劉帆

摘 要：從高分辨率遙感影像中提取建筑物的特征信息是建筑物信息獲取的一種重要手段，同時(shí)也是遙感領(lǐng)域研究的一個(gè)重點(diǎn)方向。本文對(duì)一種高分辨率遙感影像建筑物提取方法進(jìn)行了詳細(xì)的介紹，經(jīng)過實(shí)際應(yīng)用驗(yàn)證，該方法提取效果良好，可供有關(guān)需要參考借鑒。

關(guān)鍵詞：高分辨率遙感影像；建筑物；提取方法

中圖分類號(hào)：P237 文獻(xiàn)標(biāo)志碼：A

近年來，我國(guó)社會(huì)經(jīng)濟(jì)得到迅猛的發(fā)展，城市建設(shè)也取得了巨大的進(jìn)步，為確保城市建設(shè)的順利進(jìn)行，實(shí)時(shí)獲取城市建筑物的動(dòng)態(tài)信息具有十分重要的意義。當(dāng)前，通過對(duì)高分辨率遙感影像進(jìn)行建筑物自動(dòng)提取已成為獲取建筑物信息的一種主要渠道，研究高分辨率遙感影像建筑物提取方法具有十分重要的意義。

1 遙感影像中建筑物的分級(jí)提取原理

1.1 建筑物初提取

在進(jìn)行重建的過程中，利用高帽更換的方式促使其能夠使周邊光亮區(qū)域更加凸顯，進(jìn)而小于結(jié)構(gòu)元素。在亮度圖像上建筑物多為亮特征表現(xiàn)，又因建筑物尺寸有不統(tǒng)一和不確定的特點(diǎn)，相對(duì)而言建筑物在方向上有各向同性的特點(diǎn)。所以，應(yīng)選取多方向、多尺度的結(jié)構(gòu)元素，運(yùn)用相應(yīng)形態(tài)學(xué)對(duì)亮度影像進(jìn)行操作。在對(duì)MBI特征影像進(jìn)行獲取后，進(jìn)行Otsu閾值的分割，并利用八鄰域增長(zhǎng)法生成對(duì)象。由于遙感影像中道路、空地等地物也有亮屬性存在，無法通過簡(jiǎn)單的MBI屬性值準(zhǔn)確地實(shí)現(xiàn)建筑物的分離。所以，可以通過運(yùn)用形狀特征參數(shù)（長(zhǎng)寬比、矩形率和面積）來識(shí)別非狹長(zhǎng)矩形建筑物。當(dāng)中矩形率為對(duì)象面積，面積為最小的外接矩形面積和對(duì)象包括的像素?cái)?shù)量之比，長(zhǎng)寬比為對(duì)象最小外接矩形的長(zhǎng)邊與短邊之比。為保證在進(jìn)行初提取過程中建筑物的準(zhǔn)確性，將矩形率的下限設(shè)為0.8，長(zhǎng)寬比的上限為4∶1。

1.2 建筑物基于多尺度融合的后提取

高分辨率遙感影像細(xì)節(jié)特征豐富，存在相同建筑物光譜信息不均勻現(xiàn)象。在進(jìn)行影像分割時(shí)，利用單一尺度進(jìn)行分割，肯定會(huì)存在分割過度或分割不足現(xiàn)象。在特定地物目標(biāo)提取過程中使用多尺度分割不同空間光譜距離閾值和距離閾值，有利于建筑物提取的精確度。

本文主要利用不同尺度的多尺度分割方法，對(duì)建筑物對(duì)象進(jìn)行正確識(shí)別，并將多尺度下的識(shí)別結(jié)果通過決策級(jí)融合規(guī)則進(jìn)行融合，見表1。以3個(gè)尺度為例，其中0和1對(duì)相應(yīng)尺度下，該像素的識(shí)別結(jié)果為建筑與非建筑物。本文確定如下規(guī)則：在過半尺度下若該像素識(shí)別結(jié)果為建筑物，該像素就確定屬于建筑物。

2 分級(jí)提取建筑物的方法

綜合以上的分析，本文主要確定了兩種計(jì)算方法：第一是建筑物的初提取，第二是通過建筑物紋理特征、初提取結(jié)果、和影像分割進(jìn)行建筑物后提取。

建筑物初提取包括區(qū)域增長(zhǎng)、形狀特征篩選、閾值分割和MBI特征影像生成。建筑物后提取過程包括紋理距離計(jì)算、紋理特征向量、多尺度分割及多尺度融合。

具體操作步驟如下：

2.1 將多方向、多尺度結(jié)構(gòu)元素進(jìn)行結(jié)合，運(yùn)用形態(tài)學(xué)對(duì)原始影像進(jìn)行操作，實(shí)現(xiàn)MBI特征影像的形成。

2.2 運(yùn)用閾值對(duì)MBI特征影像進(jìn)行分割，將待選點(diǎn)運(yùn)用八鄰域區(qū)域增長(zhǎng)方式劃分成對(duì)象。

2.3 將劃分對(duì)象利用形狀特征參數(shù)進(jìn)行篩選，最終實(shí)現(xiàn)初提取。

2.4 對(duì)影像進(jìn)行分割，將分割后對(duì)象的紋理距離和紋理特征向量進(jìn)行計(jì)算，與此同時(shí)利用超綠指數(shù)、亮度均值和面積參數(shù)均值，實(shí)現(xiàn)對(duì)建筑物的區(qū)域識(shí)別。

2.5 融合之前多個(gè)尺度下的建筑物識(shí)別結(jié)果，建筑物提取完成。

3 試驗(yàn)與分析

為了對(duì)上述方法的可靠性與有效性進(jìn)行驗(yàn)證，本文對(duì)沖繩某地遙感影像進(jìn)行了相關(guān)試驗(yàn)，該影像由Google Earth提供。影像包括99個(gè)建筑物；其大小為1052×700像素；影像空間分辨率約為1.1m；有3個(gè)波段的光譜信息。另外，為使以上算法的建筑物提取能力表現(xiàn)得更為直觀，對(duì)其進(jìn)行評(píng)價(jià)利用了3個(gè)定量指標(biāo)，分別是查全率（Recall）、查準(zhǔn)率（Precision）和F1分?jǐn)?shù)（取最大值為佳），下面是計(jì)算公式。

公式中，TP表示人工和本文算法均采集到的建筑物數(shù)目；FP表示未被人工采集，但按本文算法檢測(cè)為建筑物的數(shù)目；FN表示人工采集為建筑物，但未被本文算法檢測(cè)到的建筑物數(shù)目。

如圖1所示為試驗(yàn)區(qū)域的原始影像。建筑物提取參考本文算法提取結(jié)果、人工提取結(jié)果及MBI算法提取結(jié)果。在對(duì)建筑物實(shí)行本文算法的初提取過程中，更嚴(yán)格地控制了MBI法中的形狀特征參數(shù)，限制建筑物初提取結(jié)果為非狹長(zhǎng)矩形，有效減少初提取過程中存在的誤檢測(cè)情況?？梢钥闯鲈贛BI法的基礎(chǔ)上，本文算法具備對(duì)非矩形建筑物的提取能力。表1對(duì)兩種算法的優(yōu)異性進(jìn)行具體分析，量化兩種檢測(cè)方法的結(jié)果，從像素級(jí)、對(duì)象及兩方面進(jìn)行精度比較，分析結(jié)果見表1。

由（表1）可知，本文方法在像素級(jí)和對(duì)象級(jí)兩方面精度相對(duì)于MBI法都有了較大提高，尤其是查全率方面，數(shù)據(jù)提高了10%左右。但像素級(jí)的查全率還需提高，這說明本文的計(jì)算方法可有效控制建筑物的漏檢，但是在建筑物檢測(cè)的完整性方面還有待加強(qiáng)。

針對(duì)多尺度分割方法對(duì)檢測(cè)精度的影響，對(duì)試驗(yàn)影像進(jìn)行相應(yīng)的單一尺度和多尺度融合比較試驗(yàn)。將原始影像進(jìn)行尺度大小為（空域距離閾值和色域距離閾值之和，且兩個(gè)閾值平均選取）16、18、20、22、24、26、28的影像分割，并依次完成相應(yīng)尺度下的陰影檢測(cè)，而后將相應(yīng)尺度大小的兩組進(jìn)行決策級(jí)融合，檢測(cè)精度詳見表2。

由表2可知，在進(jìn)行單一尺度建筑物提取時(shí)，查準(zhǔn)率、查全率和F1分?jǐn)?shù)總的來說會(huì)隨著尺度的增加依次呈現(xiàn)上升、下降和先上升后下降的趨勢(shì)。多尺度融合結(jié)果具有較高的查準(zhǔn)率、查全率和F1分?jǐn)?shù)，并且結(jié)合了粗細(xì)尺度優(yōu)勢(shì)。同時(shí)通過不同粗細(xì)尺度的融合，均可取得較好的檢測(cè)結(jié)果。試驗(yàn)證明當(dāng)影像分辨率為1m時(shí)，可按上述方式選取分割尺度，從而證明了該方法的適用性。

結(jié)語

根據(jù)本文分析，建筑物的信息提取對(duì)城市規(guī)劃和建設(shè)發(fā)展都具有十分重要的意義。對(duì)于高分辨率遙感影像建筑物提取方法的研究，對(duì)建筑物信息具有重要的理論價(jià)值和參考意義。本文提出了一種高分辨率遙感影像建筑物的新型提取方法，該方法能夠準(zhǔn)確、有效地提取遙感影像中的建筑物信息，確保信息的完整性及準(zhǔn)確性，具備良好的推廣、應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]呂鳳華，舒寧，龔龑，等.利用多特征進(jìn)行航空影像建筑物提取[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2017，42（5）：656-660.

[2]潘朝.多尺度顯著性引導(dǎo)的高分辨率遙感影像建筑物提取[J].科技創(chuàng)新與生產(chǎn)力，2017（5）：106-109.

[3]李青，李玉，王玉，等.利用格式塔的高分辨率遙感影像建筑物提取[J].中國(guó)圖象圖形學(xué)報(bào)，2017，22（8）：1162-1174.