基于GooglEarth卫星影像的.docxVIP

基于Google Earth卫星影像的 建筑物信息识别方法研究 于建明1, 张泽2 YU Jianming1, ZHANG Ze2 1.内蒙古自治区地震局 应急中心,呼和浩特市 010010 2.内蒙古大学 电子信息工程学院,呼和浩特市 010020 1. Emergency Command Center, Inner Mongolia Earthquake Administration, Hohhot 010010, China 2. College of Electronic Information Engineering, Inner Mongolia University, Hohhot 010020, China YU Jianming, ZHANG Ze. Research on building information identification based on Google Earth images. Computer Engineering and Applications Abstract：The traditional housing data by government statistics is based on administrative divisions (taking townships as the smallest unit). The construction all around every region is evenly distributed,which will inevitably reduce the accuracy and reliability degree of the earthquake disaster loss assessment calculation. In the paper,the threshold-based segmentation technology and edge detection methods are adopted to extract the outline information of the buildings contained in the Google Earth high definition images. The Laplacian and Canny methods are choosed to detect and extract the construction outlines by analyzing the above processing results. Key words：Google Earth image; construction outline extracting; threshold-based segmentation technology; edge detection methods 摘 要：传统的基于政府部门统计的房屋数据获取是以行政区划为单位(以乡镇为最小单位)进行的，在任一区域内，建筑物数量会被均匀散布，这必然会降低震灾损失评估计算的准确性和可靠性。在本文中，我们将以内蒙古凉城县地区为例，分别使用Sobel算法、Laplacian算法、Prewitt算法、Canny算法和基于阈值的分割技术提取其境内Google Earth影像包含的建筑物轮廓并对提取效果进行比较, 实验结果表明，对于形状规则且与周围参照物对比度大的矩形建筑物群，使用Laplacian算法和Canny算法可以较为精准地提取出房屋轮廓。 关键词：Google Earth影像; 建筑轮廓提取; 阈值分割技术; 边缘检测方法 文献标志码: A 中图分类号: TP79 1 引言 传统房屋数据收集很大程度上依赖实地走访与人工测量，这种方式容易造成主观误差，且基于行政区划的建筑物数据是在整个区域内均匀分布的[1]，如耕地、林地、山地、矿区、水域等非居民地土地类型上都会默认存在建筑物，这在很大程度上影响了建筑数据在使用时的准确性和可靠性。目前，基于高清卫星遥感影像的建筑物识别与提取方法主要有以下几种: 基于阈值的分割技术、边缘检测、基于活动轮廓和基于角点的检测与匹配[2]。凉城县地形属内蒙古高原类型，地形起伏较大，城镇以外的农居建筑分布较为分散且分布不均匀，总体分布特征为：平原地区相对集中，海拔较高山区相对稀疏[3]。本文将选取基于阈值的分割技术和边缘检测两种图像处理方法对格网化的高清卫星遥感影像进行分析，提取其房屋轮廓，以获取当地民居建筑物数据资料 2 数据及预处理 2.1 数据选取 地图选取凉城县1：50000行政区划图，使用ArcGIS软件将其划分为公里格网地图[4](附属性表格)