利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取

机载激光雷达点云密度分布不均、建筑物形状不规则且复杂多样等多种因素,导致现有建筑物轮廓提取方法存在参数难以设置、适应性较差等问题,为此本文提出一种利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取方法。首先采用固定邻域点数分析各点的邻域方向分布,以获取不同邻域方向间的夹角,根据建筑物外轮廓点的特点,定义潜在轮廓点并将其视为初始轮廓点进行提取,从而得到初始轮廓点提取结果;考虑到无序轮廓点难以用于实际任务,因此利用建筑物点云构建不规则三角网并对其中的边进行删除、添加等操作,得到仅与初始轮廓点相连的边集,通过非固定边长的扫描方式跟踪轮廓点,并基于设计的规则剔除导致明显锯齿状的轮廓点,从而得到有序、平滑的建筑物外轮廓提取结果。利用具有不同密度分布、不同形状的模拟和真实建筑物点云进行试验,结果表明,方法对不同场景采用相同的参数,均能得到较好的外轮廓提取结果,F1分数优于90.88%。方法在保证提取轮廓F1分数较高的同时,可有效地克服参数难以设置的问题,具有较强的适应性,可为建筑物三维模型重建等应用提供稳定、可靠的建筑物外轮廓信息。     

结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测

目的 针对阴影在高分辨率遥感影像的特性,提出了一种多尺度分割和形态学运算相结合的阴影检测方法。方法 基于面向对象思想,首先利用均值漂移法实现影像分割生成对象,并以对象为基本单元分别进行形态学膨胀和腐蚀运算,从而获得面向对象的阴影指数;然后对影像进行多尺度分割,生成阴影指数矢量;最后对阴影指数矢量和亮度均值分别指定高低阈值,进而获得阴影检测结果。结果 选取高分二号和Google earth影像进行实验,采用误检率、漏检率和总错误率3个指标进行定量分析,并将实验结果与结合多特征法和形态学阴影指数法进行比较。在阴影检测定量精度分析中,相比于对比方法,本文方法的误检率偏高,但漏检率平均降低了7.31%;在建筑物阴影检测实验中,本文方法的漏检率同样下降了4.5个百分点;在多尺度效果融合分析中,本文方法在多组尺度组合下,各项精度指标均较理想;在阴影压盖地物实验中,3种方法的误检情况差异不大,但本文方法的漏检率得到较大改善,其下降程度平均达到了19.29%。结论 本文提出的阴影检测方法具备一定的抗干扰能力,适用性强,可靠性高。     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。