基于多特征的高分辨率遙感圖像城區(qū)建筑物提取.pdf

1、近年來我國經(jīng)濟發(fā)展迅速,城市面貌日新月異。為了更好的進行城市建設及規(guī)劃,我們需要及時準確的掌握城市建筑物信息。伴隨著遙感技術(shù)的進步,人們能獲得的遙感圖像分辨率不斷提高。目前QuickBird,WordView等衛(wèi)星能為我們提供分辨率為亞米級的高分辨率衛(wèi)星圖像。我們能得到更為豐富的地表細節(jié)信息。高分辨率圖像更適合應用于地物情況復雜的城區(qū)建筑物提取。但是高分圖像細節(jié)豐富的同時也不可避免的引入了更多的噪聲。因此針對中低分辨率的面向像素的處理方

2、法不適用于高分辨率遙感圖像,同時單一特征無法為影像分析提供充分依據(jù)。因此,在高分辨率遙感圖像城區(qū)建筑物的提取過程中,本文采用了面向?qū)ο蟮亩嗵卣鞣椒ā?br>　　論文首先重點對圖像分割進行了詳細研究。主要包括基于圖論的分割方法,基于改進分水嶺的分割方法,并將二者結(jié)合,提出了圖論與改進分水嶺相結(jié)合的分割方法。由于傳統(tǒng)的分水嶺方法在圖像分割過程中存在著非常嚴重的過分割問題,分割出的區(qū)域過于細小,沒有實際意義;而圖論方法處理高分辨率遙感圖像的時

3、候計算量大,耗時長。本文對分水嶺方法進行了基于形態(tài)學開閉重建的改進。用改進分水嶺分割得到的小區(qū)域?qū)ο笞鳛閳D論分割方法構(gòu)建加權(quán)圖的頂點,計算區(qū)域?qū)ο笮再|(zhì),得到權(quán)重矩陣,通過對權(quán)重矩陣的劃分完成整幅圖像的分割。圖論和改進分水嶺相結(jié)合得到的方法結(jié)合了二者的有點,能得到完整準確的地物對象,且大大縮短了計算時間。
　　接著論文研究分析了特征提取和選擇技術(shù)。對分割后的小區(qū)域提取了光譜特征,形狀特征,紋理特征等共36個特征。然后對得到的對象特征

4、進行了特征選擇。論文利用ReliefF方法計算特征權(quán)重,分類能力強的特征對應的特征權(quán)重也大。我們選擇出權(quán)重大的特征并判斷特征間的相關(guān)性。刪除相關(guān)性高的特征,最終得到有效合理的特征組合。
　　最后論文研究了高分辨率圖像分類技術(shù)及建筑物外形優(yōu)化技術(shù)。面向?qū)ο蟮姆诸惙椒ㄡ槍Φ氖墙?jīng)過圖像分割之后得到的對象區(qū)域而不是單個像素進行分類,有效地避免了傳統(tǒng)的面向像素方法進行分類時的“椒鹽效應”。通過形態(tài)學濾波及小面積區(qū)域剔除,論文最后提取到了規(guī)則