Page 68 - 《武汉大学学报（信息科学版）》2025年第6期

1090 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

随着科技和人工智能的发展，卷积神经网络 构，降低了计算复杂度，同时缓解了梯度消失的
（convolutional neural network，CNN）等一些深度 问题；然后利用层传递的迭代空洞空间金字塔将
学习方法可以自动从受损建筑图像中提取信息 自顶向下的特征信息依次融合，提高了上下文信
特征，被广泛应用于现代彩色航空图像中受损建 息的有效交互能力。目前研究主要基于单一视
筑物的自动检测。文献［7］提出了一种基于 CNN 角影像，而不同视角的建筑信息特征差别较大，
的海啸灾后区域检测方法，利用海啸前后的航拍 特征对齐较为困难，使得建筑物信息提取困难。
图 像 进 行 对 比 分 析 ，在 测 试 集 上 实 现 了 94%~ 对于损毁检测，将建筑墙面破损作为损坏检测也
96% 的检测准确率，但研究主要针对完全损毁建 被广泛探讨 ［16］ 。文献［17］开发了一种基于立体
筑物的识别，而非部分受损建筑结构的检测；文 视觉的裂缝宽度检测方法，利用两台相机恢复裂
献［8］提出了一个基于深度卷积神经网络的损毁 缝边缘坐标；文献［18］建议使用无人驾驶飞行器
房屋检测的完备框架，可以使用条件随机场进行 自主检测建筑病变，并结合各种图像处理算法进
改进，该框架在检测单个房屋方面表现良好，但 行裂缝检测；文献［19］采用各种深度学习网络进
由于卷积操作的局部性，在识别大型建筑物方面 行砖砌体的自动裂缝检测，优于传统的图像处理
表现不佳；文献［9］利用多分辨率 CNN 在地震等 功能，取得较好的提取效果。
自 然 灾 害 后 对 受 损 建 筑 物 进 行 图 像 分 类 ；文 献 目前，以无人机倾斜摄影视角下的高点视角
损毁建筑检测研究较多 ［20-21］ ，但是地面高点视角
［10］首先利用地理信息系统提取灾后建筑损伤
下损毁建筑提取研究较少，损毁种类复杂多样，
信息，然后利用改进的 CNN 对建筑群进行损伤
数据集严重缺乏，现有方法无法满足该条件下的
程度分类；文献［11］基于支持向量机算法获取了
损毁建筑检测。针对以上问题，为了满足灾害现
积石山地震同震滑坡易发性空间分布，同时通过
场应急救援的需求，本文提出一种基于几何先验
震前震后的高分辨率光学卫星影像，对同震滑坡
约束的多视角损毁建筑物检测方法和技术流程，
进行了应急识别，并探讨了地震、地形地貌和人
有效提取灾害现场高点多视角下的建筑及损毁
类活动等因素对同震滑坡的影响。综上所述，现
建筑信息。
有灾后损害检测研究主要基于卫星遥感影像数
据，通常仅提供垂直视角的观测信息，这种单一
1 几何先验约束的多视角损毁建筑
的成像几何特性在一定程度上限制了建筑物损
物检测与映射方法
伤检测的精度和可靠性 ［12-13］ ，导致侧重于建筑顶
面信息进行损毁评判，考虑信息不全面，此外，云
对 图 像 上 损 毁 建 筑 的 定 义 与 判 定 如 图 1 所
层干扰的固有缺陷会显著影响灾后建筑物实时
示。本文将其主要归类于 3 种类型：（1）倒塌建
损伤监测系统的可靠性。相比之下，利用高点多
筑：在图像上无法保持建筑形态，多呈现废墟形
视角监测手段能够监测到建筑墙面信息，从而实 态，其边界轮廓极其不规则，且在部分图像上倒
现 对 墙 体 裂 缝 、结 构 倾 斜 等 损 伤 特 征 的 精 确 识 塌部分伴随烟雾产生；（2）倾斜建筑：在高点监测
别。这种多维度的监测方式不仅扩展了可检测 图像上（含有墙面信息），与正常建筑形成对比，
的损伤类型范围，还显著提升了建筑损伤评估的 其立面 4 个边界轮廓均呈现非垂直状态，且顶面
系统性能。在对于建筑墙面信息的识别和提取 与地面非平行状态；（3）破损建筑：主要包括建筑
研究中，文献［14］使用已有的卷积神经网络模型 轮廓断裂、表面不同程度的破损等，这些信息通
VGG（visual geometry group）进行墙面特征提取， 过浅层到深层语义特征表达更为明显。
并结合其他方法如受限玻尔兹曼机获取墙面上 本 文 方 法 的 总 体 技 术 流 程 如 图 2 所 示 。 首
下文约束，以实现更优的、包含全局特征的墙面 先 ，基 于 高 点 监 测 技 术 获 取 大 量 灾 害 现 场 损 毁
像素级分类。随着深度学习的快速发展，建筑墙 建 筑 视 频 和 影 像 ，并 结 合 网 络 搜 集 的 影 像 制 作
面检测精度进一步提升，文献［15］结合阶段感知 多 视 角 下 的 损 毁 建 筑 实 例 分 割 数 据 集 。 其 次 ，
模块和辅助训练策略提出了一种阶段感知特征 针 对 多 视 角 识 别 难 的 问 题 ，提 出 了 一 种 结 合 阶
对齐网络，该网络基于编码器-解码器结构，用于 段感知特征增强和细粒度特征对齐的跨视角域
街景的实时语义分割。文献［12］针对街景图像 建筑特征同步模型。该模型首先通过阶段感知
语义分割任务，首先将空洞卷积与引入残差学习 输入对编码网络生成的不同等级特征进行特征
单 元 的 深 度 可 分 离 卷 积 结 合 ，优 化 了 编 码 器 结 增 强 ，旨 在 提 升 模 型 深 层 和 浅 层 特 征 的 语 义 表