无人机遥感在建筑物震害评估方面发挥着重要作用。它可以迅速航拍震后建筑物照片,提取建筑物破坏信息,预估破坏程度从而获取受灾情况,为国家救援提供决策资料。传统的遥感一般只能航拍受损建筑顶部影像,很难获取其侧面情况,从而使生成的正射影像缺少房屋建筑的侧面、高度、楼层数和占地面积等信息,导致建筑物震害评估的不准确。近年兴起的无人机倾斜摄影技术从多个角度拍摄建筑物的顶部和侧面照片,生成的三维模型不仅展现建筑物破坏的真实三维场景,而且较为准确的反映建筑物外墙破坏细节、高度和位置等信息。本文使用2017年四川九寨沟7.0级地震震后分辨率10cm的无人机倾斜影像研究提取建筑物破坏信息的方法,主要研究内容如下:(1)倾斜摄影技术建模生成的三维模型较好的表现单体建筑物侧面和顶面震害细节信息,然而模型的高维特性无法直接基于倾斜影像提取建筑物震害信息,经过降低维度或者点云分割获得的侧面纹理影像往往导致单体建筑物震害信息不清晰以及侧面纹理的杂乱破碎。针对这些问题,本文提出一种直接从九寨沟震后倾斜影像快速获取单体建筑物侧面纹理的新方法,即利用元素打散功能将三维模型打散,实现三维白模与贴图纹理的分离,获取单体建筑物较为完整的顶部和侧面影像信息,同时利用三维模型瓦片的坐标高程范围和单体建筑物的坐标高程选取最优纹理影像,并对纹理影像上单体建筑物外墙和墙皮脱落信息采用面向对象方法进行提取,通过对这些建筑物震害信息的分析,判定单体建筑物为中等和严重两个破坏等级。(2)结合面向对象多尺度分割算法与深度学习卷积神经网络训练模型,提取灾区群体建筑物震害信息。面向对象多尺度分割可以将不同的地物分割到不同的对象中,但是对于对象的波段、大小、纹理和空间位置等特征描述不全,降低了地物的识别分类的效率和精度特征,卷积神经网络通过深层次特征训练学习可以有效识别提取不同地物特征。本文首先使用目视解译群体建筑物顶面和侧面影像震害信息,并选取有震害信息的建筑物顶面和侧面构建训练样区,样区大小为100*100尺寸像素,样区分为三类:完好建筑物面图片标签1,破坏建筑物面图片标签2,其他地物和背景图片标签3。然后采用卷积神经网络VGG-16模型对样区进行训练、计算和分类。模型训练成功后,接着使用多尺度分割算法对建筑物顶面和侧面影像进行多尺度分割后,用构建的网络模型对建筑物顶面和侧面的震害信息进行提取,并将提取结果与目视结果进行比较分析。本文使用的九寨沟震后倾斜影像总面积约为0.3Km~2,建筑物量较少,对提取结果有一定影响;同时模型本质是等间隔瓦片分割的影像,有些建筑物的纹理影像复杂破碎,增加了提取的难度。