高分辨率遥感影像城市房屋信息自动提取模型与实验研究.pdfVIP

维普资讯 第23卷 第 5期 地 理 与 地 理 信 息科 学 V01．23 No．5 2007年 9月 GeographyandGe0一InformationScience September2007 高分辨率遥感影像城市房屋信息 自动 提取模型与实验研究 关 丽，程承旗 ，刘湘南 (1．北京大学遥感与地理信息系统研究所，北京 100871；2．中国地质大学信息工程学院，北京 100083) 摘要：分析高分辨率遥感影像 QuickBird上房屋信息特征空间，构建QuickBird影像房屋空间语义模型，并以大庆 市东城区为实验区域，利用窗口阈值法对影像进行区域分割后，通过空间语义模型实现 QuickBird影像房屋信息 的自动提取，并将提取结果与实地采样数据进行精度对 比。结果显示，其形状一致性和面积一致性分别达到 89．5 和 88 ，其中，矩形房屋提取效果最佳，人字形、多边形房屋的提取效果较理想，但圆形房屋提取效果不理想。 关键词：空间语义模型；高分辨率遥感 ；特征空间；信息自动提取 ；窗口阈值法 中图分类号：TP75 文献标识码：A 文章编号：1672一O5O4(2OO7)O5一OO26一O5 从高分辨率遥感影像上自动、快速地提取 目标 是 Quillian于 1968年作为人类联想记忆的一个心 地物信息是遥感技术应用领域的一个重要课题。作 理模型提出的，它强调应用 自然语言的上下文环境 为一种重要的城市基础地理数据，房屋信息的自动 来理解语言含义E3,4]。语义数据模型是一种通过概 识别和精确提取对于城市 GIS数据获取与更新、影 念及其语义关系来表达知识的有向网络图。从图论 像理解、大比例尺制图以及其他许多应用都具有重 的观点看，它是一个 “带有标示的有向图”。其中，有 要意义。房屋信息的提取效果及结果的实用性依赖 向图的节点表示各种事物、概念、情况、属性、动作、 于遥感影像数据的空间分辨率，高分辨率影像是促 状态等；弧表示节点之间各种语义关系，指明它所连 使房屋信息 自动提取结果实用化 的重要 因素。 接的节点之间的各种语义关系。节点和弧带有标 QuickBird影像全色波段空间分辨率高达0．61m， 识，以便区分不同对象以及对象之间不同的关系。 其房屋信息提取结果满足众多领域的应用需求。近 当把多个基本网元用相应的语义联系相关联时，就 年来，许多学者对高分辨率遥感影像 目标信息 自动 得到一个语义数据模型。 提取进行了大量研究，如Deng等根据一种新的概率 空间语义模型是将图像作为基本分析对象和语 松弛法进行边缘检测，该方法包含一个非线性更新 义环境，从图像理解的角度，充分利用图像上下文信 函数和一个字典生成方法，其非线性更新函数基于 息，分析其空间语义特征和属性语义特征，进而建立 马尔柯夫随机场理论和Bayes公式建立[1；Wang综 完整的语义数据模型，实现空间知识的表达。空间语 合利用多波段图像进行基于知识的房屋信息 自动提 义模型遵循语义数据模型的建模标准，包括节点类 取，其实现策略主要分为影像平滑去噪、将 3个波段 型、父／子节点的确定标准、链接关系及推理机制等。 的图像进行 Laplacian增强、利用K—mo_．_xqYIS聚类算法 与一般的语义数据模型相比，空间语义模型研究对象 生成二值图像、二值图像 目标跟踪、房屋识别和提 的复杂性使其具有复杂的结构，需要对大量非结构化 取[2]。随着人工智能技术在遥感信息 自动提取领域 的对象进行描述和模拟[5]，并且还要合理表达空间关 的不断应用，遥感影像地物信息 自动提取模型由主要 系及其语义约束。空间语义模型的建模过程是将某 依据形状、光谱、纹理等 目标个体特征建立，向注重全 一 类空间现象定义为空间特征，将空间特征抽象为 局知识发现和对象间联系的语义模型方向发展。 语义模型中的对象或实体，利用对象之间的属性关 系以及继承、聚合和