一种遥感图像中建筑物的自动提取方法

目前,传统建筑物识别方法通常采用基于建筑物边缘线性特征的识别算法,这类方法具有简单高效的优点,但识别率较低。该文提出了一种综合利用建筑物的若干特征进行自动识别的方法。首先用Canny算子提取边缘。然后根据建筑物的空间分布特点和Hough变换特性。在Hough变换域进行建筑物边缘方向统计来筛选边缘线段,提取出潜在的目标边缘线段;接着该文提出了对建筑物的几何特征（例如矩形特征、角点特征和阴影特征等）和灰度特征进行识别的算法,将其识别结果做为判定建筑物目标的依据,最终准确地提取出建筑物。大量实验证明该方法相比较单一的线性特征检测方法,速度快、准确率高．具有较强的实际应用价值。     

从航空影像中自动提取高层建筑物

高层建筑物形状的复杂多变使传统的模型匹配方法难以提取．由建筑物垂直边缘检测出发,采用证据推理法,该文提出了一种在单视角高分辨率航空影像中自动提取高层建筑物的策略．该方法充分结合物方空间和图像空间各种有用信息,综合运用信号处理、计算机视觉等领域多种先进技术,逐步推理得出建筑物的位置、高度和屋顶轮廓等信息,从而实现了建筑物的三维重构．     

利用格式塔的高分辨率遥感影像建筑物提取

目的 格式塔心理学的理论基础为通过对事物的部分感知,实现对事物整体的认识。本文将该思想应用到建筑物提取中,提出一种兼顾目标细节及整体几何特征的高分辨率遥感影像建筑物提取方法。方法 首先,利用SIFT算法提取特征点作为候选边缘点;然后定义格式塔序列连续性原则判别边缘点,从而得到边缘点点集;并由边缘点点集拟合边缘,实现遥感影像建筑物提取。结果 利用提出算法,对WorldView-2遥感影像进行建筑物提取实验。通过与基于多尺度分割和区域合并的建筑物提取算法对比可以看出,提出算法能够更加准确、完整地提取出建筑物。采用分支因子、遗漏因子、检测率和完整性4个定量化指标对实验结果的定量评价,本文算法的检测率和完整性均大于对比算法,且本文算法的检测率均在95%以上,验证了提出基于格式塔理论的高分辨率遥感影像建筑物提取算法的有效性和准确性。结论 基于格式塔的高分辨率遥感影像建筑物提取算法能够准确刻画建筑物细节特征,同时兼顾建筑物整体几何轮廓,准确提取高分辨率遥感影像中的建筑物。本文算法针对高分辨率遥感影像,适用于提取边缘具有直线特征的建筑物。使用本文算法进行遥感影像建筑物提取时,提取精度会随分辨率降低而降低,建议实验影像分辨率在5 m以上。     

窗户纹理的时频描述及其在建筑物提取中的应用

航空影像中，窗户纹理的合理描述对建筑物提取具有重要意义。依据灰度图像中窗户区域呈现出的明暗变化规律，在建筑物垂直边缘检测的基础上，利用时频分析和Radon变换描述了窗户纹理的周期性和方向性。实验结果表明，合理地描述窗户纹理可用于获取较高层建筑物存在的确凿证据、其垂直边缘的准确位置以及局部墙面水平方向，其为建筑物检测和三维信息的获取提供了一条新的有利途径。     

基于数字高程模型的建筑物自动提取算法研究

从遥感影像中自动提取建筑物是研究从遥感影像构建地图的关键技术。针对当前建筑物自动提取算法中存在的缺陷,提出了一种基于数字高程模型的建筑物自动提取算法。该算法是建立在灰度数学形态学、矢量化变换、离散化噪音消除以及边缘简化技术综合的基础上,充分考虑了建筑物后续重建计算量的问题。实验结果表明利用该算法提取出的建筑物边缘清晰正确,同时又能大大减少冗余数据量。     

基于感知编组的高层建筑物立面提取方法

将感知编组理论引入到遥感影像上高层建筑物立面的提取中,依据感知编组的邻近性、连接性和封闭性等规则,提出了一种基于感知编组的遥感影像上高层建筑物立面的提取算法,该算法包括边缘提取、边缘数据分块、块内感知编组提取建筑物立面、建筑物立面提取结果融合等步骤.实验验证了该方法的有效性.     

基于L*a*b*色彩空间的视神经边缘自动提取

视神经(Optic nerve)形状、面积和深度等参数是衡量眼底健康状况的重要指标, 其边缘提取是量化这些参数的前提. 为精确识别视神经边缘, 本文提出了一种基于L*a*b*色彩空间眼底图像视神经边缘自动提取算法. 该方法通过L*a*b*色彩空间自适应形态学方法与区域辅助几何活动轮廓模型边缘提取方法, 结合基于交叉网络的视神经自动定位, 实现视神经边缘的自动提取. 采用国际上通用的DRIVE眼底图像库和临床图像进行实验, 验证了该算法的有效性.     

用小波变换实现红外图像的边缘提取方法研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，本文利用小波变换易于消除噪声、运算方便的特点。提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水丑和垂直方向的小波变换。提取红外图像边缘特征。文后给出了仿真实例，证明了该算法的科学性和可靠性。     

基于空间目标光学图像的边缘提取方法介绍

针对空间目标结构特征抽象化程度低、难以直接利用的问题0,对空间目标光学图像进行了边缘提取.由于大气湍流对空间目标光学图像的成像可能产生干扰,本文对三种边缘提取方法在有噪情况下的提取结果进行了展示选取抗噪性较好的形态学边缘提取算法作为针对空间目标光学图像的提取算法.     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上，对其进行改进。充分利用了彩色图像的颜色信息，将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子．同时采用滤波来抑制噪声以及非极大值抑制来细化边缘，算法简单易于实现。实验结果表明，算法能有效地提取出彩色图像的边缘信息。     

Performance evaluation and analysis of vanishing point detectiontechniques

Vanishing point detection algorithms based on a Gaussian sphere representation have been employed in a variety of computer vision systems, for extracting 3D line orientations as a first step towards object detection. Typically, these algorithms have been applied to imagery with strong perspective effects and with little noise or texture, resulting in good solutions for line orientations. However, these algorithms can fail if perspective effects are weak, or if texture edges are predominant; they also fail to take advantage of knowledge about the objects to be detected. In this paper, two new techniques for robust vanishing point detection on the Gaussian sphere are presented; primitive-based vanishing point analysis and interpretation plane error modeling. The performance of these methods, along with two other existing methods from the literature, are quantitatively evaluated and compared for the task of building detection in complex aerial imagery     

An error analysis for surface orientation from vanishing points

Given two parallel lines in a plane, their images formed by central projection onto the viewing plane intersect at a vanishing point, which provides a constraint on the orientation of the plane. Two such independent constraints define a vanishing line and thereby determine the orientation of the plane uniquely. In order to effectively use this information, an estimate of its accuracy must be incorporated. In the approach suggested, line directions and surface normal vectors are represented as points on a Gaussian sphere, and the error bounds are computed as regions on the sphere. Information from multiple vanishing points and surfaces is combined by intersecting the corresponding regions. In addition, constraints based on real-world knowledge can be introduced to improve the accuracy. Some experimental results on natural images re presented to illustrate this method     

A vertical and floor line-based monocular SLAM system for corridor environments

In this paper, we propose a vertical and floor line-based monocular simultaneous localization and mapping (SLAM) system which utilizes vertical lines, floor lines, and vanishing points as sensory input to perform robust SLAM in corridor environments. By combining three map feature types, our design can help a robot to perform accurate pose estimation, repeatable loop closure, and to construct a more expressive environmental map. As a primitive element of a geometric structure, a line segment has one additional dimension compared to a point feature, thereby allowing the use of line segments to easily represent a geometric structure using a smaller number of features. This system presents map features on a 2D ground space: the vertical line as a projection point, the floor line as the original line, and the vanishing point as a directional vector. Although the vertical line, floor line, and vanishing point use different parameterization and initialization methods, their measurement models are integrated into a unified extended Kalman filter (EKF) framework. Experimental results show that our system can be deployed in a structured indoor environment as a suitable SLAM solution.     

Roof plane extraction from airborne lidar point clouds

Planar patches are important primitives for polyhedral building models. One of the key challenges for successful reconstruction of three-dimensional (3D) building models from airborne lidar point clouds is achieving high quality recognition and segmentation of the roof planar points. Unfortunately, the current automatic extraction processes for planar surfaces continue to suffer from limitations such as sensitivity to the selection of seed points and the lack of computational efficiency. In order to address these drawbacks, a new fully automatic segmentation method is proposed in this article, which is capable of the following: (1) processing a roof point dataset with an arbitrary shape; (2) robustly selecting the seed points in a parameter space with reduced dimensions; and (3) segmenting the planar patches in a sub-dataset with similar attributes when region growing in the object space. The detection of seed points in the parameter space was improved by mapping the accumulator array to a 1D space. The range for region growing in the object space was reduced by an attribute similarity measure that split the roof dataset into candidate and non-candidate subsets. The experimental results confirmed that the proposed approach can extract planar patches of building roofs robustly and efficiently.     

基于虚拟格网的建筑物点云轮廓线自动提取

在分析现有轮廓线提取方法不足的基础上，提出基于虚拟格网的建筑物轮廓线自动提取方法。该方法利用建筑物点云生成虚拟格网并进行二值填充；采用邻域分析方法进行边界格网的标记与追踪；为了避免边界追踪错误，设计了基于方向的单边缘格网抑制方法及基于距离的连接关系调整方法以改善提取结果质量；根据格网追踪结果，从原始建筑物点云中提取真实轮廓点以保持原始建筑物轮廓形态；采用随机抽样一致性估计及最小二乘拟合方法进行轮廓线规则化处理，实现建筑物轮廓线的自动提取。实验结果表明，该方法能快速从建筑物点云中提取轮廓线，可为建筑物轮廓线的自动提取提供一种可行的解决方案。     

单视未标定图像的正交灭点检测算法

传统方法只能计算标定图像的正交灭点,同时没有考虑图像直线检测结果的误差、 直线的长度以及候选灭点与约束直线之间的位置关系对灭点检测精度的影响。针对此类问题, 提出了一种针对单视未标定图像的正交灭点检测方法。首先利用J-Linkage 完成灭点的初始化估 计,得到假设灭点集合;然后根据假设灭点与图像直线之间的一致性约束、图像直线的长度, 基于投票机制先得到精确的垂直方向灭点;后利用灭点、灭线的定义和性质,计算得到图像相 机参数;根据正交灭点的特性,得到准确的水平方向和纵深方向的灭点。因引入了一种新的假 设灭点和图像直线之间的一致性度量方法,正交灭点检测精度不受直线检测结果的误差、直线 的长度以及候选灭点与约束直线之间的位置关系的影响,在未知图像相机参数的情况下能精准 的得到三个正交灭点信息。正交灭点检测方法在室内场景下可以得到更加精确的检测结果。     

按比例缩放灭点三角形或反转重合视点的量点法作图

量点法作建筑透视图的原理较复杂,而且在手工绘制量点法两点透视图时,经常 遇到图幅过大造成灭点与视点落在图板之外（即不可达）而难以操作的情况。提出一种简便易 行、有效利用有限图纸空间的方法：按比例缩放灭点三角形或反转重合视点的作图方法。此方 法关键点是节省竖向图纸空间,使图纸得到有效利用并不至于使透视图过小。并以基本立体和 建筑实例对该方法进行了应用和验证。结果显示,方法行之有效,值得推广应用。     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。