引言

破坏性地震发生后，会在短时间内造成大量的房屋建筑破坏、山体滑坡、道路中断等灾害，产生巨大的人员伤亡和经济损失，因此如何在灾后几小时内迅速获取人员伤亡、房屋建筑和道路破坏等灾情信息迫在眉睫。遥感以其影像获取速度快、范围广等特点成为获取地震灾情信息的主要途径，国内外研究人员利用高分辨率遥感影像对地震灾害信息的提取开展了很多研究，这些研究主要集中在灾区建筑物震害评估、道路检测和滑坡提取方面（薛腾飞等，2016）。建筑物震害评估内容主要包括依据遥感影像确定建筑物的空间分布、楼层数、占地面积、主要结构类型及建筑物单体或群体破坏等级，利用地震现场建筑物破坏程度调查结果修正遥感评估结果，汇总灾区建筑物震害信息并绘制建筑物震害遥感评估专题图。然而传统的正射影像只能获取建筑物顶部信息，很难获取建筑物侧面信息；由于无法分析建筑物侧面外墙的震害特征，通常结合现场建筑物震害调查资料、研究区域的建筑物结构类型以及遥感影像上破坏特征的表现，将建筑物震害程度划分为2—3类，这样往往会造成现场震害调查评估结果与遥感震害评估结果不一致（李玮玮等，2016）。

近年发展起来的倾斜摄影技术，通过飞行器搭载一种或多种传感器，拍摄建筑物多个角度影像建模生成的高分辨率三维模型展现了建筑物丰富的细节层次和侧面纹理信息，弥补了以往传统遥感影像只能获取建筑物顶部信息的局限（Petrie，2009）。基于倾斜影像的建筑物震害信息提取方面目前已有很多研究成果。Gerke和Kerle （2011）对获取的航空倾斜影像运用监督分类方法提取出外墙、完整屋顶、破坏屋顶等震害信息，并依据欧洲98地震烈度表（Grünthal，1998）划分建筑物破坏等级，判断每个建筑的损坏类别。李胜军（2013）基于倾斜航空影像采用面向对象分类方法选取最优损毁特征组合，对震后建筑物顶面和立面进行损毁评估。Galarreta等（2015）结合高分辨率倾斜影像和三维点云数据，基于面向对象方法分析外墙和屋顶破坏特征，并依据欧洲98地震烈度表实现了砖混结构建筑物5种破坏等级（轻微破坏、中等破坏、严重破坏、非常严重破坏、完全倒塌）的划分。李玮玮等（2016）导出云南鲁甸地震三维模型对应的纹理影像，并结合面向对象法提取了震区建筑物混凝土外墙及裂纹灾害信息。林月冠（2016）利用倾斜摄影技术从人工目视解译、房屋倾斜程度计算、房屋立面裂缝目视识别等3个角度来评估建筑物的破坏程度。然而，以上这些研究方法并未说明如何基于倾斜影像获取完整的建筑物侧面和顶面破坏信息，以及利用这些震害特征如何判定建筑物单体的破坏等级。

为此，本文拟利用2017年九寨沟M_S7.0地震后无人机航拍的建筑物破坏信息照片，通过建模生成的三维影像获取建筑物侧面和顶部最佳纹理影像，确定最佳分割尺度，采用面向对象方法提取砖混结构建筑物单体的侧面震害信息，并判定建筑物单体的破坏等级。

1.   基于倾斜影像的建筑物震害精细信息提取方法

本文将三维模型打散，导出对应的纹理影像，通过金字塔模型中瓦片的坐标范围和建筑物单体的空间位置选取最佳纹理影像，采用面向对象法提取建筑物外墙及墙皮脱落信息、目视识别裂缝信息。下面将分别叙述纹理获取、最佳纹理影像选取、影像分割和震害信息提取所用到的方法。

1.1   纹理影像获取

三维实景模型是利用点云数据构建不规则三角网，将纹理映射到三角面外表生成（Wang et al，2008）。因此，采用microstation软件的元素打散功能，将三维模型导入后不需要设置其它参数，可以快速打散，实现贴图纹理与不规则三角网的分离，从而获取对应纹理影像。

1.2   最佳纹理影像选取

最佳纹理影像的选取方法主要有3种：定位筛选、角度筛选和面积筛选（卜松涛等，2014）。本文获取的3 mxb格式的瓦片数据自带坐标范围，因此便于采用定位筛选方法，主要步骤为：① 选取建筑物单体的空间位置坐标，与瓦片坐标范围进行比较，从而确定建筑物单体的瓦片位置；② 瓦片中层次模型以 “Tile＋存放瓦片的文件名称＋层级号＋分块行列号” 命名，从瓦片左下角开始，按照从下至上、从左到右的规则进行切片和命名，低层次模型获取的纹理影像都以对应的高层次三维模型名字命名。从瓦片最低层次模型的纹理影像开始选择最佳影像层级，以模型建筑物单体完整、同一纹理影像尽量包含建筑物侧面和顶面、纹理影像上外墙、墙皮脱落处和裂缝等震害信息清晰可见为原则，纹理影像拥有对应高层次模型的层级号，该层级号即为最佳影像的层级号；③ 最佳影像层被切割成许多块，将建筑物单体的空间位置与该层中每一块的坐标范围进行比较，所确定的建筑物单体所在层中块的位置即为建筑物单体的最佳影像层，该层级所对应的纹理影像即为最佳纹理影像。

1.3   影像分割

影像分割是面向对象分类方法的基础。由于遥感影像中地物的多样性，不同类别的地物对应于不同的分割尺度，因此多尺度分割算法成为面向对象最常用的分割算法（安立强等，2011）。地物最优分割尺度决定影像分类的效果。本文结合加权均值方差法和目视试错法获取外墙和墙皮脱落处的最优分割尺度。

均值方差法的基本原理为：增加影像层中混合对象时，相邻对象间的光谱差异降低（Woodcock，Strahler，1987），对象均值方差变小；相反，纯对象的增多使得相邻对象间的光谱异质性增大，对象的均值方差增大（黄慧萍，2003）。均值方差计算公式为

式中：X_L为影像对象在L波段的平均值，X_Li是L波段影像第i个像元的灰度值，n为对象中的像元个数。所有影像对象在L波段上的均值为

式中m为影像对象个数。L波段上影像对象的均值方差为

当均值方差达到峰值时所对应的尺度即为最优分割尺度的参考值（黄慧萍，2003）。

遥感影像具有多波段信息优势，但由于均值方差法仅考虑单波段信息，因此利用加权均值方差法将分割所设定的L波段权重赋予L波段均值方差（朱红春等，2015），计算整幅影像对象加权均值方差，从而获取最优分割尺度的参考值，结合目视试错法得到最优分割尺度，其中整幅影像对象的加权均值方差为

式中，N为波段数，b_L为设置的波段权重。

1.4   建筑物震害精细信息提取方法

本文对影像进行最优尺度分割后，采用阈值分类和模糊分类提取建筑物震害的精细信息。阈值分类又称为指定分类，通过选择表征影像对象特征的灰度阈值进行分类。由于一个特征难以明确划分类别，阈值分类通常在类描述中使用，即结合若干个阈值条件一起使用。模糊分类描述了像元被划分至某个地物类别的概率，它将对象像元特征值转化为0—1之间的隶属度值，根据像元隶属度值的变化走向选择最佳的隶属度函数并将对象像元分类至需要提取的目标地物中（颜宏娟，2008）。对纹理影像建筑物震害特征分析后，通过人工多次试验选取表征建筑物墙体及墙皮脱落处信息的特征灰度阈值和隶属度曲线进行分类。

2.   九寨沟地震后建筑物震害精细信息提取

2.1   研究区域概况

2017年8月8日21时19分46秒，四川省阿坝州（33.20°N，103.82°E）发生M_S7.0地震，震源深度为20 km。本文使用的试验数据是无人机航拍漳扎镇内千古情风景区和漳扎镇小学建筑物破坏的三维影像。李静等（2018）对漳扎镇的实地调查显示，该地区房屋建筑的主要结构类型（所占比例）为砖混结构（49.57%）、框架结构（23.6%）、木结构（26.83%）等3类，研究区域的房屋建筑物为砖混结构。三维影像是等间距瓦片切割形成的多细节层次模型，影像分辨率为10 cm，数据格式为3 mxb，每一个3 mxb数据文件拥有对应的瓦片层次坐标范围。

2.2   最佳纹理影像选取

本文以九寨沟千古情风景区的三维模型为例来选取最佳纹理影像，使用microstation软件的元素打散功能将三维模型打散，获取对应的纹理影像，依据最佳纹理影像的定位筛选方法来获取建筑物单体所对应的最佳层级纹理影像。

千古情三维模型被分割成33个瓦片，瓦片中最低层级号为16，最高层级号为23。首先，选取有震害信息的建筑物单体空间位置坐标与33个瓦片的坐标范围进行对比，确定建筑物单体在Tile_p003_p002瓦片中；然后，从16层级三维模型开始获取对应的纹理影像，该纹理影像以对应的20层级三维模型名字命名，17层级、18层级、19层级的纹理影像均以对应的20层级模型名字命名，20层级纹理影像以对应的21层级模型名字命名。选择20层级和21层级同一建筑物单体的三维模型及纹理影像进行分析，结果如图1所示。从图1a和1b中可以看出，两个层级均拥有完整的建筑物单体，但21层级的建筑物单体侧面和顶面分布在不同的纹理影像中，同一墙体瓦片切割破碎，导致震害信息分布在不同的纹理影像中（图1d）。20层级的建筑物单体的顶面和侧面墙体分布在同一纹理影像中，同一墙体上的震害信息未被进一步分割（图1c），因此选择20层级为最佳影像层级。最后，20影像层级被分成5块，选择建筑物单体的空间位置坐标与这5块影像层坐标范围进行对比，确定建筑物位于第一块影像层中，该影像层即为建筑物单体的最佳影像层，所对应的纹理影像即为最佳纹理影像。

图  1  千古情风景区建筑物的三维模型和纹理影像

（a） 20级三维模型；（b） 21级三维模型；（c） 20级纹理影像；（d） 21级纹理影像

Figure  1.  Three-dimensional models and texture images of building in Qianguqing scenic spot

（a） 20-level 3D model；（b） 21-level 3D model；（c） 20-level texture image；（d） 21-level texture image

下载: 全尺寸图片 幻灯片

2.3   影像分割

本文选取震害特征明显的一块墙体使用不同分割尺度进行分割，形状因子和紧致度因子分别设为0.3和0.5，分割尺度从20至90不等（以10为尺度间隔）。通过对分割后的影像分析可知：当尺度为30时，分割过于细碎，特别是裂缝和墙面脱落处，如图2a所示；当尺度为90时，分割效果较差，裂缝与外墙混合在一起，没有被很好地分割，如图2b所示。

图  2  分割尺度分别为30 （a），90 （b），50 （c）和70 （d）的千古情风景区建筑物的纹理影像

Figure  2.  Texture images of the building in Qianguqing scenic spot with scales of 30 （a），90 （b），50 （c） and 70 （d）

下载: 全尺寸图片 幻灯片

因此，选取尺度为30，40，50，60，70，80，90进行多尺度分割，利用式（4）计算分割影像的加权均值方差并绘制加权均值方差随分割尺度的变化曲线图（图3），曲线的峰值是不同地物的最优分割参考值即50和70。通过对比分割尺度为50和70的影像层（图2c，d）可知：当分割尺度为50时，分割效果较好，裂缝外墙被很好地分割；分割尺度为70时，裂缝和墙皮脱落处被分割到外墙体中，没有被很好地分割。因此，选择50作为外墙和墙皮脱落信息的最优分割尺度。

图  3  对象加权均值方差随分割尺度的变化图

Figure  3.  Variation of weighted mean variance of object with segmentation scale

下载: 全尺寸图片 幻灯片

2.4   建筑物震害精细信息提取

基于面向对象分类方法提取地物，需要根据影像对象的光谱、形状、纹理、上下文关系等特征建立规则集（赵妍等，2016）。本文提取的是震后建筑物外墙及墙皮脱落信息，因此首先分析倒塌、破坏和未倒塌这三种建筑物的破坏状态在遥感影像上的特征表现：影像上倒塌房屋建筑的震害特征一般为主体结构倒塌，屋顶垮塌，建筑物周围地面有废墟分布，轮廓不清晰，几何形状杂乱无章，纹理不规则，灰度发生明显变化（张景发等，2001），对于倾斜三维影像首先从正面和侧面影像大体推断出房屋的结构类型，倒塌房屋的楼层数减少，建筑物占地面积增大，主体结构变形、倾斜或倒塌，墙体倒塌，斑点状废墟分布周围；破坏房屋建筑的震害特征一般为主体结构未倒塌，屋顶不规整、局部损坏，有落瓦、塌陷现象，女儿墙倒塌，墙体破坏或部分变形（张雪华，2017），对于倾斜影像，从外墙体、窗口处、窗间墙、门口等处的裂缝类型和数量、墙皮脱落信息以及屋顶破坏程度等方面（帅向华等，2018），依据建（构）筑地震破坏等级划分标准（中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会，2009）精细评估建筑物单体的震害程度；未倒塌房屋建筑的屋顶无明显损坏和陷落现象，轮廓完整，边缘清晰，几何形状规则，纹理均匀。

This page contains the following errors:

Below is a rendering of the page up to the first error.

表  1  规则集特征参数及阈值

Table  1.  Feature parameters and thresholds of rule sets

建筑物震害信息提取对象	特征参数及其阈值
外墙面	$\tfrac{{\overline R }}{{\overline R {\simfont\text{＋}} \overline G {\simfont\text{＋}} \overline B }}$＞0.42，72＜$\tfrac{{{\overline{R}} {\simfont\text{＋}} {\overline{B}} {\simfont\text{＋}} {\overline{G}} }}{3}$＜144，267＜A＜543，0.5＜C＜0.8，7＜GLDV＜32
墙皮脱落处	0.56＜Y＜1，−41＜2$ {\overline { G}} $－${\overline { B}} $－${\overline { R}} $＜−28，16＜GLDV＜24，1.8＜S＜2.6，1.3＜C＜2.3

下载: 导出CSV 

| 显示表格

3.   震害结果分析

根据建（构）筑物地震破坏等级划分规范（中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会，2009）对建筑物单体的墙皮脱落和裂缝震害信息进行分析，并判定其破坏等级。本文对3个受损建筑物单体进行分析，震害提取结果如图4d，5d和6d所示，其中蓝色表示墙皮脱落信息，红色表示外墙，青色表示裂缝。

在图4d所示的建筑物单体震害信息提取结果中可见，3个墙面出现墙皮脱落现象，其中：一个墙面的窗口出现裂缝，抹灰层表面测量宽度介于2—8 cm之间；另一个为女儿墙面，该墙面出现严重裂缝，表层混凝土有明显、大面积的酥碎脱落。目视判读该单体为多层砖混结构，有两处裂缝仅肉眼可见，属于细微裂缝。根据建（构）筑物地震破坏等级划分规范，该砖混结构的建筑物单体属于中等破坏。

图  4  千古情风景区建筑物震害信息提取结果

图（d）中蓝色表示墙皮脱落信息，红色表示外墙，青色表示裂缝，图5d和6d与此相同（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果

Figure  4.  Extraction results of building seismic damage information in Qianguqing scenic spot

In Fig. （d），blue indicates the wall peeling information，red indicates the exterior wall，and cyan indicates the crack，which are the same in Figs. 5d and 6d. （a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information

下载: 全尺寸图片 幻灯片

如图5d所示，纹理影像中3个建筑物外墙面属于同一个承重墙体，该墙体窗口处、窗户间和墙面有多处水平裂缝和大面积墙皮脱落，在抹灰层表面测得裂缝宽度介于3—20 cm之间，墙体严重破坏。从三维影像和航拍照片判定该砖混结构单体为3层，建筑物屋顶基本完好，侧面墙体窗口出现多处墙皮脱落和水平裂缝。根据建（构）筑物地震破坏等级划分规范，该砖混结构的建筑物单体属于严重破坏。

图  5  漳扎镇邮政储蓄银行震害信息提取结果

（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果

Figure  5.  Extraction results of building seismic damage information in Zhangzha town postal savings bank

（a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information

下载: 全尺寸图片 幻灯片

从航拍照片和三维模型目视解译该建筑物单体为七层砖混结构，屋顶基本完好，图6d中，该建筑物单体第一到六层侧面4个墙面均有大量的混凝土掉落，第七层有1个墙面出现多个 “X” 型裂缝，在砖砌体表面测得裂缝宽度介于2—6 cm之间，门口和窗口处均出现裂缝，其余三个墙面的混凝土大面积脱落，墙体严重破坏。根据建（构）筑物地震破坏等级划分规范，该砖混结构的建筑物单体属于中等破坏。

图  6  藏式碉楼建筑物震害信息提取结果

（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果

Figure  6.  Seismic damage information extraction results of Tibetan watchtower building

（a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information

下载: 全尺寸图片 幻灯片

4.   讨论与结论

本文研究三维模型建模原理和金字塔瓦片切割规则，并通过九寨沟地震后三维模型快速导出纹理影像，根据定位筛选最佳纹理影像，之后采用面向对象方法提取纹理影像中建筑物外墙和墙皮脱落信息，评估3个砖混结构的建筑物单体侧面外墙裂缝等震害信息的破坏程度，判定建筑物单体为中等、严重这两个破坏等级，具有传统正射遥感无法比拟的优势。

需要指出的是，本文获得的3mxb格式三维模型自带瓦片坐标范围，而诸如osgb和s3c等其它三维模型的数据格式无瓦片坐标范围，这使得筛选最佳纹理影像方法存在很大的局限性。另外，倾斜摄影三维建模是不规则三角网经过选取最优纹理影像映射生成，这为建筑物震害的提取增加了难度：① 获取的纹理影像具有不规则性、多样性和破碎性，建筑物外墙面被切割在不同的纹理影像中。如何快速确定具有震害信息的建筑物纹理影像在哪一瓦片中的哪一层级成为关键。本文虽然提出利用其纹理影像命名特点和空间位置坐标，但仍需采用人机交互的形式，降低了提取效率。因此获取高分辨率建筑物纹理需要尝试新的方法，如利用三维点云数据通过分割算法直接获取建筑物5个方向的立面影像（方智辉等，2017）；② 面向对象方法提取墙体、墙皮脱落信息时，由于其杂乱性和不规则性导致很难将一些轻微裂缝与外墙体分割，在确定最优分割尺度时只选取影像的光谱特征，并未考虑形状、纹理等特征对影像分割效果的影响，而对最优分割尺度的确定需要对全部特征进行有效选择；③ 阈值分类和模糊分类需要经过大量人工试验选取特征或特征组合建立最优规则集，降低了提取的精度和效率。因此基于倾斜影像提高建筑物震害信息的精度和效率仍需进一步研究。