重复结构检测的建筑物立面影像纹理分割

针对检测影像重复结构的算法需要大量迭代计算、效率不高等问题,该文结合相位相关和灰度相关算法,实现了建筑物立面影像纹理重复结构的检测,在此基础上,利用灰度梯度信息进一步分割立面纹理结构。相位相关通过在频域检测立面两区域影像傅里叶变换的相移来确定其在空间域对应的近似偏移量,实现重复纹理结构的粗定位。基于灰度相关的相关系数用来检测两区域影像的灰度相似性以精确确定重复纹理结构。纹理结构的分割则是根据纹理边缘梯度特点,在水平和竖直方向定位纹理结构单元的分割线。实验证明,该算法结合了立面影像纹理相似区域粗定位和精检测,有效提高了立面影像纹理重复结构检测及分割的效率。     

倾斜摄影测量三维表面模型立面分割方法

针对倾斜摄影测量三维重建得到的三维表面模型在平面尤其是异形平面处产生的规则性缺失,难以快速准确提取出建筑物几何平面的问题,本文提出一种基于高斯混合模型和图割的SurfaceCut层级分割方法。首先对模型进行拓扑重建、几何与纹理信息的预计算;其次使用高斯混合模型方法对模型进行过分割,使模型过分割为几何特征相似、纹理特征一致的超点点集;最后利用最大流最小割算法对目标平面进行二分类分割,并且为修复模型不规则立面区域,设计了一种立面修复算法。利用不同类型的建筑物模型进行实验,验证了方法的有效性。     

一种大尺寸遥感图像基于内容检索的纹理特征提取算法

针对50万像素以上的大尺寸遥感图像基于内容检索的需要,通过将大尺寸图像按照区域类别分块,用灰度共生矩阵法对各子块提取出纹理特征,并利用类似Hu的不变矩的方法对各子块纹理信息进行统计,从而提取出与大尺寸图像中各纹理的空间位置相关的一组纹理特征值。该方法对传统的共生矩阵法进行了改进,使其适用于大尺寸图像多区域类别的纹理特征提取,可用于大尺寸遥感图像的基于内容的检索和初分类研究。     

真实感建筑物三维模型的立面纹理优化方法

针对建筑物三维模型缺乏强烈的真实感,同时目前对纹理的许多处理工作是依赖于人工这一问题,该文结合建筑物点云数据,对基于手持数码相机拍摄像片的建筑物立面纹理优化方法进行了研究。采用单位四元数法解算大倾角像片外方位元素,解算结果满足纹理精度要求;结合纹理面积、倾斜角度以及树木遮挡3项指标,实现从大量像片中自动选取最优像片;依据色调信息识别出树木遮挡区域并对该区域进行了很好地补偿;在近景影像中引入蚁群算法优化拼接线,实现了多条带多张纹理的自动拼接。最后以手持数码相机拍摄的像片进行实验,实验证明:本文方法可以自动有效地提高纹理质量,得到的立面纹理目视效果真实美观。     

变分法遥感影像人工地物自动检测

人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。     

LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法

以精确自动提取建筑物轮廓为目标,提出一种LiDAR辅助下利用超高分辨率影像进行轮廓提取的新方法.其要点分为4步:① 预处理,检测LiDAR中建筑物点并分割成每栋建筑物的点集;② 建立轮廓提取区,针对每栋建筑物做缓冲区和外接矩形,通过缓冲区过滤和外接矩形切割,建立轮廓提取感兴趣区域;③ 线段提取,借助LiDAR估算出建筑物概略主方向,并在该方向的约束下,自动、鲁棒地检测出建筑物的主方向和建筑物的线段;④ 轮廓筛选,基于LiDAR密度分析与Kmeans聚类动态筛选出精确轮廓.本方法所提取的建筑物轮廓定位精确、细节完好,轮廓提取准确率91%.     

多层平面单应约束车载街景影像匹配算法研究

车载街景影像匹配中含有较多难以剔除的误匹配,建议采用一种多层平面单应约束的车载街景影像匹配方法进行剔除。车载街景影像的拍摄对象主要为多层次的建筑物立面,物方平面在立体像对中的投影满足单应约束,所以建筑物立面在影像中满足多层平面单应约束。采用Harris算法提取角点特征,采用SIFT算子描述并用邻近距离比约束匹配获取初始同名点。首先,采用核线约束初步剔除误匹配;然后,结合RANSAC估计立体像对间的多层平面单应删除外点。该方法可删除纹理重复造成的误匹配,提高立体像对间匹配的正确率。     

基于超面的建筑物纹理优化处理方法

针对现有建筑物三维模型中大量零散纹理在实时可视化时易造成巨大渲染开销的问题,提出了一种建筑物三维模型的纹理优化处理方法。首先解构三维模型的表面法线特征,通过三角形种子点生长方法获得法线相近且空间相邻的一组三角形集合,然后将该三角形集合投影到最大投影面后再提取出边界得到超面;通过最低水平线择优插入算法,将超面上对应的零散纹理渲染为一张纹理,进而实现纹理的优化布局,最终将优化后的纹理映射回建筑物表面。实验表明该方法能够很好地保持建筑物模型整体外观的可视化效果。     

基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测

建筑物检测在城市规划、变化检测、地表覆盖等方面均起到重要作用。然而高空间分辨率遥感影像(简称"高分影像")中建筑物朝向不一,形态颜色各异,大小尺寸也有着较大差别,使得建筑物检测成为一道难题。为此,提出一种基于多尺度多特征来自动化检测高分影像中建筑物的方法:首先,对影像降采样构建高斯金字塔模型,固定尺度的滑动窗口在不同层影像中对应着不同的实际地面面积;然后,对影像进行超像素分割并计算滑动窗口中多种描述建筑物特性的特征值,通过多特征融合来衡量建筑物目标在不同尺度影像中的显著性;最后,计算超像素块的显著性均值,结合Otsu算法自动求取阈值,进一步设置长宽比等约束条件,从而准确、自动地提取建筑物目标。分别采用空间分辨率为0. 5 m和0. 2 m的影像进行实验,并和基于颜色和纹理建模的马尔科夫随机场模型算法进行定性和定量的比较。实验结果表明,该方法对高分影像中建筑物的提取有更好的实际效果和检测精度。     

利用词袋模型检测建筑物顶面损毁区域

针对航空影像中已分割出的建筑物顶面,提出了一种利用视觉词袋模型检测建筑物顶面损毁区域的方法。该方法首先利用简单线性迭代聚类方法对建筑物顶面进行超像素分割,然后对超像素区域利用颜色和梯度方向直方图特征构建视觉词袋模型,最后使用支持向量机（support vector machine,SVM）对超像素区域中的损毁区域进行检测。实验结果表明,该方法能有效判定建筑物顶面损毁区域,对提高建筑物整体损毁检测精度具有重要意义。     

真正射影像生成中遮蔽区域的补偿

经过正射纠正后的真正射影像,往往会出现建筑物遮挡造成的影像信息缺失区域。本文采用相邻影像补偿、图像修复两种方法依次对这些缺失区域进行补偿。对于因相邻影像信息不足,仍未补偿的剩余像素,在引入DBM模型的基础上,进一步提出一种基于有效像素的样本纹理合成方法,实验结果证明,该方法优于常规图像修复算法,生成了完整的真正射影像。     

利用灰度共生矩阵纹理特征识别空心村损毁建筑物的方法

从无人机影像上快速识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为实地调研提供指导材料。本文首先在试验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征参数和光谱特征参数,选取与损毁程度正相关的参数标准化后组成特征参数向量,根据向量的可视化结果获取损毁建筑物的分布、损毁程度等信息。试验结果表明,该方法能实现从无人机影像上识别出损毁建筑物,并能对建筑物的损毁程度得到初步认识,可以有效实现高分辨率影像中空心村损毁建筑物的识别。     

基于纹理增强的数字航片村镇建筑物信息提取

基于建筑物细部边缘信息在数字航片上的精细纹理表达,首先对原始影像进行边缘检测、主成分分析和基于二阶概率统计的纹理滤波等预处理,然后选择用7像元×7像元的窗口锐化得到Contrast纹理特征的灰度图;采用Contrast灰度图(R)、原始航片(G)、原始航片(B)的波段组合进行假彩色合成,得到基于对比度纹理的假彩色合成影像;最后对假彩色合成影像进行多尺度分割和建筑物提取。以北京市延庆县康庄镇2008年12月数字航摄影像为例,运用上述方法进行村镇建筑物信息提取。结果表明,与运用面向对象的分类方法相比,利用纹理增强提取村镇建筑物信息的方法突出了建筑物边缘,减少了冗余分割对象,解决了建筑物与其阴影相混淆不利于建筑物信息提取的问题;并对特征空间进行优化,避免了模糊分类时纹理特征规则运算缓慢的问题,较完整地提取出了村镇建筑物信息,提高了分类精度。     

一种三维地理环境中的灾场影像快速更新方法

提出一种在三维地理环境中,以普通相机拍摄的数码相片为数据源,对灾害现场的地表影像进行快速更新的方法。该方法首先通过记录相机拍摄时的位置和姿态参数计算出影像覆盖的区域;然后通过纹理坐标转换计算出覆盖区的纹理坐标;最后通过多重纹理混合技术在避免重复绘制的情况下,实现对地表影像的快速更新。该方法可弥补以遥感或航拍影像为数据源的传统方法在数据获取、处理以及传输等方面的缺点,并能缩短整个影像更新流程的周期,满足了灾害救援在时效上的要求。     

相位相关法辅助的重复纹理区低空影像匹配

针对重复纹理区低空影像匹配中存在的多义性易造成同名点过少或匹配失败等问题,利用相位相关法计算了像对中两影像傅立叶变换复共轭的互功率谱,预测同名点在平移、旋转和尺度上的遍历范围,并以尺度遍历范围自适应估计Harris-Laplace尺度空间和检测角点,然后通过相关系数法和核线约束匹配同名点。实验验证了该方法对于重复纹理区低空影像匹配的可靠性和实用性,可获得数量足够且分布均匀的同名点。     

多星形约束图割与轮廓规则化的高分遥感影像直角建筑物提取

提出了一种基于多星形约束的图割和轮廓规则化的交互式半自动提取高分影像上直角建筑物的方法。首先,通过人工在建筑物上画一条线的交互方式自动得到包含目标建筑物的影像图块;其次,利用双边滤波对该影像块进行保边去噪预处理并进行超像素分割;再次,以交互线所在的超像素为前景,以交互线所得的建筑物范围与影像块边界之间的超像素为背景,进行基于多星形约束图割方法得到建筑物图斑;最后,利用Harris算子检测图斑上的角点,并对角点分组拟合得到规则的建筑物轮廓。为验证本文方法的有效性,分别对两幅不同地区和不同空间分辨率的高分航空影像进行建筑物提取试验,结果表明,该方法不仅交互简单而且具有高效性、准确性和稳定性。     

面向对象的车载激光扫描点云建筑物立面提取

本文利用面向对象的点云分析方法进行车载激光扫描点云数据中建筑物立面的识别。该方法对点云进行基于法向量和距离约束的点云分割,计算分割面片的倾角、面积、高程变化范围等特征,并依据建筑物立面垂直于水平面、面积比较大、高程变化范围较大等规则从点云数据中识别建筑物立面。实验表明该方法可以精确有效地进行MLS点云中建筑物立面提取。     

一种顾及影像纹理特性的自适应分辨率增强算法

针对传统的影像分辨率增强算法存在的缺点,提出了一个顾及影像纹理特性的自适应分辨率增强算法。在算法中,首先通过影像分析,根据定义的3种纹理特性,确定出像素在影像中所在的位置是属于平滑纹理、一般纹理还是边缘纹理,然后根据不同的属性应用不同的滤波器进行内插增强。特别是对边缘纹理的处理,为了提高精度,是通过两次迭代来完成的。实验中利用该算法和传统的增强方法对三峡地区航空影像和武汉TM影像分别进行了处理,并用常用的影像质量评价方法对增强处理结果进行了对比评价,实验证明,所提出的算法在保持纹理、边缘方面有较大的优越性,具有实用价值。     

基于基尼系数的倾斜航空影像中建筑物立面损毁检测

针对已分割出的建筑物立面,提出了以基尼系数作为损毁指数对倾斜航空影像中建筑物立面损毁检测的方法。该方法首先通过改进的k-means算法分割出建筑物立面的门窗和墙面,然后利用Canny算法对分割影像进行边缘检测提取统计特征,最后利用经济学中的基尼系数来判断建筑物立面是否损毁。实验结果表明,本文方法在没有先验信息的情况下仅利用单时相倾斜航空影像就能简单高效地判定建筑物立面损毁。     

实景三维建模中的建筑物mesh模型立面修整

实景三维模型作为实景三维中国建设中的数据底座,发挥了极其重要的作用。建筑物mesh模型作为实景三维模型中重要的数据,其质量好坏直接影响着实景三维模型的使用效果。本文结合实际工程经验,提出了一种批量化的建筑物mesh模型立面修整方法。首先,以ContextCapture软件生成的实景三维模型为基础,采集建筑物的矢量轮廓线;然后,利用参数化建模软件批量生成平整的建筑物三维矢量面,自动完成建筑物立面到三维矢量面的吸附,使建筑物立面结构平整;最后,以修复好的建筑物mesh模型为参考,在ContextCapture软件中进行建筑物mesh模型纹理映射,批量完成建筑物mesh模型的更新。通过多个试验场景测试,验证了该方法的有效性和高效性。