基于偏移阴影分析的高分辨率可见光影像建筑物自动提取

被引：28

作者：

高贤君 ^{[1
]}

郑学东 ^{[2
]}

刘子潇 ^{[3
]}

杨元维 ^{[1
]}

机构：

[1] 长江大学地球科学学院

[2] 长江水利委员会长江科学院

[3] 天津市测绘院

来源：

光学学报 | 2017年 / 37卷 / 04期

关键词：

遥感; 高分辨率可见光遥感影像; 建筑物自动提取; 影像分割分类; 分类样本自动获取; 建筑物验证;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术]; TP751 [图像处理方法];

学科分类号：

070404 [天体测量学]; 080201 [机械制造及其自动化];

摘要：

为了提高建筑物提取的自动化程度和精度,提出了一种以分割-分类-优化为主线、利用偏移阴影分析的建筑物全自动提取方法。首先,采用面向对象的多尺度分割方法进行影像初分割;然后,结合支持向量机(SVM)分类,将分割结果分为阴影、植被、建筑物、裸地四大类并提取初始结果;最后,利用相交边界阴影比率准确地验证了建筑物的存在,剔除了无阴影的非建筑物干扰,获取了最终结果。大量的实验结果验证了该方法的有效性,自动化程度得到明显提高。该方法完整度达到85%以上,正确率和综合分数F1均达到90%以上,且仅需要可见光波段影像数据,适用范围广。

引用

页码：315 / 324

页数：10

共 13 条

[1]

融合航空影像和LIDAR点云的建筑物探测及轮廓提取 [J].

程效军 ;

程小龙 ;

胡敏捷 ;

郭王 ;

张立朔 .

中国激光, 2016, 43 (05) :253-261

[2]

基于深度学习的高分辨率遥感影像分类研究 [J].

刘大伟 ;

韩玲 ;

韩晓勇 .

光学学报, 2016, 36 (04) :306-314

[3]

高分辨率遥感影像阴影的自动检测与自动补偿 [J].

高贤君 ;

万幼川 ;

杨元维 ;

何培培 .

自动化学报, 2014, 40 (08) :1709-1720

[4]

结合结构和光谱特征的高分辨率影像分割方法 [J].

刘婧 ;

李培军 .

测绘学报, 2014, (05) :466-473

[5]

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法 [J].

吴炜 ;

骆剑承 ;

沈占锋 ;

朱志文 .

武汉大学学报(信息科学版) , 2012, (07) :800-805

[6]

基于边缘方向图的建筑物直线特征提取 [J].

丁伟利 ;

王文锋 ;

张旭光 ;

苏连成 .

光学学报, 2010, 30 (10) :2904-2911

[7]

融合机载与地面LIDAR数据的建筑物三维重建研究 [D].

张志超 .

武汉大学,

2010

[8]

高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究 [D].

黄昕 .

武汉大学,

2009

[9]

Building extraction from high-resolution optical spaceborne images using the integration of support vector machine (SVM) classification; Hough transformation and perceptual grouping.[J].Mustafa Turker;Dilek Koc-San.International Journal of Applied Earth Observatio.2015,

[10]

Automatic building detection based on Purposive FastICA (PFICA) algorithm using monocular high resolution Google Earth images.[J].Saman Ghaffarian;Salar Ghaffarian.ISPRS Journal of Photogrammetry and Remote Sensing.2014,

← 1 2 →