我国执行最严格的土地管理制度,及早发现和及时查处土地违法占用对于保障国家粮食安全、维护社会安定至关重要。针对我国城市违章建筑物监管智能化程度低的现实问题,本文致力于研究基于定点监控新旧时相对比的城市违章建筑物自动识别关键技术,主要研究内容如下:(1)研究了一种融合Hu矩和相似性度量的抗干扰变化检测算法。通过分析违章建筑物在新旧时相中纹理各向异性的特征,采用形状算子变化去除干扰并提取违章建筑物纹理信息确立了联合OTSU的变化阈值,并建立了融合Hu矩和标准化差值平方和匹配进行纹理信息匹配的差异性评价检测方法。实验表明,该变化检测算法具有高鲁棒性,可有效减少光照因素对变化检测的干扰,且正确率达到了96.1%。(2)研究了一种结合深度学习和多特征违章建筑物自动识别算法。通过违章建筑物的轮廓拓扑特征、颜色信息、空间约束关系及其形成的消失点坐标分布特征进行检测,结合深度学习框架下的车辆检测消除常见干扰因素。并设计了实验来评估算法,实验结果表明该算法对多类型违章建筑物识别的召回率达到98.5%,精确率达到了95.1%。(3)提出了一种融合预置点布设与单目测距的城市违章建筑物定位算法。针对定点CCD相机发现可疑用地后自动定位违建的问题,研究了监控范围内预置点的布设方案,实现对定点CCD相机所在位置区域预置点的高分辨率最优布设;同时利用违章建筑物自动识别结果的道路深度信息,实现违章建筑物20m误差范围内的自动定位,并通过实验验证本算法的有效性。基于上述算法,采用C++开发出一套适用于Windows的安顺市违章建筑物自动识别的监控系统,并且设计实验验证了上述算法的有效性。该系统相比人工检测有更高的精度,目前已成为当地城管执法部门的日常工作工具。