论文部分内容阅读
近几年来,城市的快速发展对城市基础地理信息数据的现势性和准确性提出了更高的要求,而建筑物作为城市区域主要地物,其空间位置、形态尺寸等几何信息的及时更新尤其重要,如何快速采集和更新建筑物的相关信息已成为测绘地理信息领域的重要研究问题。航空遥感技术比较成熟,成像比例尺大,此外还具有地面分辨率高、获取方式简单等优势,已经成为了地理数据获取与更新的主要途径之一。但是高分辨影像中“同物异谱”和“同谱异物”等现象的存在,使得传统的以基元为基础的图像处理方法已经无法满足信息提取的需要。面向对象的方法以一系列同质区域为研究对象,充分利用遥感影像的几何、纹理和光谱等特征,进行地物的分类和提取,很大程度上保证了分类的精度。但是在利用面向对象的方法进行建筑物的提取时,由于航空影像道路和建筑物光谱特征的相似性,部分道路会被误分为建筑物,造成很多误提取,影响建筑物提取精度。而高度作为区分建筑物和道路的有效特征之一,有效利用这一信息将很大程度上改善建筑物提取结果,提高建筑物检测准确性。因此,本文在通过面向对象提取建筑物的基础上,充分利用航空影像立体像对中隐含的高程信息,提出了一种基于高程约束的建筑物多级自动检测方法。首先利用面向对象方法初步提取建筑物,获得建筑物初始提取结果;然后对建筑物初始提取结果进行数学形态学运算,再采用基于边缘检测的小图斑删除的方法删除噪声图斑,获得建筑物精化提取结果图;最后采用概率松弛匹配法进行影像匹配,通过光束平差法解算出精化提取结果中的所有图斑的边缘点的高程,基于高程设置阈值删除精化结果中错误图斑,最终得到建筑物优化提取结果。本文采用了两种不同来源的航空立体影像进行实验:第一种数据的传感器类型为UltraCam数码航空相机,拍摄于2011年6月,覆盖区域为江苏省南京市仙林大学城;第二种数据来源于ISPRS测试数据集,其传感器类型为UltraCam D数码航空相机,覆盖地区为加拿大多伦多。对比两组数据的实验结果,第一组数据实验得到的建筑物优化提取结果与精化提取结果相比,数量提取准确率从47.83%提高到91.43%,效果最好的实验可达到100%:第二组数据中,数量提取准确率从81.82%提高到93.75%。实验结果表明,基于高程约束的建筑物多级自动检测方法能够有效地删除结果中错误信息,提高建筑物检测精度。