论文部分内容阅读
建筑物与人类的生活息息相关,建筑物信息的提取对城市规划、地理数据库更新、军事应用等具有重要意义,其提取与识别已受到越来越多的关注。随着空间技术的发展,遥感影像的空间分辨率也越来越高,高空间分辨率的遥感影像由于能够提供更加丰富的地物细节信息,已经成为地物信息提取的重要数据源。信息提取与目标识别是高分辨率遥感应用研究的重要方向,但由于建筑物类型的复杂性及其他地物的干扰,使得在高分影像上提取建筑物的难度远大于河流、道路、植被等专题信息的提取。传统通过人工解译的方法来识别建筑物费时费力,效率低下,已经不能满足各行各业对建筑物信息的实时性要求,研究一种实用的建筑物提取方法已显得很迫切。因此本文提出了一种基于高分影像的建筑物半自动提取方法,首先采用面向对象方法在特定尺度下对影像进行分割,然后通过构建知识规则,去除影像中的植被、水泥地、道路、绿地、阴影、水体等信息的影响,并根据建筑物特有的空间、光谱、纹理信息等构建提取建筑物的最终知识规则,获得建筑物粗提取结果,对粗提取结果经过形态学修复后,利用边缘检测初步获得试验区中建筑物外轮廓,然后针对粗提取中建筑物的不同形态,分别采用手扶跟踪、自动跟踪和模型库数字化方法对试验区中的建筑物轮廓进行精提取,以获得遥感影像中较准确的建筑物专题信息,最后借助于ArcGIS Engine开发平台,采用C#和IDL语言集成整个提取流程,开发出建筑物提取与后处理系统。本文以广东省珠海市香洲区湾仔社区某处居民区为实验区开展建筑物遥感信息提取的相关研究,实验结果表明:利用该方法进行建筑物信息提取时,相比于传统的监督或非监督分类方法,该方法可以获得较高的精度。