一种遥感图像中建筑物的自动提取方法
利用机载三维成像仪的DSM数据自动提取建筑物
术 的发 展 ， 利用 立体 像 对 计 算 地 面 三 维 信 息 来 确
定 搜索 域成 为 建 筑 物 自动 提 取 的 主 流方 法 ， 且 而
是 虚拟城 市 的关 键 信 息 之 一【， 目前 建 筑 物 的 ｌ 引。
点 ， 均 ３ ｍ２ 有 １个 激光 点 ， 平 ～４ 就 比较 适 合 城 市
地 区应 用 。
１ 基 于 ＤＳ 影 像 的 建 筑 物 分 割 Ｍ
利用 三 维 成 像 仪 获 取 的 城 市 Ｄ Ｍ 影 像 ， Ｓ 属 于 灰 度 图像 ， 图 １所 示 。从 图 上 可 以 比较 容易 如
（ 中国科学院遥感应用研究所 ， １ 北京市大 电路 ３ ，０ １ １ 号 １０ ０ ）
摘
要 ： 用三 维成像 仪获取 的 Ｄ Ｍ 作为数据 源， 利 Ｓ 首先采 用影像 分割得 到建筑 物的平 面轮 廓线 ， 再根 据 建筑
物一 般 具 有 规 则平 面 形 状 的 特 点 ， 建 筑 物 的 平 面 边 缘 线 进 行 规 格 化 处理 ， 后 求 出建 筑 物 的 平 均 高 度 值 ， 对 最 从
而得 到建筑物 的三 维信息。试验表 明， 该方 法是 实用的。
关键 词 ： 筑 物提 取 ； Ｓ ； 像 分 割 ； 格 化 建 ＤＭ 影 规
中 图 法 分 类 号 ： ２ ７ ９ Ｔ ｙ５ ； ２ １ ５ Ｐ ３ ． ； ｆ７１Ｐ ３ ．
城 市建 筑 物 的三维 信息 可 以广 泛应 用 于城 市 的规 划设 计 、 市微气 候 的研 究 、 市空气 污 染控 城 城 制 和 环境 保 护 、 讯 网络 的布设 、 市 光 照研 究 、 通 城 城市 化进 程 的 监测 以及 城 市 的现 代 化 管 理 ， 也 它
建筑物提取方法分类
建筑物提取方法分类
建筑物提取方法是遥感图像处理中的一个重要研究领域，主要应用于城市规划、土地利用、资源管理等方面。
根据不同的数据来源和处理方法，建筑物提取方法可以分为多种类型。
一、基于光学遥感数据的建筑物提取方法
利用光学遥感数据进行建筑物提取是最常见的方法，包括基于特征提取的方法、基于阈值分割的方法、基于模板匹配的方法等。
二、基于雷达遥感数据的建筑物提取方法
利用雷达遥感数据进行建筑物提取相对较少，主要是利用雷达数据的散射特性进行建筑物提取，包括基于反射率的方法、基于极化特征的方法等。
三、基于LiDAR数据的建筑物提取方法
利用LiDAR数据进行建筑物提取可以获得高精度的建筑物高程
信息，包括基于点云分割的方法、基于高度阈值的方法、基于形态学特征的方法等。
四、基于多源遥感数据的建筑物提取方法
利用多源遥感数据进行建筑物提取可以提高提取精度和可靠性，包括基于数据融合的方法、基于多特征融合的方法等。
以上是常见的建筑物提取方法分类，不同的方法适用于不同的应用场景，需要根据实际需求选择合适的方法。
- 1 -。
基于不变矩的高分辨率遥感图像建筑物提取方法
ｉ ｍａ ｇ ｅ ｄ ａ ｔ ａ ｂ ｙ Ｃ ａ ｎ ｎ ｙ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｗａ ｔ ｅ ｒ ｓ ｈ ｅ ｄ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｅ ｎ．ｉ ｔ ｕ ｓ ｅ ｄ Ｈｕ ｍｏ ｍｅ ｎ ｔ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ｓ ａ ｎ ｄ ａ ｆ ｆ ｉ ｎ ｅ ｍｏ ｍｅ ｎ ｔ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ｓ ｆ ｏ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｅ ｅ ｘ ｐ ｅ ｉ ｒ ｍｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ａ ｆ ｆ ｉ ｎ ｅ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ｍｏ ｍｅ ｎ ｔ ｓ ｈ ａ ｓ ａ ｂ ｅ ｔ ｔ ｅ ｒ ｅ ｆ ｆ ｅ ｃ ｔ ｔ ｈ ａ ｎ Ｈｕ ｍｏ ｍｅ ｎ ｔ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ｓ ｉ Ｕ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｂ ｕ ｉ ｌ ｄ ｉ ｎ ｇ ｓ ．ａ ｎ ｄ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｕ ｓ ｅ ｏ ｆ ｍｏ ｍｅ ｎ ｔ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｂ ｕ ｉ ｌ ｄ ｉ ｎ ｇ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏｒ ｆ ｈ ｉ ｇ ｈ ． ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ｉ ｓ ｆ ｅ ａ ｓ ｉ ｂ ｌ ｅ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ｈ ｉ ｇ ｈ — ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｓ ；ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ；ｍｏ ｍｅ ｎ ｔ ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ ；ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ
使用遥感影像进行建筑物提取的方法
使用遥感影像进行建筑物提取的方法引言：随着遥感技术的不断发展和进步，遥感影像已经成为获取地理信息的重要手段之一。
在城市规划、土地利用、自然资源管理等领域，使用遥感影像进行建筑物提取成为了必不可少的工作。
本文将探讨几种常见的建筑物提取方法，并对其特点和应用进行分析。
一、基于目标检测的建筑物提取方法基于目标检测的建筑物提取方法是最常见和常用的一种方法。
它通过分析遥感影像中的特定纹理、颜色或形状等特征来检测建筑物目标。
常见的目标检测算法包括基于像素的方法、基于对象的方法和基于机器学习的方法。
1. 基于像素的方法基于像素的建筑物提取方法是最简单和直接的方法之一。
它通过设定某些特定的像素值或像素组合来检测建筑物。
例如，可以利用建筑物通常使用的红色或灰色来提取建筑物。
这种方法的主要优点是简单快速，但也存在着较大的误差率，容易受到光照、阴影等因素的干扰。
2. 基于对象的方法基于对象的建筑物提取方法是在像素级别的基础上进行的更高层次的目标检测。
它对遥感影像中的建筑物目标进行分割和识别，将像素组合成为连续的建筑物区域。
常见的方法包括基于阈值分割、基于边缘检测、基于形态学等方法。
这种方法在提取建筑物形状和边界方面效果较好，但也容易受到遮挡和复杂背景的影响。
3. 基于机器学习的方法基于机器学习的建筑物提取方法是近年来非常流行的方法之一。
它通过训练一定数量的有标注的样本数据，利用机器学习算法对影像进行分类和预测，实现自动化的建筑物提取。
常见的机器学习方法包括支持向量机（SVM）、随机森林（RF）和深度学习等。
这种方法准确性较高，但对于样本数据的选取和处理要求较高，而且计算量也较大。
二、基于特征提取的建筑物提取方法基于特征提取的建筑物提取方法是指通过提取遥感影像中的特征信息来检测建筑物。
常见的特征包括纹理特征、颜色特征和形状特征等。
1. 纹理特征提取纹理特征提取是基于遥感影像中建筑物纹理的变化来进行建筑物提取的一种方法。
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.
基于对象建模的遥感影像建筑物提取方法
ｏｊｃ ｍ ｄｌ ｉ ｎｕｅｖ ｅ ｅ ｏ ，ｓｅｉｅ ｘ ｒ ｌ ｅ ｏ ａｈｐｘｌｎｒｍ ｔ ｓｎｉ ｂ ｃ， ｎ ｘ ａｔ ｂｅｔ ｏ ｅ ｗｔ ｕ ｓｐｒｉ ｄｍ ｔ ｄ ｐｃ ｉ ｔ ｔ ｅ ａ ｌ ｆ ｃ ｉ ｅ ｏ ｅｓ ｇｏｊ ｔ ａｄｅｔ ｃ ｈ ｓ ｈ ｆｓｅ ｕ ｂ ｅ ｅｉ ｅ ｎ ｅ ｒ ｓ
摘要： 研究城镇建筑物 的提取是遥感影像分析应用中的一项重要 内容。遥感影像建筑物结构和光谱的多样性 ， 使结构 、 光谱 等特征的建筑物提取变得极其复杂。根据遥感影像的建筑物纹理区别于其它空间对象纹理 的特点 ， 为提高影像分辨率 ， 提
出 Ｇ ｂｒ 理块 的遥 感 影 像 对象 模 型方 法 应 用 于遥 感 影 像 城 镇 建 筑物 的提 取 。 以 整个 城 镇 为 对 象 ， 建 筑 物 、 路 、 地 等 ａｏ纹 以 道 绿 不 同城 镇 区 域 为 组成 对 象 的纹 理 块 ， 建立 基 于 纹 理 块 的对 象 模 型 ， 用模 型进 行 遥 感 影 像对 象 的纹 理 标 定 ， 利 最终 提 取 出 城 镇
ｏｂｅｔ ｄ ｌ ｇｉ ｅ ｔ ｅ ｓ ｇＩ ｇ ｊｃ Ｍｏ ｅｉ Ｒ ｍｏｅＳ ｎｉ ｍａ ｅ ｎ ｎ ｎ
Ｗ ＡＮＧ ｈ Ｓ ｉ—ｗｅ ．Ｆ ｉ ＡＮＧ ｏ Ｔａ
（ｎ ｔｕｅｏ ｈ ａ ｅＰ ｏｅ ｓ ｇ＆ Ｐ ｔ ｒ ｅｏ ｎ ｉ ， ｈ ｎ ｈ ｉ ｉ ｏ ｇＵ ｉ ｒｉ ， ｈ ｎ ｈ ｉ ０ ２ ０ Ｃ ｉａ Ｉ ｓ ｔ ｆ ｎ ｇ ｒｃｓｉ ｉｔ ｎ ａ ｅｎ Ｒ ｃ ｇ ｉｏ Ｓ ａ ｇ ａ Ｊ ｏＴ ｎ ｎｖ ｓ ｙ Ｓ ａ ｇ ａ ２ ０ ４ ， ｈ ） ｔ ｔｎ ａ ｅ ｔ ｎ
第２卷 第ｌ期 ７ ２
文 章 编 号 ：０ ６— ３ ８ ２ １ ）２—０ ５ ０ １０ ９ ４ （０ ０ １ ２ ４— ４
一种基于遥感的快速提取建筑物高度的方法
建筑科学科技创新导报 Science and Technology Innovation Herald87城市化发展包含了城市水平空间和垂直空间上的发展，而建筑物作为城市中最重要的组成部分，其高度的变化正是城市化垂直空间的体现。
目前，随着光学敏感元件的高精密集成技术，遥感影像分析精度的日益提升，因此，遥感影像得以广泛应用。
何国金[1]等人也进行建筑物高度的估算，针对北京市蜂窝电话网的布点建设要求进行高度分级，并生成不同建筑物高度的分布图，通过验证结果准确率达到80%以上。
以上方法虽然都对建筑物高度的提取提供了有效的方法，但过程相对复杂，必须提前获知太阳及卫星的各种角度。
在未知太阳和卫星的各种角度以及大批量处理数据时，使用这些方法误差较大。
为了实现快速、精准、有效地评价建筑物群的高度信息，该文使用“高分一号”遥感影像数据提取建筑物高度。
首先对原始影像进行预处理，其次利用K-平均算法聚类分析得到建筑物以及阴影区域；然后对阴影进行腐蚀膨胀等处理，获取准确的阴影长度，通过其长度计算出建筑物的高度。
该方法无需提前获知太阳及卫星的各种角度信息，操作便捷，提取方法快速、精准，克服了获取卫星遥感信息所带来的困难。
1 建筑物与阴影的提取针对建筑物群的在遥感影像中的实际成像特点，我们可以得到，通过获取的阴影信息来提取建筑物高度是该文的关键。
由于原始影像成像时会受到大气湍流、电磁波辐射等影响，导致遥感影像存在不同程度上的畸变、失真以及模糊等现象[2]。
因此在提取建筑物和阴影之前首先对遥感影像进行一定程度上的预处理操作，便于后续的影像图像信息处理。
然后利用K-平均算法分割出建筑物与阴影区域，并对阴影进行数学形态学处理，使边缘自然平滑。
流程图如下：1.1 K-平均算法分割建筑物阴影遥感影像预处理消除噪声和畸变后，采用K-平均聚类算法[3]对建筑物和阴影进行分割。
K-平均算法的根本思路就是把n 个数据处理对象根据他们的属性分为k 个分割。
遥感影像中建筑物平面及高度信息提取方法
2020年5期方法创新科技创新与应用Technology Innovation and Application遥感影像中建筑物平面及高度信息提取方法孙彦花（山东省煤田地质局物探测量队，山东济南250104）1概述遥感技术获取所需信息，不受环境的限制，可以在任意气候下进行。
这是遥感的优势。
遥感技术与地理信息技术的结合，可以凸显出更多的优势，应用到更多的领域。
二者的结合，也是很多地学者关注的焦点[1]。
3S 技术（GIS 技术、GPS 技术，RS 技术）相结合，具有更多的优势，能够推广到更多的应用领域[2]。
基于遥感技术的土地利用动态监测其中一个目的就是提高效率，又能保证精度。
目前最重要的是在现有技术条件下怎么提高自动化提取效率与质量[3]。
2本文主要研究内容本论文研究内容有：（1）图像分割技术。
（2）面向对象的特征提取方法。
（3）建筑物高度信息的初步提取。
（4）实地验证。
到实地进行验证未确定的遥感图像信息，这样保证了信息提取的实际精度。
2.1图像分割技术图像分割是利用图像不同的灰度值等信息将影像分割成多个图斑，然后利用不同的算子把感兴趣地类提取出来。
这样同一区域里的像素一些性质就相同。
2.1.1图像分割原则图像分割的原则有两个：（1）根据图像像素的灰度值是否具有连续性进行处理，如果像素的灰度值是连续的则认为同种地类，否则为不同种地类。
（2）利用区域增长法进行处理，主要是判读选中的区域内部的像素灰度值是否具有相似性，如果相邻区域的像素的灰度值具有相似性则可以将这些区域的像素合并处理。
2.1.2图像分割的主要方法图像分割的方法其实就是把数字图像分成互不相交的区域的过程，其主要方法包括：灰度阈值法、梯度方法、边缘检测法等。
2.2面向对象的特征提取技术ENVI FX 的全名是“面向对象空间特征提取模块-Fea -ture Extraction ”。
它是基于影像空间和光谱特征从高分辨率全色影像或者多光谱影像数据中提取所需的信息。
一种高分辨率遥感图像目标自动提取方法
１ 引言
如何 高效准确的从高分辨遥遥感 图像 中提取 出感兴趣 的 目标 ，是人们关注的研 究热点 。一般 的目标提取方法往往 采用人工识别、手动标绘 ，耗费大量 的时间，效率非常低 。
一
种高分辨率遥感图像 目标 自动提取方法
吴 波∞ 刘 嘉④③ ② 王宏琦①
北京
吴一戎① ②
（ 中国科 学院 电子学研 究所
１０ ８ １ ０ ００
（ 微波成像技术 国家重点实验 室 北京 １ ０ ８ ） ００ ０
（ 中国科学院研究生院 北京 １０３） ００９
摘 要 ：该文提 出一种高分辨率遥感图像 目标 自动提取方法 ，该方法首先使用分类器实现 目标 的快速检测 ，然后利 用图像色彩模型和平滑性先验知识建立分割代价 函数 ， 并最小化此代价函数实现 目标的精确提取 ， 最后在后处理步
，
③ Ｇ ａ ｔ Ｕ ｉ ｒｉ ｆ ｈ ｈ ｅ ｃｄｍ ｆ ｃ ｎｅ Ｂ ｉｎ ０３， ｈ ａ （ ｒｄ０ ｎ ｅｓ ｏ ｅ ｉ ｓ Ａ ａｅ ｏＳｉ ｃ ｅ ９ ００９ Ｃ ｉ ） ｅ ｖ ｔ ｔ Ｃ 礼 ｅ ｅ ｓ １ ｎ
，
Ａ ｓｒｃ： ｎ ｔｉ ｐ ｐ ｒ ａｍｅｈ ｄ ｆｒａ ｔｍａｉ ｏ ｊｃ ｘ ｒｃｉｎ ｉ ｉｈｒｓｌｔ ｎ ｒｍｏｅｓｎ ｉｇ ｉ ｇ ｓ ｂｔａｔ Ｉ ｈｓ ａ ｅ， ｔｏ ｏ ｕｏ ｔ ｂｅｔｅ ｔａｔ ｎ ｈｇ －ｅｏｕｉ ｅ ｔ ｅｓ ｍａｅｉ ｃ ｏ ｏ ｎ ｐ ｏ ｏｅ ． ｉ ｔａｒｂ ｓ ｍｕｔａ ｅ ｌ ｓ ｅ ｍｐｏ ｅ ｏｄ ｔｃ ｈ ｂ ｅｔｅ ｃｅｔ ． ｅｏ ｄｙ ａｃｓ ｆｎ ｔ ｎ ｒｐ ｓｄ Ｆ ｒ ， ｕｔ ｌ ｌ ｒ ａ ｉ ｒｓ ｓ ｏ ｉ ｙ ｃ ｓ ｆ ｉｅ ｌｙ ｄｔ ｅｅｔ ｅｏ ｊｃ ｆ ｉｎｌ Ｓ ｃｎ ｌ， ｏｔ ｕ ｃｉ ｉ ｔ ｉ ｙ ｏ
高频遥感影像的建筑物提取算法研究
高频遥感影像的建筑物提取算法研究摘要：高频遥感影像的建筑物提取是遥感图像处理领域的重要研究方向之一。
本文对高频遥感影像的建筑物提取算法进行了深入研究和探讨。
主要关注基于像素级和基于特征的建筑物提取方法，通过对不同算法的实验比较，分析了其优缺点，对未来的研究方向进行了展望。
一、引言高频遥感影像的建筑物提取是解决城市规划、环境监测和灾害预警等重大问题的基础。
传统的人工提取方法耗时且精度有限，因此，研究开发一套自动化高效的算法来提取建筑物成为迫切需求。
二、建筑物提取算法比较基于像素级的建筑物提取算法主要将遥感图像转化为二值图像，通过像素级的处理方法来区分建筑物和非建筑物。
常用的算法包括阈值分割、形态学操作、颜色和纹理特征分析等。
不同算法在不同场景和数据集上表现出不同的优势和局限性。
基于特征的建筑物提取算法则关注分析遥感影像中与建筑物相关的特征，通过机器学习、图像处理和模式识别等技术实现建筑物的自动提取。
这些特征包括纹理、边缘、角点、匹配特征、红外辐射等。
这些算法大大提高了建筑物提取的准确性和效率。
三、高频遥感影像的建筑物提取算法研究进展1. 基于像素级的建筑物提取算法研究(1) 阈值分割算法：通过设定合适的阈值将图像转化为二值图像，然后利用形态学操作进行形状分析和区域连接，最终得到建筑物位置。
(2) 形态学操作算法：通过膨胀、腐蚀、开操作和闭操作等形态学操作，提取目标建筑物的形状信息。
(3) 颜色和纹理特征分析算法：利用建筑物在遥感影像中的颜色和纹理特征，通过图像分割和分类算法来识别建筑物。
2. 基于特征的建筑物提取算法研究(1) 基于机器学习的建筑物提取算法：使用监督学习或无监督学习方法，通过训练建立建筑物识别模型，实现自动提取。
(2) 基于图像处理的建筑物提取算法：利用边缘检测、角点检测、匹配特征提取等图像处理技术，提取建筑物的边界和线条特征。
(3) 基于模式识别的建筑物提取算法：通过对遥感影像进行特征提取和模式匹配，实现建筑物的快速准确提取。
卫星遥感影像建筑物信息提取新方法
卫星遥感影像建筑物信息提取新方法近年来，随着卫星遥感技术的不断发展，利用卫星遥感影像进行建筑物信息提取已成为地理信息科学领域的研究热点之一。
传统的建筑物信息提取方法往往依赖于人工解译和手工标注，工作量大，效率低，并且易受主观因素影响。
因此，研究新的方法来自动化提取建筑物信息对于提高效率、降低成本具有重要意义。
一种新的方法是利用深度学习技术进行建筑物信息提取。
深度学习是一种模仿人脑的神经网络算法，通过训练数据自动学习特征和规律。
深度学习在计算机视觉领域取得了巨大的成功，并被广泛应用于目标检测和图像分类等任务中。
在建筑物信息提取中，深度学习可以通过训练大量的遥感影像样本，自动提取建筑物的特征，并完成建筑物的边界提取、分类和定位等任务。
相比传统方法，利用深度学习进行建筑物信息提取可以减少人工干预，提高准确性和效率。
另一种新的方法是基于卫星遥感影像的多源数据融合。
卫星遥感影像的分辨率有限，难以直接提取细小或隐藏在高层建筑中的建筑物信息。
为了解决这一问题，研究人员将卫星遥感影像与其他数据源，如激光雷达数据或地面摄影数据进行融合。
多源数据融合可以提供更多维度的信息，丰富建筑物信息的特征。
例如，激光雷达数据可以提供建筑物的高度信息，地面摄影数据可以提供建筑物的外观信息。
通过将这些数据融合起来，可以更准确地提取建筑物的边界、高度和类型等信息。
此外，基于卫星遥感影像的深度学习方法与多源数据融合方法可以相互配合，形成一种新的综合方法。
例如，可以在深度学习的基础上进一步引入激光雷达数据或地面摄影数据，通过多源数据的融合提取建筑物的更详细信息。
这种综合方法可以充分利用不同数据源的优势，提高建筑物信息提取的准确性和效率。
此外，随着卫星遥感技术的进一步发展，高分辨率遥感影像的获取将变得更加容易。
高分辨率遥感影像可以提供更清晰、更详细的建筑物信息，为建筑物信息提取新方法的研究提供了更好的数据基础。
同时，随着云计算和大数据技术的发展，处理大规模遥感影像数据的能力也得到了显著提升。
基于卫星遥感影像的城市建筑物分类提取研究
基于卫星遥感影像的城市建筑物分类提取研究摘要遥感技术是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。
作为空间地理信息系统建设的一种有效方法，在智慧城市建设中发挥着重要作用。
文章通过应用遥感影像进行城市建筑物自动化分类提取方法的研究，为相关技术应用于智慧城市建设提供参考。
关键词：智慧城市；遥感影像；建筑物；自动化提取1.研究背景随着经济社会的高速发展，城市面貌也在发生着巨大的变化，为了更科学有效的进行城市规划、建设和管理，城市建设管理部门需要及时掌握城市建设变化情况。
在远程遥感观测技术出现之前，人们主要通过工程测量等方法来收集城市信息，进行城市规划与管理。
卫星遥感技术以其大范围、快速准确获取地面信息的优越性，越来越广泛应用于土地利用、城市规划与管理等领域。
在智慧城市建设中，对于建筑物的识别提取是极其重要的，如何识别建筑物从而更好的分类和提取也直接关系到建筑物提取的自动化程度。
此外，由于城市建设的不断发展，城市建筑物不断更新变化，因此，对建筑物进行有效的识别与提取是一个非常关键的问题，找到一种准确高效且自动化的高分遥感建筑物提取方法来替代人工方式具有重要意义。
2.研究现状目前的建筑物提取主要是通过利用图像特征信息来进行图像建筑物的识别以及提取。
这些年来，国内外的很多学者都专注于对遥感影像建筑物进行精确识别，以及在影像上提取出建筑物等信息的研究，并且提出了很多的方法和理论，也取得了一定的成果。
比如利用建筑物的位置关系对相似的建筑物进行过滤，最后通过图割算法实现对建筑物的精确提取；过Mask R-CNN算法来实现对建筑物的矢量提取；通过人工提取的方法对房屋进行提取，从而实现对建筑物房屋位置、范围等的初步自动化提取等。
在国外，Janja Avbelj and Rupert Muller提出了一种新的彩色高分辨率遥感图像建筑物提取方法。
遥感影像提取建筑物高度的方法
经查询遥感影像头文件 Ｐ Ｒ Ｂ可得太阳高度角以及卫星高度角 ， 图中建筑物阴影在直线方向的长度可通 过Ａ ｒ ｃ ｇ ｉ ｓ 中的计算得到 ， 带人公式（ １ ） 计算可得 ， 此建筑物高度约为 ４ ９米 ， 经实地测量 ， 该处建筑物实际高
度 约为 ４ ８米 。
使用该方法， 经过多处建筑物高度 的计算 ， 与实际值对 比后误差基本控制在 ｌ ｍ以内， 基本符合城市 防
础。
（ ２ ） 本文 在 阴影 的提 取方 法上运 用 了基 于 样 本 的计 算 机 分类 法 。该 法 的 特点 在 于 过程 简 易 明 了 ， 可 以 对 不 同区域 的阴影 特征 进行 区分处 理 ， 并 适 当结合人 工识 别 ， 保 证 了识别 的精 度 和灵 活性 。 （ ３ ） 在 阴影 长度 的计算 方法 上 ， 提 出运用 阴影 矢 量本 身 来 分 割 阴影 投射 方 向直 线 的方 法 。该 法 避 免 了 大量参数 的运用 ， 在缺乏相关遥感图像参数 的情况下可以快速确定阴影的长度 。 参 考文 献 ：
收稿 日期 ： ２ ０ １ ２ － ０ ９ ． １ ０ 基金项 目： 国家“ 十二 五” 科技支撑计划资助项 目（ ２ ０ １ １ Ｂ Ａ Ｋ ０ ７ Ｂ ０ １ — ０ ４ ）
第２ 期
李嘉 良， 等： 遥感影像提取建筑物高度 的方法
１ ２ ５
图 ８ 用矢量图分 割直线
图 ９ 分割后 的结果
和可见 阴影长度之间的公式为 ：
日 ＝Ｌ ２ ×ｔ ａ ｎ ａ×ｔ ａ ｎ ｌ ｆ ／ （ ｔ ａ ｎ —ｔ ａ ｒ ） （ １ ）
如图 ｌ ｂ ， 当太 阳和卫星的方位相反 ， 即太阳和卫星位于建筑物的两侧时 ， 建筑物阴影 的实际长度 ｜ ｓ 和遥
遥感图像中建筑物自动识别与标绘方法研究
电
子
测
量
技
术
第３ Ｏ卷 第 ２ 期
２ ０ 年 ２月 ０７
ＥＬ ＥＣＴＲＯＮＩ Ｃ Ｍ ＥＡＳ ＵＲＥＭ ＥＮＴ ＴＥＣＨ Ｎ０Ｌ０ＧＹ
遥 感 图像 中建 筑 物 自动 识别 与 标 绘 方 法研 究
李海月 王宏琦 陆见微 林
２ 吉林 省 吉林 市 中心 医院 吉 林 ．
Ｌ ｉｕ Ｗ ａ ｇＨｏ ｇ ｉ ＬｕＪａ ｗｅ ｉＨａｙ ｅ ｎ ｎ ｑ ｉｎ ｉ Ｌｉ ｎ Ｗａ ｇ Ｆ ｓｎ ｎＹｉ ｎ ｕ ｅ
（ Ｉｓｉ ｔ ｏ ｌ ｔｏｉ，Ｃ ｉｅｅＡｃｄｍｙｏ ｃ ｎｅ ，Ｂ ｉｎ ０ ０ ０ １ ｎ ｔｕｅ ｆＥｅ ｒ ｎｃ ｈｎ ｓ ａ ｅ ｆＳｉ ｃｓ ｅｊ ｇ １０ ８ ； ｔ ｃ ｅ ｉ
Ｋｅ ｗｏｄ ：ａ ｇ ｔｒ ｃ ｇ ｉｉｎ； ａ ｔｍ ｔｃｍ ｐ ｉｇ ｔｘ ｕ ｅｉ ｇ ｅ ｅ ｔｔ ｎ ＧＬ ｙ ｒ ｓ ｔｒ ｅ ｅｏ ｎｔ ｏ ｕｏ ａ ｉ ａ ｐｎ ； ｅ ｔ ｒ ａ ｍ ｅｓｇ ｎ ａｉ ； ｍ ｏ ＣＭ ； Ｈｏ ｇ ｒｎ ｆｒ ｕ ｈ ｔａ ｓｏ ｍ
ｍ ｅｈ ｄ ｉ ｓｄ ｔ ｅ ｏ ｓｒ ｃ ｈ ａｇ ｔｂ ｉ ｉｇ ｔ ｅ ｕａ ｌｇ ｎ ． Ｔｈｓｓ ｌｔ ｎｈ ｓｂ ｅ ｓｄ ｏ ＫＯＮＯＳ ａ ｄ ｔ ｏ ｕ ｅ Ｏ ｒｃ ｎ ｔｕ ｔｔ ｅｔｒ ｅ ｕｌ ｎ ｓｉ ｏ ｒｇ ｌｒｐ ｙ ｏ ｓ ｓ ｄ ｎ ｏ ｉ ｏｕ ｉ ａ ｅｎ ｕ ｅ ｎ Ｉ ｏ ｎ
０ 引
言
用受 到限制 。 针对上 述问 题 ， 文 提 出 了一 种 采 用 纹 理 分 割 、 本 区域
遥 感 图像 中人 造 目标 的 自动识 别 与标 绘 是 近 年 来 遥 感 应 用领 域 的一 个 热 点课 题 ， 未来 的数 字 地球 、 字 城 是 数 市 构想 中 的关 键技 术之 一 。在 遥感 图像 的人 造 目标 中 ， 建
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。
利用遥感影像提取建筑轮廓的方法
利用遥感影像提取建筑轮廓的方法下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
本文下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Downloaded tips: This document is carefully compiled by the editor. I hope that after you download them, they can help you solve practical problems. The documentscan be customized and modified after downloading, please adjust and use it accordingto actual needs, thank you!In addition, our shop provides you with various types of practical materials, suchas educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!建筑轮廓提取是遥感影像处理中的重要任务，它对于城市规划、环境监测和资源管理等领域具有重要意义。
建筑物轮廓提取
建筑物轮廓提取
建筑物轮廓提取是指通过遥感卫星图像等技术手段，将建筑物的轮廓从图像中提取出来，以便用于城市规划、环境监测等领域。
建筑物轮廓提取的过程需要使用遥感数据处理软件，下面详细介绍建筑物轮廓提取的几个关键步骤。
一、遥感数据预处理
在进行建筑物轮廓提取前，首先需要进行遥感数据的预处理。
这里的预处理包括影像辐射校正、影像配准、影像融合等，以确保提取的轮廓准确无误。
二、建筑物识别
建筑物轮廓提取的第二步是建筑物识别。
建筑物识别是指通过图像处理技术，自动将建筑物从遥感图像中提取出来。
这个过程需要考虑到建筑物在遥感图像中的特征，如颜色、形状、纹理、尺寸等因素，以确定建筑物的位置和范围。
三、建筑物边界提取
建筑物识别完成后，需要进行建筑物边界的提取。
建筑物边界的提取包括图像分割、边缘检测等步骤，通过这些步骤可以将建筑物轮廓与周围环境分离开来，使轮廓更加清晰明确。
四、建筑物轮廓修复
建筑物轮廓提取的最后一步是轮廓修复。
由于遥感图像存在噪声和遮
挡等问题，所以在提取建筑物轮廓时，可能会产生缺失、断裂等现象。
这时需要对轮廓进行修复，使其完整无缺。
以上是建筑物轮廓提取的四个关键步骤，通过这些步骤可以精确地提
取出建筑物的轮廓。
建筑物轮廓提取技术已经广泛应用于城市规划、
环境监测、地质勘探、国土资源调查等领域，为人们的生产和生活带
来了许多便利。
遥感影像 建筑物识别 python
遥感影像建筑物识别 python遥感影像在建筑物识别中发挥了重要作用，而Python作为一种强大的编程语言，可以帮助我们处理和分析遥感影像数据。
本文将介绍如何利用Python进行建筑物识别的方法和技巧。
我们需要了解遥感影像和建筑物识别的基本概念。
遥感影像是通过卫星或飞机等远距离获取地球表面信息的技术，可以获得高分辨率的图像数据。
建筑物识别是指利用遥感影像数据来识别和提取图像中的建筑物信息。
在Python中，有许多强大的库和工具可供我们使用。
其中，最常用的库是OpenCV和TensorFlow。
OpenCV是一个开源的计算机视觉库，具有广泛的图像处理功能，可以用于图像的读取、处理和分析。
TensorFlow是一个流行的深度学习框架，可以用于建立和训练神经网络模型。
我们需要加载遥感影像数据。
可以使用Python的OpenCV库来读取和显示图像。
通过调用OpenCV的函数，我们可以将遥感影像读取为一个多维数组，每个元素代表一个像素点的数值。
接下来，我们可以使用图像处理技术来增强图像的质量和清晰度。
例如，可以使用滤波器来降噪、平滑和增强图像的细节。
还可以使用直方图均衡化来增加图像的对比度和亮度。
在进行建筑物识别之前，我们需要对图像进行预处理。
这包括图像分割、特征提取和特征选择等步骤。
图像分割是将图像分割成不同的区域或对象的过程。
可以使用分割算法，如阈值分割、边缘检测和区域生长等，来将图像分割成建筑物和背景等不同的区域。
在特征提取的过程中，我们需要从图像中提取有意义的特征。
可以使用各种特征提取算法，如色彩特征、纹理特征和形状特征等，来描述和表示建筑物的特征。
然后，我们可以使用特征选择算法来选择最具有区分性和重要性的特征。
接下来，我们可以使用机器学习算法来训练和构建建筑物识别模型。
可以使用监督学习算法，如支持向量机（SVM）、决策树和随机森林等，来训练模型。
还可以使用深度学习算法，如卷积神经网络（CNN），来构建更加准确和精确的建筑物识别模型。
- 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)。
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
ａ ｒｅ ａｆｒ ｕｌｉｇｊｄ ｍ ｎ ｌ ｉａｅｄｓ ｒｓ ｒｄ ｃ ａｓ ｅｅｔ ｎａｄａ ｓ ｓｃｅｓ ｌ ｅｅｔ ｈ ｓ ｉ ｒ ｉ ｎ ｇ ｅ ｔｏｅｉ ｎ ｔ ｉｕｂ ， ｅ ｕ ｅｆｌ ｄｔｃｉ ｎ ｔ ａｔ ｕ ｃｓｆ ｌ ｄ ｔｃ ｔｅ ｃ ｔｉ ｏ ｂ ｄ ｕ ｔ ｍ ｔ ｅ ｏ ｌ ｕｙ ， Ｈ ｕ ｈ 在 ｏ ｇ 变换域进行建筑物边缘 方向统计来 筛选边缘线段 ， 提取出潜在的 目标边缘线段 ； 接
着该文提 出了对建 筑物 的几何特 征（ 例如矩形特征 、 角点特征和阴影特征等 ） 和灰度特征进行识别 的算法 ， 将其识别 结果做
为判定建 筑物 目标的依 据 ， 最终准确地提取 出建筑物 。 大量实验证 明该方 法相 比较单 一 的线性 特征检测 方法 ， 速度 快 、 准确 率高 。 有较 强的实际应用价值。 具 关键 词 ： 遥感图像 ； 建筑物识别 ； 向统计 ； 方 建筑 物特征
ＡＢＳ ＴＲＡＣＴ ： ｉ ｚ ｎ ｉ ｅ ｒ ｆ ａｕ ｅ ｉ ｏ ｄ ｌ ｓ ｄ ｉ ｕ ｌ ｉ ｇ ｄ ｔ ｃ ｉ ｎ Ｔ ｅ ｅ ｌ ｅ ｒ ｆ ａ ｕ ｅ — ｂ ｓ ｄ Ｕｔ ｉｉ ｇｌｎ ａ ｅ ｔ ｒ ｓ ｎ ｗ ｗｉ ｅ ｙ ｕ ｅ ｎ ｂ ｉ ｎ ｅ ｅ ｔｏ ． ｈ ｓ ｉ ａ ｅ ｔ ｒ ｌ ｄ ｎ ａｅ ｍｅ ｈ ｄ ｒ ｉ ｌ ｕ ｉ ｏ ｃ ｕ ａ ｙ ｔ ｏ ｓａ ｅ ｓｍｐ ｅ ｂ ｔｗ ｔ ｌ ｗ ａ ｃ ｒ ｃ ．Ｔ ｉ ａ ｅ ｒ ｐ ｓ ｓ ａ ｎ ｗ ｔ ｏ ｆ ａ ｔ ｍａｉ ａ ｕ ｌ ｉ ｇ ｄ ｔ ｃ ｉｎ ｈ ｈ ｓ ｐ ｐ ｒ ｐ ｏ ｏ ｅ ｅ ｍｅ ｈ ｄ ｏ ｕ ｏ ｔ ｌｂ ｉ ｎ ｅ ｅ ｔ ｃ ｄ ｏ
维普资讯
第２卷 ３ 第４ 期
文章编号 ：０ ６—９ ４ （０ ６）４—０ ８ １０ ３８２０ ０ １４—０ ４
计 算 机 仿 真
２６ 月 ０ 年４ ０
一
种 遥 感 图像 中建 筑 物 的 自动提 取 方 法
侯 蕾， 东， 尹 尤晓建
ｆｏ ｒ ｍｏｅ ｓ ｎ ｉ ｇ ｉ ｇ ｓｂ ｓ ｄ ｏ ｕ ｌ ｉ ｇ ’ ｌ ｒ ｍ ｅ ｔ ｅ ｓｎ ｍａ ｅ ａ ｅ ｎ ｂ ｉｄ ｎ ｓ ｍｕ ｔ ｉ—ｃ ａ ａ ｔ ｒｓｉ ｓ ｈ ｅ ｍｅ ｈ ｄ ｆ ｓ ｄ ｐ ｓ Ｃ ｎ ｙ Ａｌ ｏ ｔ ｍ ｈ ｒ ｃ ｅ ｔ ．Ｔ ｔ ｏ ｒ ｔ ｏ ｔ ａ ｎ ｇ ｒ ｈ ｉ ｃ ｉ ａ ｉ ｔ ｅｅ ｔｅ ｇ ｉ ｅ ｏ ｉ ｇ ． Ｔ ｅ ａ ｅ ｎ ｆ ａｕ ｅ ｆｂ ｉｄ ｎ ｉｔ ｂ ｔ ｎ ａ ｄ Ｈｏ ｇ ｒ ｎ ｆ ｒ ，ｉ ｅ ｌ ｙ ｏ ｄ ｔｃ ｄ ｅ ｌ ｓｆ ｍ ｍａ ｅ ｈ ｎ ｂ ｓ ｄ ｏ ｅ ｔ ｒ ｓｏ ｕ ｌ ｉ ｇ ｄ ｓｒ ｕ ｉ ｎ ｕ ｈ ｔａ ｓｏ ｍ ｎ ｒ ｉ ｏ ｔ ｍｐ ｏ ｓ
（ 中国科学技术大学 电子工程 与信息科学 系 ， 徽 合肥 ２０ ２ ） 安 ３０ ７
摘要 ： 目前 ， 传统建筑物识别方法通 常采用基于建筑物边缘线性特征 的识别算 法 ， 这类 方法具有 简单高效 的优 点 ， 但识 别率 较低 。 该文提 出了一种综合利 用建 筑物的若干特征进行 自动识别 的方法 。 首先用 Ｃｎｙ ａｎ 算子提取边缘 ， 然后根据建筑物 的空