基于高分辨率遙感圖像的建筑物檢測與精確分割.pdf

1、遙感圖像建筑物目標檢測是目前模式識別與智能技術領域里的研究重點和熱點問題之一，對它的研究具有良好的應用價值，無論在軍事還是民用方面都具有重要的意義。本文在現(xiàn)有的建筑物檢測技術基礎上進行深入分析，對目前的方法做了總結和分析了它們存在的優(yōu)點和缺陷。通過觀察大量圖像總結出遙感圖像建筑物特點，根據(jù)這些特點提出了本文算法，克服了目前其他算法的不足。最后通過實驗和設計的軟件系統(tǒng)驗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)在以下幾個方面:

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

3、類事物作為對象目標，緊緊針對三個特點設計出從陰影識別、建筑物粗分割到精細分割的一整套方案，實現(xiàn)了對遙感圖像建筑物區(qū)域的有效檢測。
　　(2)針對遙感圖像三大類事物的圖像特征的特點，提出一套識別三大類事物特別對陰影檢測的有效方法。首選利用SLIC進行圖像預分割，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，最后采用一對一策略的SVM多類分類器進行分類，成功識別出三大類事物，特別是對陰影的有效

4、檢測。
　　(3)本文提出了自適應區(qū)域增長方法，實現(xiàn)了對建筑物的粗提取。雖然道路、廣場和建筑物圖像特征非常相似難以用特征分類的方法去進行區(qū)分，但是建筑物與其他兩個事物不同點在于存在陰影。所以可以通過陰影與建筑物位置關系找到“備選種子點”，再通過三個重要的篩選條件篩選出“有效種子點”，利用這些種子點進行區(qū)域增長自適應的分割出了建筑物的大體輪廓。
　　(4)利用測地線活動輪廓模型(GAC)的方法對建筑物輪廓進行精確分割。GAC是

5、一種有效分割圖像的數(shù)學方法。使用該算法有兩個重要前提:1）初始輪廓線是在所要分割的邊緣附近的閉合曲線。2）活動輪廓演化只能向內收縮或者只能向外擴散。經(jīng)過自適應獲得的建筑物大體輪廓可以滿足第一個條件。利用開運算和膨脹的圖像預處理，可以使得初始輪廓線在建筑物外圍平滑分布，滿足了第二個條件。經(jīng)過向內收縮直至收斂，輪廓線精確最終精確檢測出了建筑物。
　　(5)本文設計了基于Google Earth和Matlab的軟件系統(tǒng)平臺，該平臺有訓練