基于随机森林的WorldVew2i影像建筑物精细提取

针对研究区建筑物大小不一、排列复杂多样、颜色和材质差异较大的实际情况,提出了一种基于面向对象的城区高分辨率影像建筑物信息精细提取方法。该方法考虑了不同颜色建筑物之间以及建筑物与其他地物的特征差异,将建筑物细分为4种子类型,在对高分辨率影像进行分割的基础上,充分挖掘目标对象的光谱、几何、纹理信息等特征,利用随机森林算法对建筑物进行提取并对特征的重要性进行评估。结果发现,精细提取场景下的波段3比值、PCA3均值、PCA4均值、NDVI等特征的重要性较建筑物作为一个类别提取的常规方法出现了较为显著的上升,表明精细提取场景下的影像特征得到了更为充分的应用。使用该方法提取建筑物面积的用户精度和生产者精度较常规方法提高了12.16%和4.09%,为复杂情况下的高分辨率影像建筑物信息提取提供了新的途径。     

一种基于高分辨率遥感影像的建筑物提取方法

在总结各种传统基于像素统计特征建筑物提取方法优缺点的基础上,本文结合高分辨率遥感影像的特点,通过对高分辨率遥感影像房屋的光谱特征和几何特征的分析,提出了一种基于高分辨率遥感影像的建筑物提取方法;并采用ERDAS,PCI等遥感软件,结合VC编程工具对该方法的可行性和有效性进行了实验分析与验证。     

利用多特征进行航空影像建筑物提取

高分辨率遥感影像在不同的尺度下表现出不同的特征,根据这一特性,提出了一种基于多层次特征的航空影像规则建筑物提取方法。该方法先利用大尺度特征——方向梯度直方图（histograms of oriented gradient,HOG）特征对建筑物进行识别,然后提出了一种小尺度特征——纹理和光谱融合特征,该特征能够有效地将HOG特征识别结果中的道路、草地等非建筑物剔除,最终获取建筑物边缘信息。实验结果表明,该方法不仅对矩形建筑物有较好的提取效果,对结构复杂的规则建筑物也有较好的提取效果。     

利用像素高度图的三维建筑物屋顶和立面提取方法

针对三维建筑物屋顶和立面目标的自动提取难题,提出了一种利用倾斜影像生成的像素高度图来识别和提取三维建筑物目标的方法,根据高度图的梯度特征提取垂直立面目标,根据高度图的最大熵阈值特征提取屋顶目标。采用多角度面阵数字航空相机获取的倾斜影像数据进行实验,验证了本文方法的正确性与有效性。     

多尺度特征融合深度学习建筑物的提取方法

提出一种基于多尺度特征融合的建筑物提取方法,结合新的网络DenseASPP-UNet,以实现影像多尺度特征的融合,进而高精度提取建筑物.通过Inria开源建筑物航空影像数据集进行验证,表明DenseASPP-UNet相比其他深度学习方法建筑物提取精度有很大的提升.     

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。     

材质和倾角属性筛选的光伏屋顶提取

针对城市光伏屋顶类型多样致使样本不平衡,高空间分辨率卫星影像光伏屋顶提取问题,提出了一种材质和倾角属性筛选的方法。通过选取天津市南开区、红桥区、和平区、河东区卫星影像,利用标注于光伏屋顶的材质和倾角两种属性筛选出样本均衡的数据集,借助TensorFlow框架下集成的U-Net算法并合理设置参数,得到了光伏屋顶提取结果,并与未利用材质和倾角两种属性筛选情况下的光伏屋顶提取结果进行对比。试验结果表明：本文方法提取精度较高,尤其是对于研究区域不常见的光伏屋顶,能够提取出更为完整准确且边界清晰的结果。     

多尺度全卷积神经网络建筑物提取

针对VGG16网络在高空间分辨率遥感影像中进行大型建筑物提取时存在空洞的现象,提出一种基于多尺度影像的建筑物提取方法。将原始影像进行不同尺度的下采样,提取不同尺度下的建筑物特征,并将这些多尺度特征相加合并,同时为了减少网络参数数量,用全卷积上采样过程代替原始VGG16网络中的全连接层进行建筑物提取。以0.5 m分辨率的上海市嘉定区影像和1 m分辨率的Massachusetts地区影像进行试验,精度分别达97.09%和96.66%,表明本文方法的有效性。     

建筑物变化的多特征融和及随机多图综合检测法

针对遥感影像建筑物变化检测过程中存在构造的差异影像凸显建筑物效果不理想 、提取训练样本质量差及分类精度低等问题,本文从差异影像构造、高质量训练样本提取及分类方法等3方面进行研究,提出一种基于多特征融合及随机多图的遥感影像建筑物变化检测方法.首先,把通过CVA获取不同时相遥感影像光谱特征差异图、纹理特征(灰度共生矩阵法)...     

特征分量的城市建筑物面向对象提取方法

针对城市建筑物提取精度易受裸土、道路等干扰的问题,该文以陇西某区ADS100影像为例,构建出一种基于特征分量的城市建筑物面向对象提取模型。首先,建立亮度特征分量、(NIR-B)/(NIR+B)特征分量、归一化植被指数(NDVI)特征分量进行信息增强;其次,将以上分量进行波段重组;最后,分割重组后的多波段新影像,创立相应的规则集,实现目标城市建筑物提取。实验表明,该方法既能有效消除裸土、硬化道路的影响,又能较为准确地检测出ADS100影像中的建筑物信息。