摘要:
建筑物提取数据源主要有激光雷达、合成孔径雷达、光学影像等数据源,其中激光、合成孔径雷达获取数据成本较高,而高分遥感影像数据拥有丰富的地物光谱信息,大量的地物结构、形状和纹理信息,以易获取、覆盖范围广、可解除数据源限制等优势常用于建筑物提取.因此,在高分辨率遥感影像中建筑物的自动提取具有重要的研究意义和应用价值.目前,高分辨率遥感影像的建筑物提取方法主要包括动态轮廓法、区域分割法和分类法.动态轮廓法主要利用直线和角点检测与匹配的原理,基于线性特征的边缘检测得到符合建筑物空间结构和轮廓的矩形,再根据遥感影像上建筑物较明显的角点信息进行角点匹配,并利用高度、阴影、墙面等特征验证建筑物,以达到提取建筑物的目的.使用尺度不变特征变换算法获取测试图像与模板之间的多个子图匹配的关键点,以提取城市区域,再采用图切割法提取出独立的建筑物.分类法是通过光谱、纹理、结构等特征结合支持向量机、神经网络分类、最大似然分类等分类器提取建筑物初始结果,再采取区域增长、数学形态学处理、遗传算法等方法进行优化,得到最终建筑物提取结果.根据归一化植被指数、归一化数字表面模型并结合SVM分类获得初始建筑物提取结果,然后利用Canny边缘检测、Hough变换、基于感知分组的方法,对初始建筑物进行优化得到最终建筑物提取结果.分类法相对其他2种方法自动分类的程度较高,其中设计基于偏移阴影分析的建筑物自动提取方法,以分割-分类-优化为主线,通过逆向偏移阴影自动提取建筑物样本用于SVM分类提取初始建筑物结果,再通过形态学预处理、区域增长、阴影验证等方法优化建筑物提取结果.该方法能自动捕捉到建筑物样本,减少人工辅助提取样本的工作量,大幅度提高建筑物提取的精度和自动化程度.但是对于因构造、材质、阴影等原因存在明显光谱差异的建筑物,该方法不能有效、全面地选取样本,可能出现样本遗漏现象,使得建筑物自动提取精度达不到预期效果.