[发明专利]利用阴影的高分辨率遥感影像建筑物自动提取方法及系统

说明书

本发明公开了一种利用阴影的高分辨率遥感影像建筑物自动提取方法及系统，方法首先对影像进行阴影、植被、裸地、建筑物的样本自动提取，并结合SVM分类原理实现自动分类，提取建筑物初始结果；然后，再对初始结果后处理优化，包括形态学预处理、漏检补充及建筑物验证等，输出建筑物最终结果。系统包括样本区域自动提取模块、SVM分类器训练与输出模块和后处理优化模块；本发明通过设计样本自动提取方法和有效的后处理优化措施，能有效提高建筑物提取的自动化程度，并能保证精度。

技术领域

本发明属于遥感影像应用技术领域，特别是涉及一种利用阴影的高分辨率遥感影像建筑物自动提取方法及系统。

背景技术

建筑物作为重要地物目标，建筑物的自动提取技术是遥感解译研究的一个重要方面，许多遥感应用如城市规划和地图制图的持续更新、快速应急响应、基础设施建设、灾难规划与管理等都需要快速提取建筑物信息，但目前的建筑物提取过于依赖人工，自动化程度偏低。

目前的建筑物提取方法常根据应用要求和所能利用的数据而设计。光学影像、LiDAR数据和SAR数据是常用数据源。基于LiDAR、SAR、立体像对数据可方便提取建筑物的高程信息，在建筑物的三维重建应用得到广泛应用[文献1-5]。相对于光学影像，LiDAR和SAR数据的获取代价更高，以至于它们的应用范围没有光学影像广泛。且此类方法复杂度较高，数据获取成本较高，从数据源方面限制了方法的应用范围，降低了普适性。

光学影像以其易获取、覆盖面广的特点，可解除数据源引起的普适性不足的限制，仅依据单幅影像、无需其他先验知识设计相应的建筑物提取方法，能有效减少人工辅助，更利于实现建筑物的自动提取及应用拓展。基于光学影像的建筑物提取方法主要有面向对象的图切法、动态轮廓法、分类法[文献6-8]。面向对象的图切法主要是通过图论(Graph-Cut)原理对影像进行分割，获取由同质像素组成的不同大小的子对象，然后再利用建筑物的特征约束条件对各对象进行筛选提取建筑物目标。此类方法能有效利用建筑物的光谱和形状特征，对先验知识的依赖较低，但易受树木遮挡、阴影、道路等噪声及建筑物复杂构造特性影响导致分割不准确，自动化程度偏低。

动态轮廓法是通常通过检测直线、角点等底层特征，生成矩形轮廓来假设屋顶轮廓，用高度、阴影和墙来验证屋顶轮廓，再应用snake模型来优化建筑物轮廓[文献9-10]。这类方法对扁平屋顶和人字形屋顶的建筑物提取具有一定的效果。但模型复杂度高，不易实现自动提取。

分类法主要是首先联合建筑物的多种特征用于地物分类获取建筑物初始结果，再采取后处理优化方法获取更完整的建筑物结果。初始结果提取一般采用基于像素和面向对象的分类原理实现。基于像素的分类包括最大似然法、ISODATA、直方图聚类、Bayesian网络、人工神经网络、支持向量机、阈值法。面向对象的分类方法实质上是分割，主要有分层分割法、基于规则的分割方法、分水岭分割方法、均值平移分割法[文献11-16]。其中，常用的建筑物特征主要有光谱特征(R、G、B、NIR)、纹理特征、结构特征(如形状、大小、高度、MBI指数)、差分形态轮廓(DMP)等。这些特征通常被联合起来用于识别建筑物。再提取初始建筑物结果的基础上，一般还需要采取区域增长、数学形态学方法、遗传算法等方法对初始结果进行后处理，获取更完整的建筑物结果。在这类优化处理过程中，阴影、植被、先验的形状知识(如矩形、圆形的建筑)通常被用来作为确认建筑的辅助信息。此类方法无需先验知识，但常采用的监督分类必须依赖样本训练，样本选取往往离不开人工辅助，导致自动化程度降低。

[文献1]C.A.Vanegas,D.G.Aliaga,B.Benes.Automatic Extraction ofManhattan-World Building Masses from 3D Laser Range Scans[J].IeeeTransactions on Visualization and Computer Graphics,2012,18(10):1627-1637.