基于改进Snake模型的高分辨率影像建筑物提取

基于改进Snake模型的高分辨率影像建筑物提取

作者：齐志艺

来源：《计算机光盘软件与应用》2013年第01期

摘要：本文提出了一种改进Snake模型的航空图像建筑物提取的方法。传统的Snake模型存在一些问题，它们需要大量的初始化，对噪声敏感，对于复杂图像调整参数变得困难。本文提出了一种自动提取建筑物的优化方法，相比传统的Snake模型，改进的Snake模型检测和提取建筑物轮廓更精确，而且能够避免检测类似街道、树木等邻近建筑物的边缘特征。实验数据表明，在提取建筑物轮廓方面，本文提出的方法具有较好的精度。

关键词：建筑物提取；Snake模型；水平集

中图分类号：P237 文献标识码：A 文章编号：1007-9599 （2013） 01-0057-02

1 引言

鉴于自动检测建筑物的复杂性，许多研究者融合卫星图像与数字高程地图（DEM）提供的高度信息、基于雷达高度数据或立体图像。Brunn和Weidner[1]在贝叶斯网络的基础上应用数字表面模型（DSM）来检测建筑物轮廓。有的研究者在综合基于线方法检测多边形屋顶轮廓[2]，有的应用主动轮廓模型[3-6]。Ahamdy等人应用无边缘主动轮廓模型提取建筑物[3]，该方法把整个图像中同质分布的一系列圆圈作为初始曲线，通过演化初始曲线检测边缘。该方法的优点是自动初始化，缺点是：由于同质分布作为初始曲线，效率不高，更重要的是，会把类似频谱信息的非建筑物区域误判为建筑物区域。Peng等人[4]基于建筑物的辐射和几何关系，提出改善Snake模型用于建筑物检测，图形精度可达到83.6%。Mayunga等人[5]利用光线的投掷算法初始化屋顶，提出了一种半自动化方法。Ruther等人[6]利用DSM产生初始结构，再通过主动轮廓模型和动态程序简化，这是一种半自动化的方法，图形精度可达到80%。

本文在水平集的基础上提出了一种新的Snake模型，它可用于航空图像检测，与传统的Snake模型一样，通过邻近建筑物点来提取建筑物轮廓，但是本文方法不需要初始曲线，更不需要高度数据等额外信息来区分建筑物与非建筑物。

本文分为5个部分。第2部分介绍改进的Snake模型提取建筑物轮廓；第3部分是实验结果；第4部分是提出方法性能分析；第5部分是总结。

2 改进的snake模型提取建筑物轮廓