NETL
摘要
建筑物是高分辨率遥感影像中一类极其重要的人工地物目标，建筑物作为遥感影像中的最显著特征之一，越来越受到人们的重视。随着高分辨率遥感卫星的相继投入使用，研究高分辨率遥感影像上建筑物的自动化、高精度提取对于推动高分辨率影像信息挖掘技术的发展及其在数字化城市等相关领域的应用具有重要意义。在获取整个城市地貌的基础上，用遥感技术手段提取建筑物的信息是必不可少的，被广泛的应用于各领域，如城市的规划建设、灾害的应急救援以及灾后重建评估等，尤其在现代社会对于智慧城市的建设方面，高分辨率遥感数据能更加全面客观的显示和挖掘城市之间地理信息的一些重要信息，并且可以定期观测城市的一些大区域，对于把握城市的全貌和历史变迁有重要作用。当今城市快速的发展变化使得建筑物高精度提取一直是高分辨率遥感影像分析的研究热点。常见的基于高分辨率遥感影像建筑物提取方法中，由于高分辨率影像中同类地物的光谱统计特征存在较大的光谱异质性，如阴影、道路、植被等噪声的影响干扰使得建筑物提取过程中容易形成错误分类的现象，让提取的建筑物的边缘轮廓不规整，出现不同程度的锯齿化现象，与原始建筑物的形状有一定的出入。因此，研究基于分类思想的建筑物轮廓优化方法，对补充提高建筑物精度具有重要意义。 分类法提取建筑物易受到错误检测的影响存在边缘锯齿、形状不规则等问题。针对矩形类建筑物，本文提出了一种利用符合建筑物轮廓及轴向的最佳外接矩形和Hausdorff距离综合优化建筑物轮廓的方法。首先利用偏移阴影分割分类提取建筑物初始结果，对建筑物边界进行多边形拟合；然后获取拟合结果的最小外接矩形判断建筑物轴向以选择最佳外接矩形，并将最佳外接矩形和建筑物轮廓进行逐段等分，计算线段之间的Hausdorff距离，并根据替换规则选择性地用外接矩形边线段进行边界替代以进行规整优化，最终提高边缘表达准确度和提取精度。对多幅遥感影像进行实验，与其他建筑物提取方法对比，结果表明本文方法的总体精度均不同程度地优于参照方法，建筑物边缘准确性、规整程度及最终精度得到有效改善，更真实准确地反映了建筑物的真实形状。 针对圆形类建筑物，提出一种基于圆形模板边缘的自适应Harris算法提取优化建筑物。首先利用局部区域的思想检测出图像中的潜在角点区域；然后对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取；最后提出模板边缘的思想，构造一个新的圆形模板，通过评估中心点与模板边缘像素点邻域的灰度变化情况，对提取的角点进行提纯，过滤掉伪角点，得到最终检测结果。实验结果表明，与其他建筑物轮廓优化的方法对比，结果表明本文方法的总体精度均不同程度地优于参照方法，建筑物边缘准确性、规整程度及最终精度得到有效改善，在实际应用中具有较高的精确度和鲁棒性。
关键词
高分辨率遥感影像/建筑物识别/最佳外接矩形/Hausdorff距离/自适应Harris算法/圆形模板构造引用本文复制引用
授予学位
硕士学科专业
地质工程(地理信息工程)导师
高贤君学位年度
2021学位授予单位
长江大学语种
中文中图分类号
TP