面向对象的高分辨率遥感影像建筑物提取研究及应用

摘要

高分辨率遥感影像具有较高的分辨率，能够充分展现地表的细节信息。从高分辨率遥感影像上高效、准确地获取地表信息已经成为当前遥感领域研究的一个热点。建筑物作为城区中的重要地物，对其进行识别与提取对数字城市建设、城市规划等具有重要的意义与应用价值。传统基于像元的目标识别与提取方法在高分辨率遥感影像中已不适用，面向对象的分类技术已成为主要的发展趋势。
　　针对面向对象中影像过分割、特征选择的盲目性以及不同数据源的高分辨率遥感影像建筑物提取问题，首先研究基于Canny边缘检测算法，把具有明显轮廓的地物边界检测出来，将边缘检测结果作为影像的一个光谱图层辅助多尺度分割。然后利用基于互信息的最大相关最小冗余特征选择算法和SVM分类器对影像对象特征进行选择及分析。最后分析高分辨率影像上建筑物与阴影的空间关系特征以及建筑物的专题特征，从而引入空间关系特征和nDSM专题特征，并结合最大相关最小冗余特征选择算法和SVM分类技术，对比不同数据源下的高分辨率遥感影像建筑物提取方法。实验表明，融合边缘与区域特征的多尺度分割方法和基于最大相关最小冗余特征选择方法能够有效地改善影像的过分割现象并且克服面向对象分类中对象特征选择的盲目性，同时，通过引入空间关系特征和nDSM专题特征能够减少建筑物与广场、停车场等地类混淆分类的问题，可以有效提高建筑物提取的精度。

目录

声明

致谢

摘要

1 绪论

1．1 选题背景及意义

1．2 国内外研究现状

1．2．1 基于辅助因素的建筑物提取

1．2．2 基于边缘检测的建筑物提取

1．2．3 基于建筑物指数的建筑物提取

1．2．4 基于面向对象的建筑物提取

1．3 主要研究内容

1．4 研究方法与技术路线

2 面向对象的影像解译理论

2．1 影像分割

2．1．1 FNEA分割原理

2．1．2 异质性准则

2．2 对象的特征表达

2．3 影像目标分类

2．3．1 阈值分类

2．3．2 最邻近分类

2．3．3 支持向量机分类

2．4 分类后精度评价

2．5 小结

3 面向对象建筑物提取的关键技术研究

3．1 优化的多尺度分割

3．1．1 基于Canny算子的边缘检测方法

3．1．2 融合边缘与区域特征的多尺度分割

3．2 对象的特征选择

3．2．1 特征选择的作用

3．2．2 特征选择的基本框架

3．2．3 特征选择算法的研究

3．3 最优特征选择

3．3．1 最优特征选择算法

3．3．2 最优特征选择评价

3．3．3 对象特征选择流程

3．4 特征选择实验

3．4．1 影像分割及对象特征表达

3．4．2 特征选择

3．4．3 分类精度比较

3．5 小结

4 面向对象的高分辨率遥感影像建筑物提取及应用

4．1 项目背景

4．2 数据介绍

4．3 建筑物提取方案

4．3．1 影像多尺度分割

4．3．2 简单地物与建筑物候选区提取

4．3．3 nDSM专题特征和空间关系特征的引入

4．3．4 特征选择和分类

4．4 建筑物提取

4．4．1 三波段高分辨率遥感影像建筑物提取

4．4．2 nDSM辅助的三波段高分辨率遥感影像建筑物提取

4．4．3 结合对象关系特征的四波段高分辨率遥感影像建筑物提取

4．4．4 nDSM辅助的四波段高分辨率遥感影像建筑物提取

4．5 建筑物提取结果分析

4．6 小结

5 结论与展望

5．1 结论

5．2 展望

参考文献

作者简历

学位论文数据集