面向城市增强现实信息标注的建筑物场景结构提取方法

在信息标注中融入场景结构信息能有效解决城市增强现实（augmented reality, AR）信息指示不明、空间遮挡表达不清和视图布局叠置等问题。针对城市AR信息标注中场景结构缺失的问题,提出了一种考虑地理语义且兼顾精度、效率和稳健性的建筑物场景结构提取方法。首先构建了面向建筑物场景结构提取的场景感知网络,从单张场景图像中提取语义、深度和法向量信息;然后将其转化为建筑物立面角点和朝向等结构特征,并计算与2D地图中建筑物轮廓之间的最佳匹配;最后将场景图像按建筑物立面进行重构,提取区域轮廓、场景深度和立面朝向等场景结构。试验采用Google街景数据生成的9 470组样本训练和测试场景感知网络,并在Graz地区32组建筑物场景中测试场景结构提取的有效性。结果表明,所提方法能够达到近实时的效果,且立面轮廓更规则。在存在一定配准误差或局部遮挡的条件下,立面提取的质量显著优于基于地图解析场景图像的方法,具有更好的稳健性。     

高分影像建筑物阴影优化提取与高度估算

针对现有方法提取阴影效率慢,提取不完整,估算过程未能实现半自动化甚至自动化的问题,该文基于高分二号影像,提出一种将K-means图像分割算法与阴影后处理结合一体应用在建筑物阴影提取的方法:首先,选择建筑物间隔稀疏,结构规则的城郊区域,利用K-means图像分割获取建筑物阴影、建筑物2类以提取建筑物阴影;其次,通过形态学算法、Canny边缘检测等对阴影后期处理,去除小区域及孔洞填充,边缘信息检测,获取最终建筑物阴影;最后,根据太阳、卫星、建筑物以及阴影长度之间几何关系计算建筑物高度。考虑研究区域户型,每层楼高以2.8 m量测建筑物实际高度作为验证,实验结果表明:利用K-means图像分割能有效提取出阴影区域,与后期阴影优化策略结合,大幅度改善了阴影区域的完整性,获取建筑物高度信息自动化程度得到提高。     

三维建筑模型单体化的深度学习技术实现

倾斜摄影三维建模技术能够快速建立目标区域的实景三维模型,但是该机制下的模型为连续不规则三角网（TIN）,无法对其中具体的地理对象进行分析。本文采用深度学习语义分割方法提取建筑物,并与传统面向对象的影像分析提取结果进行对比。研究表明语义分割方法能够有效提取倾斜模型对应数字正射影像中的建筑物。通过对提取结果进行后处理得到建筑物矢量面,为每个建筑物添加基本属性信息,利用矢量面实现建筑物单体化并发布三维模型和数据服务,能够更有效地利用倾斜摄影模型展示研究区域地理空间和建筑物信息。     

基于形态学序列和多源先验信息的城市建筑物高分遥感提取

城市建筑物自动提取是高分辨率遥感影像理解的重要研究方向,其对于城市基础地理信息更新和城市生态保护均具有重要的应用价值和实际意义。然而由于城市场景的复杂性和建筑物形态的多样性降低了空间特征的综合表达能力,成为了制约城市建筑物自动提取的瓶颈问题。为此,本研究在综合分析城市建筑物不同模式空间特征的基础上,提出了一种多模式形态学序列特征和多源先验信息协同的城市建筑物高分遥感自动提取方法。该方法在提取高分遥感多模式形态学序列特征的基础上,引入多源先验信息构建自适应分割模型对其进行自适应分割与信息融合,从而实现城市建筑物信息的自动提取。实验结果表明,本文方法能够准确且自动的提取城市建筑物信息,结果的准确性均优于DMPs和DAPs算法。     

基于视觉显著性和图分割的高分辨率遥感影像中人工目标区域提取

目标检测与提取是遥感影像处理与解译的重要研究内容。提出一种基于显著性检测和图像分割的面向对象高精度目标提取方法。首先,给出一种融合"基于图论的视觉显著性"和"基于边线密度的视觉显著性"的显著性计算模型。通过引入线密度,可以在复杂背景图像下有效提取目标区域,用于高分辨率遥感图像无监督的快速场景分析。然后,利用图论分割方法获取特征相似的图像区域。同一区域中的像素具有相似的显著度值和特征。以图块为对象分析其显著性大小,可以提取精细的目标轮廓。相对于基于像素点的显著性目标提取方法,本文所用面向对象的分析方法能够在保证较高检测精度的同时有效降低冗余检测率。在高分辨率遥感影像上的试验证实对人工目标(如建筑物)的检测更准确并且所得轮廓更精确。     

面向对象的高分辨率遥感影像建筑物轮廓提取研究

探讨一种一般城区场景高密度建筑物的提取方法。利用"自上而下"的多尺度分割、分类方法,首先大尺度分割提取包含建筑物的区域,然后小尺度分割提取建筑物的轮廓。利用太原地区Pleiades卫星影像进行试验验证,对分类结果进行精度评价。试验结果表明,这种方法分类精度理想,适合于一般城区场景高密度建筑物信息提取,与只针对特殊城区场景建筑物的提取方法相比,具有更好的适用性。     

深度融合网结合条件随机场的遥感图像语义分割

为了充分利用遥感图像中丰富的细节信息和上下文信息,提高图像语义分割精度,提出一种深度融合网结合条件随机场模型的遥感图像语义分割方法。方法在全卷积神经网络框架中增加反卷积融合结构,搭建深度融合DFN (Deep Fusion Networks)网络,通过深层网络自动获取多尺度特征,避免人工设计和选择特征,提高模型的泛化能力;同时借助反卷积融合结构,利用多尺度信息,将浅层细节信息和深层语义信息相融合,提高模型的处理精度。由全连接条件随机场引入空间上下文信息,更好地定位边界,得到最终的语义分割结果。在遥感图像数据集上的实验结果显示:(1)随着不同尺度细节信息的融入,结果的边缘轮廓越精确、接近标签图像;(2)增加了空间上下文信息后,语义分割结果边缘更细化、准确,精度更高。实验表明,该方法可以有效提高遥感图像语义分割的精度,改善结果的过平滑现象。     

新型语义分割D-UNet的建筑物提取

高分辨率遥感图像语义分割在航空图像分析领域中具有重要的理论价值和应用价值。但由于高分辨率遥感图像中建筑物语义的丰富性和图像背景的复杂性,以往的分割方法往往容易产生边缘模糊、细节信息丢失和分辨率低等缺点。为了解决高分辨率卫星图像语义分割边界模糊和信息丢失的问题,本文提出一种端到端的卷积神经网络Dilated-UNet (D-UNet)。首先,通过改进U-Net网络结构,采用Dilation技术拓展四通道的多尺度空洞卷积模块,每个通道采用不同的卷积扩张率来识别多尺度语义信息,从而提取更丰富的细节信息。其次,设计了一种交叉熵和Dice系数的联合损失函数,更好的训练模型以达到预期分割效果。最后,在Inria航空图像数据集上进行综合评估与检验。实验结果表明,本文提出的遥感图像分割方法能够有效地从高分辨率遥感图像中进行像素级城市建筑物的分割,与其他方法相比,分割精度更高,具有较高的实际应用价值。     

高分辨率遥感影像的建筑物轮廓信息提取方法

针对高分辨率遥感影像分割方法提取的建筑物边缘不准确和不规则等问题,提出了一种新的边缘轮廓信息提取方法:首先,通过一维Gabor滤波器获取建筑物的角度纹理特征,并结合光谱特征构造待分割的特征矢量,在运用高斯混合模型(Gaussian mixture model,GMM)构造图的基础上,利用图割法(graph cuts)获取建筑物候选点,经数学形态学处理得到建筑物斑块;然后,根据Radon变换检测建筑物主方向,构建最小二乘匹配模板,并利用该模板在建立的轮廓缓冲区内精确地提取建筑物拐角点;最后,连接拐角点,完成了轮廓信息的提取。采用合成图像和高分辨率遥感影像提取建筑物轮廓信息的实验证明了该方法的可行性。     

侧视地图中建筑物轮廓线提取的三维城市模型法

针对城市侧视地图上建筑物轮廓线主要依靠人工交互提取,成本高昂、效率低下且精细度和准确度有限的问题,提出了一种任意视角侧视地图中建筑物轮廓线的自动提取方法。采用深度缓冲区分割算法获取单个建筑物对象的颜色缓冲区,顾及了存在建筑群的情况和建筑物密集区域的遮挡问题,再基于颜色缓冲区追踪建筑物轮廓线。为了保持遮挡一致性且便于匹配提取出的矢量轮廓线与栅格侧视地图,本文还提出了基于投影空间分块加载三维城市模型的方法。最后,以武汉市典型三维城市模型数据为例,证明了该方法的有效性和可靠性。     

单幅图像地理信息提取方法

针对单幅图像难以提取地理信息的问题,该文提出了一种基于场景结构或单一坐标值约束的地理信息提取方法。面向地形起伏不大或结构化场景,基于几何关系约束,该文设计了单幅图像地理信息提取的总体框架。分别针对结构化和非结构化场景,采用场景结构约束、图像EXIF信息等,实现了摄像机内参及部分外参的求解。基于该信息,通过单一坐标值约束,构建了单幅图像地理信息的提取方法。最后,在平面或垂面约束下,对室内外地理场景进行了二、三维地理信息提取实验。结果表明,该方法能够将单幅图像中的特征点、线或面转换为地理空间数据。     

Stereo analysis of high-resolution SAR images for building height estimation in cases of orthogonal aspect directions

SAR stereo image analysis for 3D information extraction is mostly carried out based on imagery taken under same-side or opposite-side viewing conditions. For urban scenes in practice stereo is up to now usually restricted to the first configuration, because increasing image dissimilarity connected with rising illumination direction differences leads to a lack of suitable features for matching, especially in the case of low or medium resolution data. However, due to two developments SAR stereo from arbitrary viewing conditions becomes an interesting option for urban information extraction. The first one is the availability of airborne sensor systems, which are capable of more flexible data acquisition in comparison to satellite sensors. This flexibility enables multi-aspect analysis of objects in built-up areas for various kinds of purpose, such as building recognition, road network extraction, or traffic monitoring. The second development is the significant improvement of the geometric resolution providing a high level of detail especially of roof features, which can be observed from a wide span of viewpoints. In this paper, high-resolution SAR images of an urban scene are analyzed in order to infer buildings and their height from the different layover effects in views taken from orthogonal aspect angles. High level object matching is proposed that relies on symbolic data, representing suitable features of urban objects. Here, a knowledge-based approach is applied, which is realized by a production system that codes a set of suitable principles of perceptual grouping in its production rules. The images are analyzed separately for the presence of certain object groups and their characteristics frequently appearing on buildings, such as salient rows of point targets, rectangular structures or symmetries. The stereo analysis is then accomplished by means of productions that combine and match these 2D image objects and infer their height by 3D clustering. The approach is tested using real SAR data of an urban scene.     

Object based building footprint detection from high resolution multispectral satellite image using K-means clustering algorithm and shape parameters

Object-based image analysis (OBIA) has been a new area of research in satellite image processing applications, since it improves the quality of information acquisition about geospatial objects and also enables to add spatial and contextual information to the objects of interest. The extraction of buildings from High Resolution Satellite (HRS) image in an urban scenario has been an intricate problem due to their different size, shape, varying rooftop textures and low contrast between building and surrounding region. In this study, a new object-based automatic building extraction technique has been proposed to extract building footprints from HRS pan sharpened IKONOS multispectral image. The study is mainly emphasizing on obtaining optimal values for segmentation parameters, shape parameters, and defining rule set to extract buildings and eliminate misclassified other urban features. The suitability of the technique has been judged using different indicators, such as, completeness, correctness and quality.     

Web-based visualization of large 3D urban building models

Adaptive rendering of large urban building models has become an important research issue in three-dimensional (3D) geographic information system (GIS) applications. This study explores a way for rendering web-based 3D urban building models. A client–server hybrid rendering approach is presented for large 3D city models, stored on a remote server through a network. The approach combines an efficient multi-hierarchical building representation with a novel image-based method, 3D image impostor generated on demand by a remote server. This approach allows transferring complex scenes progressively while keeping high visualization quality. We also evaluated the rendering and data transferring performance of the proposed approach.     

Urban-Area Segmentation Using Visual Words

In this letter, we address the problem of urban-area extraction by using a feature-free image representation concept known as “Visual Words.” This method is based on building a “dictionary” of small patches, some of which appear mainly in urban areas. The proposed algorithm is based on a new pixel-level variant of visual words and is based on three parts: building a visual dictionary, learning urban words from labeled images, and detecting urban regions in a new image. Using normalized patches makes the method more robust to changes in illumination during acquisition time. The improved performance of the method is demonstrated on real satellite images from three different sensors: LANDSAT, SPOT, and IKONOS. To assess the robustness of our method, the learning and testing procedures were carried out on different and independent images.      

基于地形图数据库的跨比例尺级别缩编更新方法研究

针对利用1：500地形图快速更新其他比例尺地形图的需求,本文提出了基于地形图数据库的同比例尺级别和跨比例尺级别全自动缩编更新入库的方法。通过设计地形图模板及过渡模板,定义地物要素综合取舍转换规则,开发自动缩编软件模块,定制自动缩编更新任务,利用数据库中测量更新范围线自动下载地形图数据进行缩编及更新入库,实现大比例尺地形图依次缩编更新获取多种比例尺地形图的目标。本文提出的技术方法已在长沙市城市基础地理信息数据库更新工作中得到了验证,为采用缩编方式快速获取多样性地理信息数据提供了技术经验。     

基于HRNet的高分辨率遥感影像建筑物变化信息提取

建筑物图斑变化检测是遥感影像信息提取的重要内容之一,对于土地调查、自然资源常态化监测、土地执法监测等具有重要意义。岭南地区建设结构复杂,高分辨率遥感影像信息丰富,包含建筑结构细节多种多样,加上成像的季节不同、时间不同等因素导致建筑物变化信息的自动提取十分困难。针对此问题,本文提出了基于HRNet的语义分割模型,通过筛选保留高分辨率的特征层,从而保留更细节的图像信息。此外,结合图像分割二值化对结果进行优化,在一定程度上提高了高分辨率遥感影像建筑物变化自动检测的能力。     

建筑物多边形化简及优化的自动方案研究

针对居民地地图形状化简的一个方面——建筑物多边形的化简,通过对综合规则的研究和居民地几何特征的剖析,提出一种与比例尺相关的切割实现建筑物多边形化简的方法,在Visual Basic6.0环境下实现了该算法,试验结果表明此方法在保持街区的形态特征上效果较好。