基于高分辨率遥感影像的建筑物提取及轮廓矢量化研究

城区高分辨率遥感影像中人工地物为主体部分,人工地物主要包括建筑物、桥梁和大型工程设施。其中,建筑物和道路占了影像内容的80%左右。作为地物类别中的主要内容,建筑物的识别和提取占有很大的比例；作为地形图中的重要成图元素,建筑物的识别和提取直接影响到地物测绘的自动化水平。 目前针对建筑物检测和提取方面的研究虽然已取得了一些进展,但大部分工作仍由手工完成或仅有一些半自动功能,而这些工作往往占到整个工作量的一大半甚至80%以上。现有的理论和方法仍不成熟,还不能满足实际应用的需要。 因此,面对海量的影像数据,如何快速并自动地实现建筑物提取,具有十分重要的意义,本文的研究也以此展开。在对当前遥感影像建筑物提取方法进行归纳总结的基础上,针对日本东京地区高分辨率遥感影像的特点,提出了一种有效的建筑物自动提取和矢量化方法,旨在提供一种更精确的多源数据的对象提取方法,为建筑物建模的自动化研究提供参考依据。 首先,本文以高分辨率航空影像和DSM数据为研究数据,针对日本东京地区建筑物类型复杂,地物繁多的特点,提出了四种分割方法,并对四种分割方法进行了比较分析,得出的结论如下： (1)基于RGB影像的改进标记分水岭能较好地改善传统算法的过分割现象,但形状不能很好地描述建筑物的轮廓； (2)基于DSM的建筑物提取方法能准确定位建筑物的感兴趣区； (3)以DSM分割结果为模板,基于水平集的分割方法可以得到一个优化的轮廓,提取得到的建筑物轮廓更接近实际； (4)以DSM分割结果为模板,基于多尺度的分割方法相比水平集方法,其漏分率和错分率有所下降,分割结果能很好地描述该建筑物原有的形状。 其次,在区域分割的基础上,提出了基于角点检测的建筑物轮廓矢量化方法。该方法运行效率高,较之传统的矢量化方法,以少量的角点和直线段来表示目标,节省了内存空间,运算速度快,同时定位精度高,轮廓完整,适合于高分辨率遥感影像建筑物的轮廓规格化描述,为今后的模型化研究和三维重建提供了一种新的思路,具有一定的理论和现实意义。