论文部分内容阅读
随着经济的高速发展,社会对于地理空间的需求越来越大。建筑物作为地理空间的重要组成部分,遥感影像中建筑物轮廓提取成为研究的热点对象。在高分辨率遥感影像中,除建筑物之外,还有道路、公园、草坪等图像信息容易与建筑物边缘产生混淆,影响建筑物的提取精度。并且,建筑物的形状表现多样化、其边缘因遮挡展现不完全其边缘发生遮挡等情况也使得建筑物轮廓提取研究变得困难。针对这些问题,本文设计了更能从其他自然景物以及非建筑物中区别表现建筑物特征的二进制均匀度描述符(Binary Uniformity Description,BUD),提出了“建筑物区域检测-建筑物轮廓提取”的多层次处理框架,旨在探索出一种多层次的、快速准确的建筑物提取新方法。本文提出的二进制均匀度描述符能更好地适应建筑物特征的提取,与具有代表性的局部特征方法快速鲁棒特征(Speeded-Up Robust Features,SURF)相比,具有更快的计算效率,以及更好的分类预测性能。实验表明,多层次轮廓提取算法提取的平均精度达到85%以上,具有一定的理论研究与实际应用的双重价值。本文展开的主要工作如下:(1)调研常用的建筑物提取方法,包含特征提取算法、图像分割算法、分类预测算法这三个方面。通过对各类建筑物提取方法的调研与分析,可以将建筑轮廓的提取过程分为三个重要步骤,本文主要对这三个重要步骤的相关理论方法进行了介绍,并对它们的适用场景以及相应的优缺点进行了总结。(2)为准确提取建筑物特征,本文融合了建筑物在纹理、相似性、色彩三个方面表示出的图像性质,提出了一种二进制均匀度描述符。该描述符是受到有向FAST和旋转BRIEF特征(Oriented FAST and Rotated BRIEF,ORB)的启发,依据纹理、相似性、色彩三个方面的特征信息构建了四组测试值,最终组合成一个仅占128个字节空间的二值化描述符。相对于传统的SURF特征描述符,BUD描述符更加简单,占用资源更少,运算效率更高,特别是其为针对建筑物特征信息而设计,更加适合作为遥感影像建筑物进行特征提取。(3)为高效率地提取高分辨率遥感影像中建筑物的轮廓,本文设计了一种以关键点类别属性诱导的多层次建筑物轮廓提取方法。利用BUD描述符预测关键点的类别属性从而自顶向下进行检测,在高空间降尺度遥感影像中得到建筑物区域,再从建筑物区域中提取获得最终的建筑物轮廓结果。通过两次分类多层处理,一方面提高了运算的效率,另外一方面降低了单一尺度带来的误分类。(4)为了验证本文方法相关理论的正确性以及提出方案的可行性,本文开展了一系列实验。对于二进制均匀度描述符,本文构建了两组测试集,一组测试集为降尺度影像的非建筑物和建筑物两类交叉点的特征样本集,另一组测试集为原尺度影像的非建筑物、建筑物轮廓、建筑物内部三类交叉点的特征样本集,对两组测试集利用BUD描述符进行预测性能分析的结果表明其平均正确率达80%以上,在原尺度下将BUD描述符和SURF描述符运用召回率-(1-精确率)曲线对比分析的结果表明,BUD描述符的分类性能更具优势。对于多层次轮廓提取算法,本文展示了建筑物轮廓的提取结果,通过交并比和直观效果进行了主客观地综合评价,结果证明本方法具备一定的应用价值,为同行开展相关研究提供了有益的参考和借鉴。