高分辨率遥感影像的建筑物自动提取

文章结合结构图分析方法,提出一种针对高分辨率遥感影像中建筑物自动提取方法.该方法利用几何限制对线基元进行初连接,解决由于边缘检测无法完整提取建筑外边缘问题;通过构造结构图确立线基元之间连接关系,搜索结构图中闭合路径,建立高级别特征,对过于散列的线基元进行整合;在此基础上,综合考虑建筑物的几何结构、光谱特征等图像信息筛选闭合路径,实现对建筑物的提取.最后通过对天绘一号高分辨率遥感影像进行建筑物自动提取验证了该方法的有效性.     

融合颜色和纹理特征的彩色图像分割

根据高分辨率遥感影像中地物呈高斯分布的特性,文章将水平集与Bayesian统计理论相结合,提出一种统计理论框架下的广义水平集分割模型;并利用多元高斯分布融合图像的颜色和纹理信息,实现彩色图像的分割及建筑物目标提取.实验结果表明,该模型实现了与eCognition软件中多尺度分割相近的效果,且能够实现不同尺度目标的分割,易于向高维特征扩展,可扩展性强.     

基于PolInSAR三分量分解的建筑物高度向信息提取方法

传统的基于InSAR提取建筑物高程的方法难以区分同一分辨单元内不同散射体的高度信息.文中提出一种基于PolInSAR Freeman三分量分解的城市建筑物高度向信息提取方法,可有效获取同一分辨单元内不同散射体的散射中心.首先对极化干涉互协方差矩阵进行Freeman三分量分解,分离不同散射机制对应的相位中心,然后根据相位信息重建建筑物三维模型.利用覆盖美国加州Richmond地区的两景高分辨率TerraSAR-X极化SAR数据进行实验,结果表明,PolInSAR三分量分解能够分离同一散射单元内不同散射体的相位中心,从而有效提取出建筑物高度向信息及其三维模型.     

小波变换用于建筑物变形监测精度的确定与评价

重点分析工作中某厂房建筑物变形监测的精度确定问题,对观测环境条件较差的监测部位已有观测资料,首先实施小波变换来估计实际监测精度,然后与其相应的理论精度相比较,并结合实际监测条件评价其观测质量,从而为后续的变形监测工作提供参考。     

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。     

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。     

利用高分辨率影像阴影重建建筑物三维模型的算法研究

城市建筑物三维模型的建立对城市规划、城市建设管理以及城市灾害评估等其他应用方面均有积极的意义,利用高分辨率影像建筑物阴影提取建筑物信息进而计算建筑物高度完成三维建模的方法,以其方便快捷、精度较高等优点越来越被研究者所关注;本文通过对该方法基本原理及算法的叙述,以求能够对遥感图像中建筑物信息提取方法有更深层次的认识并熟练应用。     

标记点过程用于点云建筑物提取

提出了利用标记点过程从机载激光扫描数据中直接提取建筑物的方法。该方法首先根据建筑物在点云中的几何特征建立Gibbs能量模型,通过目标的一致性建立模型的数据项,通过目标的拓扑性质等空间特性建立模型的先验项;然后,利用可逆跳转马尔科夫蒙特卡洛算法(RJMCMC)和模拟退火算法优化求解;最后,利用精细处理移除错误提取的地面点、噪声点和树木点,合并相邻的目标,实现建筑物目标的精确提取。利用3组ISPRS机载激光扫描点云进行实验,结果表明,该方法能够准确、有效地提取建筑物,具有较强的稳健性。     

从机载激光雷达点云提取建筑物屋顶边界的活动轮廓模型改进方法

本文基于边缘与局部信息提出了一种处理多波段图像的活动轮廓模型,并将其应用于LiDAR数据的建筑物边界提取。本文首先将分类得到的屋顶点云数据转换为栅格数据,并作为模型的输入图像,进而采用变分水平集方法解求模型能量函数的最小解,得到建筑物的边界。该模型消除了其他活动轮廓模型对初始曲线和所处理图像类型的限制,适于任意形状的建筑物边界的自动提取;水平集规则项的添加,减小了模型的计算时间。实验结果表明：与IAC模型、GACcolor模型相比,本文模型在建筑物边界提取的应用中可以达到更高的匹配度、形状相似度以及位置精度。     

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。