L型結構中心線的SAR圖像建筑物提取方法

提出了一種新的從航空城區(qū)圖像中自動提取矩形建筑物的方法.該方法基于從航空城區(qū)圖像中提取的邊緣,經(jīng)過輪廓跟蹤,采用splitting方法提取直線,得出其相應的直線幾何圖形;針對航空圖像的復雜及現(xiàn)有邊緣檢測算法的不足,提出了一系列直線處理的方法(如直線的分類、排序、合并、調(diào)整等)有效地彌補了前述處理的不足;為提高矩形房屋提取的準確率,引入知識定義了幾種近似的矩形結構.文章采用幾何結構元分析的方法,提取圖形中構成矩形的各種基本結構元,再根據(jù)結構元合并的準則,將各種基本結構元通過一定的合并算法合并成矩形結構.大量試驗結果證明該方法提取矩形房屋的準確率較高,魯棒性好,運算速度快,具有較強的實際應用價值

近年來；三維激光掃描技術由于其具有非接觸性、精度和測量效率高等特點；在測繪領域廣泛使用；建筑物頂梁由于在建筑頂部；傳統(tǒng)的測量手段難以采集到其精確的三維數(shù)據(jù)；本文以某廠房為例；使用三維激光掃描技術采集頂梁數(shù)據(jù)；內(nèi)業(yè)處理獲取頂梁中心線坐標；對于建筑物頂梁測繪具有一定的實際指導意義；

提取建筑物屋頂是建筑物三維重建的一個重要步驟,為了更精確地提取建筑物屋頂,融合了高分辨率的光學和sar圖像.利用sar圖像中建筑物的疊掩來確定光學圖像中的建筑物,從而在光學圖像上確定一個包含建筑物屋頂小窗口,利用isodata分類方法對小窗口進行了分類來獲取建筑物屋頂類別或屋頂輪廓,最后計算得到屋頂?shù)囊?guī)則輪廓.從計算結果上看,該方法是可行的.

用多方向飛行的全極化sar圖像可能提取特定三維目標的高度與位置信息,進而實現(xiàn)目標物的幾何立體重構。全極化sar圖像數(shù)據(jù)與單極化sar相比,可以選擇多種極化組合數(shù)據(jù),提供對于特定目標幾何特征敏感的數(shù)據(jù)類型,通過多方向飛行sar圖像反演該目標或目標群的高度與位置信息。本文用兩幅相向飛行的pi-sar(日本機載極化與干涉sar,x波段、1.5m分辨率)圖像,提取日本仙臺電視塔高度、日本東北大學建筑物群的立體重構。

為了分析汶川地震震后高分辨率合成孔徑(sar)圖像的城區(qū)建筑物特征,基于實際獲取的機載x波段sar圖像,采用電磁模擬方法進行分析和研究。通過對城區(qū)的完整建筑和毀損建筑進行三維建模,采用射線跟蹤的電磁計算方法和圖像域積分的成像模擬方法得到不同受災程度的建筑物sar模擬圖像。與真實sar圖像對比分析,提出的算法能夠分析建筑物結構變化對sar圖像的影響,模擬主要的強散射點,能有效輔助sar圖像進行城區(qū)特征分析。

與傳統(tǒng)的信息提取方法相比；將機器學習算法應用到遙感影像信息提取中；可以提高結果的精度；文章以worldview-2遙感影像為例；首先利用多尺度分割選取最優(yōu)分割尺度；獲得影像對象；在基于對象的基礎上利用特征空間優(yōu)選工具獲得最優(yōu)特征子集；最后利用j48算法、隨機森林算法對建筑物提取的效果進行分析；實驗結果表明:j48算法在高分辨率影像建筑物提取中有更好地效果；

星載高分辨率光學圖像與sar圖像廣泛應用于城市建筑物高度提取,但光學圖像存在缺少相關衛(wèi)星參數(shù)的情況,而sar圖像則存在散射特征不完整以及提取效率低等缺陷。針對以上問題,本文提出一種聯(lián)合高分辨率星載光學與sar圖像的城市大面積建筑物高度快速提取方法。首先,結合支持向量機(svm)和形態(tài)學陰影指數(shù)(msi)快速提取光學圖像中的陰影并自動測量陰影長度;之后選擇多個合適樣本,基于模型匹配法從sar圖像中提取高度;最后將高度與陰影長度作線性回歸分析,建立數(shù)學模型來提取其他建筑物的高度。該方法將不同衛(wèi)星系統(tǒng)的數(shù)據(jù)和特征相結合,互相彌補各自缺陷,不僅提高了效率、降低了成本,同時滿足精度要求。

基于數(shù)字圖像處理技術的LiDAR數(shù)據(jù)建筑物提取

研究城鎮(zhèn)建筑物的提取是遙感影像分析應用中的一項重要內(nèi)容。遙感影像建筑物結構和光譜的多樣性,使結構、光譜等特征的建筑物提取變得極其復雜。根據(jù)遙感影像的建筑物紋理區(qū)別于其它空間對象紋理的特點,為提高影像分辨率,提出gabor紋理塊的遙感影像對象模型方法應用于遙感影像城鎮(zhèn)建筑物的提取。以整個城鎮(zhèn)為對象,以建筑物、道路、綠地等不同城鎮(zhèn)區(qū)域為組成對象的紋理塊,建立基于紋理塊的對象模型,利用模型進行遙感影像對象的紋理標定,最終提取出城鎮(zhèn)建筑物。實驗結果表明方法克服了建筑物結構復雜性和多樣性以及背景環(huán)境的影響,能很好地從城鎮(zhèn)遙感影像中提取建筑物。

快速評估建筑物地震災害信息對地震應急救援工作有著指導意義；而極化sar具有全天候、全天時的特點；因此利用極化sar圖像提取震害信息已逐漸成為研究熱點；雖然極化sar具有豐富的極化信息；但其紋理信息不可忽略；尤其是完好的人工建筑物在圖像上呈現(xiàn)規(guī)則的紋理特征；而倒塌建筑區(qū)域紋理分布雜亂；因此結合紋理信息也可以很好地提取建筑物信息；以2010年玉樹地區(qū)的全極化sar數(shù)據(jù)為研究對象；首先；利用yamaguchi分解的體散射分量pv提取了sar圖像中的建筑物區(qū)域以及道路、水系等非建筑物信息；在此基礎上；對相干散射矩陣t11分量中倒塌建筑物、完好建筑區(qū)域進行變差計算；根據(jù)變差曲線確定變程a后；再對建筑物區(qū)域采取窗口m*m(m=3*a)進行變差計算得到變差紋理信息；最后利用fcm算法對變差紋理信息分別提取完好建筑物和倒塌建筑物區(qū)域；為了對比分析；文章利用yamaguchi分解的二次散射分量pd提取完好建筑物區(qū)域；與震后光學遙感圖像對應樣本點進行人工驗證；得到完好建筑物的提取精度為80.18%；倒塌建筑物的提取精度為84.54%；道路水系的提取精度為77.58%；

利用數(shù)字線劃圖中建筑物的矢量信息,根據(jù)前后兩個時期的高分辨率遙感影像,通過結合lsd直線段提取算法與結構相似性度量,采用比較特征差異的方式提出了一種能夠以較高的正確率進行快速建筑物變化檢測的算法。本文對檢測算法的過程進行了介紹,通過實驗數(shù)據(jù)對算法進行了檢驗,探討了閾值變化對結果的影響。

針對三通道超寬帶合成孔徑雷達(uwbsar)系統(tǒng),提出了一種基于子孔徑圖像序列的順軌干涉(ati)方法,利用uwbsar的大波束角特性,生成多個視角的子孔徑順軌干涉圖檢測運動目標并估計參數(shù).該方法相比傳統(tǒng)的ati方法的優(yōu)點在于:不僅能檢測具有距離向速度不為零的目標,而且能檢測具有方位向速度不為零的目標,并可估計目標的距離向速度和方位向速度.基于uwbsar半實測回波的實驗驗證了該方法的有效性.

城市建筑區(qū)域疊掩、陰影嚴重；圖像理解困難且干涉相位變化復雜紊亂；一直是insar處理的困難區(qū)域；sar圖像仿真能為圖像理解和處理方法研究提供數(shù)據(jù)支撐；然而現(xiàn)有建筑區(qū)域sar圖像仿真方法大多無法獲得具有相干性的干涉sar圖像對；該文提出了一種面向建筑區(qū)域的干涉sar復圖像對仿真方法；能夠獲得建筑的復數(shù)圖像對、干涉相位圖以及疊掩成分數(shù)目等信息；為城區(qū)干涉sar處理及信息提取研究提供仿真數(shù)據(jù)支撐；同時；基于仿真中對相位變化規(guī)律的分析；提出疊掩區(qū)相位解纏時的基準確定方法；解決傳統(tǒng)解纏方法面臨的疊掩區(qū)域干涉相位不連續(xù)問題；進而反演建筑高程信息；最后；通過建模仿真結果與實際sar圖像和干涉相位的對比；驗證了仿真方法的正確性；并對仿真及實際干涉相位進行解纏和高程反演處理；驗證了該文高程反演方法的有效性；

首先對上海市中心城區(qū)遙感影像建庫,把眾多的遙感影像數(shù)據(jù)組織起來,以方便管理和使用.在此基礎上,利用gis和rs技術,對遙感數(shù)據(jù)解譯處理,提取建筑物陰影信息,從而為估算建筑物高度值作準備.

分析了用于建筑物測量的高分辨率sar疊掩及角反射器效應等成像要素,并將其與高分辨率快鳥衛(wèi)星圖像融合,實現(xiàn)了建筑物屋頂信息的提取.進一步利用sar疊掩得到的建筑物高度信息和快鳥圖像得到的建筑物屋頂信息實現(xiàn)了建筑物的三維重建.與實地測量數(shù)據(jù)相比較,計算結果精度較高,從而驗證了這種三維重建方法的可行性.

基于航空影像建筑物個數(shù)繁多、形狀復雜,且存在較多的干擾信息,提出一種新穎的建筑物邊緣直線特征提取方法.對航空影像進行改進標記分水嶺分割,并結合dsm高度信息,有效去除道路和陰影的影響.同時,對影像進行基于多尺度自適應加權的改進canny算子的邊緣檢測.在每一個分割得到的建筑物初始區(qū)域內(nèi),對檢測到的邊緣點進行相位編組提取直線,利用建筑物屋頂約束條件,統(tǒng)計屋頂?shù)闹鞣较?修正和規(guī)劃直線段,實現(xiàn)了建筑物邊緣直線特征快速、有效的提取.

提出一種基于感知組織的線段提取方法該方法有兩大特點:在基本線段提取算法中使用了模板,并且在線段合并過程中綜合考慮了直線和物體的形狀特點運用該方法對高分辨率遙感圖像中的建筑物進行識別,取得了良好效果

簡述三種典型的利用lidar點云自動提取建筑物的方法。提出對建筑物提取結果的精度評價指標,并對三種方法的提取結果進行比較。結果表明基于dempster-shafer理論的建筑物自動提取方法最為穩(wěn)健。

從機載雷達點云數(shù)據(jù)中快速準確提取建筑物是當前研究的難點和熱點。在對現(xiàn)有建筑物點云提取方法充分研究和分析的基礎上,本文提出了一種基于lidar點云的建筑物提取方法。首先根據(jù)建筑物的幾何特性提取初始建筑物輪廓點;然后構建局部協(xié)方差矩陣計算點云分布特征,剔除非建筑物輪廓點;最后利用dbscan聚類算法對建筑物輪廓點聚類,以聚類結果為基礎構建緩沖區(qū),以緩沖區(qū)內(nèi)所有建筑物輪廓點為初始種子點,采用圓柱體鄰域進行多種子點區(qū)域增長,實現(xiàn)建筑物點云的提取。通過兩組試驗,共5組數(shù)據(jù)驗證本文算法的性能。試驗結果表明,該方法能夠準確、有效地提取多層復雜的建筑物點云,效率高,且具有一定的適用性。

針對在海量場景識別中現(xiàn)有透視失真校正方法的魯棒性尚不理想,不足以用于對場景復雜、干擾較多的戶外建筑物圖像進行準確校正的問題,提出一種改進的戶外建筑物透視失真校正方法.該方法針對建筑物的形狀特點,結合手機的重力感應功能對hough變換直線檢測算法進行了改進,并使用ransac方法剔除部分錯誤直線,提高了算法的魯棒性;利用消隱點坐標對圖像進行校正,恢復建筑物的仿射結構,使其與訓練圖像更加接近;在實驗中,將校正后的圖像用于圖像識別,并提出一種基于互信息的融合策略,將側視圖和校正后的圖像結合在一起進行識別.實驗結果表明,該方法能夠魯棒地對戶外建筑物圖像進行透視校正,極大地提高了戶外建筑物識別正確率.

從遙感圖象中提取人造目標(例如建筑物、交通樞紐等)在國防和現(xiàn)代化建設實踐中有著十分重要的意義。遙感圖象一般都幅面較大,包含的目標較多,而且由于占據(jù)的實際地面面積較大,光照條件不盡相同,因此要讓計算機自動檢測其中的建筑物是一項極具挑戰(zhàn)性的工作。提出一種并行的自動檢測建筑物的方法。

用航空遙感圖像評價晉城市建筑物現(xiàn)狀的方法研究