基于高分辨率遙感圖像的建筑物檢測(cè)與精確分割.pdf

1、遙感圖像建筑物目標(biāo)檢測(cè)是目前模式識(shí)別與智能技術(shù)領(lǐng)域里的研究重點(diǎn)和熱點(diǎn)問(wèn)題之一，對(duì)它的研究具有良好的應(yīng)用價(jià)值，無(wú)論在軍事還是民用方面都具有重要的意義。本文在現(xiàn)有的建筑物檢測(cè)技術(shù)基礎(chǔ)上進(jìn)行深入分析，對(duì)目前的方法做了總結(jié)和分析了它們存在的優(yōu)點(diǎn)和缺陷。通過(guò)觀察大量圖像總結(jié)出遙感圖像建筑物特點(diǎn)，根據(jù)這些特點(diǎn)提出了本文算法，克服了目前其他算法的不足。最后通過(guò)實(shí)驗(yàn)和設(shè)計(jì)的軟件系統(tǒng)驗(yàn)證了文中算法的有效性和優(yōu)越性。本文的工作與成果主要體現(xiàn)在以下幾個(gè)方面:

2、
　　(1)通過(guò)對(duì)遙感圖像的大量觀察，總結(jié)出高分辨率遙感圖像建筑物的三個(gè)重要特點(diǎn):建筑物存在陰影但道路和廣場(chǎng)不存在陰影;建筑物、道路和廣場(chǎng)的圖像特征非常相似;建筑物與道路，與廣場(chǎng)之間存在或清晰或模糊的邊界。而且城區(qū)遙感圖像可總結(jié)出有六類(lèi)事物:建筑物、樹(shù)木、陰影、廣場(chǎng)、綠地、道路。這六類(lèi)事物可以根據(jù)圖像特征歸為三大類(lèi)事物，第一類(lèi)事物是由陰影組成;第二大類(lèi)事物是由建筑物、道路、廣場(chǎng)組成;第三大類(lèi)事物是由樹(shù)木、綠地組成。本文以總結(jié)出的六

3、類(lèi)事物作為對(duì)象目標(biāo)，緊緊針對(duì)三個(gè)特點(diǎn)設(shè)計(jì)出從陰影識(shí)別、建筑物粗分割到精細(xì)分割的一整套方案，實(shí)現(xiàn)了對(duì)遙感圖像建筑物區(qū)域的有效檢測(cè)。
　　(2)針對(duì)遙感圖像三大類(lèi)事物的圖像特征的特點(diǎn)，提出一套識(shí)別三大類(lèi)事物特別對(duì)陰影檢測(cè)的有效方法。首選利用SLIC進(jìn)行圖像預(yù)分割，提取顏色、局部熵和紋理特征，然后利用LDA算法處理所提取特征的數(shù)據(jù)，使得特征更容易分開(kāi)，最后采用一對(duì)一策略的SVM多類(lèi)分類(lèi)器進(jìn)行分類(lèi)，成功識(shí)別出三大類(lèi)事物，特別是對(duì)陰影的有效

4、檢測(cè)。
　　(3)本文提出了自適應(yīng)區(qū)域增長(zhǎng)方法，實(shí)現(xiàn)了對(duì)建筑物的粗提取。雖然道路、廣場(chǎng)和建筑物圖像特征非常相似難以用特征分類(lèi)的方法去進(jìn)行區(qū)分，但是建筑物與其他兩個(gè)事物不同點(diǎn)在于存在陰影。所以可以通過(guò)陰影與建筑物位置關(guān)系找到“備選種子點(diǎn)”，再通過(guò)三個(gè)重要的篩選條件篩選出“有效種子點(diǎn)”，利用這些種子點(diǎn)進(jìn)行區(qū)域增長(zhǎng)自適應(yīng)的分割出了建筑物的大體輪廓。
　　(4)利用測(cè)地線活動(dòng)輪廓模型(GAC)的方法對(duì)建筑物輪廓進(jìn)行精確分割。GAC是

5、一種有效分割圖像的數(shù)學(xué)方法。使用該算法有兩個(gè)重要前提:1）初始輪廓線是在所要分割的邊緣附近的閉合曲線。2）活動(dòng)輪廓演化只能向內(nèi)收縮或者只能向外擴(kuò)散。經(jīng)過(guò)自適應(yīng)獲得的建筑物大體輪廓可以滿足第一個(gè)條件。利用開(kāi)運(yùn)算和膨脹的圖像預(yù)處理，可以使得初始輪廓線在建筑物外圍平滑分布，滿足了第二個(gè)條件。經(jīng)過(guò)向內(nèi)收縮直至收斂，輪廓線精確最終精確檢測(cè)出了建筑物。
　　(5)本文設(shè)計(jì)了基于Google Earth和Matlab的軟件系統(tǒng)平臺(tái)，該平臺(tái)有訓(xùn)練