一种参数化建筑物三维建模方法

针对传统的建筑物建模方法需要大量人机交互操作,建模过程复杂和成本高的问题,该文提出一种参数化建筑物三维建模方法。首先,以高分辨率遥感影像和建筑物立面影像作为数据源,在遥感和GIS软件平台的支持下,提取建筑物的底面边界、高度、楼层数、层高和屋顶类型等空间数据和属性数据,并将其保存至GIS空间数据库。其次,提出基于拉伸、拆分、添加结构面过程的建筑物主体结构建模方案,并设计了模型自动生成算法。进一步,采用Ruby面向对象语言,通过调用SketchUp平台的应用程序接口函数,结合编程实现了建筑物的自动化建模。最后,开发了建筑物参数化建模插件。实际建模实验成果表明:该方法能够显著降低建模人员劳动强度,提高建模效率。     

一种直线特征遥感影像与GIS矢量数据匹配方法

针对飞行器的匹配制导,提出了一种基于直线特征的遥感影像与GIS矢量数据自动匹配方法.该方法首先利用遥感影像的概咯方位参数实现预处理后的GIS数据与遥感影像概略叠加;接着对GIS直线数据叠加所在的遥感影像区域开辟窗口进行边缘检测;然后利用Hough变换同步进行折线特征提取和特征匹配;在实现过程中采用了金字塔分层和新型投票方法以节省运算时间,最终实现影像特征与GIS数据的成功匹配.实验证明了该方法的有效性和稳健性.     

一种便捷的城市三维景观可视化方法

本文提出了基于城市CAD地形图和高分辨率遥感影像的城市景观三维建模方法。利用建筑物的多边形和层数属性,在二维GIS软件中以建筑物多边形为底、层数乘以每层高度为高,生成立柱体。再把立柱体和正射影像投影到DEM上,得到城市三维景观模型。本研究以南京市新街口地区为例,实验结果表明,该方法是一条经济而高效的城市景观三维可视化途径,可广泛应用在城市GIS的相关研究中。     

融合主题语义特征的高分辨率遥感影像建筑物自动化识别

建筑物提取是高分辨率遥感影像解译领域的一项重要工作,由于遥感技术的宏观性、实时性和周期性特点,基于遥感影像的建筑物识别对于城市管理与国土规划等领域具有非常大的应用潜力.本文介绍了一种基于影像主题语义特征建模的高分辨率遥感影像建筑物提取方法并通过具体的影像场景加以实践应用,该方法首先对影像进行对象级的分割,然后利用LDA...     

一种高分辨率遥感影像建筑物自动检测方法

高分辨率遥感影像具有丰富的空间信息、地物几何结构和纹理信息,有助于对地物目标进行认知和解译。而建筑物目标在人类活动区域内占据重要地位,对高分辨率遥感影像中的建筑物进行自动检测具有重大意义。提出了一种基于全卷积神经网络的建筑物自动检测方法,并制作了建筑物样本数据集,利用基于区域的全卷积神经网络和特征检测网络进行建筑物检测模型的参数训练,对待检测影像进行预处理之后利用模型进行建筑物检测,得到影像中的建筑物目标的具体位置和类别置信度。实验证明,提出的检测方法具有更好的效果和更快的速度。检测召回率达到92%,检测准确率达到98%,证明了该方法针对建筑物检测具有较高的精度和较强的稳定性。     

基于AlexNet网络的高分辨率遥感影像建筑物提取方法研究

高分辨率遥感影像的数据源日益增长使得其成为主要的遥感数据源之一。本文研究了一种基于AlexNet网络的高分辨率遥感影像建筑物提取方法,该方法是在卷积神经网络的基础上,建立一种端到端自动提取影像中建筑等物体位置的方法:首先使用图像增广技术增加数据集的丰富性和多样性;再通过超参数搜索选择网络使用的较优参数,最终实现了遥感影像中建筑物的自动提取。实验结果表明,该方法可达到75%的提取精度;与传统方法进行定性和定量对比,该方法具有耗时少、精度高的特性,对后续城市规划、三维建模等应用有着重要意义。     

基于多源遥感数据的净空区建筑物三维动态监测

机场净空是保障航空器安全运行的基本条件,超高建筑物导致机场运行及管理日益困难。因此,本文提出了一套利用现代遥感手段进行机场净空区建筑物三维动态监测的方法。首先利用机器学习的方法对高分辨率光学遥感影像进行建筑物变化检测,获取新增建筑物的空间分布;然后基于GIS空间数据库和SAR传感器参数进行建筑物高度的估计,并以天津某小区为例进行算法验证;最终建筑物高程反演精度可以达到1 m,有效验证了本文算法的有效性。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

利用遥感影像快速更新GIS数据库

更新GIS数据库的最有效手段是利用遥感资料，本文了利用遥感影像快速更新GIS数据库的可能性，在分析现有的几种栅格矢量数据传输方式后，认为实现遥感（RS）与GIS数据传输的最快最好方法是采用栅格矢量一体化数据结构，并推荐了一种三级划分的一体化数据结构，最后提出了目标引导，人机协同的遥感影像快速更新GIS数据库的方法和过程。     

基于遥感及GIS的精确时空虚拟现实研究

本文探讨了GIS支持下遥感影像精确时空建模及其虚拟现实的理论和方法。描述了自然景观对象的时空表达、精确时空模型单元的基本关系 ,阐述了基于遥感和GIS的时空模型可视化一般理论 ,及时空数据库支持下真实景观的影像模拟方法 ,最后给出了目前研究存在的若干技术问题     

面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用

高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。     

一种基于动态规划的遥感影像与GIS矢量数据匹配方法

针对遥感影像与GIS数据的匹配,提出了一种基于动态规划的结点匹配、线段匹配再到折线匹配逐级优化的全局一致性匹配方法.该方法首先利用遥感影像的概略方位参数实现预处理后的GIS数据与遥感影像概略叠加;接着进行遥感影像特征自动提取;然后以局部匹配优选的待匹配结点和待匹配线段为前提,利用动态规划的匹配方法,进行折线整体匹配;最后进行匹配结果的优化.实验证明该匹配方法速度快、可靠性高.     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

乡村区域建筑物自动三维建模方法研究

乡村信息化建设是实现智慧乡村建设目标的前提,而恢复乡村区域的三维场景是实现乡村信息化建设的基础.根据已有的海量遥感数据,提出了一种迁移学习支持下的乡村区域建筑物自动三维建模方法.首先利用卷积神经网络(CNN)构建的建筑物解译模型检测目标区域的建筑物,然后利用Canny算子和约束性条件下的Hough变换检测并提取建筑物轮廓,最后采用参数化建模的方法自动重建建筑物的三维模型.实验结果表明,该方法建模效率高、成本低、自动化程度高,可应用于乡村辅助规划、确权调查、精准扶贫和空心村整治等工作中.     

图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

基于角点的高分辨率遥感影像建筑物提取

几何结构是高分辨率遥感影像中人工地物区别于其他地物目标的突出特征。针对高分辨率遥感影像中建筑物提取的问题,提出一种基于角点这一几何结构特征的建筑物自动提取方法。该方法无需事先标记训练数据,而是通过计算影像的建筑物指数来直接获取建筑物位置。首先利用基于模板的角点检测算子提取影像中的角点;其次综合角点的位置、角度和显著性等信息,利用空间投票的统计方法计算影像中每个像素属于建筑物的概率;最后经过阈值分割得到建筑物提取结果。实验采用了自主收集的影像分辨率为0.5 m的Spacenet65数据集进行测试。结果表明,提出的方法能够准确提取出高分辨率遥感影像中的不同类型的建筑物。     

基于双张影像的城市建筑物高度提取方法

针对现有城市建筑物高度提取方法存在的问题,提出一种基于双张影像的城市建筑物高度简易提取方法。利用高分辨率遥感影像和建筑物立面影像,分别提取样本建筑物的阴影长度和高度,采用最小二乘法解算出影像阴影和建筑物高度的相关公式,通过阴影长度反算出建筑物的高度,从而实现大批量建筑物高度数据的获取。通过建模实例和测量对比实验表明,方法具有操作简单、快速的特点,能满足较高的精度要求,具有一定的应用价值。     

可变形部件模型在高分辨率遥感影像建筑物检测中的应用

高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型（deformable part model,DPM）被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可变形部件模型,提出一种针对高分辨率遥感影像中建筑物的检测方法,将建筑物看作可变形部件的组合,通过训练得到其对应的参数模板,并采用滑动窗口的方式遍历待检测的影像,判断其中是否存在建筑物目标。通过对分辨率为0.5 m的高分辨率遥感影像的实验证明了方法的有效性。     

多尺度特征融合的建筑物及损毁语义分割

遥感影像分割作为影像信息提取过程中的关键步骤,近年来基于深度学习的影像语义分割模型已经成为影像分割的主要研究导向。文中提出一种基于深度学习的多尺度特征融合语义分割网络,用来分割遥感影像中建筑物和损毁建筑物,该网络充分利用不同尺度特征图的信息,获得更精确的分割边缘。同时探究了不同样本数量和不同网络深度对于训练得到模型分割性能的影响,对深度学习网络应用于遥感影像参数选择提供了一定经验指导。     

一种基于直线特征的遥感影像和GIS数据自动整体配准方法

提出了一种基于直线特征的对尺度变化和旋转变化不敏感的遥感影像和GIS数据自动整体配准方法。该方法利用在变换模型转换后GIS数据中参考线段上的端点和影像上对应特征线段的距离为零建立相似性测度,以共线条件方程作为变换模型,通过改进的霍夫变换进行优化求解,同时得到变换模型参数即外方位元素和匹配结果,实现了遥感影像和GIS数据的自动配准及遥感影像的外部定向。实验结果表明,该方法具有较高的可靠性和配准精度。