摘 要：本文首先对遥感影像上建筑物提取的研究历史进行分析，总结高分辨率航空相片或卫星影像提取建筑物等人工地物信息的主要方法，从影像数据、分辨率与方法几个方面概括建筑物提取的发展历史。总结高空间分辨率遥感影像建筑物提取研究的现状以及发展趋势。 关键词：高空间分辨率遥感影像；建筑物提取
毛刷制作
供墨系统 引言
随着遥感技术的不断进步，光学卫星影像的空间分辨率不断提高（目前军用卫星已经达到厘米级），与同类中低空间分辨率的遥感影像相比，高空间分辨率光学卫星影像上地物的光谱特征更明显，景观的结构、形状、纹理和细节等信息突出，使得研究城市内部建筑分布细节成为可能。从20世纪90年代以来高空间分辨率光学卫星影像逐渐进入商业和民用领域，在地图更新、土地管理、城市规划、资源调查、环境监测、灾害评估等方面得到广泛应用，逐步成为一种主要的地理空间数据获取和更新途径，针对高空间分辨率光学卫星影像的信息提取研究也随之兴起，但高空间分辨率影像信噪比低的特点限制了建筑提取的精度，人工解译仍
然是最普遍的提取方式，其费时费力的弱点成为制约高分辨率卫星影像大范围应用的瓶颈。目前对绿地和水体的自动提取已经比较成熟，而道路和建筑物由于其自身的复杂性导致自动提取困难，国内外很多学者在高分辨影像道路和建筑提取方面做了很多相关研究，在提取理论和方法方面取得了一定的成果。本文就高空间分辨率遥感影像建筑物提取研究现状进行总结，在此基础上提出目前遥感影像建筑物提取研究的热点及其发展趋势。
一、建筑物提取的研究历史
迄今为止，利用高分辨率航空相片或卫星影像提取建筑物等人工地物信息的方法大体分为两类：其一，利用图像信息结合高程信息进行建筑物信息提，通过建筑物与周围环境之间的高差进行屋顶边界的提取，大多需要一定的辅助数据如DEM、DSM等。其二，利用高空间分辨率遥感影像数据结合计算机视觉、图像处理与分析、人工智能等学科领域的新方法实现对建筑物顶部信息的半自动甚至全自动识别与提取。此方法不需要多景影像数据，也不需要其它的外部信息源，具有更为广泛的应用前景和范围，但是其缺乏对识别建筑物表面高度信息，只是利用的是图像的光谱信息、灰度信息以及建筑物的形态信息和一部分先验知识，难度要更大，此方法仍处于探索研究阶段。在城市环境中由于受到建筑物结构复
杂性的影响，建筑物常常被人造目标或者自然目标包围，给提取建筑物带来干扰，常见的典型情况有：房屋边缘与道路平行且相邻，边缘检测后的影像中道路和房屋边缘相互混淆；因为拍摄角度导致建筑物彼此的遮蔽，影像上丢失了被遮蔽建筑物的信息；建筑物阴影的灰度接近建筑物的灰度，很难区分二者的边界，对提取产生干扰。此外利用成像质量、光谱范围等多方面因素影响的遥感影像提取建筑物信息，出现信息的丢失以及失真，从而增加了建筑物提取的难度。图1分别从影像数据、分辨率与方法几个方面概括了建筑物提取的发展历史。快速准确地获取不同类型城市建筑的空间位置、形状等信息具有极其重要的意义，在城市规划、城市动态监测、城市三维建模、地形图更新、地籍调查等方面有广泛的应用。目前，对自动建立城市三维模型和实现城市虚拟现实的需求越来越多，利用大比例尺航空影像获取城市建筑物的三维几何信息和表面纹理，是实现三维城市建模的有效途径之一。由于航空影像高信噪比的特点，目视解译提取建筑边界信息相对容易，虽然有很多相关研究成果，但至今仍无针对各种航空影像全自动提取各类建筑物的普适性方法，同时航空影像获取成本高、更新周期不确定等缺点也限制了它的应用[1］。
卫星遥感平台及对应传感器的出现，是遥感史上的重大突破，光学卫星影像是目前最重要的遥感数据源，很多学者开始利用卫星影像研究城市变化，提取城市下垫面地物信息。在
早期，城市下垫面目标提取主要是利用中低分辨率遥感影像，由于受分辨率的限制，城市对象提取只能够停留在对城市边界、居民地等信息的提取，很难得到有关城市内部的细节信息，无法满足城市相关的应用需求。
二、建筑物提取的常用方法
遥感影像进行建筑物提取的基础理论研究始于20世纪80年代，在数十年的发展历程中，各种有关建筑物提取的方法相继提出。按照其自动化程度，分为人工（目视判读）提取、半自动提取、自动提取三个层次。其中人工提取方法主要依据专家经验，应用历史最长，已经比较成熟；部分半自动提取方法的精度也能满足工程实践的要求，目前研究的重点是如何在保证精度的前提下提高自动化程度，即如何实现全自动提取。在现阶段，从遥感影像中自动提取建筑物主要是基于影像的基本特征以及一部分先验知识，而对识别建筑物最有帮助的表面高度信息，因其信息获取的技术难度大，成本高而缺失，影响了从遥感影像获取建筑物信息的精度。因此，全自动提取在技术仍然处于尝试和探索阶段，具有一定的挑战性，因此商业化的软件平台尚未出现。目前国内外有许多研究机构和研究人员从事建筑物自动提取的研究工作，其中较有代表性的有美国McKeown实验室、瑞士“Amber”项目组
、德国波恩大学和慕尼黑技术大学、奥地利格拉茨大学、法国地理院以及中国解放军信息工程大学、武汉大学和国防科技大学ATR实验室等，他们在提取理论和方法方面取得了一定的成果。从遥感影像提取建筑物的原理出发可以分为三大类，基于区域分割的方法、利用辅助知识的方法以及基于直线和角点检测与匹配的方法[2]。
三、面向对象的房屋提取
智能化的自动影像分析方法是面向对象的分类方法，它的分析单元是由若干个像素组成的像素，即目标对象，而不是单个像素。相对于单个像素来说目标对象更具有实际的意义，而且特征的分类和定义均是基于目标进行的。通常，面向对象分类方法主要通过模糊逻辑分类和影像分割来实现。在高分辨率遥感影像中，房屋表现为面状地物，具有一定宽度、长度和面积，传统的提取方法采用区域生长算法，如基于边缘跟踪的方法即边缘检测法等。但这些主要还是基于像元灰度特征的提取算法，在大规模实际应用的准确性、实用性等方面还有较大的差距。在面向对象的聚类信息提取中，把房屋分割成一个个具有一定宽度、长度和面积的方形对象，并且这些对象有一定的面积和长宽比，且在灰度上具有一定的相似性。为了得到满足上述条件的建筑，可先通过对象的灰度特征提取出满足灰度条件的影像对象，再通过一个形状参数的约束来实现。
木盒制作四、技术流程
基于高分辨率影像的面向对象聚类信息提取方法技术流程如图 1 所示。首先，对影像进行预处理，并在此基础上，对影像进行多尺度分割来获取同质区域;其次，通过对多边形对象的分析建立多种知识库体系，再利用知识库中的规则来提取建筑物。
1、影像预处理
首先，对全与多光谱这两种原始影像进行校正与配准;然后，对其进行融合，使融合后的影像既有高分辨率的空间信息，又有丰富的光谱信息。
2、多尺度分割
被划分出来的真正存在的实体即为一个对象，而把一幅图像分割成实地对象相对应的不同部分是多尺度分割的目的。影像分割是面向对象信息提取的关键，许多影像分割方法都是基于影像灰度特征来完成的，而多尺度分割必须要借助图像分割方法，在遥感图像分类方法进行分类前获得图像中的基元或对象。图像分割技术要想在图像上识别和划分出适合的片段必须同时利用空间信息(如大小、形状以及邻近的像元等)和光谱信息(像元的特征向量)，
主要方法有两种，分别是基于区域的分割和基于边缘的图像分割[3]。
3、知识库的建立
电热手套1、光谱特征方面
按照建筑物的材质把房屋分为瓦房和水泥顶房。由于水泥顶房光谱值十分明显，提取起来相对比较容易。而瓦房的光谱值差异较大，一般将其分为向阳面和背阳面分别进行提取;房屋的内部灰度也比较均匀，与相邻区域的灰度反差较大。
2、几何特征方面
房屋长宽比的值较小，其面积也相对较小，所以也可利用房屋的几何特征对提取过程进行约束。运用以上知识库中信息定义相应的规则，可以提取出影像中大部分的建筑。
结束语
本文通过将面向对象方法与传统方法进行比较，提出了一种综合几何特征、光谱特征和空间关系特征基于多边形对象的建筑物提取方法。实验表明该方法在提取房屋的精度、效率
等方面较传统方法都有一定的提高，但在具有特殊形状、多种材质混合的房屋提取上效果较差，精度还不是很高，还有待于进一步研究。
参考文献:
［1］徐昌荣，葛山运．基于面向对象的高分辨率遥感影像建筑物提取研究［J］． 城市勘测,2011(1):84－86．
［2]严海英．Quickbird 影像用于城市用地信息提取方法[J]．测绘科学，2008,33(2):216－217．
［3]陶超，谭毅华，蔡华杰，等．面向对象的高分辨率遥感影像城区建筑物分级提取方法[J]．测绘学报,2010，39(1):39－45．
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议