论文部分内容阅读
随着中国工业化和城镇化进程加快,农村劳动力和土地等生产要素不断向城市转移、积累,在农村定居的人口越来越少,出现了农业主体弱化、农村产业衰退等现象。同时,由于农村土地缺乏科学的管理而乡村建设又缺少统一规划,农村聚落呈现严重的“外扩内空”现象,导致农村宅基地用地不减反增,浪费土地资源。为了给空心村综合整治工作提供技术支撑,农村建筑物信息快速提取算法成为遥感影像处理领域的一个研究热点问题。建筑物信息的提取目前主要依靠外业大比例尺测图和遥感影像目视解译两种方法,但这两种方式不仅耗费大量的人力和物力,而且制图周期长、效率不高。因此,利用高分影像快速地、自动地获取建筑物位置、分布状况、面积、损毁情况等信息,对空心村土地综合整治的外业调查、空心化评价、土地整理方案制定等工作的顺利开展具有重要意义。本文针对空心村建筑物信息提取过程中存在的问题进行了深入研究。首先从遥感影像自身的局限性出发,针对无人机影像上建筑物被树木遮挡导致目标识别完整性低的问题,引入人机交互技术,利用结构性纹理修复方法恢复建筑物的完整影像。然后针对传统的基于像元的目标识别方法,对马氏距离彩色图像分割方法的阈值选取规则进行改进,提高算法的鲁棒性并降低计算复杂度,从而改善建筑物识别效率和精度。最后根据建筑物的色彩特征参数和纹理特征参数构建建筑物损毁特征向量,通过可视化损毁特征向量的方式来定位、定量分析破损建筑物的损毁情况。本论文的主要研究内容及创新性成果有以下几个方面:(1)针对无人机影像上农村建筑物被树木遮挡,不易于提取出完整边界的问题,研究了一种基于结构特征的纹理修复算法。由于树木的遮挡,建筑物屋顶或立面的边界在影像上无法完整显示,需通过人工干预的方式,根据已知边界线的延长线恢复被遮挡区域内建筑物的边界信息。因此,该方法首先在影像上勾绘出建筑物被遮挡的边界以及被遮挡的区域,并对应每个被遮挡区域选取用于纹理生成的样本块。然后利用边界辅助线分割被遮挡区域,并筛选出实际要修复的区域;最后利用纹理样本块对遮挡区域进行L型邻域纹理相似性修复,并将修复的区域替换到原始影像中,得到边界完整且去除遮挡物的建筑物影像。实验结果表明,该方法对建筑物的修复效果较好,且能在一定程度上提高建筑物识别的精度,为提高建筑物信息的准确度提供了新思路。(2)针对复杂环境下农村建筑物识别的效率问题,对马氏距离彩色分割算法进行优化,提出了一种利用样本色彩空间信息进行建模的方式选取分割阈值。这一改进将二维影像复杂的颜色判别问题转化为判定三维空间点集的位置关系,降低了数据处理的复杂程度。该方法首先需要从影像上截取建筑物样本,将样本的色彩信息转化为三维点坐标,并在三维空间中进行滤波,获取离散度较低的点集;然后根据点集的最小外接椭球建立椭球标准方程。在识别建筑物的过程中,通过判断影像上各像元对应的三维点与上述椭球的位置关系,即可快速、准确地从高分辨率影像上提取建筑物像元。实验结果表明,改进后的彩色图像分割算法稳定性、普适性和计算效率都有一定程度的提高。(3)针对农村建筑物损毁信息提取与损毁程度评估问题,本文从影像建筑物中提取光谱特征和纹理特征并组成三维特征向量,将三维特征向量映射到RGB颜色空间,根据彩色空间理论快速定位损毁建筑物,并对其进行损毁程度评估。这一损毁建筑物识别策略首先需要在实验区范围内获取建筑物影像,并对这些建筑物逐一标记。然后以单个建筑物为对象,计算纹理特征和光谱特征,选取与损毁程度正相关两个纹理特征和一个光谱特征参数标准化到指定区间,再组成三维特征向量,根据向量的可视化结果获取损毁建筑物的分布、损毁程度等信息。从无人机影像上快速地识别空心村损毁建筑物,不仅能精确掌握损毁建筑物的位置分布,还能为了解建筑物的损毁类型和损毁程度提供参考信息。