基于多特征的高分辨率遙感圖像城區(qū)建筑物提取.pdf

1、近年來(lái)我國(guó)經(jīng)濟(jì)發(fā)展迅速,城市面貌日新月異。為了更好的進(jìn)行城市建設(shè)及規(guī)劃,我們需要及時(shí)準(zhǔn)確的掌握城市建筑物信息。伴隨著遙感技術(shù)的進(jìn)步,人們能獲得的遙感圖像分辨率不斷提高。目前QuickBird,WordView等衛(wèi)星能為我們提供分辨率為亞米級(jí)的高分辨率衛(wèi)星圖像。我們能得到更為豐富的地表細(xì)節(jié)信息。高分辨率圖像更適合應(yīng)用于地物情況復(fù)雜的城區(qū)建筑物提取。但是高分圖像細(xì)節(jié)豐富的同時(shí)也不可避免的引入了更多的噪聲。因此針對(duì)中低分辨率的面向像素的處理方

2、法不適用于高分辨率遙感圖像,同時(shí)單一特征無(wú)法為影像分析提供充分依據(jù)。因此,在高分辨率遙感圖像城區(qū)建筑物的提取過(guò)程中,本文采用了面向?qū)ο蟮亩嗵卣鞣椒ā?br>　　論文首先重點(diǎn)對(duì)圖像分割進(jìn)行了詳細(xì)研究。主要包括基于圖論的分割方法,基于改進(jìn)分水嶺的分割方法,并將二者結(jié)合,提出了圖論與改進(jìn)分水嶺相結(jié)合的分割方法。由于傳統(tǒng)的分水嶺方法在圖像分割過(guò)程中存在著非常嚴(yán)重的過(guò)分割問(wèn)題,分割出的區(qū)域過(guò)于細(xì)小,沒(méi)有實(shí)際意義;而圖論方法處理高分辨率遙感圖像的時(shí)

3、候計(jì)算量大,耗時(shí)長(zhǎng)。本文對(duì)分水嶺方法進(jìn)行了基于形態(tài)學(xué)開(kāi)閉重建的改進(jìn)。用改進(jìn)分水嶺分割得到的小區(qū)域?qū)ο笞鳛閳D論分割方法構(gòu)建加權(quán)圖的頂點(diǎn),計(jì)算區(qū)域?qū)ο笮再|(zhì),得到權(quán)重矩陣,通過(guò)對(duì)權(quán)重矩陣的劃分完成整幅圖像的分割。圖論和改進(jìn)分水嶺相結(jié)合得到的方法結(jié)合了二者的有點(diǎn),能得到完整準(zhǔn)確的地物對(duì)象,且大大縮短了計(jì)算時(shí)間。
　　接著論文研究分析了特征提取和選擇技術(shù)。對(duì)分割后的小區(qū)域提取了光譜特征,形狀特征,紋理特征等共36個(gè)特征。然后對(duì)得到的對(duì)象特征

4、進(jìn)行了特征選擇。論文利用ReliefF方法計(jì)算特征權(quán)重,分類能力強(qiáng)的特征對(duì)應(yīng)的特征權(quán)重也大。我們選擇出權(quán)重大的特征并判斷特征間的相關(guān)性。刪除相關(guān)性高的特征,最終得到有效合理的特征組合。
　　最后論文研究了高分辨率圖像分類技術(shù)及建筑物外形優(yōu)化技術(shù)。面向?qū)ο蟮姆诸惙椒ㄡ槍?duì)的是經(jīng)過(guò)圖像分割之后得到的對(duì)象區(qū)域而不是單個(gè)像素進(jìn)行分類,有效地避免了傳統(tǒng)的面向像素方法進(jìn)行分類時(shí)的“椒鹽效應(yīng)”。通過(guò)形態(tài)學(xué)濾波及小面積區(qū)域剔除,論文最后提取到了規(guī)則