论文部分内容阅读
在我国,为推进实施“安居工程”而建设的保障性住房——安居房,对解决中低收入居民的住房问题起到了很大的作用。坐落在偏远的农村地区的安居房在建设过程中往往存在“乱建、少建、未建”等现象,造成政府财政的浪费和挪用,因此为了使政府的投入落到实处,有必要对这些地区的安居房进行逐一核查。由于农村地区幅员辽阔,地理环境较为复杂,信息采集困难,逐一实地核查不仅费时费力,而且多出很多不必要的经济支出,核查效率较低。如果采用当前的抽样实地核查的办法,会因抽样的比例小,而容易导致误差隐患。因此,本文为解决这些问题,以高分一号全色遥感影像为基础数据,将遥感监测和遥感图像处理两方面技术结合,以建筑物特征提取和分割为算法为基础,对如何实现安居房的快速准确核查展开研究。本文的主要研究内容如下:(1)研究了形态学建筑物指数(Morphological Building Index,MBI)的建筑物特征提取算法。通过结合建筑物在高分辨率全色遥感影像上的特征(灰度、形状、纹理),利用多尺度、多方向的线性结构元素对影像进行数学形态学处理,计算出遥感影像的MBI特征图,并通过采用多组不同的MBI参数对影像处理并进行灰度特征分析,得出结论和结果:MBI算法中,4个方向和8个方向的结构元素对算法影响程度并不明显,而是对结构元素的尺度因素较为敏感;最后,算法在设置参数合理的情况下能够有效提取建筑物信息。(2)提出了一种自适应参数的Mean Shift图像分割算法和安居房的核查方法。自适应参数的Mean Shift算法以传统Mean Shift算法为基础进行改进,一方面,用MBI特征图代替了LUV(L为亮度,U和V为色度)特征空间,并且基于安居房矢量数据对MBI特征图进行图像掩膜处理,滤除其他干扰物以突出有用信息;另一方面,摒弃的传统的固定参数的方法,引入标准差和由一阶偏导数有限差分计算的梯度值的概念对Mean Shift算法中的重要参数色度域带宽和分割参数进行修改,实现对输入图像的自适应分割。安居房核查方法以建筑物提取结果和与矢量数据的重叠率大小为判断依据,通过观察重叠率在设定阈值的范围,核查每个矢量数据处安居房的情况。论文通过对两期高分一号全色影像的实验和定量化的评价指标表明:本文的自适应Mean Shift算法相较于其他三种常用的图像分割算法(阈值分割、Isodata(Iterative Self-organizing Data Analysis)聚类、传统Mean Shift算法)建筑物提取精度更高,普适性和鲁棒性更好,同时也验证了本文提出的安居房核查方法的有效性。