基于高分辨率遥感影像的建筑物轮廓信息提取

合集下载
  1. 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. 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. 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)。
3.2边缘检测
边缘的类型多样,在本研究的试验图像上主要是阶跃型边缘。阶跃型边缘定位于其一阶导数的局部极值点,因此可 以采用图像的一阶导数(即梯度)进行边缘检测。常用的梯度算子有Roberts算子、Prewitt算子、Sobel算子等。通常 可以根据图像特征选择合适的梯度算子进行检测。本研究基于数学形态学的相关理论提出了一种新的针对灰度图像的形 态算子边缘检测方法。首先设计一个结构体算子,通过反复试验得知算子大小为3×3,循环次数为1的时候效果最佳。 增大算子或者增加算子的循环次数会使检测到的边缘加粗,从而以影响边缘检测的精度。算子的具体表达式为:[[1, 0.5,1],[l,0.25,l],[l,0.5,l]]。应用该算子先对原图像进行形态学中的膨胀操作,得到膨胀图像;然后进行 腐蚀操作,得到腐蚀图像。将膨胀图像与腐蚀图像进行“减”运算,叮以得到边缘检测图像试验证明通过该算子可以有 效准确的检测到建筑物轮廓信息,并且可以较好地抑止噪声。
3.5图像二值化
得到经过去除干扰因素(阴影、植被)的边缘检测图像后,就要进行梯度图像的阈值化处理。借助直方图分析和人 机交互的方式确定合适的阈值,可以发现目标物体(即前景)和背景内部的点低于阈值,而大多数边缘点高于阈值。然 后我们将低于该阈值的像元赋值为1,而高于该l阈值的像元(即边缘像元)赋值为0,这样可以得到黑白翻转后的结果 图像。
在边缘检测图的基础上,进行边缘连接、去除植被和阴影、区域标识、特征量测和目标分割等操作,最终得到试验 区建筑物轮廓提取结果如图4所示。
http://www.czlra.gov.cn/html/gtxxzy_gtzyxxh/2009-7-3/0973927849643182.html
基于高分辨率遥感影像的建筑物轮廓信息提取 __常州市国土资源局
页码,2/4
3.1数据预处理
在图像分割前,有必要对原始图像进行适当的预处理以提高图像质量。预处理主要包括:直方图均衡化和滤波处理 等。其中滤波处理采用均值滤波器或者中值滤波器对原图像进行平滑处理,以去除图像噪声和个别孤立点,改善图像质 量。同时为了尽可能的去除无用背景对分割结果的影响,在分割之前,先设定一个灰度门限(这个值要取的相对低一 些),把低于该门限的像素灰度值设为0,初步滤除部分干扰因素。经过预处理后得到的图像作为要进行目标分割的图 像。
3.8图像后处理
一般情况下在经过上述处理后得到的建筑物目标区域总包含黑区域,形成黑洞。黑洞的存在一方面可能是噪声的影 响,比如卫星图像拍摄时或者图像数字化过程中引入的系统噪声,另一方面是客观世界的真实反映,这是由于建筑物屋 顶的属性不可能完全一致,其材料、花纹等都有变化。为了获取目标的整体外观,本研究对处理获得的建筑物前景目标 采用形态学中的洞填充操作,即综合运用腐蚀、膨胀、开、闭操作等处理,达到消除黑洞的效果。
基于高分辨率遥感影像的建筑物轮廓信息提取 __常州市国土资源局
页码,1/4
天气预报:常州天气预报:7月5日白天 雷阵雨 31℃ ; 7月5日夜晚 雷阵雨 25℃ ; 7月
关于我们
网站导航
加入收藏
ຫໍສະໝຸດ Baidu设为首页
政府信息公开 机构概况 通知公告 土地规划 行政许可 土地执法 人事公开 政府采购 项目与资金 地矿管理 用地审批 统计数据 应急管理 机构公文 办事指南 收费标准 表格下载 窗口指引 办事依据 个人办证申请 个人办证查询 企业办证申请 业务流程 分割证查询 采矿权登记查询 土地市场 局长信箱 监督投诉 建言献策 办事咨询 在线投诉 意见建议 常见问题 举报电话 在线访谈 网上调查 便民查询 读书论坛 网站导游
3研究方法
本建筑物轮廓提取的方法主要包括图像预处理、边缘检测和边缘连接、去除阴影、二值化、区域标识、特征量测和 后处理等过程,其流程如图2所示。
http://www.czlra.gov.cn/html/gtxxzy_gtzyxxh/2009-7-3/0973927849643182.html
2011/7/5
4试验结果
本文选取覆盖北京师范大学校园的Quickbird图像对以上技术流程进行了试验,结果表明基于该方法进行建筑物边 缘检测是非常有效的。首先在图像预处理的基础上进行边缘检测,图3上图为试验区局部地区利用改进的数学形态学算 子进行边缘检测的结果,右图为传统的Sobel算子边缘检测结果。可以看出,该方法比Sobel算子无论在检测效果和抑止 噪声方面都更胜一筹。
3.3边缘连接
前面的边缘检测处理仅得到处在边缘的像素点。实际上,由于噪声、不均匀照明而产生的边缘间断以及其他由于引 入虚假的亮度间断所带来的影响,使得到的一组像素很少能完整的描绘出一条边缘。因此,在进行边缘检测算法后紧跟 着要使用边缘连接过程将边缘像素组合成有意义的边缘。连接边缘点的具体方法是分析图像中的每一个点(x,y)的一 个小邻域 (3×3)内像素的特点,该点是用上面边缘检测方法得到了标记了的边缘点。将所有依据事先预定的准则而 被认为是相似的点连接起来,形成由共同满足这些准则的像素组成的一条边缘。在这种分析过程中确定边缘像素相似性 的两个主要性质是:第一是用于生成边缘像素的梯度算子的响应强度。第二是梯度向量的方向。第一条性质由△f(梯 度)给出。因此,如果满足:∣△f(x,y)-△f(x0,y0)∣≦E。则处在预先定义的(x,y)邻域内坐标为(x0,y0)的 边缘像素,在幅度上相似于位于(x,y)的像素,这里E是一个非负门限。梯度向量的方向(角度)由式:∣α(x,y) -α(x0,y0)∣<A给出。如果满足该式,则处在预先定义的(x,y)邻域内坐标为(x0,y0)的边缘像素具有相似于位于 (x,y)的像素的角度。这里A为非负角门限。如果大小和方向准则都得到满足,则在前面定义的(x,y)邻域中的点 就与位于(x,y)的像素连接起来。在图像中的每一个位置重复这一操作。当邻域的中心从一个像素转移到另一个像素 时,这两个相连接点就记录下来。
办事指南
·油气探矿权注销登记审批办.. ·被征地农民享有哪些知情权.. ·对征地补偿安置方案有意见.. ·怎样办理补偿登记手续? ·探矿权申请的审批程序? ·探矿权申请的审批要件? ·如何获得采矿权? ·采矿权申请的审批权限? ·采矿权申请的审批程序? ·土地登记申请提交资料 ·土地登记审核要点 ·办理《国有土地使用证》详..
3.7特征量测与区域分割
图像的形状量测是基本的图像测量方式。通常,图像上目标区域的几何形状参数主要包括周长、面积、最长轴、方 位角、边界矩阵和形状系数等。由于进行建筑物目标分割,此处选定面积特征进行目标的特征量测。根据区域标识结 果,对图像中的目标区域进行面积特征量测,即计算出各个区域所包含的像素个数。选定能够度量区域大小的面积(像 素数)这个特征参数来去除小目标和孤立点,留下那些最有可能是建筑物的大小合适的区域。这里的阈值选取可以根据 实际情况(如图像分辨率、不同区域)做调整。
当前您的位置: 首页 >> 国土信息资源 >> 国土资源信息化>> 正文
关键词:
范围:
标题 内容 高级搜索
基于高分辨率遥感影像的建筑物轮廓信息提取
发布日期:2009-07-03 09:27:08 浏览数: 字号:〖大 中 小〗
推荐新闻
·金坛“金土地”联动窗口.. ·常州坚持“四个确保”,.. ·新北国土系统对不良作风.. ·全国矿业权实地核查技术.. ·找准突破口 抓好着力点 ·省国土资源厅领导首次出.. ·全省耕地保护暨基本农田.. ·全省土地登记人员上岗资.. ·全省国土资源执法监察管.. ·常州市龙汤温泉地热探采..
http://www.czlra.gov.cn/html/gtxxzy_gtzyxxh/2009-7-3/0973927849643182.html
2011/7/5
基于高分辨率遥感影像的建筑物轮廓信息提取 __常州市国土资源局
页码,3/4
3.6区域标识
区域标识是进行独立区域的特征量测和统计处理的关键步骤。经过初步分割,二值图像被分为一系列区域,为了进 一步区分建筑物目标区域与噪声区域,需要对图像中所有独立区域进行标识,然后才能够进行区域的特征测量,提取建 筑物目标。区域标识的基本思想是:第一从图像的某一位置出发,逐一像素进行扫描,对于同一行中不连通的行程(灰 度相同)标上不同的号,不同的列也标上不同的号;第二是逐次扫描全图,如果两个相邻的行(列)中有相连通的形成 则下行(列)的号改为上行(列)的号;第三是对标记的号进行排列,则可得到图像中不连通区域的标识序列。得到了 图像中目标区域的标识序列,就可以对每一个感兴趣目标进行特征量测。
2数据和研究区域
本研究使用的数据为2003年的Quickbird图像,分辨率为0.61米,共包括四个波段,分别为红、绿、蓝和近红外。 数据覆盖范围为北京师范大学本部校园。研究区内建筑物数量众多,轮廓形状具有代表性,如图1所示。
---常州市政府网站-----常州国土资源分局-----国家国土资源部---
建筑物是地理数据库中最容易增加和发生变化,也是最需要更新的部分。由于建筑物对于城市建设、GIS系统更 新、数字化城市以及军事侦察等方面的重要性,快速提取建筑物信息技术和进行建筑物变化检测在城市发展规划、电子 信息化、国防等方面有着重要的应用。在遥感图像中人工建筑物信息的提取是个非常复杂的过程,往往不仅需要计算机 的自动识别,还需要人的辅助来完成,采用单纯一种方法难以获得理想的效果,所以在该领域国内外(特别是国内)的 研究相对较少。
经过初步的区域分割基本可以得到较为明显的目标分割结果,但是仍然存在较大面积的阴影、道路等目标的干扰, 因此需要进行进一步的统计区域分割。由于建筑物形状多样、大小不一,应该根据特定的研究需要确定适合于该类目标 提取的特征。本研究利用区域凸面积与区域面积的比值判断该区域是建筑物还是非建筑物。具体方法是首先分别进行面 积和凸面积的计算,得到图像中所有目标区域的两类特征值,然后进行其比值的统计计算,最后选取合适的比例系数, 对图像进行统计区域分割,从而得到建筑物目标区域。
3.4阴影与植被去除
通过密度分割法和监督分类法基本可以获得原始图像的阴影信息,而利用归一化植被指数(NDVI)可以有效地将试 验数据上的植被信息提取出来,其计算公式为:NDVI=(NIR-R)/(NIR+R)。对这两幅图像进行直方图分析,确定合适的 阈值,得到两幅二值图像。将这两幅二值图像取“并”然后与上面边缘检测和边缘连接处理后的图像进行“与”操作, 可以很好的去除图像上的建筑物阴影和植被等干扰因素的影响。
现有的一些研究大多集中在比较规则和特征明显的建筑物,通用性较差,而且当建筑物比较密集时提取的效果一 般。鉴于这些原因,本文选用人工建筑物密集的大学校园为本次研究的典型试验区,以Quickbird(快鸟)为基础数据 源,运用图像图形处理和分析、模式识别技术、现代计算机技术,设计了一套从单时相高分辨率遥感影像上快速提取建 筑物二维轮廓信息的技术方案。
Herman和Kanade的方法是早期经常被引用的方法,他们使用基于人工智能的3D推断,搜索垂直和水平方向的直线, 运用启发式推理提取长方体建筑物。Shufelt的方法可以从单幅、倾斜视角的图像中提取平顶或者尖顶的建筑物,他主 要使用影子信息和基于消逝点的垂直边界。Weidner展示了如何利用数字表面模型(DSM: Digital Surface Model)提 取类似于尖形、棱柱形的参数化建筑物。Krishnamachari的方法首先提取图像中的直线段,然后基于直线段构建Markov 场反映直线段之间的关系,通过最小化能量函数找到矩形和“L”型的建筑物轮廓。Wei和Zhao在单幅图像上进行建筑物 提取工作,首先利用灰度信息进行聚类然后使用建筑物的基本几何形状并结合阴影进行假设验证,最后使用Hough变换 重建2D建筑物轮廓目。石登荣等采用了人工干预下的计算机半自动提取,并结合数字图像处理、机器视觉以及数学形态 学进行全彩色航片中建筑物信息提取的试验,取得了一定的成效。赵俊娟等提出了利用图像分割技术提取建筑物目标, 在可行性、快速性和有效性等方面取得了不错的效果。
相关文档
最新文档