L型结构中心线的SAR图像建筑物提取方法

提出了一种新的从航空城区图像中自动提取矩形建筑物的方法.该方法基于从航空城区图像中提取的边缘,经过轮廓跟踪,采用splitting方法提取直线,得出其相应的直线几何图形;针对航空图像的复杂及现有边缘检测算法的不足,提出了一系列直线处理的方法(如直线的分类、排序、合并、调整等)有效地弥补了前述处理的不足;为提高矩形房屋提取的准确率,引入知识定义了几种近似的矩形结构.文章采用几何结构元分析的方法,提取图形中构成矩形的各种基本结构元,再根据结构元合并的准则,将各种基本结构元通过一定的合并算法合并成矩形结构.大量试验结果证明该方法提取矩形房屋的准确率较高,鲁棒性好,运算速度快,具有较强的实际应用价值

近年来；三维激光扫描技术由于其具有非接触性、精度和测量效率高等特点；在测绘领域广泛使用；建筑物顶梁由于在建筑顶部；传统的测量手段难以采集到其精确的三维数据；本文以某厂房为例；使用三维激光扫描技术采集顶梁数据；内业处理获取顶梁中心线坐标；对于建筑物顶梁测绘具有一定的实际指导意义；

提取建筑物屋顶是建筑物三维重建的一个重要步骤,为了更精确地提取建筑物屋顶,融合了高分辨率的光学和sar图像.利用sar图像中建筑物的叠掩来确定光学图像中的建筑物,从而在光学图像上确定一个包含建筑物屋顶小窗口,利用isodata分类方法对小窗口进行了分类来获取建筑物屋顶类别或屋顶轮廓,最后计算得到屋顶的规则轮廓.从计算结果上看,该方法是可行的.

用多方向飞行的全极化sar图像可能提取特定三维目标的高度与位置信息,进而实现目标物的几何立体重构。全极化sar图像数据与单极化sar相比,可以选择多种极化组合数据,提供对于特定目标几何特征敏感的数据类型,通过多方向飞行sar图像反演该目标或目标群的高度与位置信息。本文用两幅相向飞行的pi-sar(日本机载极化与干涉sar,x波段、1.5m分辨率)图像,提取日本仙台电视塔高度、日本东北大学建筑物群的立体重构。

为了分析汶川地震震后高分辨率合成孔径(sar)图像的城区建筑物特征,基于实际获取的机载x波段sar图像,采用电磁模拟方法进行分析和研究。通过对城区的完整建筑和毁损建筑进行三维建模,采用射线跟踪的电磁计算方法和图像域积分的成像模拟方法得到不同受灾程度的建筑物sar模拟图像。与真实sar图像对比分析,提出的算法能够分析建筑物结构变化对sar图像的影响,模拟主要的强散射点,能有效辅助sar图像进行城区特征分析。

与传统的信息提取方法相比；将机器学习算法应用到遥感影像信息提取中；可以提高结果的精度；文章以worldview-2遥感影像为例；首先利用多尺度分割选取最优分割尺度；获得影像对象；在基于对象的基础上利用特征空间优选工具获得最优特征子集；最后利用j48算法、随机森林算法对建筑物提取的效果进行分析；实验结果表明:j48算法在高分辨率影像建筑物提取中有更好地效果；

星载高分辨率光学图像与sar图像广泛应用于城市建筑物高度提取,但光学图像存在缺少相关卫星参数的情况,而sar图像则存在散射特征不完整以及提取效率低等缺陷。针对以上问题,本文提出一种联合高分辨率星载光学与sar图像的城市大面积建筑物高度快速提取方法。首先,结合支持向量机(svm)和形态学阴影指数(msi)快速提取光学图像中的阴影并自动测量阴影长度;之后选择多个合适样本,基于模型匹配法从sar图像中提取高度;最后将高度与阴影长度作线性回归分析,建立数学模型来提取其他建筑物的高度。该方法将不同卫星系统的数据和特征相结合,互相弥补各自缺陷,不仅提高了效率、降低了成本,同时满足精度要求。

基于数字图像处理技术的LiDAR数据建筑物提取

研究城镇建筑物的提取是遥感影像分析应用中的一项重要内容。遥感影像建筑物结构和光谱的多样性,使结构、光谱等特征的建筑物提取变得极其复杂。根据遥感影像的建筑物纹理区别于其它空间对象纹理的特点,为提高影像分辨率,提出gabor纹理块的遥感影像对象模型方法应用于遥感影像城镇建筑物的提取。以整个城镇为对象,以建筑物、道路、绿地等不同城镇区域为组成对象的纹理块,建立基于纹理块的对象模型,利用模型进行遥感影像对象的纹理标定,最终提取出城镇建筑物。实验结果表明方法克服了建筑物结构复杂性和多样性以及背景环境的影响,能很好地从城镇遥感影像中提取建筑物。

快速评估建筑物地震灾害信息对地震应急救援工作有着指导意义；而极化sar具有全天候、全天时的特点；因此利用极化sar图像提取震害信息已逐渐成为研究热点；虽然极化sar具有丰富的极化信息；但其纹理信息不可忽略；尤其是完好的人工建筑物在图像上呈现规则的纹理特征；而倒塌建筑区域纹理分布杂乱；因此结合纹理信息也可以很好地提取建筑物信息；以2010年玉树地区的全极化sar数据为研究对象；首先；利用yamaguchi分解的体散射分量pv提取了sar图像中的建筑物区域以及道路、水系等非建筑物信息；在此基础上；对相干散射矩阵t11分量中倒塌建筑物、完好建筑区域进行变差计算；根据变差曲线确定变程a后；再对建筑物区域采取窗口m*m(m=3*a)进行变差计算得到变差纹理信息；最后利用fcm算法对变差纹理信息分别提取完好建筑物和倒塌建筑物区域；为了对比分析；文章利用yamaguchi分解的二次散射分量pd提取完好建筑物区域；与震后光学遥感图像对应样本点进行人工验证；得到完好建筑物的提取精度为80.18%；倒塌建筑物的提取精度为84.54%；道路水系的提取精度为77.58%；

利用数字线划图中建筑物的矢量信息,根据前后两个时期的高分辨率遥感影像,通过结合lsd直线段提取算法与结构相似性度量,采用比较特征差异的方式提出了一种能够以较高的正确率进行快速建筑物变化检测的算法。本文对检测算法的过程进行了介绍,通过实验数据对算法进行了检验,探讨了阈值变化对结果的影响。

针对三通道超宽带合成孔径雷达(uwbsar)系统,提出了一种基于子孔径图像序列的顺轨干涉(ati)方法,利用uwbsar的大波束角特性,生成多个视角的子孔径顺轨干涉图检测运动目标并估计参数.该方法相比传统的ati方法的优点在于:不仅能检测具有距离向速度不为零的目标,而且能检测具有方位向速度不为零的目标,并可估计目标的距离向速度和方位向速度.基于uwbsar半实测回波的实验验证了该方法的有效性.

城市建筑区域叠掩、阴影严重；图像理解困难且干涉相位变化复杂紊乱；一直是insar处理的困难区域；sar图像仿真能为图像理解和处理方法研究提供数据支撑；然而现有建筑区域sar图像仿真方法大多无法获得具有相干性的干涉sar图像对；该文提出了一种面向建筑区域的干涉sar复图像对仿真方法；能够获得建筑的复数图像对、干涉相位图以及叠掩成分数目等信息；为城区干涉sar处理及信息提取研究提供仿真数据支撑；同时；基于仿真中对相位变化规律的分析；提出叠掩区相位解缠时的基准确定方法；解决传统解缠方法面临的叠掩区域干涉相位不连续问题；进而反演建筑高程信息；最后；通过建模仿真结果与实际sar图像和干涉相位的对比；验证了仿真方法的正确性；并对仿真及实际干涉相位进行解缠和高程反演处理；验证了该文高程反演方法的有效性；

首先对上海市中心城区遥感影像建库,把众多的遥感影像数据组织起来,以方便管理和使用.在此基础上,利用gis和rs技术,对遥感数据解译处理,提取建筑物阴影信息,从而为估算建筑物高度值作准备.

分析了用于建筑物测量的高分辨率sar叠掩及角反射器效应等成像要素,并将其与高分辨率快鸟卫星图像融合,实现了建筑物屋顶信息的提取.进一步利用sar叠掩得到的建筑物高度信息和快鸟图像得到的建筑物屋顶信息实现了建筑物的三维重建.与实地测量数据相比较,计算结果精度较高,从而验证了这种三维重建方法的可行性.

基于航空影像建筑物个数繁多、形状复杂,且存在较多的干扰信息,提出一种新颖的建筑物边缘直线特征提取方法.对航空影像进行改进标记分水岭分割,并结合dsm高度信息,有效去除道路和阴影的影响.同时,对影像进行基于多尺度自适应加权的改进canny算子的边缘检测.在每一个分割得到的建筑物初始区域内,对检测到的边缘点进行相位编组提取直线,利用建筑物屋顶约束条件,统计屋顶的主方向,修正和规划直线段,实现了建筑物边缘直线特征快速、有效的提取.

提出一种基于感知组织的线段提取方法该方法有两大特点:在基本线段提取算法中使用了模板,并且在线段合并过程中综合考虑了直线和物体的形状特点运用该方法对高分辨率遥感图像中的建筑物进行识别,取得了良好效果

简述三种典型的利用lidar点云自动提取建筑物的方法。提出对建筑物提取结果的精度评价指标,并对三种方法的提取结果进行比较。结果表明基于dempster-shafer理论的建筑物自动提取方法最为稳健。

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于lidar点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用dbscan聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。

针对在海量场景识别中现有透视失真校正方法的鲁棒性尚不理想,不足以用于对场景复杂、干扰较多的户外建筑物图像进行准确校正的问题,提出一种改进的户外建筑物透视失真校正方法.该方法针对建筑物的形状特点,结合手机的重力感应功能对hough变换直线检测算法进行了改进,并使用ransac方法剔除部分错误直线,提高了算法的鲁棒性;利用消隐点坐标对图像进行校正,恢复建筑物的仿射结构,使其与训练图像更加接近;在实验中,将校正后的图像用于图像识别,并提出一种基于互信息的融合策略,将侧视图和校正后的图像结合在一起进行识别.实验结果表明,该方法能够鲁棒地对户外建筑物图像进行透视校正,极大地提高了户外建筑物识别正确率.

从遥感图象中提取人造目标(例如建筑物、交通枢纽等)在国防和现代化建设实践中有着十分重要的意义。遥感图象一般都幅面较大,包含的目标较多,而且由于占据的实际地面面积较大,光照条件不尽相同,因此要让计算机自动检测其中的建筑物是一项极具挑战性的工作。提出一种并行的自动检测建筑物的方法。

用航空遥感图像评价晋城市建筑物现状的方法研究