

5、感器特点进行预处理，包括图像增强(辐射定标)、几何纠正、图像镶嵌、分类解译等处理步骤，才能获得可用的震情与灾害信息。其中，薄云去除与图像镶嵌是两项不可或缺的关键技术，具有很高的实用价值。薄云去除的目的是降低薄云和雾霭对遥感图像上地物灰度的影响，增强影像的解译潜力。图像镶嵌能将相邻影像进行拼接，降低色调差，有效的保证了后续图像解译的准确率。3.1基于无抽样小波的薄云自适应去除算法无人机在本次抗震救灾中发挥了灵活、快速的优势，具有成像高度较低、分辨率较高的特点，雾霭对成像的影响比高窄云层更大。因此，我们在灾

6、区影像的薄云去除中，采用荩于无抽样小波变换的薄云自动检测及自适应去除方法。该算法首先利用无抽样小波变换对图像进行多层分解，然后在分解的低频图像上对图像中的薄云区域进行自动提取和厚度识别，根据不同的云区厚度在低频图像和高频图像上进行不同强度的处理，最后通过反变换得到一幅去除了薄云的清晰影像。算法流程设计在该算法设计中针对大图像数据量没计了采样处理流程，采用自动检测与人机交互方式处理覆盖云区，融合处理边界区域，平滑过渡效果较好，算法具有计算复杂度低，自动化程度高的优点。该算法已经在自主研发的1RSA遥感图像

7、处理平台中实现，形成薄云／阴影去除模块。具体效果见图1：7图1IRSA中薄云/雾霭去除处理实例3.2基于局部不变量特征的影像自动匹配镶嵌技术针对应急救灾中我们使用的无人机遥感平台数据，根据特征点提取与匹配算法特点，设计基于不变量特征的自动配准算法流程，如图2所示。算法中采用SIFT特征算子或SURF(SpeededUpRobustFeatures)特征算子提取不变量特征点，采用容错性和鲁棒性更好的RANSAC算法进行初始匹配点对提取，并估计变换模型参数。在获得初始粗匹配结果后，根据配准的特征点建立匹配二

8、角刚格，并通过自适应传播算法实现控制点的加密，最终实现配准的高精度。通过配准后，可以获得图像问的位置相对关系，再进行镶嵌就相对容易。图3为低宅无人机影像经过图像配准后镶嵌的结果。7图2无人机影像自动配准流程图3低空无人机影像的薄云/雾霭处理与镶嵌4处理过程遥感数据要满足应急系统的要求，需要经过多个环节的流程化处理。首先，获取的图像需要根据不同的成像传感器特点进行预处理，包括图像增强(辐射定标)、几何纠正、图像镶嵌、分类解译等处理步骤，才能获