王勇華，李燕芳，顏會(huì)哲，佟建楠，徐慧瑩

（1.唐山學(xué)院，河北 唐山 063000；2.河北工程大學(xué)，河北 邯鄲 056000）

0 引言

隨著社會(huì)的高速發(fā)展，人們對(duì)城市建設(shè)的管理要求逐漸提高，對(duì)城市建設(shè)的規(guī)范化、精細(xì)化以及科學(xué)化要求也越來(lái)越高[1]，這給科技研究以及工程技術(shù)帶來(lái)了巨大挑戰(zhàn)，采用單一技術(shù)手段已無(wú)法滿足城市建筑用地的高要求。

BIM 技術(shù)是近年來(lái)應(yīng)用于建筑以及相關(guān)行業(yè)發(fā)展較快的技術(shù)。BIM 技術(shù)即建筑信息模型，具有語(yǔ)義信息豐富、信息一致性強(qiáng)、幾何結(jié)構(gòu)精細(xì)等優(yōu)勢(shì)，符合城市建筑精細(xì)化管理目標(biāo)要求。BIM 技術(shù)可實(shí)現(xiàn)建筑管理的智能化以及協(xié)同化，解決建筑中大量數(shù)據(jù)共享以及實(shí)時(shí)性要求高的難題[2]，滿足建筑規(guī)劃審批等多方面要求。三維GIS 技術(shù)是將建筑物與地形環(huán)境的空間結(jié)構(gòu)相結(jié)合并展示的重要技術(shù)，符合建筑多尺度數(shù)據(jù)的微觀以及宏觀管理標(biāo)準(zhǔn)，為城市建筑用地審批以及調(diào)查工作提供了技術(shù)支持[3]，并對(duì)城市建設(shè)用地相關(guān)信息通過(guò)多領(lǐng)域?qū)崿F(xiàn)交換。多領(lǐng)域信息交換為智慧城市發(fā)展建設(shè)的信息共享，以及協(xié)同工作的重要部分，利用BIM 技術(shù)將城市建設(shè)用地以通過(guò)數(shù)字形式呈現(xiàn)[4]，可有效體現(xiàn)城市建筑用地的物理、幾何、規(guī)則等豐富的語(yǔ)義信息。遙感影像具有信息豐富、地物復(fù)雜以及細(xì)節(jié)清晰的特點(diǎn)，利用有效的特征壓縮提取方法是分析海量遙感數(shù)據(jù)重要方法[5]。GIS 技術(shù)是空間數(shù)據(jù)庫(kù)技術(shù)，可存儲(chǔ)海量的三維空間數(shù)據(jù)并有效管理，同時(shí)可應(yīng)用可視化分析海量數(shù)據(jù)[6]，對(duì)城市建設(shè)用地管理以及分析具有重要作用。GIS主要信息源及核心組成是遙感影像及數(shù)據(jù)，利用GIS 可有效實(shí)現(xiàn)空間數(shù)據(jù)分析以及管理，提升影像以及數(shù)據(jù)的利用價(jià)值[7]。

本文提出BIM 技術(shù)下城市建筑用地遙感數(shù)據(jù)維壓縮提取方法，利用BIM 技術(shù)處理海量城市建設(shè)用地，并將處理后的數(shù)據(jù)轉(zhuǎn)化至GIS 軟件中，采用數(shù)據(jù)維壓縮提取方法實(shí)現(xiàn)城市建設(shè)用地的數(shù)據(jù)有效提取。

1 BIM 技術(shù)的遙感數(shù)據(jù)維壓縮提取方法

1.1 BIM 技術(shù)的遙感數(shù)據(jù)維壓縮提取流程

在此將BIM 技術(shù)應(yīng)用于城市建筑用地中，為建筑規(guī)劃審批工作提供完整準(zhǔn)確的數(shù)據(jù)支持。本文將BIM 技術(shù)與GIS 模型相結(jié)合[8]，以BIM 模型數(shù)據(jù)為基礎(chǔ)，利用BIM 模型解析所采集的遙感數(shù)據(jù)，并壓縮提取城市建設(shè)用地。城市建設(shè)用地壓縮提取具體方案流程圖如圖1所示。

圖1 城市建筑用地遙感數(shù)據(jù)維壓縮提取流程

將待壓縮提取數(shù)據(jù)導(dǎo)入BIM 模型中并輕量化處理BIM 模型，利用輕量化處理獲取城市建筑用地所需要素信息，對(duì)城市建筑用地?cái)?shù)據(jù)充分解析后提取BIM 技術(shù)關(guān)鍵要素信息，并將提取要素后的數(shù)據(jù)轉(zhuǎn)化至GIS 模型[9]，通過(guò)隨機(jī)投影降維實(shí)現(xiàn)遙感數(shù)據(jù)維壓縮，利用視覺(jué)詞匯圖實(shí)現(xiàn)城市建筑用地遙感數(shù)據(jù)維提取。

1.2 BIM 關(guān)鍵要素提取以及數(shù)據(jù)轉(zhuǎn)換方法

BIM 技術(shù)包含建筑設(shè)計(jì)、施工、管理等全部環(huán)節(jié)的相關(guān)建筑設(shè)置以及空間接口，針對(duì)不同研究方向簡(jiǎn)化處理BIM 模型，利用BIM 模型處理遙感數(shù)據(jù)，過(guò)濾相關(guān)信息后，獲取城市建筑用地相關(guān)關(guān)鍵要素。BIM 技術(shù)的關(guān)鍵要素提取以及數(shù)據(jù)轉(zhuǎn)換流程如圖2 所示。

圖2 關(guān)鍵要素提取以及數(shù)據(jù)轉(zhuǎn)換流程

以往將BIM 技術(shù)應(yīng)用于城市建筑用地提取具有數(shù)據(jù)冗余的缺點(diǎn)，會(huì)給城市建筑用地審批造成一定復(fù)雜性。提取城市建筑用地前，主要依據(jù)城市建筑用地具體要求實(shí)施語(yǔ)義過(guò)濾處理[10]，利用不同的數(shù)據(jù)過(guò)濾池去除城市建筑用地語(yǔ)義過(guò)濾。遙感圖像中，土地利用類型主要包括高密度建筑區(qū)、低密度建筑區(qū)、新建筑區(qū)、山地、森林、灌木林、耕地、胡泊、海洋、河流等，依據(jù)城市建筑用地類型，將與城市建筑用地?zé)o關(guān)的詞語(yǔ)，如：山地、森林、灌木林、耕地、胡泊、海洋、河流等作為語(yǔ)義過(guò)濾池，僅保留城市建筑用地相關(guān)[11]詞語(yǔ)，去除多余的與城市建筑用地?zé)o關(guān)語(yǔ)義。

將BIM 模型內(nèi)部要素與語(yǔ)義過(guò)濾池約束相結(jié)合，獲取語(yǔ)義過(guò)濾池重要集合信息，將BIM 實(shí)體模型采用三角網(wǎng)化法轉(zhuǎn)化至可供GIS 模型支持的三角網(wǎng)模型，在轉(zhuǎn)換過(guò)程中，獲取GIS 模型的坐標(biāo)轉(zhuǎn)換矩陣，將城市建筑用地外形輪廓轉(zhuǎn)換至GIS 模型全局坐標(biāo)系。采用ID 值與城市建筑用地相關(guān)語(yǔ)義信息及幾何信息作為GIS 模型數(shù)據(jù)的管理數(shù)據(jù)，城市建筑用地定位采用BIM 技術(shù)，將海量數(shù)據(jù)導(dǎo)入GIS 模型，采用Revit 測(cè)量點(diǎn)與實(shí)際測(cè)量點(diǎn)一一對(duì)應(yīng)來(lái)確定具體坐標(biāo)[12]，實(shí)現(xiàn)對(duì)海量遙感數(shù)據(jù)由BIM 壓縮技術(shù)提取城市建筑用地后轉(zhuǎn)化至GIS 模型坐標(biāo)系的正確定位。

1.3 遙感數(shù)據(jù)維壓縮提取方法

遙感數(shù)據(jù)維壓縮提取方法主要包括降維與選維兩部分，通過(guò)隨機(jī)投影降維實(shí)現(xiàn)遙感數(shù)據(jù)維壓縮，利用視覺(jué)詞匯圖實(shí)現(xiàn)城市建筑用地遙感數(shù)據(jù)維的提取。

1.3.1 基于隨機(jī)投影的特征降維

設(shè)遙感圖像為I，其中，包含波段數(shù)量為n，從遙感圖像各波段依據(jù)像素次序提取圖像塊窗口大小為b×b，排序規(guī)則如下：

式中，q0,0表示中心像素點(diǎn)，且a=1,2,…,fix(

將空間信息與光譜相結(jié)合，利用包含波段數(shù)量為n的特征向量形成新特征向量

式中：Γ表示隨機(jī)投影矩陣，且符合Γ∈Wh×k，k=nb2，h?k。由全部壓縮特征向量組成壓縮特征子空間{ZCS}。

隨機(jī)投影矩陣Γ的大小參數(shù)應(yīng)符合JL 引論，且通過(guò)壓縮感知理論知其應(yīng)符合受限等距性質(zhì)[13]。

1.3.2 基于視覺(jué)詞匯圖的特征提取

視覺(jué)詞匯圖選取全部像素點(diǎn)位置的中心單詞以及像素點(diǎn)鄰域u×u內(nèi)的單詞且設(shè)置為紋理基元，利用視覺(jué)詞匯圖提取遙感影像中城市建筑用地作為表達(dá)興趣像素點(diǎn)的紋理特征。采用該方法獲取的包含紋理信息的紋理基元大小為b×b，可高質(zhì)量體現(xiàn)紋理基元性質(zhì)[14]。視覺(jué)詞匯圖中包含鄰域u×u內(nèi)的單詞可有效體現(xiàn)全局空間信息以及包含中心像素點(diǎn)類別的空間信息，通過(guò)兩個(gè)窗口體現(xiàn)問(wèn)題特征可描述多尺度遙感數(shù)據(jù)。利用視覺(jué)詞匯圖提取城市建筑用地全局紋理特征，包括字典學(xué)習(xí)、詞匯編碼以及特征提取三部分。

1）字典學(xué)習(xí)。將K?均值算法應(yīng)用于壓縮特征子空間內(nèi)，相似性度量準(zhǔn)則為歐氏距離，聚類各類訓(xùn)練樣本的中心為該類的詞匯字典si。

設(shè)存在樣本類別數(shù)量以及聚類中心數(shù)量分別為C以及K，利用組合不同類別的詞匯字典獲取最終壓縮紋理詞匯字典S∈Wh×CK={s1,s2,…,sC}大小為CK。

2）詞匯編碼。選取最近鄰算法依據(jù)所獲取紋理字典S，計(jì)算S內(nèi)全部單詞至{ZCS}內(nèi)紋理基元的歐氏距離，并對(duì)紋理基元利用距離最小單詞相應(yīng)編號(hào)實(shí)施編碼。利用u×u鄰域內(nèi)單詞編號(hào)以及中心單詞組成視覺(jué)詞匯，圖內(nèi)各單詞相應(yīng)紋理基元用li，j表示，x0，0表示中心像素。

3）特征提取。遙感數(shù)據(jù)的統(tǒng)計(jì)特性選取視覺(jué)詞匯圖的詞匯直方圖G=[η1,η2,…,ηCK]T體現(xiàn)，視覺(jué)詞匯圖內(nèi)單詞i出現(xiàn)的次數(shù)用ηi表示。將視覺(jué)詞匯圖內(nèi)詞匯的空間信息加入提升提取精度。詞匯圖內(nèi)空間分布信息選取不同詞匯，針對(duì)中心像素位置的二階矩R=[μ1,μ2,…,μCK]T體現(xiàn)，且μi=其中，si,j與分別表示單詞i距中心點(diǎn)距離以及距離平均值。

將二階矩信息與直方圖信息融合，獲取最終紋理度量Z∈W2CK×1如下：

2 仿真實(shí)驗(yàn)

2.1 實(shí)驗(yàn)對(duì)象

為檢測(cè)本文系統(tǒng)壓縮提取城市建筑用地的有效性，選取重慶市大足區(qū)東側(cè)區(qū)域作為實(shí)驗(yàn)對(duì)象，采用Java 語(yǔ)言在操作系統(tǒng)為Windows XP 的計(jì)算機(jī)中對(duì)本文方法進(jìn)行編程。實(shí)驗(yàn)地區(qū)整體遙感圖像如圖3 所示。

圖3 原始遙感圖像

2.2 結(jié)果與分析

采用本文方法壓縮提取該遙感圖像城市建筑用地，如圖4所示。由圖4實(shí)驗(yàn)結(jié)果可以看出，采用本文方法可有效壓縮提取所采集遙感圖像中的城市建筑用地。

圖4 城市建筑用地提取結(jié)果

由圖3該地區(qū)遙感圖像可以看出，該地區(qū)土地利用類型主要包括高密度建筑區(qū)、低密度建筑區(qū)、新建筑區(qū)、山地、森林、灌木林、耕地7種，其中，建筑用地3種，非建筑用地4種。在此統(tǒng)計(jì)不同土地利用類型下本文方法的提取精度，檢測(cè)本文方法壓縮提取準(zhǔn)確性，并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比，對(duì)比結(jié)果如圖5 所示。由圖5實(shí)驗(yàn)結(jié)果可以看出，采用本文方法提取不同土地利用類型的精度均在99%以上，而深度學(xué)習(xí)方法以及PLS 方法提取不同土地利用類型的精度均低于98.5%，說(shuō)明本文方法的提取精度明顯高于另外兩種方法。

圖5 不同土地利用類型提取精度

該遙感圖像中建筑物主要包括多層住宅樓、工廠廠房、公共建筑、單層新房、單層舊房、高層住宅6 種，統(tǒng)計(jì)采用3 種方法提取6 種建筑物數(shù)量與實(shí)際建筑物數(shù)量進(jìn)行對(duì)比，對(duì)比結(jié)果如表1 所示。由表1 實(shí)驗(yàn)結(jié)果可以看出，采用本文方法提取不同建筑物數(shù)量與實(shí)際建筑物數(shù)量相差較小，而深度學(xué)習(xí)方法以及PLS 方法提取不同建筑物數(shù)量與實(shí)際建筑物數(shù)量相差較大，實(shí)驗(yàn)結(jié)果再次驗(yàn)證本文方法的提取準(zhǔn)確性。

表1 不同方法提取準(zhǔn)確性對(duì)比 個(gè)

從遙感圖像中隨機(jī)選取8 棟建筑物，統(tǒng)計(jì)本文方法提取8 棟建筑物的平均周長(zhǎng)比和平均面積比，并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比，對(duì)比結(jié)果如圖6 所示。由圖6 實(shí)驗(yàn)結(jié)果可以看出，采用本文方法提取遙感圖像中城市建筑用地的平均周長(zhǎng)比與平均面積比均明顯高于深度學(xué)習(xí)方法以及PLS 方法，說(shuō)明本文方法提取城市建筑用地細(xì)節(jié)更為精準(zhǔn)，本文方法能更準(zhǔn)確提取城市建筑用地細(xì)節(jié)，有效提升提取精準(zhǔn)性。

圖6 平均周長(zhǎng)比與平均面積比對(duì)比

從遙感圖像中隨機(jī)選取10 處區(qū)域，統(tǒng)計(jì)采用本文方法下，提取建筑用地建筑物當(dāng)作非建筑物以及非建筑物當(dāng)作建筑物兩種誤判指標(biāo)的數(shù)量，并將本文方法與深度學(xué)習(xí)方法以及PLS 方法對(duì)比，對(duì)比結(jié)果如表2 所示。由表2 實(shí)驗(yàn)結(jié)果可以看出，采用本文方法壓縮提取城市建筑用地建筑物當(dāng)作非建筑物以及非建筑物當(dāng)作建筑物兩種誤判指標(biāo)的次數(shù)明顯低于深度學(xué)習(xí)方法以及PLS 方法，說(shuō)明本文方法可更精準(zhǔn)提取城市建筑用地，具有較高的提取精準(zhǔn)度。

表2 不同方法誤判次數(shù)對(duì)比 次

統(tǒng)計(jì)采用本文方法提取7次該遙感圖像中城市建筑用地最終結(jié)果的信噪比，并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比，對(duì)比結(jié)果見(jiàn)圖7。由圖7 可以看出，采用本文方法提取后的圖像信噪比明顯高于深度學(xué)習(xí)方法以及PLS 方法，說(shuō)明本文方法可有效保持圖像中的有用信息，并且本文方法處理后的圖像仍能保持較高信噪比，有效驗(yàn)證了本文方法具有較好的提取性能。

圖7 不同方法提取結(jié)果信噪比對(duì)比

3 結(jié)語(yǔ)

BIM 技術(shù)是廣泛應(yīng)用于建筑行業(yè)的信息化技術(shù)，BIM 技術(shù)已成為建筑行業(yè)發(fā)展的主流，為建筑行業(yè)數(shù)字化管理提供了技術(shù)支持。本文將BIM 技術(shù)應(yīng)用于城市建筑用地遙感數(shù)據(jù)維壓縮提取方法中，分析所需BIM 組件信息，將與城市建筑用地?zé)o關(guān)信息過(guò)濾，并通過(guò)隨機(jī)投影與視覺(jué)詞匯圖方法壓縮提取城市建筑用地特征，充分利用BIM 技術(shù)的數(shù)據(jù)完整性特點(diǎn)，最大限度提升城市建筑用地提取準(zhǔn)確性，為城市建筑規(guī)劃審批等步驟提供技術(shù)依據(jù)，具有特征提取簡(jiǎn)單、可有效區(qū)分地物等優(yōu)勢(shì)。