共查询到10条相似文献,搜索用时 31 毫秒
1.
利用机载三维成像仪的DSM数据自动提取建筑物 总被引:6,自引:1,他引:6
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。 相似文献
2.
为了获取高精度的数字表面模型(digital surface model,DSM),提出了利用离散的三维激光点云和建筑物轮廓线构建DSM的方法.首先,利用不规则三角网(triangulated irregular network,TIN)渐进滤波算法对激光点云进行预处理,得到地面点和非地面点;然后,基于高程纹理提取非地面点中的建筑物脚点,根据脚点的深度影像图,利用Canny算子提取建筑物边缘,用方位角聚类规则法对建筑物边缘规则化;最后,采用提取的离散地面点数据和建筑物轮廓矢量线构建DSM.采用柳州地区的一组机载LiDAR数据对该方法进行了实验验证,结果表明,通过该方法构建的DSM,建筑物的边缘信息比较精确. 相似文献
3.
当前无人机低空航空摄影测量生成的数字正射影像DOM中,房屋边缘大量存在锯齿失真的现象,严重影响了对影像建筑物的判读和提取,降低了无人机航测数字正射影像的使用效益。提出一种利用数字表面模型DSM点云数据,提取其房屋边缘,并进行规则化处理,然后在此基础上进行数字微分纠正,生成正射影像的方法。实验结果表明,利用该方法可有效防止数字正射影像中房屋边缘存在的锯齿失真现象。 相似文献
4.
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。 相似文献
5.
针对如何以端到端可训练的方式重构建筑物轮廓的问题,本文提出了一种端到端多残差模块堆叠沙漏网络的建筑物轮廓重构方法。首先,采用多残差模块堆叠沙漏网络提取建筑物角点和边缘特征;其次,利用角点检测模块匹配对应角点的相对位置,以获取候选角点;然后,通过线段采样将候选角点生成候选轮廓线;最后,线验证模块利用候选线段及多残差模块堆叠沙漏网络得到特征图,并验证每个线段是否为建筑物轮廓线,以获得建筑物轮廓重构结果。试验结果表明,在SpaceNet建筑物数据集上,本文方法能检测出建筑物角点及边缘,并有效实现了以端到端可训练的方式重构建筑物轮廓。 相似文献
6.
针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。 相似文献
7.
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。 相似文献
8.
9.
IEU-Net高分辨率遥感影像房屋建筑物提取 总被引:1,自引:0,他引:1
房屋建筑物作为人类活动的主要场所,快速准确地将其从高分辨率遥感影像中提取出来,对促进遥感信息在防灾减灾、城镇管理等方面的应用具有重要意义。本文基于深度学习,提出了高分辨率遥感影像房屋建筑物像素级精确提取方法。首先,针对样本图像边缘像素特征不足现象,以U-Net模型为基础提出IEU-Net模型,设计了全新的忽略边缘交叉熵函数IELoss并将其作为损失函数,另外添加Dropout和BN层在避免过拟合的同时提高模型训练速度和鲁棒性。其次,为解决模型特征丰富度有限的问题,引入形态学建筑物指数MBI,与遥感影像RGB波段一同参与到模型的分类过程。最后,在模型预测时与IELoss相对应采用忽略边缘预测策略从而获得最佳建筑物提取结果。实验对比分析表明:本文方法能有效克服样本边缘像素特征不足问题并抑制道路、建筑物阴影对结果的影响,提升高分辨率遥感影像中房屋建筑物的提取精度。 相似文献
10.
以数字表面模型(DSM)影像为辅助,提出了一种结合基于对象和基于知识的建筑物提取方法。首先利用DSM辅助多尺度分割,有助于分割完整的建筑区域;然后利用3种规则进行建筑物提取;最后利用国际摄影测量与遥感学会(ISPRS)标准数据集影像进行实验验证。结果表明,该方法可有效提取建筑物,得到高精度的提取结果,错提率与漏提率分别为6.26%与7.43%。 相似文献