智慧城市建筑物数据库建设及应用——以南京市建邺区为例北大核心CSCD

为了满足智慧城市建设和城镇精细化管理的需要,该文对建筑物数据标准、数据采集规范进行了研究,对建筑物实体数据模型、数据分类、编码、采集更新方法、数据库建设和应用、建筑物地理信息服务进行了实践,研发了“智慧建邺建筑物数据库综合应用系统”,并将建筑物基础数据库与财税、人口和物业管理数据进行了关联和挂接,进一步验证和提升了数据库建设的合理性。     

直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

实景三维建模中的建筑物mesh模型立面修整

实景三维模型作为实景三维中国建设中的数据底座,发挥了极其重要的作用。建筑物mesh模型作为实景三维模型中重要的数据,其质量好坏直接影响着实景三维模型的使用效果。本文结合实际工程经验,提出了一种批量化的建筑物mesh模型立面修整方法。首先,以ContextCapture软件生成的实景三维模型为基础,采集建筑物的矢量轮廓线;然后,利用参数化建模软件批量生成平整的建筑物三维矢量面,自动完成建筑物立面到三维矢量面的吸附,使建筑物立面结构平整;最后,以修复好的建筑物mesh模型为参考,在ContextCapture软件中进行建筑物mesh模型纹理映射,批量完成建筑物mesh模型的更新。通过多个试验场景测试,验证了该方法的有效性和高效性。     

建筑物轮廓方向计算和规则化的向量重组算法EI北大核心CSCD

建筑物轮廓规则化是城市空间信息提取和应用的基础性研究,现有方法主要集中在对单一主方向的建筑物直角化,难以应对具有多方向特征的复杂建筑物及建筑群。对此,本文提出一种基于向量重组的建筑物轮廓方向计算和规则化方法,实现对建筑物轮廓方向的定量描述,并以方向向量为约束条件加强建筑物轮廓的规则特征。通过设计建筑物轮廓向量重组法则,经过分组变换、方向计算和直角改正,获得描述建筑物轮廓的方向向量。再以方向向量作为控制条件,求解旋转基点和调整节点坐标,最终实现建筑物轮廓规则化。试验与主方向法对比,结果表明本文方法在节点整体移动距离和算法稳定性方面更具有优势,通过规则化方法可进一步减小原始数据的误差。本文方法不仅有效解决了复杂建筑物轮廓方向计算和规则化的问题,而且能够适用于建筑群的方向计算和规则化。     

电磁散射模型应用于单景高分辨率SAR影像建筑物高度反演的解算方法

首先,测量建筑物叠掩量,反演出建筑物高度初值;然后,在相邻建筑物下垫面粗糙度相关的假设下,对重组后的电磁散射模型进行基于拟模拟退火的参数解算,实现了模型中未知参数的求解以及建筑物高度的反演。将此方法应用于真实Radarsat-2SAR场景中3座建筑物高度的反演,取得了反演高度相对误差均小于10%的结果。     

一种新的窗户特征提取方法研究

在建筑物立面重建中,窗户提取、结构识别是学者们研究的热点。针对建筑物特征提取的应用需求,文中提出一种基于局部搜索算法——爬山法的窗户信息提取方法,介绍研究中采用的一些原理、方法,从而可以准确有效地从激光扫描数据中提取出建筑物的窗户信息。利用本方案对地面激光扫描系统获取的建筑物实验数据进行具体的处理,并给出可视化表达结果。     

全局局部细节感知条件随机场的高分辨率遥感影像建筑物提取

条件随机场模型由于其较强的上下文信息建模能力,被广泛应用于建筑物提取任务中。然而,面对高分辨率遥感影像丰富的地物信息,基于条件随机场的提取方法存在建筑物边界模糊的问题。本文提出了一种全局局部细节感知条件随机场框架,该框架提出全局局部一体化D-LinkNet,在有效利用多尺度建筑物信息的同时保留局部结构信息,解决了传统条件随机场一元势能丢失边界信息的问题。同时,该框架融合分割先验以缓解建筑物类内光谱差异较大的影响,利用更大尺度的上下文信息来精确提取建筑物,并引入局部类别标记代价从而保持细节信息以获取清晰的建筑物边界。实验结果表明,该框架在WHU卫星和航空数据集上的精度评价指标均优于其他对比方法,其IoU分别达89.82%和91.72%,对于复杂场景下的建筑物信息能够获得较好的提取效果。     

IEU-Net高分辨率遥感影像房屋建筑物提取

房屋建筑物作为人类活动的主要场所,快速准确地将其从高分辨率遥感影像中提取出来,对促进遥感信息在防灾减灾、城镇管理等方面的应用具有重要意义。本文基于深度学习,提出了高分辨率遥感影像房屋建筑物像素级精确提取方法。首先,针对样本图像边缘像素特征不足现象,以U-Net模型为基础提出IEU-Net模型,设计了全新的忽略边缘交叉熵函数IELoss并将其作为损失函数,另外添加Dropout和BN层在避免过拟合的同时提高模型训练速度和鲁棒性。其次,为解决模型特征丰富度有限的问题,引入形态学建筑物指数MBI,与遥感影像RGB波段一同参与到模型的分类过程。最后,在模型预测时与IELoss相对应采用忽略边缘预测策略从而获得最佳建筑物提取结果。实验对比分析表明：本文方法能有效克服样本边缘像素特征不足问题并抑制道路、建筑物阴影对结果的影响,提升高分辨率遥感影像中房屋建筑物的提取精度。