高分辨率多光谱影像城区建筑物提取研究

城区高空间分辨率遥感数据由于存在大量同物异谱和异物同谱现象,应用传统的基于像元光谱分类的方法进行建筑物分类提取难以取得满意的效果。本文发展了一种从高分辨率Ikonos卫星影像上基于知识规则的面向对象分类提取城区建筑物方法,包括如下步骤：(1)融合1m全色和4m多光谱波段影像,生成1m分辨率的多光谱融合影像;（2）分割融合影像;（3）执行基于对象光谱的最近邻监督分类;（4）应用模糊逻辑分类器结合光谱、空间、纹理和上下文特征等知识规则进行建筑物分类。精度统计结果表明,本文提出的分类方法提取城区建筑物取得了93%的精度。     

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。     

面向对象的城镇土地覆盖信息自动提取方法

以安徽省滁州市城区为研究对象,采用面向对象的分类思想,在建立误分割指数进行多尺度分割评价的基础上,提出了一种首先利用遗传算法对光谱特征、几何特征、空间特征等进行最优特征集提取,再结合支持向量机算法进行自动提取的分类方法,并对分类结果进行了精度评价。结果表明,该方法的精度达到了90.43%,证明了其可行性。     

基于卷积神经网络的城市水体提取方法研究

针对传统方法在城市水体提取中容易受到建筑物阴影影响和难以精确提取细小水体等问题,提出了一种基于逐像元分类和多尺度分割技术的卷积神经网络遥感水体提取方法.该方法利用像元的光谱特征向量构建光谱特征矩阵,作为卷积神经网络输入特征训练水体提取模型,以多尺度分割结果抑制分类离散点与水体边缘误分现象,进一步提高提取精度.试验结果表...     

基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例

城市受人类活动影响比较大,结构组成比较复杂,对该区域进行分类研究存在一些问题。甚高分辨率遥感影像,以其丰富的细节信息为城市土地覆被分类研究提供了可能。本文结合使用甚高分辨率QuickBird遥感影像和激光扫描LIDAR数据,论述了利用多尺度、多变量影像分割的面向对象的分类技术对马来西亚基隆坡市城市中心区的土地覆被分类研究。针对特定地物选择合适的影像分割特征和分割尺度、按照合理的提取顺序逐步进行城市土地覆被信息提取。在建筑物的提取过程中构建了归一化数字表面模型nDSM,使用成员函数将建筑物信息提取出来。精度评价结果表明,利用该方法得到了理想的城市土地覆被分类结果,其分类总精度从常规面向对象分类方法的83.04%上升到88.52%,其中建筑物生产精度从60.27%增加到93.91%。     

面向对象的多源数据建筑物提取

建筑物是城市的重要标志之一,综合利用LiDAR数据和高分辨率遥感影像可以充分发挥不同数据源中提取建筑物的优势。本文基于面向对象分类理论,利用机载LiDAR数据和GeoEye高空间分辨率遥感影像,在多尺度分割的基础上对实验区分类并提取建筑物,进而对提取结果进行精度评价。实验表明,将LiDAR数据与高分辨率影像数据结合能够很好地提取建筑物,建筑物提取精度达89.28%。     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。     

基于高分影像和激光点云数据的损毁建筑物提取方法研究

针对复杂环境下震害信息的快速提取问题,本文提出了一种基于高分影像和激光点云数据的半自动损毁建筑物提取方法。该方法通过目视判别定义了损毁建筑物类型与成像特征,然后采取阈值法与SVM相结合的半自动面向对象分类方法将损毁建筑物提取出来。即通过引入nDSM数据参与分割、分类,在影像多尺度分割的基础上,结合纹理特征、光谱特征以及几何特征,通过阈值法与SVM相结合的方法提取损毁建筑。为验证方法有效性,选取2010年海地震后部分地区的高分辨率影像和机载激光雷达数据作为研究数据,通过与全场景的自动SVM分类结果相比,本文方法获得了更优的分类精度。此外,本文构建了新的波段剔除植被,在不同场景下获得了较好的剔除效果。     

基于高分辨率遥感影像的面向对象水体提取方法研究

根据高分辨率遥感影像的特点,利用面向对象的方法对高分辨率遥感影像进行了水体提取.选取最优分割尺度和分割参数对试验区进行了分割;建立了对象知识库;选择合适的阈值参数进行了水体的提取和河流、湖泊的分类;把面向对象方法分类结果与传统方法分类结果进行了对比分析.试验表明,面向对象水体提取方法具有更高的精度,不仅有效地区分了水体和阴影,而且很大程度上抑制了"椒盐现象".     

基于遥感影像的城镇建筑物分类

震害损失主要是由建筑物损毁造成的,对城镇建筑物进行有效分类可以做好震害风险防范,通过遥感影像信息提取的方法对建筑物进行分类能提高工作效率。采用多分割图层及多尺度分割技术,利用特征库阈值分类与样本最邻近分类相结合的方法对遥感影像建筑物进行信息提取及分类。分类结果精度评价表明该方法优于利用单一分割图层样本最近邻分类结果,可以用于城镇建筑物分类。根据建筑物分类结果对震害风险进行了划分。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

面向对象的高分辨率卫星影像道路信息提取

本文采用面向对象方法对高分辨率卫星影像道路信息提取。首先加入建筑物矢量数据对影像分割提取出建筑物,然后采用多尺度进行分割,对分割后的对象进行最近邻采样,得到总体分类图。最后根据道路特点构建道路知识库对道路信息优化。试验表明,面向对象的道路信息提取克服了"椒盐现象",取得了较好的提取效果。     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

基于高分辨率遥感影像的建筑物快速提取

建筑物作为与人类生活密切相关的主要人工地物,是城市问题研究中的重要研究对象。介绍一种基于高分辨率遥感影像面向对象的建筑物快速提取技术,利用对影像多尺度逐级分割分层的方法来提取地物目标,并对遥感影像进行分类,从而提取建筑物信息。通过试验验证,该方法能较完整地提取整个试验区的建筑物,利用性高,具有一定的推广意义。     

步进式区域生长的城区摄影测量点云分类

针对面向对象点云分类中单一分割算法无法满足复杂场景分割需求的问题,该文提出了一种步进式区域生长的倾斜摄影测量点云分割算法。该算法首先进行粗分割,获取光滑分割面片,然后将点云丰富的纹理信息引入精细分割过程,最后,利用可见光波段差异植被指数(VDVI)约束下的连通成分分析合并分割面片,得到最终的分割结果,并在两景具有较强代表性的城区场景下完成了倾斜摄影测量点云的分割分类实验。实验结果表明,该文算法分割的面片形态规则、数量较少,且分类精度高达96.45%、94.44%,相比于单点和传统单一分割算法的分类结果更优,研究结果适用于复杂场景下倾斜摄影测量点云的分类。     

面向对象的高分辨率影像土地利用信息提取

运用面向对象的分类方法对实验区高分辨率影像进行最优分割尺度的影像分割。首先利用ESP算法确定影像的最佳分割尺度,再运用CART决策树分类对土地利用信息进行提取,并对分类结果进行后处理,进一步提高分类精度。最终分类结果精度达到80.38%。     

基于高分辨率DSM和遥感影像的建筑物提取

提出一种基于高分辨率数字表面模型(DSM)和遥感影像光谱特征的建筑物提取方法。具体步骤是:首先,使用多分辨率分割方法对RGB波段和DSM波段进行组合分割,形成图像基元;然后,利用建筑物高程高于地面其他区域的特点,使用阈值分割将影像对建筑物进行初始分类;由于树木的高程和建筑物像类似,这就造成了对建筑物的混淆,为了解决这个问题,利用树木的辐射不均一所形成的标准差特征较大这一特点,对建筑物和树木进行区分,最终形成建筑物的精确提取。试验结果证明了本文方法的有效性。     

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。     

基于机载LiDAR数据和遥感影像的复杂建筑物提取

综合利用机载LiDAR数据和高分辨率遥感影像数据优势,提出了一种面向对象的分层分类提取复杂建筑物的新方法。首先根据坡度强度信息,将影像分割成高、中、低坡度目标;再采用阈值法进行陡峭区、地表面和建筑物的初始分类;最后根据邻近对象光谱相似性原则,对陡峭区进行多尺度分割,并结合光谱、形状和空间关系等特征,基于模糊分类对建筑物提取结果进行优化。实验表明,该方法提取的建筑物信息精度较高,轮廓边缘相对完整。     

机载LiDAR建筑物点云渐进提取算法

针对机载LiDAR建筑物点云提取过程中易受植被的影响的问题,本文提出了一种机载LiDAR建筑物点云的渐进提取算法。首先通过布料模拟滤波算法对地面点云与非地面点云进行区分,在此基础上利用最大类间方差法算法（Otsu）对非地面点云进行阈值分割,提取初始建筑物点云;然后根据点云的连通性对初始建筑物点云进行密度聚类分割（DBSCAN）,剔除离群噪声点;最后通过Alpha Shape算法实现建筑物点云的边缘提取。本文选取ISPRS官网提供的3组典型城区LiDAR点云数据进行试验,试验结果表明,本文算法可达到较好的建筑物点云提取效果。