IKONOS影像城市植被信息提取前的阴影校正

在高分辨率卫星影像的预处理上,阴影的提取与校正是一个难题,本文根据实际需要,采取不同的方法对建筑物阴影和山体阴影进行提取,并采用不同的校正方法进行校正。对城区建筑物阴影,采用基于影像融合的IKONOS影像阴影自动提取方法对阴影进行提取,再采用郎伯模型进行校正;对山体阴影,直接采用监督分类的方法对山体阴影进行提取,再采用灰度线性匹配的方法进行校正。实验表明,分开提取与校正的策略能取得较为理想的效果。     

基于相关系数的高层建筑物区域综合检测

根据高层建筑物在遥感影像上的特点和利用相关系数测度进行基于灰度的影像匹配的特点,结合影像匹配的结果和高层建筑物阴影提取结果,提出了一种基于相关系数的高层建筑物区域综合检测算法。实验表明,利用该方法进行高层建筑物的检测,具有较高的检测成功率。     

基于相关系数的高层建筑物区域综合检测

根据高层建筑物在遥感影像上的特点和利用相关系数测度进行基于灰度的影像匹配的特点,结合影像匹配的结果和高层建筑物阴影提取结果,提出了一种基于相关系数的高层建筑物区域综合检测算法.实验表明,利用该方法进行高层建筑物的检测,具有较高的检测成功率.     

基于约束满足网络的建筑物阴影结构提取

在分析了现有建筑物阴影识别提取方法不足的基础上，介绍了利用约束满足网络提取黑白城区航空影像中建筑物阴影结构的原理及方法。实验表明，文中所述的方法是稳健的     

脉冲耦合神经网络的遥感影像城市道路提取

针对高分辨率遥感影像中阴影对道路提取产生较大干扰的问题,提出了一种基于脉冲耦合神经网络(PCNN)的城市道路提取方法。该方法首先在近红外波段检测并消除阴影和水体的影响,并使用PCNN对消除阴影后的灰度图像进行分割处理;然后使用形态学建筑物指数(MBI)和归一化差分植被指数(NDVI)分别提取出建筑物和植被信息,消除建筑物和植被的影响;最后提取受行道树影响较大的道路,并对处理后的图像作数学形态学法的处理。该文以深圳市SPOT-7高分辨率影像进行实验。实验表明,该方法能保留原始的道路边缘细节信息,并对阴影具有很好的抗干扰作用,提取的道路信息具有很好的连续性和完整性。     

基于约束满足网络的建筑物阴影结构提取

在分析了现有建筑物阴影识别提取方法不足的基础上，介绍了利用约束满足网络提取黑白城区航空影像中建筑物阴影结构的原理及方法，实验表明，中所述的方法是稳健的。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

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。     

结合形态学和光谱特征参数的建筑物阴影提取及其高度估算

建筑物高度信息对城市景观规划设计、城市人居和生态环境评估等都具有重要作用。针对当前卫星遥感影像提取建筑物高度研究中存在精度较低、人工干预程度过多的问题,本文基于GF-2卫星遥感影像数据,综合建筑物阴影指数(EMSI)、归一化植被指数(NDVI)和地表反射率等3个参数,实现了建筑物阴影的自动化提取,进而依据空间几何学关系,实现了建筑物高度的快速估算,最后对研究结果进行了实地检验。研究表明,利用建筑物阴影指数、NDVI、地表反射率等3个参数可有效提取建筑物阴影,且利用建筑物阴影进行建筑物高度估算的平均精度达到了95.40%,证明了高分二号卫星影像在提取建筑物高度方面具有较高的可行性。     

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。     

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。     

Use of shadows for detection of earthquake-induced collapsed buildings in high-resolution satellite imagery

In this paper, we present a hybrid shadow-analysis approach that integrates the model- and property-based methods for detecting collapsed buildings after an earthquake using high-resolution satellite imagery. The framework of the proposed approach has four main steps. (1) The three-dimensional (3D) building model is established according to its footprint and height data stored in a geographical information system. (2) The theoretical shadow area of the building at the time that the post-seismic image was acquired is calculated. And the polygon of the ground shadow area of the building, which is called the theoretical ground shadow polygon, is extracted. (3) The theoretical ground shadow polygon is overlaid with the casting shadow area of the building, which is called the actual shadow area in the post-seismic satellite image, and the mean value of the digital number values of the post-seismic image pixels within the polygon of the theoretical shadow area is calculated. (4) The calculated mean value is compared with predefined thresholds, which are determined by the training pixels collected from the different types of shadows. On this basis, the shadows of totally collapsed, partially collapsed and uncollapsed buildings can be distinguished. A comprehensive experiment for Dujiangyan city, one of the urban areas most severely damaged in the May 2008 Wenchuan Earthquake, was conducted, and the experimental results showed the superiority of the proposed approach to the other existing ones.     

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。     

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。     

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。     

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。     

Use of Markov Random Fields for automatic cloud/shadow detection on high resolution optical images

In this study, we propose an automatic detection algorithm for cloud/shadow on remote sensing optical images. It is based on physical properties of clouds and shadows, namely for a cloud and its associated shadow: both are connex objects of similar shape and area, and they are related by their relative locations. We show that these properties can be formalized using Markov Random Field (MRF) framework at two levels: one MRF over the pixel graph for connexity modelling, and one MRF over the graph of objects (clouds and shadows) for their relationship modelling. Then, we show that, practically, having performed an image pre-processing step (channel inter-calibration) specific to cloud detection, the local optimization of the proposed MRF models leads to a rather simple image processing algorithm involving only six parameters. Using a 39 image database, performance is shown and discussed, in particular in comparison with the Marked Point Process approach.     

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.