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。     

基于QuickBird卫星影像阴影的青岛市建筑物高度提取

在分析QuickBird卫星影像阴影与建筑物实际高度关系的基础上,简要阐述了根据影像建筑物阴影长度来估算城市建筑物高度的原理与方法,并以青岛市金华路街道办为例,较为准确地得到了建筑物高度信息,提取高度的中误差可达±0.5 m,显示出卫星遥感在城市应用方面的巨大潜力。     

基于单张遥感影像的城市建筑物高度提取研究

城市建筑物高度信息在城市监测、规划、管理以及各项城市经济活动中有着重要的应用,在分析建筑物阴影成像同太阳、卫星的几何关系基础上,给出利用单张遥感影像提取建筑高度信息的模型。该模型根据单张遥感影像上建筑物房顶角点与其阴影的长度来计算建筑物高度,并且提取的建筑物高度同实测值相比绝对误差在±1 m以内。该方法操作简单灵活、快捷高效,可应用于城市大规模建筑物高度信息的提取,具有较高的实用价值。     

资源三号卫星高分影像的城市建筑物阴影提取

针对城市高分影像中普遍存在的建筑物阴影严重影响了高分影像的处理和应用问题,该文通过对资源三号卫星(ZY-3)各波段的影像特征进行分析,分别采用基于直方图的阈值分割法、基于主成分变换和HIS变换集成法对阴影提取并对比分析,在此基础上提出了一种基于谱间关系的阴影提取模型。实验结果表明,该文提出的方法能够较好地区分ZY-3影像中的阴影和偏蓝色地物及水体,能够准确地提取城市高大地物阴影。     

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Google Earth遥感影像的城市建筑物高度反演

基于光学遥感影像中建筑物的阴影分布，推导了建筑物高度与阴影分布的关系函数，在此基础上构建了建筑物高度反演方法，并在北京市典型区进行了实例研究。结果表明：利用建筑物在夏季的阴影全长或在冬季可视部分的阴影长提取高度，分别有90.9%和84.8%的建筑物高度误差控制在实测值的5%以内；在提取居民区或高层建筑物的高度时应尽量采用夏季的遥感影像，减少阴影遮挡的情况；低矮建筑物的高度提取，宜采用阴影更为显著的冬季影像可视阴影部分进行反演计算；在缺乏卫星轨道等影像参数时，利用典型已知建筑的高度反推出相关参数，并推求同景影像中其他建筑物高度的方法是可行的，为利用城市代表性建筑物推求建筑群高度提供了可能。     

结合形态学和光谱特征参数的建筑物阴影提取及其高度估算

建筑物高度信息对城市景观规划设计、城市人居和生态环境评估等都具有重要作用。针对当前卫星遥感影像提取建筑物高度研究中存在精度较低、人工干预程度过多的问题,本文基于GF-2卫星遥感影像数据,综合建筑物阴影指数(EMSI)、归一化植被指数(NDVI)和地表反射率等3个参数,实现了建筑物阴影的自动化提取,进而依据空间几何学关系,实现了建筑物高度的快速估算,最后对研究结果进行了实地检验。研究表明,利用建筑物阴影指数、NDVI、地表反射率等3个参数可有效提取建筑物阴影,且利用建筑物阴影进行建筑物高度估算的平均精度达到了95.40%,证明了高分二号卫星影像在提取建筑物高度方面具有较高的可行性。     

密集城区高分辨率遥感影像建筑物提取

建筑物在地理国情监测中是一个重要目标，快速、准确地提取城市建筑物可以带来巨大的经济价值。本文在前人针对城市区域的建筑物提取研究基础上，对现有提取方法存在的问题，提出了一种针对密集城区的面向对象自动化建筑物提取流程。首先利用高分辨率遥感影像得到阴影和建筑物初提取结果；然后利用阴影和建筑物的空间位置关系，建立筛选条件，对疑似建筑物区域过滤；最后通过图割算法来精确建筑物轮廓。通过使用武汉地区的两幅QuickBird影像进行算法验证试验，可得到准确的检测结果。本算法可应用于密集城区的建筑物检测，能够有效减少人工判图的工作量。     

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。     

基于北京一号卫星影像的建筑阴影测量建筑高度的应用研究

在分析遥感影像建筑物阴影与实际高度关系的基础上,阐述了依据影像阴影估算城市建筑物高度的原理和方法,设计了一种基于影像建筑物阴影特征快速提取高程信息的技术方法。在使用北京一号影像数据的试验中,70%的有阴影楼房测量误差在4米以内。     

面向对象的高分辨率遥感影像建筑物震害信息提取

建筑物的倒损信息是震后灾害评估的一项重要指标。文中应用震后高分辨率遥感影像数据,采用面向对象分类方法,以最优分割参数对影像进行分割,构建多尺度影像对象层次结构。通过影像对象的光谱、形状、纹理等特征及空间拓扑关系建立分类规则库,提取基本完好、受损和完全倒塌三类破坏等级的建筑物震害信息。结果表明,面向对象分类方法能够实现提取三类等级的建筑物震害信息,从而满足地震灾害快速评估要求。     

无人机高空间分辨率影像分类研究

本文利用无人机影像进行土地利用类型研究,面向对象方法对影像分割,获取了最佳分割尺度;根据各土地类别的特征信息建立分类定义,提出了快速、准确获取土地利用类型的方法。研究结果表明,运用面向对象方法能很好地解决无人机高分辨率影像分类问题,其中关键是影像分割尺度的选择和影像对象特征信息的提取。     

利用结构面对象的高分遥感影像建筑物变化检测

根据建筑物具有丰富的角点和规则的外观形状的特点,本文提出了依据线段信息生成建筑物变化检测基本单元——结构面对象的建筑物变化检测方法。从高分遥感影像中提取出建筑物的边缘线及屋顶外形线条,生成结构面对象并提取其在两时相影像中相应的特征信息,通过监督分类获取变化建筑区域。试验结果表明,利用结构面对象进行建筑物变化检测能较完整地覆盖变化建筑物表面且对象边缘检测效果较好。     

Object-Based Rule Sets and Its Transferability for Building Extraction from High Resolution Satellite Imagery

With the advent of high spatial resolution satellite imagery, automatic and semiautomatic building extractions have turned into one of the outstanding research topics in the field of remote sensing and machine vision. To this date, various algorithms have been presented for extracting the buildings from satellite images. Such methods lend their bases to diverse criteria such as radiometric, geometric, edge detection, and shadow. In this paper, a novel object based approach has been proposed for automatic and robust detections as well as extraction of the building in high spatial resolution images. To fulfill this, we simultaneously made use of both stable and variable features. While the former can be derived from inherent characteristics of the buildings, the latter is extracted using a feature analysis tool. In addition, a novel perspective has been recommended to boost the automation degree of the segmentation part in the object based analysis of remote sensing imagery. The proposed method was applied to a QuickBird imagery of an urban area in Isfahan city and the results of the quantitative evaluation demonstrated that the proposed method could yield promising results. Moreover, in another section of this study, for assessing the algorithm transferability, the rule set was implemented to a part of the WorldView image of Yazd city, proving that the proposed approach is capable of transferability in different types of case studies.     

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.     

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法

针对高分辨率遥感影像具有较为丰富的地物属性"谱相"信息和空间分布及其组合"图式"信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。     

GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

高光谱影像的引导滤波多尺度特征提取

为了解决高光谱遥感影像分类中单一尺度特征无法有效表达地物类间差异和区分地物边界的不足,提高影像分类精度和改善分类目视解译效果,提出了采用引导滤波提取多尺度的空间特征的方法。首先,利用主成分分析对高光谱影像进行降维,移除噪声并突出主要特征;然后,将第1主成分作为引导影像,将包含信息量最多的若干主成分分别作为输入影像,应用依次增加的滤波半径分别进行引导滤波处理提取多个尺度的特征,获得影像不同尺度的结构信息;最后,将多尺度特征输入分类器中进行影像监督分类。采用仿真数据和帕维亚大学(Pavia University)、帕维亚城区(Pavia Centre)等3幅高光谱实验数据,提取了基于引导滤波的多尺度特征、多尺度形态特征和多尺度纹理特征,输入到支持向量机、随机森林和K近邻分类器中,进行了实验。实验结果表明:采用支持向量机分类Pavia University数据,相对于采用多尺度形态特征的分类结果,引导滤波特征的总体精度提高了6.5%;Pavia Centre和Salinas两幅影像最高分类精度均由引导滤波特征实现,分别达到98.51%和98.39%。实验证实基于引导滤波提取的多尺度特征能有效地描述地物结构,进而获得更高的分类精度和改善目视解译效果。     

Utilizing the Potential of World View −2 for Discriminating Urban and Vegetation Features Using Object Based Classification Techniques

With the availability of very high resolution multispectral imagery, it is possible to identify small features in urban environment. Because of the multiscale feature and diverse composition of land cover types found within the urban environment, the production of accurate urban land cover maps from high resolution satellite imagery is a difficult task. This paper demonstrates the potential of 8 bands capability of World View 2 satellite for better automated feature extraction and discrimination studies. Multiresolution segmentation and object based classification techniques were then applied for discrimination of urban and vegetation features in a part of Dehradun, Uttarakhand, India. The study demonstrates that scale, colour, shape, compactness and smoothness have a significant influence on the quality of image objects achieved, which in turn governs the classified result. The object oriented analysis is a valid approach for analyzing high spatial and spectral resolution images. World View 2 imagery with its rich spatial and spectral information content has very high potential for discrimination of the less varied varieties of vegetation.