建筑图像中线段提取算法研究
一种遥感图像中建筑物的自动提取方法
中圈分类号 ：Ｐ ９ ． Ｔ ３ １４ 文献标识 码 ： Ａ
Ａｎ Ａ ｕ ｏｍ ａ ｉ ｔ ｔｃ Ｂｕｉｄｉ ｅ ｅ ｔｏ ｅ ｈｏ ｒ ｍ ｌ ｎｇ Ｄ ｔ ｃ ｉ ｎ Ｍ ｔ ｄ ｆ ｏ
Ｒｅ ｏ ｅ Ｓ ｎｓｎ ｍ ａ ｅ ｍ ｔ ｅ ｉ ｇ Ｉ ｇ ｓ
ＨＯ ｅ ， ｎ Ｄ ｎ ， ＯＵ Ｘ ａ Ｕ Ｌ ｉＹｉ ｏ ｇ Ｙ ｉｏ—ｊ ｎ ｉ ａ
ｄｒｃｉ ａ ｓ ｔ ｔ ｓａｇｒｈ ｉｅ ｄ ｅｌ ｅ Ｔ ｅ ｅｕｅａｓｒ ｓｏ ｅ ｍ ｔｃ ｈ ａｔｒ ｔ ｓ ｓｃ ｓ ｉ ｔ ｎ ｔ ｉ ｉ ｏ ｔｍ ｔ ｆｔｒｅ ｇ ｉ ｓ． ｎｗ ｓ ｅ ｅ ｆｇｏ ｅｒ ａ ｃ ａ ｃｅ ｓ ｃ（ｕ ｈａ ｅ ｏｌ ａｓｃ ｌ ｉ ｏ ｌ ｎ ｈ ｉ ｉｌ ｒ ｉ ｉ ｒｃａｇ ｌｒ ｈ ａｔｒ ｔ ，ｃｍｅ ｈ ｒｃｅ ｓ ｃ ｈ ｄ ｗ ｃ ａａｔｒ ｔ ｔ）ａｄｇａ ｈ ｒｃｅ ｓ ｃｏ ｕｌｉｇ ｅｔｎｕａ ａ ｃｅ ｓ ｃ ｏ ｒ ａａ ｔ ｔ ，ｓａ ｏ ｈ ｒｃｅ ｓｃｅｃ ｎ ｒｙｃ ａａｔｒ ｔ ｆ ｉ ｎ ｓ ｃｒ ｉ ｉ ｃ ｉ ｒ ｉ ｉ ｉ ｉ ｉ ｂ ｄ
ｂ ｉ ｉ ｇ ．Ｌ ｒ ｅ ａ ｕ ｔ ｆ ｅ ｐ ｒｍｅ ｔ ｒ ｓ ｌ ｈ ｗ ｔ ａ ｈ ｔ ｏ ｕ ｌ ｎ ｓ ａ ｇ ｍｏ ｎ ｓ ｏ ｘ ｅ ｄ ｉ ｎ ｅ ｕ ｔ ｓ ｏ ｈ ｔ ｔ ｅ ｍｅ ｈ ｄ， ｃ ｍｐ ｒ ｄ ｗ ｔ ｏ ｓ ｏ ａ ｅ ｉ ｃ ｍｍｏ ｉ ｅ ｒ ｆ ａ ｕ ｅ ｈ ｎ ｌｎ ａ ｅ ｔ ｒ ｂ ｉ ｉ ｇ ｄ ｔ ｃ ｉｎ ｍｅ ｈ ｄ ，ｉ ｆｈ ｓ ｐ ｅ ｕ ｌ ｎ ｅ ｅ ｔ ｔ ｏ ｓ ｓｏ ｉ ｈ ｓ ｅ ｄ，ａ ｃ ｒ ｃ ｎ ｏ ｄ ｒ ｂ ｓｎ ｓ ，ｆｔ ｒｐ ａ ｔｃ ｐ ｌ ａ ｉ ｎ ． ｄ ｏ ｃ ｕ ａ ｙ ａ ｄ ｇ ｏ ｏ ｕ ｔ ｅ ｓ ｉ ｒ ｃ ｉ ａ ａ ｐ ｉ ｔｏ ｓ ｏ ｆ ｌ ｃ
建筑物图像识别
建筑物图像识别研究摘要：随着城市化进程的不断发展，城市人口、经济等要素密切影响着城市建筑物的几何形态与分布。
从航拍图像或者卫星图像上快速准确的获取城市建筑物的信息不仅有利于地理空间数据的更新，而且对于有效监测新增建筑等城市专题信息有重要意义。
不仅如此，近年来基于卫星图像或者航拍图像的建筑物识别与轮廓提取算法的提出与研究改进，更有助于实现对城市建筑物的识别和分类。
其对GIS 数据的获得、对影像的理解、大比例尺制图和及其它许多对遥感数据的应用都具有重要的意义。
基于此，本文从建筑物轮廓的几何形态出发，对卫星图像中的建筑物轮廓的提取方法进行了研究。
主要进行了如下几方面工作：1、阐述了建筑物提取的基础理论。
对典型城市建筑物进行了特征分析，学习并理解在建筑物的轮廓提取中所要用到的算法，从中选择合适的边缘检测与轮廓提取算法。
2、在对已有方法进行总结归纳的基础上，系统的研究了基于灰度特征与二值数学形态学的轮廓描述算法和基于边缘特征的Hough变换直线提取算法，对这两种算法进行改进，初步实现了典型城市建筑物的半自动提取。
3、针对本文出现的方法进行编程实现，并针对试验结果对这两种方法进行综合的检测与评价，分析了这两种方法的特点及不足。
关键词：卫星图像；建筑物轮廓；二值数学形态学；边缘检测；直线提取Building Image Recognition and ResearchAbstract: With the continuing developing of urbanization, the urban population, economic and other factors are closely affecting the city building’s geometry and distribution. It is not only conductive to the data updating of geospatial, but also has important significance of the thematic information for effective monitoring of new city buildings and so on that accessing information form the city buildings aerial images or satellite images fast and accurately. Moreover, in recent years, building on satellite images to identify and contour extraction or aerial imagery and research to improve the algorithm proposed, but also help achieve the identification and classification of city buildings. Its GIS data acquisition, image understanding, large scale mapping and many other applications are of great significance.This paper is start form the geometry of the building outline, doing research of the extraction methods for the building outline which from high resolution images. Mainly for the following work areas:1.Describes the basic theory of building extraction. Urban buildings typicalcharacteristic analysis, systematic study of image processing algorithms to use in extraction of the building, from which to select the appropriate algorithm for edge detection and contour extraction.2.On the basis of summarizing the existing methods, the proposed featureextraction based on gray and binary mathematical morphology the contour edge detection algorithm based on linear Hough transform algorithm, the semi-automatic extraction of typical urban buildings.3.We were against the proposed method programming, and comprehensivetesting and evaluation of these two methods for the test results, the characteristics and drawbacks of the two methods.Key words:Satellite images, Building outline, Binary mathematical morphology，Edge detection，Line Extraction目录1 绪论 (1)1.1 研究背景和意义 (1)1.1.1 研究背景 (1)1.1.2 研究意义 (1)1.2 研究现状 (2)1.3 本文的主要内容 (3)2 建筑物图像预处理的基础理论 (6)2.1 建筑物的特征分析 (6)2.2 建筑物几何特征分类 (6)2.3 图像增强 (8)2.3.1 灰度变换 (8)2.3.2 直方图均衡变换 (14)2.4 本章小结 (19)3 基于灰度特征的建筑物轮廓提取 (20)3.1 图像二值化 (20)3.2 二值数学形态学 (25)3.2.1 膨胀与腐蚀 (25)3.2.2 开启与闭合 (27)3.3 本章小结 (31)4 基于边缘特征的建筑物轮廓提取 (32)4.1 边缘检测 (32)4.1.1 边缘检测技术 (32)4.1.2 边缘的分析 (33)4.1.3 关于梯度的概念 (33)4.2 边缘检测算子 (34)4.2.1 罗伯特(Robert)边缘算子 (35)4.2.2 索贝尔(Sobel)边缘算子 (35)4.2.3 Prewitt边缘算子 (35)4.2.4 拉普拉斯(Laplacian)边缘算子 (36)4.2.5 坎尼(Canny)边缘算子 (37)4.2.6 边缘检测算子比较 (40)4.3 直线段提取 (42)4.3.1 基于连接的直线段提取算法 (42)4.3.2 经典Hough变换算法 (43)4.3.3 经典Hough变换实验结果 (46)4.4 本章小结 (48)5 总结与展望 (49)5.1 总结 (49)5.2 展望 (50)参考文献 (51)致谢 (53)1 绪论1.1 研究背景和意义1.1.1 研究背景近年来，不断发展的空间技术使卫星图像与遥感图像呈现出高空间分辨率、高光谱分辨率和高时间分辨率的特点。
1维直接线性逆变换原理及其应用研究
一
一
Ｂ
．
！、 ／ —
２ Ａ
将￡ ：的值代 入公式 （ ） 可得 ： １，
ｌ＝ （ 一 ） Ｌｘ １ （ ２２＋１ （ ２ １＋１ ／ ｘ １ ７ ） Ｌｘ ） （ ２一 ）（ ）
２ 量取像 点坐 标 ）
以建筑物高 度线 建立 物方 高度 坐标 轴 ， 方 高度坐 标 物
刘 江 ，魏 林 金 ，王 丽 晶
（． １ 四川省第三测绘工程院 ， 四川 成都 ６０ ０ ； ． １ ５０ ２ 东南大学 交通学院 。 江苏 南京 ２１ ９ ； １０ ６ １ ３ 黑龙江地理信息工程院 ， ． 黑龙江 哈 尔滨 １ ０ ８ ） ５ ０ １
摘
要： 根据 １维直接 线性 变换 ， 本文提 出了逆向 １维直接 变换公 式及 其解算方法 ， 然后利 用单张数码影像 通过
ｓｒ ｃｉｎ． Ｆｉａｌ ｔｕ ｔｏ ｎ ｙ，ｔ ｅ ｆａ ｉｉｉｙ ｏ ｈ ｌｏ ｔｍ ａ ｅ ｅ ｆｅ ｙ ｅ ｐ ｒｍｅ ｔ ｌ ｈ ｅ ｓｂ ｌｔ ｆｔ ｅ ａ ｇ ｒ ｈ ｈ ｓｂｅ ｎ ｖ ｒｉ ｄ ｂ ｘ ｅ ｉ ｉ ｉ ｎ．
Ｋｅ ｒ ｓ：ｎ ｙ ｗｏ ｄ ｏ ｅ—ｄ ｍｅ ｓｏ ａ ｉ ｃ ｉ ｅ ｒｉ ｖ ｒｅ ｔａ ｓｏｍａ ｉｎ；ａ ｓｎ ｌ ｍａ ｅ ｕ ｌ ｉ ｇ ｈ ｉｈ ｉ ｎ ｉｎ ｌｄｒ ｔ ｎ ａ ｎ ｅｓ ｎ ｆｒ ｔ ｅ ｌ ｒ ｏ ｉ ｇｅ ｉ ｇ ；ｂ ｉ ｎ ｅｇ ｔ ｄ
以上是根 据 一 条 直 线 上 的 两个 距 离 条 件 解 算 逆 向 １维
Ｄ Ｔ模 型参数 的解算 方法 。 Ｌ
轴的原点 为建筑物 的低 点 ， 方向为坐标轴 的正 向， 图 高度 如 １ 所示 。对应地 ， 像片上 也存 在一个 像方 高度 坐标 轴 ， 数码
机载激光扫描中复杂建筑物轮廓线平差提取模型
Ｓｈ ｎ ｈ ｉ２ ０ ９２ ｈ ｎ ａ ｇ ａ ０ ０ ，Ｃ ｉ ａ；２ ．Ｋｅ ｂ ｒ ｔ ｒ ｆＡｄ ａ ｃ ｄ Ｅｎ ｉ ｅ ｒｎ ｙ Ｌａ ｏ ａ ｏ ｙ ｏ ｖ ｎ ｅ ｇ ｎ ｅ ｉ ｇ
ｐ ｏ ｏ ｅ ｔ ｏ ． Ａｓ ａ ｃ ｓ ｔ ｄ ｒ ｐ ｓ ｄ ｍｅ ｈ ｄ ｅ ｓ ｕ ｙ， Ｌ ＤＡＲ ｐ ｉ ｔ ｃｏ ｄ ｆ ａ ｉ ｎ ｌｕ ｓ ｏ ｏ
Ｌ ｊ ｚ ｉｉ Ｓ ａ ｇ ａ ａｅ ｕｅ ｏ ｐｏ ｅ ｔｅ ｆａｉｉｔ ｎ ｕｉ ｕ ｎ ｈ ｎ ｈ ｉ ｒ ｓｄ ｔ ｒｖ ｈ ｅ ｓ ｌｙ ａｄ ａ ｂｉ
与规 则化 得 到 屋 顶边 界最 终 轮 廓 线 模 型． ａｈ。和 １ ８左右 ， Ｌ ｃｃ ． 当三 角 形 内最 长 边 跟 最 短 边 比大 于 阈值 沈蔚 等Ｌ采 用 Ａｌｈ ｈ ｐｓ ９ ｐ ａ ａｅ 算法 从无 序点集 中进行 时 ， 三角形 位于 凹角处 而非 建 筑物 内部 ， 除 该类 Ｓ 该 删 几何 形状 的重 建进 而提取 ， 化轮 廓 线 ， 简 然后 通 过矩 三角形 后 所 得 到 的 三 角 网 才 能 正 确 反 映 建 筑 物 形 形外 接 圆和分 类强 制正交 法 分别 对 四边 形 和 多边 形 状． 建筑 物轮 廓线 进行 规则 化 ． ａａｉ ａ Ａｐｒｊｈｎ等［］ 过 改 ｔ １通 。
第４ Ｏ卷第 ９期
２１ ０ ２年 ９ 月
同 济 大 学 学 报（ 然 科 学 版） 自
Ｊ Ｕ Ｎ ＬＯ Ｏ Ｇ Ｉ Ｎ Ｖ Ｒ Ｉ Ｙ Ｎ ， Ｏ Ｒ Ａ ＦＴ Ｎ Ｊ Ｕ Ｉ Ｅ ＳＴ （ Ａ 兀爪Ａ ． Ｃ ＪＥ ＩＳ Ｉ Ｃ ）
SAR建筑物识别
Detection and extraction of building from interferometric SAR data
• 由于蚁群算法提取出的边缘的连续性较差，本文采用了链码特征来提取直线， 通过链码分裂提取出直线段。
• 本文对任明武链码跟踪算法和莲码分裂算法进行了改进，使得算法适用于直 线的提取。
• 由于关照和气候等因素的影响，图片质量往往都不高，再加上蚁群算法提取 的边缘的连续性较差，提取出的建筑物的边缘大多是短的直线段，甚至房屋 边界处会造成很多的干扰直线，这些直线无疑会对房屋结构搜索的准确性产 生影响，而边界本身的不完整和间断给检测带来更大的困难。
• In this work, we focus on the task to extract information on urban structures of interest from high-resolution IFSAR data. Specifically, we want to automate the detection of the height and shape of the buildings present in a given area. To this aim, we apply to the original data a segmentation algorithm able to exploit their resolution, while maintaining at the same time a high robustness to noise.
CAD图像裁剪方法
CAD图像裁剪方法CAD软件是一种广泛应用于建筑、机械、电子等领域的设计工具。
当我们在使用CAD软件进行设计时，有时会遇到需要对图像进行裁剪的情况。
本文将介绍几种常用的CAD图像裁剪方法，帮助读者更好地进行设计工作。
一、使用矩形剪刀工具裁剪在CAD软件中，通常会提供一个矩形剪刀工具，用于对图像进行裁剪。
具体操作如下：1.选中矩形剪刀工具。
在CAD软件的工具栏中，找到矩形剪刀工具。
通常，它会以一把剪刀的图标表示。
2.框选需要裁剪的区域。
使用鼠标点击并拖动，框选需要裁剪的区域。
通常，可以通过按住鼠标左键拖动的方式来进行选择。
3.完成裁剪。
当选择好需要裁剪的区域后，释放鼠标左键即可完成裁剪。
二、使用裁剪命令进行裁剪除了矩形剪刀工具外，一些CAD软件还提供了裁剪命令，通过命令行或菜单操作进行裁剪。
具体操作如下：1.调出裁剪命令。
在CAD软件的命令行中输入"CROP"命令，或者在菜单栏中点击“编辑”-“裁剪”选项。
2.选择边界。
在CAD软件中，裁剪操作主要通过选择裁剪区域的边界来实现。
使用鼠标点击图像中的边界线，将其选中。
3.删除被裁剪区域。
选择好边界后，CAD软件会自动删除边界内的部分，完成裁剪操作。
三、使用命令行进行高级裁剪一些高级CAD软件上，还提供了更加灵活的命令行方式进行裁剪。
具体操作如下：1.调出裁剪命令。
在CAD软件的命令行中输入"COPYBASE"命令，或者在菜单栏中点击“编辑”-“复制基准点”选项。
2.选择基准点。
使用鼠标点击需要保留的区域中的一个点，作为基准点。
3.选择裁剪区域。
使用鼠标点击并拖动，选择需要裁剪的区域。
这个区域不会被裁剪，而是会被复制。
4.删除多余的部分。
选择好裁剪区域后，可以使用命令行中的“TRIM”命令来删除多余的部分。
输入“TRIM”命令后，按住鼠标左键拖动，选择需要删除的线段。
松开鼠标左键后，被选择的线段将被删除。
通过上述几种方式，可以在CAD软件中实现图像的裁剪。
线特征的提取与定位算法
线特征的提取与定位算法
山东交通学院
测绘教研室
主要内容
特征的提取 • 特征点的提取算法 • 特征线的检测方法 特征的定位算法
线特征提取算子
线特征是指影像的“边缘”与“线”
“边缘”可定义为影像局部区域特 征不相同的那些区域间的分界线， 而“线”则可以认为是具有很小宽 度的其中间区域具有相同的影像特 征的边缘对
Hough变换算法实现 a
由于垂直直线a,为无穷大， 我们改用极坐标形式：xcos + ysin = 参数平面为, ，对应不是 直线而是正弦曲线； 使用交点累加器，或交点 统计直方图，找出相交线 段最多的参数空间的点； 然后找出该点对应的xy平 面的直线线段。
A
b
对于影像空间直线上任一点(x，y） 变换将其映射到参数空间(，)的 一条正弦曲线上
p＋q阶原点矩与中心y）
Trinder 改进算子
算子受二值化影响，误差可达0.5像素。
1 x M 1 y M
M
n 1 m 1 i 0 j 0
ig
i 0 j 0
n 1
m 1
ij
Wij
i 0 j 0
ij
n 1
首先用高斯函数先进行低通滤波，然后利用 拉普拉斯算子进行高通滤波并提取零交叉点
x y f ( x, y ) exp( ) 2 2
2 2
高斯函数
低通滤波
G( x, y) f ( x, y) g ( x, y)
G( x, y) [ f ( x, y) * g ( x, y)]
2 g 2g x
2
2g y 2
2 g ij ( g i 1, j g i , j ) ( g i , j g i 1, j ) ( g i , j 1 g i , j ) ( g i , j g i , j 1 ) g i 1, j g i 1, j g i , j 1 g i , j 1 4 g i , j
中国古代藻井图案的主体结构提取方法的研究与实现
第1章绪论1.1研究背景及研究意义藻井常常出现在宫殿、寺庙、豪宅等我国古代高层次建筑室内正中的宝座或神佛等上方的天花板上。
这种从实际用途逐渐转变为装饰作用的建筑构件就是藻井[1]。
作为一种特有的建筑装饰构件，藻井的美给人一种美好而又神秘的感觉。
藻井的出现，不仅高度体现了中国古代建筑的实用性，而且深刻表达了中国传统建筑装饰的文化内涵。
藻井，古代又称圆泉、方井、斗四、天井、绮井等。
原始藻井通常由木块相叠而成，有着上园下方的结构。
远古时期，我们的祖先常常居住在地下的洞穴，为了保证室内的采光和出入的方便，在洞穴的顶端开一个小洞是个很好的办法，藻井的功能可能就是这样是模仿远古时期的洞穴住所的结构发展而成的。
这可能就是藻井的起源[2]。
随着社会的进步和建筑技术的发展，原始简单的藻井逐渐演化得越来越复杂，其地位也逐渐从功能性建筑构件转变为装饰性建筑构件。
因此，现在提到的藻井一般都是指建筑顶端的装饰。
藻井有着多种多样的形式，一般由矩形、八边形、圆形等形状层层嵌套而成。
藻井的艺术价值，通常表现在其结构形状与装饰纹样的搭配以及多种颜色的运用。
在不同的历史时期，根据上层社会人员的需要，藻井都有其不同的特点。
比如汉唐的大气磅礴和明清的富丽堂皇。
在产品设计的不断发展、不断创新中，越来越多的设计师回归经典，希望将中国传统文化元素融入自己的设计中。
许多设计师开始从历史悠久的传统装饰图案中寻求灵感。
藻井图案规模庞大、内容非常丰富，由藻井图案提取的拓扑结构包含诸多创意要素，可以为设计师带来很多蕴含中国传统文化元素的设计思路。
通常，这项工作可以由人主观观察出藻井图案的拓扑结构，并进行临摹。
然而，这需要专业的画师花费大量的时间，并且不同的画师因手绘能力和构图能力不同，对同一幅藻井图案临摹的结果可能不一致。
随着图像处理技术的发展，可以使用计算机来生成拓扑结构，生成速度较手绘更快，同时，由于提取结构的方法中，参数变化所产生的影响非常直观，所以，不需要专业的画师也能获得效果较好的拓扑结构，并且不同使用者生成的结果更一致。
一种建筑物目标识别方法
维普资讯
．
博士论坛． 莓
带 带 芥
蒂
一
种建筑 物 目标识别 方法
金 泰松 ’ ，李翠华 。 ，魏本 杰 －
（． １ 北京理 工 大学 计 算机科 学技 术学院 计 算机科 学工 程 系， 北京 １０８ ； ００ １ ２厦 ｆ大学 信 息科 学 与技 术学 院 ， 建 厦 门 ３ １０ ） ． ］ 福 ６０ ５
别 出真 正 目标 。
关 键 词 ： 叶斯 ： 布 斯 分布 ： 贝 吉 高斯 分 布 ； 线段 短 文 章 编 号 ：０ ２ ８ ３ （０ ６ ３～ ０ １０ 文献 标 识 码 ： 中 图分 类 号 ：Ｐ ９ ｌ０ — ３ １２０ ）３ ０ ０ — ３ Ａ Ｔ ３１
Ａｐ ｒ ａ ｈ ｔ ｉ ｉ ｇ Ｒｅ ｏ ｎ ｔ ｎ ｐ ｏ ｃ ｏ Ｂｕ ｌ ｎ ｃ ｇ ｉｉ ｄ ｏ
Ａ ｓ ａ ｔ ｈｓ ｐｐｒｐｅｅｔ ａ ｎｗ ａｐｏｃ ｏ ｒｃｇｉ ｂ ｃ ｏ ｕｌｉｇ ｉ ｃｍｐ ｘ ｓｅｅ． ｅｔ ｃｓ ａ ｓｔｏ ｂｔ ｃ ：Ｔ ｉ ａ ｅ ｒｓｎｓ ｅ ｐｒａｈ ｔ ｅｏｎ ｅｏ ｊ ｔ ｆｂ ｉ ｎ ｎ ｏ ｌ ｃｎｓ ｔ ｘｒ ｔ ｅ ｆ ｒ ｚ ｅ ｄ ｅ Ｉ ａ
ＪＮ Ｔ ｉｓｎ Ｌ ｕ－ ｕ ＷＥ ｅ －ｉ １ ａ－ ｏ ｇ ， ＩＣ ｉｈ ａ， Ｉ Ｂ ｎ ｊ ｅ
（ ． ｐ ｒ ｎ ｆＣ ｍｐ ｔｒ Ｓ ｉｎ ｅ ａ ｄ Ｅ ｇｎ ｅ ｉｇ，ｃ ｏ ｌｏ ｏ ｕｅ ｃｅ ｃ ＆ Ｔ ｃ ｎ ｌｇ １Ｄｅ ａｔ ｔｏ ｏ ｕ ｅ ｃｅ ｃ ｎ ｎ ｉｅ ｒ Ｓ ｈ ｏ ｆ Ｃ ｍｐ ｔｒ Ｓ ｉｎ ｅ ｍｅ ｎ ｅ ｈ ｏｏ ｙ，
ｌ ｅ ｅｍ ｎｓａｄ ｕｎ ｏｊｃ ｅｏｎｔ ｎ ｎｏ ａｉ ｕ ａ ｏｔｉｒ ｓ ｍ ｔ ｎ ｈ ｐｉ ｋ ｏ ｌｄｅ ａ ｂ ｉ ｓｇ ｅ ｔ，ｎ ｔｒｓ ｂｅｔ ｃ ｇｉｏ ｉｔ ｎ ｒ ｉ ｍ ｘｍ ｍ ｐｓ ｒ ｉ ｔ ａ ｏ． ｅ ｒ ｒ ｎｗｅｇ ｃｎ ｅ ｅ ｏ ｅ ｉ ｉ Ｔ ｏ
一种改进的Hough变换在建筑物提取中的算法研究
的一 种 图像 检测技术 ， 主要用 于检测 图像 中的直线 段 、
圆、 二次 曲线 以及 任 意 曲线 Ｊ ｏｇ 。Ｈ ｕ ｈ变换 检 测 图像 的过 程 即是 “ 投票 ” 过程 ， 现 的是 从 图像空 间 到参 数 实
空 间的映射 。对 于 图像 空 间 的特 征点 （ ， ， ｏｇ Ｙ ） Ｈ ｕｈ
变换将 其映 射到参 数 空 间 的正 弦 曲线 ， 取 一个 特 征 另
线段提 取会产 生直线段 的虚假 点和过 连接 的现 象 。
收 稿 ｝期 ：Ｏ０ ８ ５ ＝ ２ １—０ —Ｏ ｌ ＿
作 者简 介 ： 波 （９ ６ ） 男 ， 士研 究 生 ， １８ ， 硕 々业 ： 大地 测 量 学 与测 量 工 程
点 （ ， 与 （ ， ） 立方程 ： Ｙ） Ｙ 联
咖 ｓｎ ｌＯ
（） １ Ｌ ＝ ｃｓ＋ ｉ０ ｐ ｏ０ ｙ ｓ ｎ
求解 （ ０ 如 图 １ 示 ， 图像 空 间 中表 示原 点 Ｐ，） 所 Ｐ在 至直线 的垂 直距 离 ， 在 图像 空间 中表 示直线 法线与 Ｘ ０
人 工建筑物通 常表现 为直线段 的形 式 ， 因此对 直线
段 的提取显得尤 为重要 。Ｈ ｕ ｈ变换作为直线段 检测 的 ｏｇ 经典＿ ， 丁具 最大 的优 点是对被 检测 图像 的 噪声 具有 很好 的鲁棒性 和容错性 ， 本文将 一种改进 的 Ｈ ｕ ｈ变换算 法 ｏｇ 应用到建筑 物提 取 中 ， 为建 筑 物直线 段 提取 的工具 。 作 充分利用 Ｈ ｕｈ变换 的参数空 间 ， ｏｇ 先整体后局部 ， 较好地
轴之间的夹角。（ ，） 图像空间中所表示 的是区域 Ｐ ０在
基于计算机视觉的混凝土裂缝自动识别技术研究
基于计算机视觉的混凝土裂缝自动识别技术研究一、研究背景混凝土结构作为重要的建筑材料，广泛应用于各种建筑和工程领域。
然而，由于混凝土的物理性质和环境因素的作用，混凝土表面通常会出现裂缝，这些裂缝不仅影响美观，还可能导致结构安全问题。
因此，混凝土裂缝检测与识别技术成为了重要的研究方向。
计算机视觉技术是近年来快速发展的领域，它可以通过数字图像处理、模式识别等方法实现对图像信息的自动分析和处理。
在混凝土裂缝检测和识别方面，计算机视觉技术具有很大的应用潜力。
二、研究内容1.混凝土裂缝图像采集混凝土裂缝图像的采集是混凝土裂缝自动识别技术的关键步骤。
传统的采集方法是通过人工巡视拍摄，但是这种方法耗时耗力，效率低下。
因此，研究者们开始尝试使用无人机和激光扫描仪等技术进行混凝土裂缝图像采集。
2.混凝土裂缝图像预处理混凝土裂缝图像包含大量的噪声和干扰信息，因此需要对其进行预处理。
预处理的主要目的是去除噪声、增强图像的对比度、平滑图像等。
常用的预处理方法包括中值滤波、高斯滤波、形态学操作等。
3.混凝土裂缝图像特征提取混凝土裂缝图像中的裂缝通常是一些线状结构，因此可以通过提取图像中的线段特征来实现混凝土裂缝的识别。
常用的线段检测算法包括Hough变换、Canny算子等。
4.混凝土裂缝图像分类混凝土裂缝图像分类是混凝土裂缝自动识别技术的核心。
混凝土裂缝图像分类可以分为两种，一种是二分类，即将图像中的裂缝与非裂缝进行分类；另一种是多分类，即将图像中的不同类型的裂缝进行分类。
在分类过程中，常用的算法包括支持向量机、神经网络、决策树等。
5.混凝土裂缝自动识别系统实现混凝土裂缝自动识别系统是将以上步骤整合起来实现自动识别的系统。
该系统可以通过图形界面、命令行等方式进行使用，实现对混凝土裂缝的自动检测和识别。
三、研究意义混凝土裂缝自动识别技术可以大大提高混凝土结构的安全性和美观度。
通过该技术的应用，可以实现对混凝土裂缝的自动检测和识别，减少人工巡视的时间和成本，提高检测的准确性和效率。
建筑物图像识别系统设计与实现
建筑物图像识别系统设计与实现蔡兴泉;柳静华【摘要】In order to better improve the accuracy and efficiency of the building image recognition system, focuses on researching and completing the building image recognition system with SIFT. Extracts the features of images with SIFT algorithm, and saves the features into XML file. Creates the image feature database which saves the base information and feature information of image. Uses GPS matching method and feature matching method to complete the image recognition. Provides the experiments results. The experiment results prove that the method is feasible and valid, and it has been used in the practical application.%为了更好地提高建筑物图像识别系统的准确性和效率，采用SIFT算法研究并实现建筑物图像识别系统。
利用SIFT算法提取建筑物图像特征，并保存XML特征文件；然后创建图像特征数据库，保存特征文件信息及图像的基本信息；最后利用GPS匹配与SIFT特征匹配相结合的方式识别建筑物图像。
实验验证表明，该方法是可行有效的。
该方法已经应用于实际的项目中。
裂缝骨架化算法
裂缝骨架化算法1.引言1.1 概述裂缝骨架化算法是一种用于图像分析和处理的关键技术，特别适用于裂缝检测和分析。
在许多工程和科学领域，如土木工程、岩石力学和地质勘探等，裂缝一直是一个重要的问题。
裂缝的存在可能会导致结构的破坏，影响其性能和寿命。
因此，准确且高效地检测和分析裂缝对于维护结构安全至关重要。
裂缝骨架化算法的主要目标是从图像中提取裂缝的骨架形状。
通过将裂缝图像转化为骨架图像，可以更好地描述和分析裂缝的几何特征。
具体而言，骨架化算法可以将裂缝图像中的像素点转化为具有裂缝形状的线段，从而更好地表示裂缝的形态特征。
通过分析骨架化结果，我们可以得到裂缝的长度、方向、分支情况等重要信息，从而更全面地了解裂缝的特征和性质。
裂缝骨架化算法的关键要点包括图像预处理、骨架化过程和后处理等。
首先，需要对原始图像进行预处理，包括图像去噪、图像增强和边缘检测等步骤，以提高图像质量和裂缝的可视性。
然后，通过一系列的骨架化操作，将裂缝图像转化为骨架图像。
常用的骨架化方法包括细化、切割和迭代等算法。
最后，可以进行后处理操作，如裂缝宽度测量和裂缝分析等，以获取更详细和准确的裂缝特征。
本文旨在对裂缝骨架化算法进行详细的介绍和分析，包括算法原理、实现步骤和实验结果等。
同时，还将探讨当前存在的挑战和问题，并探讨未来的研究方向。
通过深入研究裂缝骨架化算法，我们可以为裂缝检测和分析提供一种有效和可靠的方法，为工程和科学领域的相关研究和实践提供有力支持。
1.2 文章结构本文将介绍裂缝骨架化算法的原理和应用。
文章主要分为引言、正文和结论三个部分。
引言部分首先对裂缝骨架化算法进行概述，简要介绍算法的定义、作用和研究背景。
然后，详细说明了本文的结构，明确了各部分的内容和组织方式。
最后，明确了本文的目的，即通过分析裂缝骨架化算法的要点，探讨其在实际应用中的潜力和局限性。
正文部分将深入探讨裂缝骨架化算法的要点。
2.1 节将重点介绍裂缝骨架化算法的第一个要点，包括算法的基本原理、核心思想和关键步骤。
遥感影像中建筑物提取研究综述
基于遥感影像的建筑物提取研究方法综述摘要：遥感影像上建筑物提取的基础理论研究始于20世纪80年代，随着遥感技术的不断进步，遥感影像的分辨率及精确度越来越高以及快速发展的城市在城市空间数据库方面的巨大要求。
现在城市空间数据库需要对数据快速获取更新，又因为遥感影像本身具有的现时性，更新速度快的特点。
在城市空间数据库的更新、城市动态监测、城市变化监测以及“智慧城市”建设等方面有着重要的使用价值。
本文介绍基于不同遥感影像提取建筑物的基本方法和几个发展趋势。
主要包括SAR图像，LIDAR点云数据，高光谱影像，航空影像等多种源数据不同的提取方法，以及不同数据来源的优缺点。
同时对建筑物提取研究中需要解决的问题和研究趋势进行了总结。
1.引言城市地区的遥感影像中，超过8成的目标是建筑物和道路，所以对建筑物和道路的识别和提取式遥感影像地物提取的主要研究方向，除道路和建筑物以外，剩下的大部分都是植被，在城市中绿地的面积占了一定的比例，在建筑物的提取中，建筑物在遥感影像中容易受到植被的干扰，如何高效率、高质量的剔除植被对建筑物的影响成了建筑物提取的关键。
进行建筑物提取的主要应用有城区自动提取、地图更新、城市变化监测、城市规划、三维建模、数字化城市建立等诸多方面，如何实现建筑物的快速、高精度、自动化提取成为目前的研究热点。
目前对绿地和水体的自动提取已经比较成熟，而道路和建筑物由于其自身的复杂性导致自动提取困难，本文主要提出了目前遥感影像建筑物提取研究的热点及其发展趋势。
2.建筑物提取的历史发展快速准确地获取不同类型城市建筑的空间位置、形状等信息具有极其重要的意义，在城市规划、城市动态监测、城市三维建模、地形图更新、地籍调查等方面有广泛的应用。
目前，对自动建立城市三维模型和实现城市虚拟现实的需求越来越多，利用大比例尺航空影像获取城市建筑物的三维几何信息和表面纹理，是实现“三维城市”建模的有效途径之一。
到目前为止，利用高分辨率航空相片或卫星影像提取建筑物等人工地物信息的方法大体分为两类：其一，利用图像信息结合高程信息进行建筑物信息提取，因为城市里的建筑物有一定的高度信息，通过建筑物与周围环境（地面）之间的高差进行屋顶边界的提取，这种方法大多需要一定的辅助数据如DEM、DSM等一类具有地物高程数据的影像。
基于改进HT-LCNN线段检测模型的隧洞施工活动时间信息智能提取方法
２０２４年１月水 利 学 报ＳＨＵＩＬＩ ＸＵＥＢＡＯ第５５卷 第１期文章编号：０５５９－９３５０（２０２４）０１－００２４－１０收稿日期：２０２３－０５－１８；网络首发日期：２０２３－１１－０７网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２３１１０６．１０３０．００２．ｈｔｍｌ基金项目：国家自然科学基金项目（５２２７９１３７，５２００９０９０）作者简介：肖尧（１９９３－），博士生，主要从事水利地下工程施工智能仿真与风险分析研究。
Ｅ－ｍａｉｌ：ｔｊｕ＿ｓｈａｗ＠ｔｊｕ．ｅｄｕ．ｃｎ通信作者：余佳（１９９２－），助理研究员，主要从事水利地下工程智能建设与管理研究。
Ｅ－ｍａｉｌ：ｙｕｊｉａ＠ｔｊｕ．ｅｄｕ．ｃｎ基于改进ＨＴ－ＬＣＮＮ线段检测模型的隧洞施工活动时间信息智能提取方法肖 尧１，钟登华２，余 佳１，胡奕可１，徐国鑫３，陈秋同１（１．天津大学水利工程智能建设与运维全国重点实验室，天津 ３０００７２；２．中国农业大学水利与土木工程学院，北京 １０００８３；３．陕西省引汉济渭工程建设有限公司，陕西西安 ７１０３０２）摘要：施工活动时间信息的有效提取是隧洞施工进度分析与决策的重要前提，目前常采用的一种隧洞施工活动时间记录方式是绘制横道图线段。
针对传统依赖于人工统计的方式存在效率低、易出错等问题，提出基于改进深度霍夫线条先验网络（ＨｏｕｇｈＴｒａｎｓｆｏｒｍ－ＬｉｎｅＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＨＴ－ＬＣＮＮ）线段检测模型的隧洞施工活动时间信息智能提取方法。
首先，采用单应性变换手段进行施工日志图像预处理，解决原始图像存在的倾斜、旋转、扭曲等问题；其次，利用全局上下文注意力模块（ＧｌｏｂａｌＣｏｎｔｅｘｔＮｅｔｗｏｒｋ，ＧＣＮｅｔ）改进ＨＴ－ＬＣＮＮ模型的残差模块，通过建立和共享全局注意力图，获得目标线段在特征图和通道间的长距离依赖关系，提高模型对目标手绘线段的注意力，克服原有ＨＴ－ＬＣＮＮ方法容易受到表格线段和文字干扰的不足，实现手绘线段的高精度智能检测；进一步地，建立施工时刻－活动坐标系，根据所检测的手绘横道图线段的端点坐标位置特征，将其自动转化为施工活动时间信息。
解多边形的应用问题
解多边形的应用问题多边形是几何学中一个重要的概念，它由若干个线段组成，每个线段都连接着相邻的两个顶点。
多边形广泛应用于各个领域，如建筑设计、计算机图形学等。
本文将讨论多边形在实际问题中的应用，探讨解决多边形相关问题的方法和技巧。
一、土地面积测量问题在房地产开发中，土地面积的准确测量是至关重要的。
多边形的面积计算方法可以被应用于此类问题。
考虑一个不规则形状的土地，需要测量其面积。
我们可以通过将该土地划分为若干个小区域，每个小区域都是一个多边形，然后分别计算每个小区域的面积并相加，即可得到整个土地的面积。
二、路径规划问题在物流领域，路径规划是一个重要的问题。
考虑一个快递员需要在一个较大的城市中分发包裹，需要找到一条最短路径，以节省时间和成本。
我们可以将城市的道路网抽象成一个由多边形构成的图形，每个多边形代表一个街区或区域。
通过应用图论算法中的最短路径算法，可以找到一条最短路径，并指导快递员进行分发。
三、材料利用率问题在工程领域，如建筑设计和制造业中，材料利用率是一项重要的成本指标。
考虑一个需要制作金属板材的问题，我们希望通过将一个大的金属板材切割成多个小的多边形形状，使得每个小的多边形的总面积较大，以提高材料的利用率。
通过应用优化算法，可以找到最佳的切割方案，使得多边形的利用率最大化。
四、地理边界识别问题在地理信息系统（GIS）中，地理边界识别是常见的问题。
考虑一个国家或者城市的边界，我们需要找到一种方法来识别这些边界，以支持地理数据的处理和分析。
多边形可以被应用于此类问题，每个多边形代表一个区域或地理边界，通过将这些多边形进行组合和运算，可以得到更复杂的地理区域。
五、图像处理问题多边形在计算机图形学中扮演着重要角色。
考虑一个图像处理的问题，我们希望对一张图片进行边缘检测，并将检测到的边缘表示为多边形的形状。
通过应用图像处理算法，如Canny边缘检测算法，可以将图像中的边缘提取出来，并利用拟合算法将边缘转化为多边形的形状。
lsd线特征提取算法
lsd线特征提取算法标题：理解与应用LSD（Linear Segment Detector）线特征提取算法一、引言LSD (Linear Segment Detector) 算法，是一种高效的直线检测和描述方法，由Gioi, T.等人在2010年提出。
该算法主要用于图像处理领域，尤其擅长于复杂背景下精确、完整地检测出图像中的线性结构，具有抗噪声能力强、不受尺度影响以及对图像旋转和仿射变换稳健等优点。
二、LSD算法原理LSD算法基于边缘检测、梯度直方图统计以及拟合优化等技术实现。
其主要步骤如下：1. **边缘检测**：首先通过计算图像的一阶和二阶导数得到图像的梯度信息，以此为基础寻找潜在的线段起始点。
2. **梯度累积**：在每个可能的起始点周围构建梯度直方图，并通过累积梯度强度和方向信息来定位线段的端点。
3. **线段细化与拟合**：采用贪心策略逐步扩展线段，同时通过最小化误差平方和的方式拟合最优线段参数，确保检测出的线段尽可能贴近实际线性结构。
4. **多尺度处理**：算法通过多尺度分析，能够在不同尺度下稳定地检测出线段，从而能够处理各种尺度的线性特征。
5. **非极大值抑制**：为了避免同一线性结构被重复检测，算法最后采用了非极大值抑制方法去除冗余的线段检测结果。
三、LSD算法优势相比于传统的霍夫变换和其他直线检测方法，LSD算法有以下显著优势：- 高效性：算法设计考虑了实时性和效率，适合大规模图像数据的处理。
- 精度高：能有效提取图像中宽度极小或存在大量噪声的线性特征。
- 多尺度性：能够适应图像中线性结构的各种尺度变化。
- 旋转不变性：对于图像的旋转操作具有良好的鲁棒性。
四、应用领域LSD算法广泛应用于各种需要进行线性特征提取的场景，例如自动驾驶中的道路标志识别、遥感图像的道路网络提取、建筑图纸的线条识别、工业视觉中的零部件边缘检测等。
总结，LSD线特征提取算法凭借其高效精准的特点，在图像处理和计算机视觉领域扮演着重要角色，是现代图像分析与理解工具箱中的一个重要组成部分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
局 部性 连接算 法只能 将相距 很近 而且斜率 相 同的基本 线 段连 接起 来 ， 于相 距较 远 或斜 率 有一 定差 别 对
的基本 线段 ， 要决定 是否将 他们相 连 以及如何 相连 ， 需要全 局性 的指 导 ， 局部 性算法 难 以胜任 。为此 ， 须设 必 计 出某 种基 于全局性 信息 的指导线 段连接 的算 法 。
越 ，段 忠 祥。
长春 １０２ ； ３ ０ １ 财 会 系 ，广 西 南宁 ５００ ） ３０ ３
计 算 机 科 学 与 工 程 学 院 ，吉 林
２ ．广 西工 商 职 业 技 术 学 院
摘
要 ： 图像 中提 取线段是建筑 图像理 解和 分析 研 究过程 中的一 项重要 工作。在 已有 的算法 中， 从 最具 有代表性
基 于连接 的算 法则 是 另一类 具 有代 表性 的线 段 提 取算 法 ， 括 启 发 式 连接 算 法 、 位 编组 算 法 等 Ｉ 。 包 相 ２ 这一 类算 法大 致分 为三 步 ： 一 步 为边缘 提取 ， 用适 当的边缘 提取 算子 提取 边缘 像 素点 。第二 步生 成基 本 第 使 线段 ， 将边 缘像 素 点近似 地 组合成 基 本线 段 ， 通常 的做 法 是按 照 某 种规 则 和标 准 确定 线 段 支 持 区 ， 线 段 支 将
Ｏ 引 言
图像 中线 段 的提 取是 建筑 图像 理解 和分 析研 究 中的一 项 重要 工 作 。对 于 线段 提 取 的方 法 ， 们 提 出 了 人
许 多算 法 。在这 些方 法 中 ， 最具 有 代表 性 的是 Ｈ ｕ ｈ变换 算 法 和基 于 连接 的 算法 。基 于 Ｈ ｕ ｈ变换 的一类 ｏｇ ｏｇ
的是 Ｈ ｕｈ变换 算法和基 于连接 的算法 。本文在 分析 图像基本特征的基础上提 出了一种改进 的线段 提取 算法 ， ｏｇ 将 两种算法的优势较好 的结合起 来， 系统 的设计与 开发提供 了强有力 的支撑 。 为
关 键 词 ： 筑 图像 ； 段 提 取 算 法 ； 缘 检 测 建 线 边 中 图分 类号 ：Ｐ ９ Ｔ３ １ 文献 标 志 码 ： Ａ 文 章 编 号 ：０ ９—３０ （０ ０ ０ ０ ７ ０ １０ ９ ７ ２ １ ）６— ０ ３— ２
持 区内 的边 缘像 素点 拟 合成 基本 线段 。这 些线 段 的长 度 一般 较 短且 数 量较 多 。第三 步 是 连接 基 本 线 段 ， 使 用适 当 的方 法 和标 准连 接基 本线 段作 为最 终 的直线 输 出。 基于 连接 的算 法可 以克 服 Ｈ ｕ ｈ变化 算法 的复杂 度 高 、 部 性 差等 不 足 。但是 该 算法 的抗 噪性 和全 局 ｏｇ 局
算法 的 特点在 于使 用 直线 与点 之 问的对 偶关 系 ， 线 段 的提 取 问 题转 化 为像 素 点 的计 数 问题 。这 一类 方 法 将
具有 全局 性好 ， 噪性 好 的优点 ， 同时也具 有 明显 的不 足 ： 时 间和空 间 复杂度 都 比较 高 ， 硬件 有较 高 的 抗 但 其 对 要求 ， 以用 于实 时环境 中 。此 外 ， 难 由于算 法 缺乏 局部 性 ， 没有 考虑 像素 之 间的空 间位 置关 系 ， 因此就 容 易产 生 “ 度 连接 ” 过 的现 象 。
卷积 ； 二步 对卷 积 图像求 导 ； 三步求 出图像 的所 有具 有极 大值 的像 素点 ， 其作 为边缘 点 。 第 第 将
（） ２ 基本 线段 的生 成
生成 基本 线 段 的通 常做法是 按 照某 种规 则 或标 准 ， 确定线 段 支持 区 ， 线段 支 持 区内的边 缘像 素点 拟合 将 或连 接成 基本 线段 。我 们 不采 用这 种做 法 ， 而是 采用 八 连通链 码 表示边 缘像 素 点 ， 并根据 链码 的特 征提 取基 本线 段 。这 些基 本线 段反 映 了 图像 的局部 特征 。 （ ） 本线 段 的局部 性 连接 ３基
性 较差 ， 而且 算 法 的效果 与边 缘提 取结 果 的好 坏有 关 。
１ 改进 的线段提取算法
上 述两类 算 法是 优 势互补 的 ， 以将二 者结 合起 来 得 到一 种 更好 的算 法 。本 文提 出一 种 改进 的线 段提 可
取 算法 。此 方法 在传 统 的连接 算 法 的基础 上 ， 加 了参 考 直线 这 一参 数 ， 于 反 映 图像 的全局 特 征 ， 对基 增 用 并 本线 段 的连 接提 供全 局性 的指 导 。整 个算 法分 为 以下几 个步 骤 。 （） １ 提取 边缘 像素 点 边 缘提 取 的方法 较 多 ， 各具 特色 。常 见的边缘 提 取算 法分 为三 步走 ： 也 第一 步 求 出图像 和最优 滤 波器 的
７ ４
长
春
大
学
学
报
第２ ０卷
基本 线段 的生成算 法 中没 有考 虑噪音 的影 响。事 实上 ， 由于各种 干 扰 的存 在 ， 可能 会 出现 误删 、 断 的 误 情 况 。这 里我们 通过使 用线段 的局部 性连 接算法 ， 于连接 间 隔不 超过 ４个 像 素 ， 用 且基 本共 线 的基 本 线段 ，
收 稿 日期 ：０ ００ －８ ２ １－ ２ ４
基 金 项 目 ： 林 建 筑 工 程学 院 青 年 科 技 发 展 基 金 项 目（２０ １５ ） 吉 Ｊ０ ９ ０ ８
作者简介 ： 赵越 （ ９２ ） 男 ， １８ 一 ， 吉林通化人 ， 助教 ， 士 ， 硕 主要从事人 工智 能方面的研究 。
第２ Ｏ卷
第 ６期
长
春
大
学
学
报
ＶＯ ． ＮＯ． １ ２０ ６
２１ ０ ０年 ６月ＨＵＮ ＵＮ ＶＥ Ｓ Ｔ Ｉ Ｒ ＩＹ
Ｊ ｎ ０ｌ ｕ ｅ２ ０
建 筑 图 像 中 线段 提 取 算 法 研 究
赵
（ ．吉 林 建 筑 工 程 学 院 １