基于衛(wèi)星圖像的虛擬數(shù)字化城市建模.pdf

1、隨著當(dāng)前遙感技術(shù)、計(jì)算機(jī)技術(shù)等不斷發(fā)展，遙感圖像已經(jīng)成為獲取地理信息的重要數(shù)據(jù)來源。與傳統(tǒng)的方法相比較，從遙感圖像中獲取信息有時(shí)效性、周期性、經(jīng)濟(jì)性等優(yōu)勢(shì)。利用遙感衛(wèi)星圖像獲取道路、房屋等地物信息已成為一個(gè)備受世界各國(guó)關(guān)注的問題。道路及房屋是數(shù)字城市化的重要組成部分，隨著科技及計(jì)算機(jī)技術(shù)的不斷發(fā)展，快速自動(dòng)獲取質(zhì)量高、規(guī)模大的道路網(wǎng)及房屋信息已成為可能。通過遙感衛(wèi)星圖像提取地物信息己成為計(jì)算機(jī)視覺、計(jì)算機(jī)圖像處理及遙感等領(lǐng)域的研究熱點(diǎn)。

2、
　　 本論文研究?jī)?nèi)容涉及圖像處理，模式識(shí)別和虛擬現(xiàn)實(shí)多課題。文中對(duì)數(shù)字圖像處理的一些基本方法進(jìn)行了討論，包括圖像灰度化、圖像二值化、圖像增強(qiáng)、圖像平滑處理、圖像邊緣檢測(cè)、分割算法、直方圖統(tǒng)計(jì)、腐蝕與膨脹、斑塊統(tǒng)計(jì)等。
　　 具體研究?jī)?nèi)容：
　　 1.在預(yù)處理階段，探討了圖像質(zhì)量改善的方法。著重對(duì)條帶噪聲去除展開研究，用插值法、傅里葉變換法去除條帶噪聲。
　　 2.探討了現(xiàn)有邊緣檢測(cè)算子，在獲得道路邊緣特

3、征的基礎(chǔ)上，再用曲線擬合方法對(duì)道路邊緣進(jìn)行擬合，實(shí)現(xiàn)道路提取。該方法對(duì)于鄉(xiāng)村道路提取效果較好，但對(duì)錯(cuò)綜復(fù)雜的道路網(wǎng)有待進(jìn)一步研究。
　　 3．在圖像分割獲得道路輪廓的基礎(chǔ)上，提出了用方向模板來檢測(cè)道路。該方法需人工給出道路起始點(diǎn)和終止點(diǎn)，算出兩點(diǎn)連線構(gòu)成的方向角，根據(jù)方向角選擇對(duì)應(yīng)的方向模板，并從起始點(diǎn)逐步檢測(cè)到終止點(diǎn)，實(shí)現(xiàn)道路提取。該方法需多次給出道路起始點(diǎn)和終止點(diǎn)，如何提高該算法的自動(dòng)化程度有待進(jìn)一步研究。
　　 4

4、．研究了用圖像卷積運(yùn)算獲得線特征加強(qiáng)系數(shù)，該系數(shù)能加強(qiáng)道路線特征，同時(shí)也能弱化背景灰度恒定區(qū)域。去除短線段和塊狀噪聲，人工干預(yù)進(jìn)行道路修剪，最后用數(shù)學(xué)形態(tài)學(xué)細(xì)化處理得到道路骨架，實(shí)現(xiàn)道路提取。因?yàn)榈缆芬话闩c村莊、城鎮(zhèn)等居民地或人工設(shè)施相連接，所以該方法需要人工截?cái)嗟缆泛途用竦氐倪B接。如果能夠智能地判斷出非道路區(qū)域，并實(shí)現(xiàn)自動(dòng)截除，那么道路提取的自動(dòng)化程度將會(huì)得到很大的提高。
　　 5．在圖像分割獲得基本道路網(wǎng)輪廓的基礎(chǔ)上，提出了

5、用Hough直線，再進(jìn)行道路判斷、道路修剪、道路連接，并形成道路網(wǎng)，實(shí)現(xiàn)了城市直線道路提取。該方法對(duì)于城市直線道路提取效果較好，但算法魯棒性有待加強(qiáng)。
　　 6．提出了基于概率的建筑物輪廓識(shí)別算法。在這種算法中，提出了剪切-融合算法用于輪廓的提取與合并，并建立了一個(gè)概率模型用以衡量某個(gè)輪廓區(qū)域是否為建筑物的可能性。這種算法的優(yōu)點(diǎn)是能夠通過概率模型把建筑物的各個(gè)特征結(jié)合起來，并通過學(xué)習(xí)由先驗(yàn)數(shù)據(jù)來決定模型參數(shù)，同時(shí)，模型也具有很好

6、的擴(kuò)展性，新的特征很容易加入進(jìn)來。相對(duì)于其他建筑物提取算法，本算法具有更好的魯棒性和可擴(kuò)展性。
　　 7．提出了基于輪廓提取的建筑物變化檢測(cè)算法。此算法的主要思想是首先找出不同時(shí)相圖像中的建筑物輪廓，然后利用我們提出的概率模型比較對(duì)應(yīng)的建筑物輪廓并給出它們變化的可能性，最后根據(jù)建筑物相應(yīng)的變化概率值，判斷它們是否發(fā)生了變化。通過實(shí)例可以看到這種算法對(duì)于一般紋理復(fù)雜度的建筑物的變化具有較好的檢測(cè)能力，并且算法本身對(duì)圖像的配準(zhǔn)精度要