融合纹理与形态特征：汶川地震倒塌房屋自动提取技术

该论文主要探讨了如何在地震灾难后的高空间分辨率光学遥感图像中利用融合纹理特征和形态特征进行倒塌房屋的自动识别与提取。地震如2010年的5・12汶川地震，造成了大规模的建筑物倒塌，对快速评估破坏程度，尤其是倒塌房屋的定位，对于紧急救援至关重要。传统的手动解译方法虽然可以提供准确的结果，但成本高且耗时，无法满足灾难响应的时效性需求。 论文提出了一种创新的自动提取策略，即通过将震后单一时间相的高分辨率遥感影像作为基础，结合纹理特征和形态特征的分析。作者研究了不同尺度的纹理特征（如共生概率纹理特征，它利用统计方法不受光照条件影响）和形态特征在识别倒塌房屋中的作用，强调了这些特征在区分倒塌房屋与周围环境中的关键性差异。 以汶川地震为例，该方法展现出显著的效果。实验结果显示，该自动提取方法能够有效地识别出倒塌房屋，倒塌房屋产品的精度和用户精度分别达到了86.65%和86.35%，Kappa系数高达0.7906，这些都是衡量提取准确性的重要指标。这表明该方法在实际应用中具有较高的可靠性和实用性。 这篇论文不仅为地震倒塌房屋的自动化检测提供了一种新的技术手段，还为地震灾害后的快速响应提供了技术支持，对于提高灾害应急管理和救援效率具有重要的理论价值和实践意义。通过融合多源信息和智能分析技术，未来有望进一步提升地震灾害评估的精准度和速度。