基于航空影像建筑物提取技术研究.docVIP

基于航空影像建筑物提取技术研究 　　摘要:本文基于笔者多年从事航空影像内业处理的相关工作经验,以航空影像建筑物提取技术为研究对象,论文探讨了基于航空影像的建筑物提取技术的国内外现状,给出了建筑物提取技术的路线,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。 　　关键词:航空 建筑物 提取 技术路线 　　中图分类号:P2 文献标识码:A 文章编号:1672-3791(2011)02(c)-0073-02 　　在现代社会,城市的经济发展、自然资源配置、环境保护等问题越来越受到关注,这使得对城市地理环境变化信息的需求急剧增加。另外,现代城市的快速发展,也要求尽可能快地获取城市地理信息。对地观测技术可以快速、准确、大量地提供城市空间基础信息,已经成为当今国内外城市地理信息获取的重要技术手段。而其中的航空摄影测量技术以其成本低、机动灵活、获取的空间信息分辨率高而备受关注。目前的航空摄影测量技术一般采用人工或半人工(人机交互)的方式进行航空影像的后处理,如进行影像校正、获取DEM高程数据、获取和标记道路、建筑物等地理数据,这些工作需要大量的操作人员耗费大量的精力和时间,而且效率很低。另外,从研究的观点来看,对建筑物的检测和描述为场景分割、三维重建和形态描述等计算机视觉技术的研究提供了挑战性的测试环境。因此,研究和解决航空影像中城市空间基础信息的自动提取技术具有重要的理论研究价值和实际应用价值[1]。 　　然而,在城市航空影像中,建筑物信息的获取要比道路、湖泊等其他信息的获取难得多,主要体现在[2]:(1)数据来源主要是二维的航空影像,缺少直接的三维数据;(2)航空影像常常因为尺度、光谱范围、传感器的几何分辨率、图像质量、成像条件等因素的不同而相差较大;(3)各种房屋所表现出来的外形和细节千变万化,统一的房屋模型库难以建立,使得建筑物的提取变得更加困难;(4)由于场景的复杂性,如较低的对比度以及房屋相互遮挡等因素的影响,自动地从背景中分割出建筑物并进行信息的提取困难很大。 　　1 国内外发展现状 　　在航空图像中,房屋和道路是其中最核心的人工地物目标。建筑物的提取一直以来是摄影测量和图像识别领域研究的重点和难点,虽然已经进行了很长时间的研究,但是目前还没有一个很好的成熟产品,能够对大多数的遥感影像进行识别提取,究其原因,基于影像进行建筑物的自动识别和提取主要难度在于以下几个方面[3]。 　　第一,现在建筑物本身结构复杂,国家地域的房屋造型构造不同,简单房屋诸如平顶房屋和人字形房屋越来越少见,很难统一定下计算分析模型。 　　第二,在城市环境中,人造物体太多,建筑物常常被其它物体干扰影响,在影像上可能会造成影像信息混淆,自动分析算法无法智能区分,例如房屋边缘和道路在影像边缘检测中就无法区分。 　　第三,城市建筑物在影像中,由于拍摄角度的倾斜容易使一部分建筑遮蔽了另一部分建筑,同时,受光线的影响,建筑物的阴影也会对提取产生干扰。 　　在1990年以前,对建筑物自动提取的研究大多数集中在建筑物检测和建筑物屋顶轮廓的提取上。它们利用单幅灰度图像和简单的建筑物模型来解决建筑物检测问题。这些方法一般假设人造目标有大量的几何规则性(如平顶直角房屋),利用这些几何特性来降低计算的复杂度。具有代表性的是Nagao[3]和Matstlyama[4]等人研制的航空影像(二维)理解系统。该系统采用区域作为中层符号描述。其组成由输入预处理、基本区域分割、提取线索区、解释模块组成。Tavakoli和Rosenfield以灰度和几何信息来组合线段和根据相容性条件来构成块,最后综合块与提取出的阴影的关系来确定该块是否为建筑物。这是一种自下而上的方法,而且其中对阴影作为识别建筑物的关键作用主导了20世纪80年代的很多研究,著名的有(Huertas,Ne Vatia l988;Mekeownl990;Liow,Pavlidis l990)等。Mekeown提出了利用信息融合(Information Fusion)进行人工地物识别的方法[5]。 　　近年来,利用多张具有重叠的航片提取地物三维空间信息的方法逐渐代替了利用单片进行分析的传统方法。几种具有代表性意义的建筑物重建系统如下[7]。 　　（1）ARUBA(Automatic Reconstructions of Buildings from Aerial images)。这个系统是由瑞士Henricsson教授领导研制的。其目的是从多视点高分辨率航空图像中高精度地重建一般建筑物屋顶的三维结构。 　　（2）TOBAGO(Topology Building for the Automated Generation of Objects)。 　　此系统