بخشی از مقاله
استخراج نقشه تخریب ساختمان ها پس از زلزله برمبناي ترکیب تصاویر ماهوارهاي با قدرت تفکیک بالا و نقشه هاي شهري
چکیده
امروزه از تصاویر ماهوارهاي به دلیل دسترسی سریع و افزایش قدرت تفکیک آنها در سالهاي اخیر به عنوان یک منبع اطلاعاتی مفید نسبت به سایر منابع اطلاعاتی به منظور اخذ اطلاعات از مناطق تخریب شده ناشی از زلزله مطرح میباشد. در این تحقیق، یک روش اتوماتیک به منظور تشخیص ساختمان هاي تخریب شده ناشی از زلزله با استفاده از تصاویر ماهوارهاي با قدرت تفکیکبه بالا مربوط قبل و بعد از زلزله اقدام شده است.
در روش پیشنهادي، پس از انجام پیشپردازش هاي لازم بر روي تصاویر از قبیل زمینمرجعکردن با نقشه و اعمال الگوریتمهاي بهبود تصاویر، یک ساختمان از نقشه به عنوان ساختمان کاندید در نظر گرفته شده و سپس موقعیت این ساختمان با استفاده از اطلاعات زمین مرجع تصاویر از دو تصویر ماهوارهاي قبل و بعد از زلزله استخراج می-شوند. سپس با بهره گیري از اطلاعات بافتی به منظور قسمتبندي مناطق ساختمان ی استخراجشده از تصاویر قبل و بعد، نواحی مربوط به سقف دو تصویر تشخیص داده میشوند. پس از بهبود نواحی استخراجی از نظر حذف نویز، در نهایت با مقایسه نواحی سقف استخراجی از تصویر قبل و بعد از زلزله تخریب یا سالم بودن آن ساختمان ارزیابی شده و با یک رنگ خاص در نقشه تخریب نمایش داده میشود.
روشپیشنهادي در این تحقیق با استفاده از دو داده تست مورد ارزیابی قرار گرفت. داده تست اول شامل تصاویر ماهواره QuickBird مربوط به قبل و بعد از زلزله شهر بم بود و داده تست دوم از تصاویر WorldView قبل و بعد از زلزله هایتی استفاده شد. ارزیابی نتایج بدست آمده توانایی الگوریتم پیشنهادي بر مبناي ادغام تصاویر قبل و بعد از زلزله به منظور تعیین میزان تخریب را در مقایسه با سایر روشهاي مطرح شده در سالهاي اخیر را نشان میدهد.
کلمات کلیدي: زلزله، ساختمان هاي تخریب شده، نقشه تخریب، تصاویر ماهوارهاي با قدرت تفکیک بالا، مدیریت بحران
-1 مقدمه
در طول تاریخ، بشر همواره با زلزله به عنوان یکی از مرگبارترین نوع بلایاي طبیعی روبرو بوده است. عدم وجود تکنولوژي مناسب در پیشبینی زلزله باعث گردیده است تا مرحله امداد و نجات پس از وقوع زلزله به عنوان یکی از مهمترین مراحل مدیریت بحران مورد توجه باشد. در این راستا، نقشه وضعیت تخریب ساختمان میتواند نقش مهمی در تصمیمگیري نیروهاي امداد هنگام آواربرداري داشته باشد.
منابع اطلاعاتی مختلفی از قبیل تصاویر هوایی و ماهوارهاي، مشاهدات زمینی و دادههاي لیدار به منظور اخذ اطلاعات از منطقه آسیب دیده بعد از زلزله وجود دارد که بر اساس تحقیقات گذشته میتوان از تصاویر ماهوارهاي و هوایی به عنوان مهمترین منابع نام برد. با وجود تنوع سنجندههاي هوایی و ماهوارهاي هنوز هیچ سنجندهاي قادر نیست به تنهایی تمامی اطلاعات مورد نیاز جهت تهیه اتوماتیک و دقیق نقشه تخریب ساختمان ها با روش-هاي موجود ارائه دهد. بنابراین، تلفیق تصاویر قبل و بعد از زلزله به منظور تهیه نقشه تخریب به عنوان یکی از موضوعات تحقیقاتی متخصصان سنجش از دور و مدیران بحران در طول سالهاي اخیر مورد کهتوجه بوده است؛ در این راستا، روشهاي متعددي ارائه شده است. علیرغم تنوع این تحقیقات، هنوز یک روشی که بتواند بطور کامل و دقیق ساختمان هاي تخریبشده را تشخیص دهد وجود ندارد. لذا تحقیقات در زمینه ادغام تصاویر قبل و بعد از زلزله به منظور ارزیابی میزان تخریب ساختمان ها هنوز ادامه دارد.
هدف از این مقاله ارائه یک روش سریع به منظور استخراج نقشه تخریب با استفاده از تصاویر ماهوارهاي با قدرت تفکیک بالا میباشد. در این راستا، در ادامه مقاله روشهاي مختلف و تحقیقات صورت گرفته در زمینه استخراج نقشه تخریب مورد بررسی قرار گرفته و در ادامه پس از شرح جزئیات روش پیشنهادي نتایج بدست آمده بر روي دادههاي تست ارائه شده است.
-2 استخراج نقشه تخریب
در بین منابع اطلاعاتی موجود به منظور تهیه نقشه تخریب، تصاویر هوایی و ماهوارهاي به عنوان مهمترین منابع اطلاعاتی مورد توجه محققان میباشد(.(Rezaiean, 2010; Li et al., 2008 توانایی تصاویر ماهوارهاي و هوایی از یک سو و اهمیت نقشه تخریب از سوي دیگر سبب شده است تا روشهاي متعددي بر مبناي ادغام تصاویر قبل و بعد از زلزله به منظور ارزیابی میزان تخریب ارائه شود و این مسئله به عنوان یکی از موضوعات داغ تحقیقاتی در زمینه فتوگرامتري و سنجش از دور مطرح باشد.
اولین معیار براي دستهبندي این روشها، بر اساس نوع تصویر استفاده شده میباشد که میتواند هوایی یا ماهواره- اي باشد. در مقایسه با تصاویر هوایی، پوشش پیوسته از مناطق و دسترسی سریع تصاویر ماهوارهاي باعث شده تا محققان بیشتر از این تصاویر براي ارزیابی میزان تخریب استفاده کنند( Yamazaki and Matsuoka, 2007; Vu .(and Ban, 2010 اگرچه در تحقیقاتی نیز از تصاویر هوایی به منظور ارزیابی میزان تخریب استفاده شده است(.(Rezaiean, 2010; Thomas, 2010; Turker and Sumer, 2008
یک تقسیمبندي دیگر براي روشهاي تعیین تخریب بر اساس نحوه تفسیر و پردازش تصویر مطرح میگردد که میتواند بصورت تفسیر بر اساس مشاهده یا پردازش اتوماتیک باشد. در نوع تفسیر بر اساس مشاهده یک تصویر و یا ادغام اطلاعات تصاویر مختلف توسط یک اپراتور انسانی در مورد میزان تخریب تصمیمگیري صورت میگیرد.
بنابراین، حرفهاي بودن اپراتور در کار با تصویر، اعتمادپذیري و دقت نقشه تخریب را افزایش میدهد(.(Yamazaki , 2000; Wang et al., 2011 اگرچه تفسیر مشاهدهاي یک راه قابل اعتماد در ارزیابی میزان تخریب میباشد، ولی زمانبر بودن این روش، که در مواقع اضطرار از مشکلات جدي میباشد، باعث شده است تا محققان علاقه کمتري به این روش نشان دهند. بنابراین تفسیر اتوماتیک تصویر یا تصاویر براي رفع این مشکل مطرح می- باشد، که در آن تفسیر و یا ادغام اطلاعات تصاویر مختلف توسط کامپیوتر و بر اساس اطلاعات از پیش مشخص- شده صورت میگیرد. در این روش، اطلاعات و مشخصه هاي مختلف از تصاویر استخراج شده و با ادغام این اطلاعات میزان تخریب ارزیابی میگردد. به عنوان مثال از اطلاعات پیکسلهاي مجاور مانند بافت و یا لبه در برخی از تحقیقات براي محاسبه میزان تخریب استفاده شده است
Rastiveis, 2011))
اگرچه تصویر قبل از زلزله به تنهایی شامل اطلاعاتی از میزان تخریب نمیباشد، ولی با ادغام این تصویر با تصویر بعد از زلزله تفسیرکننده (انسان و یا کامپیوتر) قادر است تصمیم بهتري در مورد میزان تخریب یک ساختمان بگیرد. در بیشتر تحقیقات صورت گرفته در مورد ارزیابی میزان تخریب، از ادغام تصاویر قبل و بعد از زلزله براي ارزیابی میزان تخریب استفاده شده است(.(Matsumoto et al., 2006; Rejaie and Shinozuka, 2004 ارزیابی میزان تخریب زلزله Sichuan چین، با ادغام تصاویر قبل و بعد ماهواره IKONOS توسط Tamura و Parape (2011) انجام شد(.(Parape and Tamura, 2011 درمقابل، در برخی تحقیقات دیگر تنها از تصویر بعد از زلزله براي ارزیابی میزان تخریب استفاده شده است. در این تحقیقات، از نشانه هایی که بین سطح تخریب شده و سالم مانده از تصویر تمایز قائل شود، براي ارزیابی میزان تخریب استفاده شده است. به عنوان مثال Turker و Sumer (2008) از تکنیک بخشبندي براي متمایز ساختن قسمت تخریب شده از قسمتهاي سالم در تصاویر هوایی استفاده کردند(.(Turker and sumer, 2008 این روش با استفاده از تصاویر هوایی شهر Golcuk، یکی از شهرهایی که در زلزله Izmit ترکیه به شدت آسیب دیده بود، مورد ارزیابی قرار گرفت و اینصحت کلی 80 درصد در تحقیق گزارش شده است.
کامل نبودن اطلاعات تصویر بعد از زلزله به تنهایی در مورد میزان تخریب سبب شده است تا بیشتر محققان از ادغام تصاویر قبل و بعد از زلزله براي این منظور استفاده کنند. در این تحقیق نیز، یک روش نوین براي ارزیابی میزان تخریب بر مبناي تلفیق تصاویر ماهوارهاي قبل و بعد از زلزله ارائه شده است که در فصل بعد جزئیات روش پیشنهادي شرح داده شده است.
-3 روش پیشنهادي
در روش پیشنهادي، که فلوچارت آن در شکل 1 نشان داده شده است، از نقشه مسطحاتی منطقه به عنوان داده کمکی همراه با تصاویر ماهوارهاي قبل و بعد از زلزله به منظور تهیه نقشه تخریب استفاده شده است. همانطور که در فلوچارت مشاهده میشود، پس از انجام پیشپردازش هاي لازم بر روي تصاویر، یک ساختمان به عنوان ساختمان کاندید در نظر گرفته شده و سپس ناحیه این ساختمان با استفاده از اطلاعات زمین مرجع تصاویر از دو تصویر قبل و بعد از زلزله استخراج میشوند. در ادامه با بهره گیري از اطلاعات بافتی به منظور قطعه بندي مناطق ساختمان ی استخراج شده از تصاویر قبل و بعد، نواحی مربوط به سقف دو تصویر تشخیص داده میشوند. در نهایت با مقایسه و ارزیابی نواحی سقف بدستآمده میزان تخریب ساختمان کاندید تعیین میشود. جزئیات مربوط به هر مرحله در ادامه ارائه شده است.
-1-3 پیشپردازش تصاویر ورودي
پیشپردازش داده هاي ورودي در اکثر الگوریتمهاي تشخیص عوارض در سنجش از دور به عنوان مرحله اولیه انجام میشود. در اینجا، ابتدا به منظور حذف خطاي جابجایی ارتفاعی تصاویر اورتو میشوند. در ادامه، تصاویر pan-sharpened با ادغام باندهاي رنگی و پانکروماتیک در سطح پیکسل ساخته میشوند. به منظور افزایش شباهت طیفی بین تصاویر تعادلسازي هیستوگرام بر روي دو تصویر و تناظرسازي هیستوگرام بین دو تصویر صورت میگیرد. در نهایت دو تصویر با استفاده از تعداد نقاط کنترل لازم با دقت بالا نسبت به نقشه زمینمرجع میشوند.
-2-3 استخراج ناحیه ساختمان
اطلاعات زمینمرجع تصاویر امکان تبدیل مختصات هر نقطه از نقشه به مختصات عکسی و برعکس را فراهم می- سازد. در این مرحله، ابتدا مختصات گوشههاي ساختمان کاندید بر روي نقشه استخراج شده و با استفاده از اطلاعات زمینمرجع به مختصات عکسی تبدیل میشوند. با داشتن مختصات عکسی گوشههاي یک ساختمان به آسانی ناحیه مربوط به ساختمان را میتوان استخراج کرد. بنابراین، ناحیه مربوط به ساختمان کاندید از هر دو تصویر قبل و بعد استخراج میشود.
-3-3 آنالیز بافت
تشخیص و جداسازي پیکسلهاي سقف ساختمان از سایر پیکسلها با استفاده از اطلاعات طیفی (درجه خاکستري پیکسلها) امر دشواري میباشد و انجام این امر نیازمند سایر اطلاعات از جمله اطلاعات بافتی میباشد.
در بسیاري از تحقیقهاي انجامشده در زمینه تعیین تخریب ساختمان ها، توصیفگرهاي بافتی به عنوان اطلاعات توانمند براي این اهم استفاده شدهاست(.(Vu and Ban, 2010; Rezaiean, 2010; Vijayaraj et al., 2008 نوع
اطلاعات بافتی استفاده شده نقش مهمی در میزان دقت دارد، بطوریکه بافت مناسبتر باعث تفکیک بهتر بین پیکس شده، و در نتیجه به دقت بهتر میانجامد. در این تحقیق، توصیفگرهاي هارالیک و توصیفگرهاي آماري به عنوان اطلاعات بافتی در کنار توصیفگرهاي طیفی استفاده شدهاست.
-4-3 استخراج و تشخیص سقف
هدف از این مرحله تقسیم پیکسلهاي موجود در ناحیه ساختمان به دستههاي مختلف به منظور جداسازي پیکسلهاي سقف ساختمان از سایر پیکسلها میباشد. این مرحله، هم بر روي ناحیه ساختمان در تصویر قبل از زلزله و هم تصویر بعد از زلزله انجام میشود. قطعه بندي در این مرحله با استفاده از روش خوشهبندي FCM و با بکارگیري توصیفگرهاي بافتی و طیفی صورت میگیرد. در اینجا، دو خوشه سقف و غیر سقف براي ناحیه ساختمان در تصویر قبل از زلزله در نظر گرفته شده است. در ناحیه ساختمان در تصویر بعد از زلزله نیز از آنجا که ممکن است بخشی از سقف تخریب شده باشد، سه خوشه سقف، تخریب و سایر عوارض در نظر گرفته میشود.
بنابراین، خروجی این مرحله قسمتبندي ناحیه ساختمان ی در تصویر قبل و بعد از زلزله بترتیب به دو و سه خوشه میباشد. در شکل 2 (ج) خوشههاي سقف تشخیص داده شده نشان داده شدهاند.
پس از خوشهبندي پیکسلهاي ناحیه ساختمان ی، خوشههاي سقف در ناحیه ساختمان ی قبل و بعد از زلزله تشخیص داده میشوند. در مورد تصویر قبل از زلزله این حقیقت وجود دارد که همیشه سقف خیلی بزرگتر از سایر عوارض بر روي ساختمان میباشد. بنابراین، به این اعتبار میتوان به آسانی خوشه سقف در تصویر قبل از زلزله را تشخیص داد. براي این منظور، از بین دو خوشه مربوط به ناحیه ساختمان ی قبل از زلزله خوشهاي که تعداد پیکسلهاي بیشتري به آن تعلق دارد خوشه سقف در نظر گرفته میشود.
در مورد تصویر بعد از زلزله میتوان گفت از بین سه خوشه متعلق به ناحیه بعد از زلزله، خوشهاي که بیشترین شباهت را به خوشه سقف قبل از زلزله دارد همان خوشه سقف بعد زلزله میباشد. در این حالت، میتوان از فاصله بین مراکز سه خوشه بعد از زلزله با خوشه سقف قبل از زلزله در فضاي توصیفگرها میزان شباهت خوشه ها را سنجید.
پس از استخراج و تشخیص ناحیههاي سقف یک مرحله بهبود کیفیت به منظور حذف پیکسلهاي اشتباه و بازسازي پیکسلهاي حذف شده به صورت اشتباه، بر روي قسمتهاي سقف استخراج شده صورت میگیرد. این عمل با بهره گیري از عملگرهاي مورفولوژیک انجام میشود. در شکل 2 (د) سقفهاي استخراجی پس از مرحله بهبود کیفیت نشان داده شده است.
-5-3 برآورد تخریب
پس از استخراج سقف قبل و بعد از زلزله و مقایسه آنها با یکدیگر میتوان میزان تخریب را برآورد کرد. یک نوع تخمین میتواند بصورت نسبت مساحت قسمت تخریب شده از سقف، بعد از زلزله، به مساحت سقف بدست آمده از قبل از زلزله
