增强型形态学建筑指数的建筑物变化检测

针对在高分辨率遥感影像中,利用形态学建筑指数提取建筑物时,同质性区域内部会出现噪声影响建筑物变化检测精度的问题,该文提出一种基于增强型形态学建筑指数的建筑物变化检测方法。采用增强型形态学建筑指数进行建筑物的提取,较好地去除了同质性区域内部的噪声,提高了建筑物提取精度;利用变化向量分析法获得建筑物变化检测结果,并采用LFI指数对变化检测结果进行后处理,有效地区分出建筑物对象和城市道路等地物,提高了建筑物变化检测精度。最后通过实验证明:该文算法可以有效地进行建筑物的提取和变化检测。

一种改进形态学建筑物指数的无人机影像变化检测方法

无人机遥感影像具有配准精度高、分辨率高的特点,针对无人机影像成像特征,提出了一种改进BMI的无人机影像建筑物检测方法。该法顾及检测区域纹理、光谱和形态特征,通过改进其自适应对比度和结构元素的尺度特征,扩大建筑物与背景波谱特征,实现建筑物变化检测。基于赣州某区两时相无人机遥感影像,进行了基于改进BMI的无人机变化检测,结果发现改进方法具有较高的检测精度和抗干扰性,与MBI方法相比,漏检率下降6.55%,错检率下降5.08%,总体精度提高了7.89%,不失为一种高效的无人机影像建筑物变化检测新方法。

一种面向变化检测的建筑物指数

针对在高分辨率遥感影像中传统建筑物检测算法检测出的建筑物不完整或丢失;建筑物与道路、比较亮的土壤的光谱特征非常相似,不易区分开等问题,提出了一种多尺度最大形态学重建轮廓的建筑物指数来有效地表征建筑物。本文利用两套ZY-3卫星数据以建筑物变化检测为应用背景,进行相关试验,验证了该方法的优越性。

增强形态学建筑物指数应用于高分辨率遥感影像中建筑物提取

提出一种增强的形态学建筑物指数(EMBI),利用该指数和地物的几何形状约束可完成高分辨率建筑物的自动提取。首先提取城市的不透水层特征,然后通过建立建筑物属性与形态学运算之间的关系得到EMBI特征图像,以增强对建筑物的描述,最后结合形状特征(长宽比、面积等)采用决策树分析的方法完成对建筑物的提取。为了验证本文方法的有效性,利用华盛顿特区商业街的航空高光谱HYDICE影像和武汉大学的两幅QuickBird影像进行对比试验,表明本文算法比MBI算法能获得更好的建筑物提取结果,其总体精度分别提高了7.31%、6.48%和7.83%。

多特征与随机多图结合的建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测效果不理想、结果精度低等问题,提出了多特征与随机多图结合的建筑物变化检测方法。首先提取高分辨率遥感影像光谱、建筑物形态学指数、建筑物特征点等特征;然后采用不同方法分别对不同特征构造差异影像,并利用模糊C均值算法对差异影像进行建筑物变化检测初始提取,获取质量较好的训练样本;最后利用初始结果训练随机多图分类器,并利用训练好的随机多图分类器提取建筑物变化检测结果。结果表明,利用该方法的建筑物变化检测结果漏检、误检现象较少,正确率、漏检率、误检率分别为94%、14%和24%。

基于资源三号影像的建筑物高度信息提取方法

建筑物高度信息的获取是高分辨率遥感影像信息提取研究中的热点问题之一。该文提出了一套结合面向对象分类方法的建筑物高度反演技术方法。首先,利用建筑物和阴影的形态学指数,通过面向对象分类方法提取建筑物轮廓和阴影信息;然后,采用相交线平均法计算阴影长度;最后,根据阴影长度和建筑物高度的几何关系模型计算建筑物高度。采用西安市的国产资源三号(ZY-3)卫星遥感数据进行提取试验,通过171栋建筑物的实际测量高度对结果进行验证,获得了91.23%的总体精度,显示出该方法在建筑物高度信息提取研究方面具有一定的现实意义。

基于形态学建筑物指数的城市建筑物提取及其高度估算

通过引入高分辨率影像的形态学建筑物指数和阴影指数,并结合面向对象的地物信息提取思想,准确地提取出城市建筑物及其阴影,进而实现了城市建筑物的高度估算。首先,利用形态学建筑物指数的多方向多尺度特征,将建筑物与邻近光谱相似的道路目标进行分离;其次,采用双阈值策略提取建筑物与相应的阴影,进一步提高了建筑物的提取精度;最后,根据成像时刻卫星和太阳的高度角、方位角,建立建筑物阴影长度与建筑物高度的估算模型。试验利用厦门市思明区软件园资源三号(ZY-3)数据进行城市建筑物提取及其高度估算,证实该方法能够较准确地估算出建筑物的高度信息,并且比基于SVM的监督分类方法具有更高的建筑物提取精度,建筑物高度估算的中误差可达±1m。

基于形态学阴影指数的高分二号影像建筑物高度估计

高分二号卫星是我国自主研发的高分辨率对地观测卫星,分辨率达到亚米级。利用高分二号卫星遥感影像,结合数学形态学和面向对象分类的思想进行城市建筑物高度估计。首先,利用多尺度分割将影像分割成对象;进而结合光谱、形状、形态学阴影指数(MSI)等特征面向对象进行分类,相对准确提取出建筑物的阴影并计算阴影的长度;最后,结合影像成像时的卫星、太阳和建筑物的几何关系模型进行建筑物高度估计,并利用实地测量数据进行精度评价和误差分析。结果显示,90%的估计结果绝对误差小于1m,说明该方法可以有效地从高分二号影像中提取建筑物高度,展现了国产高分辨率遥感影像提取城市建筑物信息的巨大潜能。

联合星载光学与SAR图像的城市大面积建筑物高度快速提取

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。

高分辨率遥感影像在违法用地检测中的应用方法研究

针对目前高分辨率遥感影像变化检测中存在的问题,本文提出了一种基于地物分布特征的违法用地变化检测方法。为了提高违法用地检测精度与稳健性,在变化检测模型中加入违法用地判别特征知识,针对不同的影像光谱-空间特征区域使用不同的变化检测方法。选择杭州市某地两组高分辨率遥感影像进行试验,结果表明相比于其他两种方法,本文方法在违法用地检测中的精度更高,能够快速实现疑似违法用地图斑的定位,将本文方法作为违法用地相关类变化检测作业的辅助可有效降低人工工作量,提高作业效率。

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合。本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更全面更有针对性的改进。本文主要改进内容为:(1)提出PwDeepLab网络,该网络基于DeepLab v3+网络结构,在特征融合方式和损失函数等方面进行了改进。(2)提出模糊度约束方法,在固定影像块大小的情况下,通过影像模糊度约束对影像进行上采样增强。(3)提出形态学指数约束方法,通过形态学建筑物指数(MBI)约束范围拉伸增强的方法,在较少改变原始影像特征的情况下,突出建筑信息。本文在Massachusetts数据集和武汉大学的Satellite DatasetⅡ(East Asia)数据集上进行验证,2个数据集的主要建筑类型存在较大区别。本文提出的方法在2个数据集上的精度相对于DeepLab v3+分别提高了10.9%和3.8%,相对于U-Net分别提高了10.0%和9.6%。实验结果表明本文提出的方法对建筑物提取效果有明显提升,且具有很好的鲁棒性和通用性。

一种结合MBI和SLIC算法的遥感影像建筑物提取方法

单纯基于形态学建筑物指数(Morphology Building Index-MBI)算法对遥感影像进行建筑物提取时,其结果在同质区域内部和外部均存在微小噪声点。针对该问题,本文提出一种MBI算法与简单线性迭代聚类(Simple Linear Iterative Clustering-SLIC)算法相结合的建筑物提取方法。为了进一步提高提取精度,再与数字表面模型(Digital Surface Model-DSM)相叠加以剔除与建筑物光谱特征近似的道路、裸地等近地面的地物。实验结果表明,引入SLIC算法可以有效地改善同质区内部及外部噪声点的问题,本文方法比单纯利用MBI算法提取建筑物噪声少、效果好,且正确率、完整率和质量分别提高了2.26%、7.41%和7.69%。

基于多特征融合与边缘约束的建筑物变化检测

利用遥感影像进行建筑物变化检测能够快速获取城镇扩张、违章建筑管控等结果。针对基于单一特征的高分辨率遥感影像变化检测算法检测结果较为粗糙,变化建筑物边缘效果不佳等问题,本文提出一种多特征信息融合与边缘约束的建筑物变化检测方法。引入改进的形态学建筑物指数,通过建筑物的多特征描述与差异特征集融合实现城镇区域建筑物变化信息自动提取,并对其进行边缘约束。首先,针对形态学建筑物指数增加纹理、边缘、空间上下文等特征组成建筑物描述的特征向量集;其次,利用结构相似度判别后的特征向量差异构建建筑物变化的证据源;第三,利用概率模型进行特征信息融合并依据决策规则得到建筑物变化区域;最后,引入SLIC(simple linear iterative clustering)超像素分割算法,将高分影像建筑物变化检测结果与超像素分割的边缘信息融合进行边缘约束,改善边缘检测效果。通过对Google Earth影像和QuickBird多光谱影像进行变化检测,总体精度为93.33%—95.39%,相对于Wang方法、Huang方法和Volpi方法正确率提升11%—19%,漏检率降低5%—20%,虚检率降低11%—25%;采用边缘约束后正确率提升2%—5%,虚检率、漏检率降低2%—5%。试验结果表明:该方法对于不同场景的高分影像均具有较好的鲁棒性,能有效解决变化建筑物边缘检测等问题。

一种基于地物分布特征的违法用地变化检测方法

我国城市及农村建设发展迅速,地表各类地物、植被等信息不断处于变动中,及时掌握这些变化信息对于准确、快速地实现违法用地检测、推动城镇可持续发展具有十分重要的意义。同时,遥感影像时间、空间分辨率的不断提高以及图像识别技术的不断发展为地表各类地物、植被等信息变化的快速识别提供了可能。基于此,本文提出了一种基于地物分布特征的违法用地变化检测方法,使用不同变化检测检测方法应用不同影像光谱-空间特征区域识别中,同时将违法用地判别特征加入变化检测模型中,有效提高违法用地检测精度于稳健性。使用两组双期WorldView-2传感器获取影像进行变化检测试验,试验结果表明,相较于变化向量分析(CVA)算法与形态学建筑物指数法(MBI)算法,本文算法能够得到更高正确率与精度的变化图斑定位,对于试验区域1,本文算法变化检测结果较另外两种算法的正确率分别提高了17.65%、11.77%,对于试验区域2,本文算法变化检测结果正确率较另外两种算法分别提高了10.00%、15.00%,验证了本文方法的有效性与优越性。

基于多特征集成的卡口图像前车窗的定位算法

随着高清卡口系统的普及,其所提供的静态卡口图像对公路交通安全建设有着重要的作用。针对该类图像,文中提出一种多特征集成的前车窗自动检测算法。首先,对图像进行车体检测,车牌定位,根据车牌与车窗的几何关系得到车窗粗定位的图像;然后用车窗直线特性和形状特性对车窗粗定位后的图像进行区域划分,将其分成几个候选区域;再对候选区域分别提取三个特征:形态学特征、形状特征、密封条光谱特征;最后建立多特征集成函数来判定车窗区域。实验表明,提出的方法具有较高的检测精度,同时当车型、车色以及光照变化较大时,该算法仍有较好的鲁棒性和适应性。

基于高分辨率影像的违法用地变化检测方法研究

为了能够从高分辨率影像数据中快速且精确提取得到违法用地的变化情况,以供执法部门进行违法监测与查处,本文提出了一种基于遥感影像地物分布特征的违法用地检测方法。该检测方法融入了地物特征判别理论,可有效提取得到用地变化信息。将提出的违法用地检测方法应用到哈尔滨市某地违法用地变化检测实例中。结果表明,该方法检测精度较高,可有效辅助作业人员进行疑似违法用地图斑定位,显著提高了生产效率,并为今后土地管理、城市规划提供参考。

基于阴影的资源三号卫星数据城市建筑物高度估算

利用我国首颗民用高分辨率测绘卫星—ZY3影像,运用面向对象方法及形态学的思想,以形态学建筑物指数MBI和形态学阴影指数MSI,构建了基于知识规则的城市建筑物和阴影信息提取模型,很好地完成了北京方庄小区和厦门软件园的建筑物和阴影的提取,并实现了阴影长度的自动估算。利用太阳、卫星和建筑物成像几何关系,以阴影长度估算了城市建筑物高度,并以实测数据进行精度评价及误差分析。在以北京市方庄小区为例的试验中,建筑物高度提取的平均相对误差为7.08%,绝对误差小于6 m的建筑物占90%以上,80%以上的建筑物相对误差在10%以内,而误差较大的多为阴影较难识别的低矮建筑物和建筑密度较大使得阴影相互遮挡的高层建筑物。在厦门市软件园区实验中,94.3%的建筑物绝对误差在5 m以内,且计算高度与实际高度相关系数达到0.992,进一步验证了所用方法的可靠性。本文提出的建筑物信息提取方法,可很好地实现高分辨率影像城市建筑物高度估算,展示出资源三号卫星数据在城市建筑物信息提取方面的应用潜力。

面向对象的中值绝对偏差法在建筑物提取中的应用

建筑物是一种极其重要的人工地物目标,通过提取建筑物可为城市规划、人口估算和景观分析等提供技术支撑。面向对象分类方法作为目前提取地物的有效手段之一,已广泛应用在建筑物信息的提取中。面向对象的形态学建筑物指数法具有较好的实用性,但提取稀疏建筑物的效果仍有待提高。为了解决这一问题,将中值绝对偏差应用于面向对象的建筑物提取,分别对建筑物密集和稀疏两种情况进行分析,采用查准率、查全率和F1分数等指标对提取结果进行评价。实验结果表明,面向对象的中值绝对偏差法提取稀疏建筑物的效果明显优于面向对象分类方法和面向对象的形态学建筑物指数法。

遥感影像空间分辨率对城市建筑物高度估算精度的影响

选用WorldView-2、高分二号、高分一号遥感数据,以厦门软件园为研究区,运用面向对象方法及形态学的思想,并结合光谱、阴影和形状约束,构建了适用于不同影像的建筑物及阴影提取流程;运用阴影长度估算法,估算了0.5、1、2m这3种不同空间分辨率建筑物高度;并定量评估影像空间分辨率对建筑物提取精度、建筑物高度估算精度的影响。结果表明:(1)改进的建筑物及阴影提取流程对不同分辨率影像均取得了较高的提取精度,但建筑物提取精度随着遥感影像空间分辨率的降低而略有降低;(2)随着遥感影像空间分辨率的降低,建筑物高度估算精度逐渐降低,但不呈现出线性关系,分辨率从1m上升至0.5 m阶段建筑物高度估算精度提高的速度要高于分辨率从2m上升至1m阶段;(3)GF-1比较适用于高层建筑物的高度估算,GF-2适用于中高层到高层建筑物的高度估算,而WorldView-2对不同高度范围内建筑物的高度均有较高的估算精度。

高分辨率遥感影像建筑物分级提取

高分辨率遥感影像建筑物信息自动提取是遥感应用研究中的一个热点问题,但由于受到成像条件不同、背景地物复杂、建筑物类型多样等多个因素的影响使得建筑物的自动提取仍然十分困难。为此,在综合考虑影像光谱、几何与上下文特征的基础上,提出了一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物信息分级提取方法。该方法首先利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点;然后采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率,从而提取出建筑物区域边界;最后在提取的建筑物区域内应用形态学建筑物指数实现建筑物信息的自动提取。实验结果表明,本文方法能够高效、高精度地完成复杂场景下的建筑物信息提取,且提取结果的正确性和完整性都优于效果较好的PanTex算法。