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。     

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。     

利用QuickBird影像的阴影提取建筑物高度

高度信息作为建筑物的重要属性信息,在军事和民用上都具有很高的利用价值。本文中提出了一种新的建筑物高度信息提取方法——基于分类的建筑物高度信息提取。此方法可以分为三个步骤:第一,利用面向对象分类方法进行建筑物屋顶和阴影的信息提取;第二,屋顶和阴影的优化;第三,建筑物高度信息提取。通过实验证明了这种方法在建筑物高度信息提取中的潜力。     

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。     

利用机载LiDAR数据和高分辨率图像提取复杂城区建筑物

在复杂城区内部通常存在大量的阴影,建筑物的屋顶也有多种类型,这使得利用高分辨率遥感图像自动提取建筑物变得困难。针对上述2个问题,提出了一种综合利用高分辨率图像与机载Li DAR数据的城市建筑物提取新方法。首先,对归一化植被指数(normalized difference vegetation index,NDVI)和Li DAR高度数据设定阈值得到初步的建筑物提取结果;然后,分别利用阴影区NDVI、图像纹理和形态学滤波来改进结果;最后,采用局部的机载Li DAR数据和Quick Bird图像,对提出的方法进行验证,并与现有方法进行比较。研究结果表明,该方法可有效减少由阴影和不同屋顶特征所造成的错误识别,显著提高了建筑物提取精度。     

多特征分量结合的WorldView-3影像建筑容积率分类提取

城市现状建筑容积率的分类提取对于有效把握城市用地开发强度以及制定科学合理的控制性详细规划具有重要参考意义。提出了一种主成分分量、主方向、边界指数以及矩形拟合度等多特征分量相结合的超高分辨率卫星影像建筑容积率贝叶斯分类提取方法。基于分类结果，采用阴影面积法与阴影长度法计算容积率并进行精度对比验证。利用WorldView-3卫星影像进行提取实验，并对实验区建筑逐一进行实地调查，结果表明，在容积率计算中，阴影面积法总体精度为93.90%，阴影长度法总体精度为85.19%，阴影面积法较阴影长度法在容积率分类提取精度上优势更突出。     

基于法向量密度聚类的LiDAR点云屋顶面提取

针对现有算法从LiDAR点云中提取复杂建筑物屋顶面不完整、阈值难以设置的问题,提出一种结合点云空间分布的法向量密度聚类提取屋顶面点云方法。通过构建Delaunay三角网,计算建筑物LiDAR点云的法向量;在分析建筑物点云空间和法向量分布特点的基础上,定义一种邻域关系度量屋顶面点云之间的相似性,并利用提出的算法聚类建筑物点云,得到屋顶面片点云粗提取结果;通过构建屋顶面片缓冲区,经面片处理得到建筑物各屋顶面的完整点云。选取不同复杂程度的建筑物进行实验,结果表明,算法能有效提取复杂建筑物屋顶面点云,具有较好的适应性,并能为建筑物三维重建提供可靠的屋顶面信息。     

结合形态学重建的高分辨率遥感图像建筑物提取

针对城区人字形屋顶的建筑物,设计一种结合形态学重建的高分辨率遥感图像建筑物提取方法。该方法首先对输入图像进行形态学重建滤波处理,然后分别检测建筑物的屋脊线和阴影信息,再利用形态学开重建运算将屋脊线与建筑物阴影两者之间的信息关联起来,从而实现建筑物提取。通过QuickBird全色图像建筑物提取试验,验证本文方法的可行性和有效性。     

基于摄影测量匹配点云估算建筑表面太阳辐照度

针对现有建筑物太阳辐照度评估方法难以同时兼顾建筑屋顶和立面,激光点云数据成本较高,不适合计算大范围、高密度获取建筑表面点云问题。本文提出了一种基于倾斜影像密集匹配点云进行建筑物表面太阳辐照度一体化评估方法。该方法通过无人机倾斜影像获取感兴趣区域的建筑物三维模型,结合阴影仿真算法和简化后的太阳辐射模型,对建筑物表面进行阴影仿真和太阳辐照度计算。经对比试验验证,本文方法能够准确计算建筑表面太阳辐照度,有效拓展了倾斜摄影测量的应用范围,为协助建筑师设计建筑表面和最大化利用建筑表面太阳能提供了可靠的数据支撑。     

使用卫星立体像对提取城市容积率的研究

随着城市化的不断发展,日益增多的城镇人口与稀少的土地资源之间矛盾与日俱增。容积率是反映土地利用强度的一个重要指标。本文选取Pleiades卫星立体像对生成研究区域的nDSM影像,不仅可以克服阴影法精度较低的问题,而且运用拟合的方法得到了更为准确的建筑面积,从而得到更精确的容积率值。结果表明,该方法得到的容积率更加准确,完全可以满足大面积普查的要求。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

房屋震害预测数字化辅助方法

为提高房屋震害预测效率,将数字化技术应用于房屋震害预测分类工作中。利用航空摄影测量、遥感及地理信息系统技术,提出两种房屋震害预测分类数字化辅助方法。若预测区域有符合条件的遥感影像对,利用航空摄影测量技术可获得DSM及DEM模型,进一步从层数上对建筑物进行分类。另一种方法则是利用遥感技术提取有关建筑物阴影信息,由阴影计算建筑物层数,进而对建筑物进行分类。利用地理信息系统自动统计不同类建筑物总面积,画出不同类建筑的地理分布图。与传统方法相比,这种方法效率高,可以纵览全局,减少房屋震害预测现场调查工作量,提高震害预测工作效率。     

利用机载三维成像仪的DSM数据自动提取建筑物

利用三维成像仪获取的DSM作为数据源，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，对建筑物的平面边缘线进行规格化处理，最后求出建筑物的平均高度值，从面得到建筑物的三维信息。试验表明，该方法是实用的。     

机场净空区建筑物的识别与监测

目前,在建筑物识别与监测方面,基于单幅高分辨率遥感影像的阴影测高法和基于多视角影像的立体像对法将建筑物轮廓或名称识别与高度监测相独立,因此导致其自动化水平较低、数据冗余度与成本较高。基于数字表面模型(DSM)和兴趣点(POI)数据,本文提出了一种机场净空区建筑物识别与监测集成的方法,并以某国际机场为试验区对该方法的可行性进行了验证。试验结果表明:①该方法在建筑物识别与监测方面的准确率只取决于DSM的精度,而对DSM的数据来源没有限制;②以潜在危险建筑物高程变化速率为依据进行不定期的动态监测,在确保监测间隔期间机场净空区安全的同时可以降低数据成本和重复识别与监测所有建筑物造成的数据冗余度。     

平坦地区DSM到DEM的试验

讨论了平坦地区根据影像匹配的结果将DSM修正成DEM的方法,针对平坦地区一般都有建筑物和树木,利用其本身的地形特点,提出附近最小值方法自动修正DSM以获得近似正确DEM的方法。并对试验结果的精度进行了检查,发现试验的结果比影像匹配后的结果要精确许多,将建筑物和树木等植被的高程去掉,得到比较精确的DEM数据。     

遥感图像数字表面模型建筑物点过滤方法研究

针对图像密集匹配生产的数字表面模型(DSM)进行点云滤波,算法对地形依赖大,参数设置复杂,精度不高,后续人工编辑修饰的工作量大、效率低的问题,该文设计了第一套针对DSM滤波、涵盖多种样本形式(栅格、矢量)的航空图像建筑物数据集。针对航空图像建筑物尺度较大等特点,将膨胀卷积加入U-Net构成Dilated U-Net,并综合运用其进行建筑物语义分割,利用分割结果在相应图像密集匹配得到的DSM上滤除建筑物点,然后采用投票插值策略得到过滤掉建筑物点的DSM。实验证明:利用该文网络DU-Net将DSM中非地面建筑物点滤除,Ⅰ类误差在5.8%以内,Ⅱ类误差在2.4%以内,其可以在30 s内完成超过9000万个建筑点与非建筑物点位置的预测,效率高、成本低。DU-Net网络建筑物语义分割过程不受地形、高差的限制,对于其他非地面点的滤波具有一定的借鉴意义。     

从DSM数据中自动提取建筑物的方法研究

现今,DSM的获取日趋方便、快捷、精确,充分利用DSM所提供的信息,可以解决很多实际问题.本文提出了一种从DSM自动提取建筑物的方法,首先从DSM中提取DTM,差值后得到消除了地形影响的规格化的DSM(即NDSM),然后对NDSM进行改进型"标记控制的分水岭"分割,得到地上物目标;最后根据这些目标的各自特点进行过滤,祛除非建筑物对象,留下我们所要的建筑物对象.     

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

Semi-Automatic Modeling of Buildings from Digital Surface Models

Semi-automatic building detection and extraction is a topic of growing interest due to its potential application in such areas as cadastral information systems, cartographic revision, and GIS. One of the existing strategies for building extraction is to use a digital surface model (DSM) represented by a cloud of known points on a visible surface, and comprising features such as trees or buildings. Conventional surface modeling using stereo-matching techniques has its drawbacks, the most obvious being the effect of building height on perspective, shadows, and occlusions. The laser scanner, a recently developed technological tool, can collect accurate DSMs with high spatial frequency. This paper presents a methodology for semi-automatic modeling of buildings which combines a region-growing algorithm with line-detection methods applied over the DSM.     

一种基于GeoEye-1立体像对数据的快速提取平均树高方法

探讨了可见光立体像对遥感数据在森林平均树高估算研究方向的可行性,为解决大区域快速提取森林平均树高参数的科学问题提供技术支撑。利用GeoEye-1卫星立体像对中提供的有理多项式系数(RPC)参数和数字表面模型(DSM)与数字高程模型(DEM)的理论原理,建立了基于DSM和DEM空间相差模型建立林分冠层高度估算方法流程。结果表明:基于湖南攸县黄丰桥国有林场GeoEye-1立体像对影像数据,按照估算流程,最终得到试验区小班尺度的样地平均树高遥感提取结果。结合样地地面实测控制点和地面小班数据调查数据,该方法提取的研究区平均树高总体误差率在83.1%,其中最大误差为3.773 m,最小误差为0.025 m。因此,本研究是一种可以快速获得研究区大范围森林平均树高参数的创新、可行的方法。