亚米级遥感影像的建筑物高度反演方法及其验证北大核心CSCD

建筑物高度是现代化都市监测、规划、管理及各城市经济活动中的基础性数据,为实现建筑物高度信息的提取,本文提出了一种基于玻尔兹曼曲线的建筑物高度反演方法。首先,利用建筑物影像的光谱特性,采用多尺度分割和遥感指数分类的办法获取建筑物阴影感兴趣区域,根据玻尔兹曼曲线函数拟合获取阴影的亚像素位置,线性拟合得到阴影边界;然后,根据太阳、卫星、建筑物和其阴影的几何关系,构建高度反演模型,估算建筑物高度;最后,选择宁海为研究区,选取在轨的主流亚米级高分二号、高景一号、北京二号、WorldView-2卫星遥感数据进行精度验证。试验结果表明,计算的建筑物高度中误差优于2.5 m,可用于一般的城市卫星遥感监测。     

Fully constrained linear spectral unmixing based global shadow compensation for high resolution satellite imagery of urban areas

Shadows commonly exist in high resolution satellite imagery, particularly in urban areas, which is a combined effect of low sun elevation, off-nadir viewing angle, and high-rise buildings. The presence of shadows can negatively affect image processing, including land cover classification, mapping, and object recognition due to the reduction or even total loss of spectral information in shadows. The compensation of spectral information in shadows is thus one of the most important preprocessing steps for the interpretation and exploitation of high resolution satellite imagery in urban areas. In this study, we propose a new approach for global shadow compensation through the utilization of fully constrained linear spectral unmixing. The basic assumption of the proposed method is that the construction of the spectral scatter plot in shadows is analogues to that in non-shadow areas within a two-dimension spectral mixing space. In order to ensure the continuity of land covers, a smooth operator is further used to refine the restored shadow pixels on the edge of non-shadow and shadow areas. The proposed method is validated using the WorldView-2 multispectral imagery collected from downtown Toronto, Ontario, Canada. In comparison with the existing linear-correlation correction method, the proposed method produced the compensated shadows with higher quality.     

多重约束下的建筑物阴影提取

在基于结构线一侧灰度统计法进行阴影检测的基础上,结合了灰度约束、几何约束、上下文约束和其他辅助信息,提出了一种多重约束下的建筑物阴影提取方法,实现了对建筑物阴影的提取,并利用IKONOS影像和航空像片进行了试验,证明该算法是有效而稳健的。     

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。     

辐射特征支持下的城市高分影像阴影校正

大量城市建筑使得高分影像中含有许多阴影区。这些阴影区在土地利用分类、植被绿度调查等遥感应用中会较大地影响结果精度,降低数据使用效率并增加研究成本。基于同一地物阴影区与临近非阴影区反射率相等这一辐射特征关系,通过建立辐射传输方程,发展了一种新的城市高分遥感影像阴影校正方法 RERB(Reflectance Equality Relationship Based Method)。利用RERB对不同城市(北京和荷兰Enschede)不同高分多光谱影像(Geo Eye-1和Quick Bird)进行阴影校正,并对比分析其与被广泛采用的均值方差变换法MVT(Mean and Variance Transformation)的校正结果,通过定性和定量精度评价发现:(1)RERB能很好地将城市阴影区影像视觉特征(颜色、纹理、色调等)信息恢复到与非阴影区同一水平上;(2)RERB恢复后的阴影区具有丰富的细节信息且在视觉上与临近非阴影区具有良好的一致性;(3)RERB恢复后的城市柏油路面和水泥路面阴影区辐射信息具有较低的误差,可见光-近红外波段的平均误差分别为7%和9%。同时RERB能较好地恢复城市阴影区植被波谱特征信息。     

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.     

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。     

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。     

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。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题，常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够，本文提出了一种融合多时相建筑物轮廓优化方法。首先，将两期高分影像进行匹配等预处理，利用基于偏移阴影分类验证提取建筑物初始结果。然后，分别获得两期影像中各建筑物轮廓的最小面积外接矩形，并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后，通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量，选择像素点数量多的边作为适宜边进行平移以获得最优边，四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明，本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

Detecting shadows in multi-temporal aerial imagery to support near-real-time change detection

Multi-temporal aerial imagery captured via an approach called repeat station imaging (RSI) facilitates post-hazard assessment of damage to infrastructure. Spectral-radiometric (SR) variations caused by differences in shadowing may inhibit successful change detection based on image differencing. This study evaluates a novel approach to shadow classification based on bi-temporal imagery, which exploits SR change signatures associated with transient shadows. Changes in intensity (brightness from red–green–blue images) and intensity-normalized blue waveband values provide a basis for classifying transient shadows across a range of material types with unique reflectance properties, using thresholds that proved versatile for very different scenes. We derive classification thresholds for persistent shadows based on hue to intensity ratio (H/I) images, by exploiting statistics obtained from transient shadow areas. We assess shadow classification accuracy based on this procedure, and compare it to the more conventional approach of thresholding individual H/I images based on frequency distributions. Our efficient and semi-automated shadow classification procedure shows improved mean accuracy (93.3%) and versatility with different image sets over the conventional approach (84.7%). For proof-of-concept, we demonstrate that overlaying bi-temporal imagery also facilitates normalization of intensity values in transient shadow areas, as part of an integrated procedure to support near-real-time change detection.     

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。     

Removing Shadows Using RGB Color Space in Pairs of Optical Satellite Images

One of the greatest challenges for optical satellite images applications is the presence of shadows. In stereo correspondence of images for example, shadows obstruct the correct extraction of objects that degrades the quality of stereo matching results. The aim of this research is to present a new, simple and efficient shadow detection and removal approach. The proposed approach first detects shadows by operating directly in red, green and blue color space using a new method including spectral and spatial properties of shadow. Secondly, shadows are removed by supplying more light to the shadow’s region using an energy minimization concept. The edges of shadows are removed or attenuated using some filters. The experimental results show that the proposed shadow detection and removal approach can generate accurate and efficient recovered pairs of satellite images. Furthermore, we demonstrate its reliability on the application of a Hopfield neural matching by comparing the correspondence of images before and after shadow removal.     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

深度神经网络条件随机场高分辨率遥感图像建筑物分割

高分辨率遥感图像建筑物分割的实质是构建一个输入图像到分割结果之间的高维强非线性映射模型。然而,建筑物可能遍布整幅遥感图像,则在语义分割过程中,当前像素点可能与非邻域的像素点存在直接关系。为了更加精确地逼近建筑物分割的真实映射模型,克服道路、建筑物错层和阴影的影响,提高分割精度,本文以深度残差神经网络为基础,构建Encoder-Decoder的深度学习架构,自动提取建筑物的特征,学习建立高维强非线性分割模型;同时,通过条件随机场的成对势函数调节当前像素点与其他像素点之间的关联关系,从而构成全连接条件随机场对Encoder-Decoder的分割结果进行调节,提升分割精度。在全连接条件随机场的计算过程中,采用循环神经网络的运行机制来完成均值场的计算,这将条件随机场与深度神经网络有机融合,实现了Encoder-Decoder和全连接条件随机场参数的同步训练。实验结果表明,本文采用的深度神经网络条件随机场方法能有效克服道路、建筑物错层和阴影的影响,提升高分辨率遥感图像中建筑物的分割精度;同时,在一定范围内对多分辨率遥感图像具有较好的泛化能力。     

包络线去除的丘陵地区遥感影像阴影信息重建

中国西南丘陵常态山和喀斯特山交错分布,遥感影像普遍存在山体阴影,分布零散且无规律,基于DEM的地形校正模型(C校正等)虽然算法成熟、易于操作,但在复杂地形区存在误差。引入基于相似像元包络线的阴影校正方法(CR校正),按照阴影提取、包络线去除、相似像元寻找和阴影亮度重建的步骤,采用西南丘陵地区Landsat 8 OLI影像进行验证实验。结果表明:CR校正后,阴影区的视觉特征与邻近非阴影区趋于一致,阴影像元亮度有明显提升;校正后影像主要波段标准差减小,与非阴影区参考光谱的相对均方根误差在2.919%以内,最低仅为0.516%;自动分类精度从43.59%提高到61.57%,CR校正有效提高了有阴影的丘陵地区遥感影像质量。     

基于DSM阴影仿真和高度场光线跟踪的影像阴影检测

介绍了一个建筑物阴影检测的模型。首先利用摄影测量学原理来计算阴影坐标。即用数字表面模型(digitalsurfacemodel,缩写为DSM)和太阳高度和方位来计算建筑物阴影的空间坐标,并由相机模型计算出每个阴影单元对应的扫描行和相机空间坐标。由高度场光线跟踪判断阴影的可见性,对可见阴影计算出它在投影图像上的坐标。然后在这个结果的基础上再对图像进行阴影的细分割。     

利用IKONOS卫星图像阴影提取城市建筑物高度信息

在分析IKONOS卫星图像上建筑物阴影与实际高度关系的基础上,阐述了估算城市建筑物高度的原理和方法,并在以北京市中关村、天坛公园和北海公园为例的试验中,较为准确地得到了建筑物高度信息,从而显示出卫星遥感在城市园林规划与环境数值模拟等方面应用的巨大潜力。     

面向对象的高分辨率遥感影像阴影提取方法

针对高分辨率遥感影像阴影提取的问题,通过分析影像主成分变换和HIS变换的特征,提出了一种面向对象的高分辨率遥感影像阴影提取方法:首先,使用mean shift分割方法进行影像去噪和平滑;然后,结合主成分变换和HIS变换形成了一种阴影检测指数(SDI);最后,通过阈值分割提取阴影信息。选取两景影像进行了阴影提取实验。实验结果表明,SDI能有效地区分阴影与建筑物、水体、蓝色地物、植被等非阴影地物;另外,mean shift分割能有效地去除结果中斑点噪声的影响,提高阴影检测精度。