基于多特征的高分辨率遥感图像城区建筑物提取

近年来我国经济发展迅速，城市面貌日新月异。为了更好的进行城市建设及规划，我们需要及时准确的掌握城市建筑物信息。伴随着遥感技术的进步，人们能获得的遥感图像分辨率不断提高。目前QuickBird，WordView等卫星能为我们提供分辨率为亚米级的高分辨率卫星图像。我们能得到更为丰富的地表细节信息。高分辨率图像更适合应用于地物情况复杂的城区建筑物提取。但是高分图像细节丰富的同时也不可避免的引入了更多的噪声。因此针对中低分辨率的面向像素的处理方法不适用于高分辨率遥感图像，同时单一特征无法为影像分析提供充分依据。因此，在高分辨率遥感图像城区建筑物的提取过程中，本文采用了面向对象的多特征方法。 论文首先重点对图像分割进行了详细研究。主要包括基于图论的分割方法，基于改进分水岭的分割方法，并将二者结合，提出了图论与改进分水岭相结合的分割方法。由于传统的分水岭方法在图像分割过程中存在着非常严重的过分割问题，分割出的区域过于细小，没有实际意义；而图论方法处理高分辨率遥感图像的时候计算量大，耗时长。本文对分水岭方法进行了基于形态学开闭重建的改进。用改进分水岭分割得到的小区域对象作为图论分割方法构建加权图的顶点，计算区域对象性质，得到权重矩阵，通过对权重矩阵的划分完成整幅图像的分割。图论和改进分水岭相结合得到的方法结合了二者的有点，能得到完整准确的地物对象，且大大缩短了计算时间。 接着论文研究分析了特征提取和选择技术。对分割后的小区域提取了光谱特征，形状特征，纹理特征等共36个特征。然后对得到的对象特征进行了特征选择。论文利用ReliefF方法计算特征权重，分类能力强的特征对应的特征权重也大。我们选择出权重大的特征并判断特征间的相关性。删除相关性高的特征，最终得到有效合理的特征组合。 最后论文研究了高分辨率图像分类技术及建筑物外形优化技术。面向对象的分类方法针对的是经过图像分割之后得到的对象区域而不是单个像素进行分类，有效地避免了传统的面向像素方法进行分类时的“椒盐效应”。通过形态学滤波及小面积区域剔除，论文最后提取到了规则、完整、准确的建筑物区域和外形。