高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

结合特征分量构建和面向对象方法提取高分辨率卫星影像阴影

针对高分辨率卫星影像,提出一种特征分量构建与面向对象结合的阴影提取方法。分析遥感阴影光谱特性,构建彩色不变特征C3、亮度特征I、主成分第一特征量PC1以及蓝色波段和近红外波段归一化比率特征RATIOb_nir,增强阴影信息。采用线性变换将几个特征分量Digital Number(DN)值归一化到相同范围,对这几个分量进行综合分析。以I和PC1分量为输入对影像进行多尺度分割,建立包括波段均值、标准差、最大差异等特征的规则集,实现面向对象的阴影信息提取。选取20幅QuickBird影像为例进行阴影提取实验,平均总体精度为97%,平均用户精度为96%,平均Kappa系数为0.94。实验结果表明,相对传统基于像素信息提取方法,本文方法提取阴影斑块完整,无破碎图斑;相对基于原始光谱的面向对象方法,本文方法提取精度更高。     

资源三号卫星前视影像的建筑物高度提取

建筑物高度对建筑物容积率、城市风向以及城市环境等都具有明显的影响。针对太阳入射方向与卫星观测方向在建筑物异侧时,建筑物侧面与阴影在遥感影像上因极其相似而难以区分的问题,该文基于资源三号卫星前视影像,利用基于规则的面向对象特征提取方法提取建筑物侧面及阴影特征。根据卫星成像时的太阳、卫星以及建筑物之间的空间几何关系,构建了建筑物侧面与阴影的长度比例系数,进而估算了建筑物的高度信息。最后以实测高度进行了高度提取的精度评价,验证结果表明,反演的平均精度达到了92.28%,证明了资源三号卫星前视影像在提取建筑物高度方面的良好可行性。     

基于改进阴影指数的福州市主城区建筑容积率提取

针对城市建筑物阴影检测提取容积率的过程复杂、检测不稳定等缺陷,引入PCA方法与HSI模型予以解决。通过对高分辨率遥感影像阴影区域信息的区分与提取,得到建筑物阴影区域,从而拟合计算街区建筑容积率。选取福州市主城区作为研究区域,采用上述方法进行建筑物阴影与容积率提取,并进行对比验证。结果表明,由PCA和HSI模型得到的改进阴影指数SI在容积率提取上的精度更高,应用更可靠。     

数字表面模型的建筑物容积率提取

针对阴影长度和阴影面积法计算建筑物容积率误差较大的情况,该文利用航空影像密集匹配生成的点云数据逐点内插生成数字表面模型,提取建筑物三维信息,同时对于复杂建筑物屋顶,利用坡度滤波将其分割成为高度不同的面片,计算每一块屋顶的层数,从而得到较为准确的建筑总面积。实验证明,利用本文方法得到的建筑物容积率准确率高,且具有较高鲁棒性和使用价值。     

基于资源三号影像的建筑物高度信息提取方法

建筑物高度信息的获取是高分辨率遥感影像信息提取研究中的热点问题之一。该文提出了一套结合面向对象分类方法的建筑物高度反演技术方法。首先,利用建筑物和阴影的形态学指数,通过面向对象分类方法提取建筑物轮廓和阴影信息;然后,采用相交线平均法计算阴影长度;最后,根据阴影长度和建筑物高度的几何关系模型计算建筑物高度。采用西安市的国产资源三号(ZY-3)卫星遥感数据进行提取试验,通过171栋建筑物的实际测量高度对结果进行验证,获得了91.23%的总体精度,显示出该方法在建筑物高度信息提取研究方面具有一定的现实意义。     

利用资源三号卫星影像阴影提取建筑容积率

如何快速准确地确定建筑容积率是当前研究的热点,建筑物高度是容积率提取的基础。在传统的基于阴影的高度反演技术的基础上,引入了一种高度校正模型,提高了高度反演的精度。利用面向对象技术从资源三号卫星影像中获取建筑物的阴影特征,采用高度校正模型反演了高度信息,进而估算了建筑物的楼层数量,结合建筑面积估算出了容积率。以楼层数为单位进行实地抽样验证,发现高度校正后的精度由90.213%提高到了92.375%,证明了该模型的有效性。     

基于高分六号WFV数据的冬小麦种植面积提取

冬小麦是我国重要的粮食作物之一,准确获取冬小麦种植面积具有重要的现实意义。为探究高分六号卫星影像进行冬小麦遥感监测的可行性和精确性,本文选取甘肃省崆峒区为研究区,运用红边波段+监督分类中的支持向量机法,提取了2019年崆峒区冬小麦种植面积,并利用混淆矩阵对分类结果进行精度验证。结果表明:提取崆峒区冬小麦种植面积为15045 hm 2,与实际种植面积相比,误差率为1.02%;该模型能有效地提取崆峒区冬小麦,总体精度为98.88%,Kappa系数为0.97;红边波段能有效地提取干扰地物,提取精度比直接使用监督分类高7.88个百分点;GF6影像在提取冬小麦种植面积上具有明显优势。     

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题，提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先，利用RPC模型计算建筑物像点位移的方向与卫星成像角度，再将遥感影像进行旋转，使建筑物像点位移沿水平方向；然后，利用Canny算法进行轮廓检测，并构建一定长度的矩形形态学结构元素，对轮廓图像进行形态学开运算，以提取侧面轮廓线，再利用Hough变换与建筑物角点约束，对所提取的轮廓线进一步筛选；最后，根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证，并与阴影法估算建筑物高度进行了对比。试验结果证明，利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m，且实际精度优于使用阴影法进行建筑物高度估算。     

利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

Establishment of an Improved Floor Area Ratio with High-Resolution Satellite Imagery

An Improved Floor Area Ratio (IFAR) which can describe the intensity of urban land development was proposed and estimated by means of remote sensing technique. The paper intent to conduct a quick and high-precision estimation of the index based on building shadows in high-resolution images. Firstly, the spectral characteristics of shadows were analyzed to establish a ratio band SR which would enhance shadow information. The object-oriented method was used to achieve the extraction of shaded areas. Secondly, GIS method was used to estimate the shadow length and building height. The inspection of the building height between the estimation result and the filed measured data showed an accuracy of 90%. Finally, the gross floor area of each building was calculated by multiplying the storeys with the basement area. Thiessen polygons were built by assuming the centroid of the basement area as a point. The IFAR of each building was the ratio of the gross floor area to the corresponding polygon. The IFAR have more abundant connotations by taking more information into consideration. The remote sensing tool can well extract the proposed index accurately on a very large scale.     

基于综合指数分析的城市建筑用地信息提取研究

以西安市长安区TM影像为例,研究关于城市建筑用地信息快速、准确提取的方法。通过对归一化差异型指数构成原理的分析,选取土壤调节植被指数（ SAVI ）、归一化水体指数（ NDWI ）和归一化差异型建筑指数（ NDBI ）来提取植被、水体和城市建筑用地专题影像,并将其构建为一幅新影像,分析新影像谱间特征,运用逻辑运算将城市建筑用地信息提取出来。本文方法总体提取效果十分有效,尤其是对于面积较大的城市建筑用地,总精度高达85．3％。综合指数法弥补了单靠某一指数提取城市建筑用地信息的不足,提取结果客观可信,是一种不经人为干预、快速有效的提取城市建筑用地的方法。     

融合高分影像和LiDAR数据的城市道路提取

为避免由于城市道路复杂及树木建筑的阴影遮挡导致从遥感影像中提取道路信息不准确的问题,本文采用高分影像和LiDAR数据相融合的方法实现城市道路的提取,并使用一种基于最小面积外接矩形（MABR）的后处理改进方法进行完善。首先对试验区进行数据配准;然后应用FNEA算法进行图像分割,并使用随机森林分类法进行分类,将影像融合和对象形状指数等相关算子应用到道路提取中;最后去除植被和建筑物,完善道路填充,提取出道路完整信息。结果多伦多和台安试验区的道路完整度分别为95.41%和90.84%,准确度分别为83.07%和85.63%。本文方法可有效去除伪道路信息,提高道路提取完整度,较好地实现了道路信息提取。     

基于高分辨率卫星影像的城市用地信息提取研究

以高分辨率卫星影像QuickBird为数据源,采用面向对象的信息提取技术,对惠州市的城市用地信息提取进行了研究.研究结果表明:对高分辨率影像而言,面向对象的信息提取技术有更广阔的发展空间.利用该技术进行城市用地信息提取是可行的,而且精度高、速度快.     

一种顾及空间关系的遥感影像阴影检测算法

以城市区域内高大建筑阴影为研究对象,针对现有的阴影检测算法在复杂地物环境下检测精度和可靠性不高的问题,提出了一种结合颜色空间特征和空间关系的遥感影像阴影检测方法。首先,采用SLIC超像素算法对影像进行分割;然后基于Lab和HSI颜色空间构建初步检测条件,将阴影划分为阴影主体区域和待检测区域;最后,借助Canny边缘检测信息合并待判别区域内的超像素块,并利用阴影区域与造成干扰区域间的空间位置关系构建的检测条件进行判别。实验结果表明,该方法可以有效提高复杂地物环境下遥感影像阴影的检测精度和算法可靠性。     

基于自适应图像分割自动提取道路中心线

道路是城区地理空间信息中最重要的基础设施之一,从高分辨影像中自动、快速的提取道路特征,是快速更新城市道路网信息的重要途径。文中在分析道路基本特征的基础上,选择基于自适应结构元素的形态分析算法提取初始道路区域;引入面积和长宽比等形状指数,得到较精确的道路信息;最后,采用Hilditch细化算法,并进行优化处理。实验证明,该道路提取过程中无需人工设置参数,且能够得到具有较高完整性和正确性的道路中心线。     

A Bayesian characterization of urban land use configurations from VHR remote sensing images

The composition and arrangement of spatial entities, i.e., land cover objects, play a key role in distinguishing land use types from very high resolution (VHR) remote sensing images, in particular in urban environments. This paper presents a new method to characterize the spatial arrangement for urban land use extraction using VHR images. We derive an adjacency unit matrix to represent the spatial arrangement of land cover objects obtained from a VHR image, and use a graph convolutional network to quantify the spatial arrangement by extracting hidden features from adjacency unit matrices. The distribution of the spatial arrangement variables, i.e., hidden features, and the spatial composition variables, i.e., widely used land use indicators, are then estimated. We use a Bayesian method to integrate the variables of spatial arrangement and composition for urban land use extraction. Experiments were conducted using three VHR images acquired in two urban areas: a Pleiades image in Wuhan in 2013, a Superview image in Wuhan in 2019, and a GeoEye image in Oklahoma City in 2012. Our results show that the proposed method provides an effective means to characterize the spatial arrangement of land cover objects, and produces urban land use extractions with overall accuracies (i.e., 86% and 93%) higher than existing methods (i.e., 83% and 88%) that use spatial arrangement information based on building types on the Pleiades and GeoEye datasets. Moreover, it is unnecessary to further categorize the dominant land cover type into finer types for the characterization of spatial arrangement. We conclude that the proposed method has a high potential for the characterization of urban structure using different VHR images, and for the extraction of urban land use in different urban areas.     

基于GF-5高光谱特征分析的水体提取方法研究

针对山区水体、山体阴影与裸地等地类光谱混淆性,基于高分五号(GF-5)影像数据,结合高光谱特征分析构建了山区水体决策树提取模型. 先对水体和相关干扰地类进行高光谱特征分析实现特征波段选取,应用单波段阈值法、多波段谱间关系法、归一化水指数(NDWI)法进行提取实验. 通过比较以上实验不足之处,提出了单波段阈值法与构建的阴影水体指数(SWI)相结合的决策树水体提取模型,以Google Earth高清影像为参考结合实地采样得到的混淆矩阵进行精度评价. 实验结果表明:单波段阈值法与NDWI法易将山体阴影识别为水体,受裸地影响较小;多波段谱间关系法对山体阴影有一定抑制作用,受小面积裸地影响;决策树提取模型能有效抑制山体阴影和裸地影响提取完整水体. 其总体精度为89.39%,Kappa系数为0.82,显著提升了山区水体提取精度.      

基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例

城市受人类活动影响比较大,结构组成比较复杂,对该区域进行分类研究存在一些问题。甚高分辨率遥感影像,以其丰富的细节信息为城市土地覆被分类研究提供了可能。本文结合使用甚高分辨率QuickBird遥感影像和激光扫描LIDAR数据,论述了利用多尺度、多变量影像分割的面向对象的分类技术对马来西亚基隆坡市城市中心区的土地覆被分类研究。针对特定地物选择合适的影像分割特征和分割尺度、按照合理的提取顺序逐步进行城市土地覆被信息提取。在建筑物的提取过程中构建了归一化数字表面模型nDSM,使用成员函数将建筑物信息提取出来。精度评价结果表明,利用该方法得到了理想的城市土地覆被分类结果,其分类总精度从常规面向对象分类方法的83.04%上升到88.52%,其中建筑物生产精度从60.27%增加到93.91%。