侧视地图中建筑物轮廓线提取的三维城市模型法

针对城市侧视地图上建筑物轮廓线主要依靠人工交互提取,成本高昂、效率低下且精细度和准确度有限的问题,提出了一种任意视角侧视地图中建筑物轮廓线的自动提取方法。采用深度缓冲区分割算法获取单个建筑物对象的颜色缓冲区,顾及了存在建筑群的情况和建筑物密集区域的遮挡问题,再基于颜色缓冲区追踪建筑物轮廓线。为了保持遮挡一致性且便于匹配提取出的矢量轮廓线与栅格侧视地图,本文还提出了基于投影空间分块加载三维城市模型的方法。最后,以武汉市典型三维城市模型数据为例,证明了该方法的有效性和可靠性。     

高分辨率遥感影像的建筑物轮廓信息提取方法

针对高分辨率遥感影像分割方法提取的建筑物边缘不准确和不规则等问题,提出了一种新的边缘轮廓信息提取方法:首先,通过一维Gabor滤波器获取建筑物的角度纹理特征,并结合光谱特征构造待分割的特征矢量,在运用高斯混合模型(Gaussian mixture model,GMM)构造图的基础上,利用图割法(graph cuts)获取建筑物候选点,经数学形态学处理得到建筑物斑块;然后,根据Radon变换检测建筑物主方向,构建最小二乘匹配模板,并利用该模板在建立的轮廓缓冲区内精确地提取建筑物拐角点;最后,连接拐角点,完成了轮廓信息的提取。采用合成图像和高分辨率遥感影像提取建筑物轮廓信息的实验证明了该方法的可行性。     

建筑荷载引起漫滩地面沉降数值模拟分析

基于土力学理论,结合数值分析的方法建立长江漫滩典型地质条件下地基土层及其表面的建筑荷载模型,采用ANSYS计算软件对其进行模拟分析,探讨建筑物间距、建筑物规模对建筑物差异沉降的影响,分析相邻建筑物作用下的沉降影响范围变化规律。结果表明,建筑物间距、建筑物规模对建筑物差异沉降会产生不同的影响,相邻建筑物作用下的水平和深度影响范围也有不同的变化规律。     

一种传统民居遥感提取方法

针对基于地物光谱统计特征的建筑物提取方法由于存在较大的同物异谱现象导致提取结果不满足要求的问题,该文提出了一种基于形态学建筑物指数并顾及纹理特征的遥感提取方法。该方法综合考虑传统民居在高分辨率遥感影像上的光谱、形态和纹理特征,首先利用形态学建筑物指数法提取建筑,并使用最小矩形长宽比和像元个数区分道路和零星地物,而后利用Contourlet变换和谱直方图相似性计算进行纹理甄别,实现传统民居的遥感识别和提取。为了验证该方法,选取湖南省常宁市庙前镇中田村QuickBird影像进行试验,结果表明该方法能够获得较高精度的提取结果,整体精度为71.54%,影响提取精度的关键原因为损毁严重的建筑物光谱特征与目标图像纹理相差较大。     

结合机载和地面LiDAR数据的建筑物重建技术

机载LiDAR数据虽然能够快速地获取建筑的顶面信息,但是不能够有效地获取建筑物的侧面信息。地面三维激光扫描仪能够有效地获取建筑物的立面信息,但获取建筑的顶面信息较困难。针对机载和地面LiDAR数据在精细建模中存在的问题,采用机载地面LiDAR数据相结合的方式对建筑物进行精细的建模,实验结果表明,采用该法能够实现建筑物的精细建模。     

基于阈值分割的LIDAR建筑物提取

在介绍常用的阈值分割方法的基础上,详述了基于阈值分割的LIDAR建筑物提取方法,对不同阈值分割方法的优越性与实用性进行分析。研究结果表明,阈值法是一种最简单最基本的图像分割方法。全局阈值能快速有效地分割噪声小、比较均匀的图像,动态阈值和c均值模糊阈值分割对不均匀图像能进行较好的分割,其中c均值模糊阈值分割法最佳。     

利用影像辅助LiDAR点云数据的建筑物提取方法研究

机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。     

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%。     

利用基于残差多注意力和ACON激活函数的神经网络提取建筑物

针对目前主流深度学习网络模型应用于高空间分辩率遥感影像建筑物提取存在的内部空洞、不连续以及边缘缺失与边界不规则等问题,本文在U-Net模型结构的基础上通过设计新的激活函数（ACON）、集成残差以及通道-空间与十字注意力模块,提出RMAU-Net模型。该模型中的ACON激活函数允许每个神经元自适应地激活或不激活,有利于提高模型的泛化能力和传输性能;残差模块用于拓宽网络深度并降低训练和学习的难度,获取深层次语义特征信息;通道-空间注意力模块用于增强编码段与解码段信息的关联、抑制无关背景区域的影响,提高模型的灵敏度;十字注意力模块聚合交叉路径上所有像素的上下文信息,通过循环操作捕获全局上下文信息,提高像素间的全局相关性。以Massachusetts数据集为样本的建筑物提取实验表明,在所有参与比对的7个模型中,本文提出的RMAU-Net模型交并比与F1分数2项指标最优、查准率和查全率两项指标接近最优, RMA-UNet总体效果优于同类模型。通过逐步添加每个模块来进一步验证各模块的有效性以及本文所提方法的可靠性。     

结合影像的LIDAR数据三维建筑物提取

随着LIDAR技术的出现,三维建筑物的提取也受到越来越多的重视。由于LIDAR数据分布的不连续性和不规律性,直接从机载激光扫描测距数据中进行建筑物提取较为困难。本文提出了一种结合灰度影像的LIDAR数据三维建筑物提取方法,分三个步骤:首先对灰度影像进行建筑物二维提取;然后将处理后影像和LIDAR数据粗匹配,初步确定LI-DAR数据中的三维建筑物区域;最后利用一组阈值操作进行三维建筑物的精确提取。实验结果表明该方法简单实用,适应性强。