集成DS证据理论和模糊集的建筑物检测方法

针对目前建筑物检测方法普遍存在样本构建费时、自动化程度偏低、局限于某类建筑物等问题,提出一种基于对象的集成DS证据理论和模糊集的建筑物检测方法,以适用高分影像复杂场景下的建筑物自动检测。首先,在对象分割的基础上提取3个建筑物特征(MBI、MFBI、DR);然后,通过模糊集理论定义每个特征的概率分配函数,以初始化建筑物对象的概率;最后,采用DS证据理论融合3个建筑物特征实现建筑物区域的检测,并对结果进行后处理操作。结果表明:本文的建筑物检测精度优于其他提取方法,检测正确率达到0.85,F评分为0.77;在非密集建筑区的正确率和F评分分别为0.87和0.79;多源数据的建筑物检测结果表明,该方法具有较强的鲁棒性,正确率均能达到0.92。理论上,该方法可以结合任意数量的不同特征对不同建筑物进行检测,以提高检测的精度和鲁棒性。

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明:(1)基于所提方法的建筑类型分类总体精度达到82.98%,kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;(2)引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;(3)融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。