TM圖像人工建筑物信息提取方法

針對在高分辨率sar圖像上具有明顯l型結構高亮特征的建筑物目標,提出了一種提取高分辨率sar圖像建筑物l型結構中心線,并進而提取建筑物幾何信息的方法。運用基于gabor紋理特征和模糊c均值的方法對sar圖像進行分割,再結合骨架提取、骨架跟蹤、最小外接矩形提取、最小二乘準則等技術實現(xiàn)了l型結構中心線的提取,最后利用中心線獲取了建筑物的長度、寬度和方位角信息?；跈C載sar圖像的實驗表明,利用提出的方法從sar圖像提取的建筑物幾何結構和方位信息具有較高的精度。

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據組織起來,以方便管理和使用.在此基礎上,利用gis和rs技術,對遙感數據解譯處理,提取建筑物陰影信息,從而為估算建筑物高度值作準備.

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數據為研究對象；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%；

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；

選用tm影像作為城鎮(zhèn)建筑覆蓋區(qū)專題信息提取的數據源,在bayes的最大似然法半自動提取城鎮(zhèn)專題信息和建筑指數法自動提取城鎮(zhèn)專題信息分類方法的基礎上,通過二值邏輯演算,綜合兩種方法的分類結果,去掉不屬于城鎮(zhèn)的信息,得到真正的城鎮(zhèn)建筑覆蓋區(qū)專題信息。實驗結果表明,改進后的分類方法,兼有自動與半自動的優(yōu)點,其分類精度大大提高。特別是對于短期變化(如防洪區(qū))較大、面積較大而復雜的研究區(qū)來說,這一方法的應用彌補了單一分類方法的不足

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

針對許多領域對建筑物信息更新的迫切要求,提出并發(fā)展了一套完整的基于高分辨率遙感影像的建筑物二維輪廓快速提取流程。首先介紹一種利用數學形態(tài)學理論進行邊緣檢測和邊緣連接的新方法,然后利用了模式識別和圖像分析領域的相關技術(區(qū)域標識和特征量測等)進行建筑物二維信息的提取。最后通過quickbird影像進行了方法驗證,試驗證明該流程可以快速有效的提取建筑物輪廓信息。

采用車載激光掃描儀等多傳感器進行動態(tài)測量,各種傳感器進行同步數據采集。針對激光掃描儀應用于建筑物立面提取的問題,分析了激光掃描儀數據的特征,建立了建筑物高度提取模型,并開發(fā)了相應的立面信息提取系統(tǒng)。

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據支撐；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圖像對、干涉相位圖以及疊掩成分數目等信息；為城區(qū)干涉sar處理及信息提取研究提供仿真數據支撐；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；

基于數字圖像處理技術的LiDAR數據建筑物提取

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。

為了從landsattm數據中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數據維的方法,通過構建增強型建筑用地指數eibi實現(xiàn)了對landsattm影像建筑用地的提取.實驗結果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達到89.66%和91.47%.基于分類計算結果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km~2,年均凈增長率為11.17%.

在分析ikonos衛(wèi)星圖像上建筑物陰影與實際高度關系的基礎上,闡述了估算城市建筑物高度的原理和方法,并在以北京市中關村、天壇公園和北海公園為例的試驗中,較為準確地得到了建筑物高度信息,從而顯示出衛(wèi)星遙感在城市園林規(guī)劃與環(huán)境數值模擬等方面應用的巨大潛力。

為了從landsattm數據中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數據維的方法,通過構建增強型建筑用地指數eibi實現(xiàn)了對landsattm影像建筑用地的提取.實驗結果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達到89.66%和91.47%.基于分類計算結果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km~2,年均凈增長率為11.17%.

為了從landsattm數據中精確提取建筑用地信息并分析建筑用地信息隨時間的變化特征,運用壓縮數據維的方法,通過構建增強型建筑用地指數eibi實現(xiàn)了對landsattm影像建筑用地的提取實驗結果表明:此方法對天津市2005年和2010年landsattm影像的提取精度達到89.66％和91.47％.基于分類計算結果可知,與2005年相比,2010年天津市新增建筑用地面積1064.35km2,年均凈增長率為11.17％.

基于tm影像的哈爾濱老城區(qū)城市綠地信息提取研究 陳春林劉繼生韓陽陳紅 摘要!運用遙感信息技術,在tm影像中對哈爾濱2003年老城區(qū)的城市綠地進行信息提取,通過四種綠地信息提取方案 (彩色合成法、ndvi計算、rdvi計算、t-c變換)中的比較,得出彩色合成法中的tm1、3、4波段合成的方案對于哈 爾濱市綠地信息的提取,可以得到比較理想的結果,效果較好。 關鍵詞!tm影像;城市綠地;彩色合成法 基金項目!本文為中央高?；究蒲袠I(yè)務費專項資金資助項目,東北師范大學研究生創(chuàng)新基金項目(09ssxt135)研究成果。 作者簡介!陳春林(1982~),男,吉林長春人;東北師范大學城市與環(huán)境科學學院博士研究生 劉繼生、韓陽,東北師范大學城市與環(huán)境科學學院;陳紅,吉林大學農

針對車載激光掃描點云的分布密度,提出了一種把掃描數據格網化進行信息提取的新方法。實踐證明,這種方法效率高,可以自動從密集的掃描數據中快速提取出建筑物信息,能夠滿足城市三維建模的要求。

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。

從機載雷達點云數據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組數據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。

以汶川地震中的都江堰地區(qū)震后遙感圖像為例,研究分析了圖像分割技術及模糊分類技術,在此基礎上,用分類精度更高的單尺度、多特征的面向對象圖像處理方法進行建筑物震害評估。重點探索了混淆矩陣在震害評估中的應用,通過kappa統(tǒng)計值進行震害分類結果的比對與精度評價,并驗證該分類方法的穩(wěn)定性。研究結果表明:改進后的面向對象圖像處理方法簡單、快速且精度較高,具有良好的適用性和穩(wěn)定性。