高分影像建筑物自动提取方法研究

Automatic information extraction from High Spatial Resolution Remotely Sensed Imagery (HSRRSI) is the central topic in remote sensing research field, one hardship of which is building extraction. The presently available research achievements are not able to meet practical needs with respect to accuracy, reliability and automation. According to the features of buildings in HSRRSI and the complexity of their surroundings, and based on the frontier of similar research achievements, this project improves the D-S evidence theory and normalized graph-cut, makes comprehensive use of shadow, edge and spectral homogeneity, and proposes a new building extraction method which is applicable for HSRRSI and will complete the design, implementation and case study of the corresponding algorithm which will follow the sequence from bottom to top with “pixel, object, pattern”, i.e. identifying the building distribution area at first, then extracting candidate buildings, and eliminating false-alarm targets finally. The research results are expected to break through the limitations of existing similar studies which have not been able to result in robust algorithms with high automation and accurate edge information, and provide more efficient technical support for constructing and updating general urban geographical database, land use change detection, urban planning and land law enforcement, which has important theoretical significance and clear application prospects.

高分影像信息自动提取是遥感研究领域的核心主题，建筑物提取是其中的难题，现有的研究成果在准确性、可靠性和自动化程度三个方面均未达到实用的水平。本项目根据高空间分辨率遥感影像中建筑物的特点及其周围环境的复杂性，以同类前沿研究成果为基础，改进D-S证据理论和归一化图割算法，综合利用阴影、边缘和光谱同质性等特征，按照“像元、对象、格局”从底层到高层的顺序，即先识别建筑物分布区域、再提取候选建筑物、最后剔除虚警目标，提出一种适用于高分影像的建筑物提取新方法并计划完成其相关算法的设计、实现与实证研究。预期成果有望突破现有同类研究成果算法鲁棒性弱、自动化程度低、缺乏准确的边缘信息等方面的局限性，将为城市基础地理数据库的建设与更新、土地利用变化检测、城市规划与土地执法等业务提供更加高效的技术支撑，具有重要的理论意义与明确的应用前景。

高空间分辨率遥感影像分析处理是信息领域研究的热点，建筑物提取是其中的难题，建筑物自动识别是该问题主要的技术瓶颈，现有文献中已经提出的解决方案在普适性和自动化程度等方面均存在明显的局限性。本文针对上述局限性，以现有文献中的相关研究成果为基础，引入和改进证据理论，集成邻域总变分、多子图匹配和数学形态学等方法，提出一种对数据源无特殊要求、自动的建筑物提取方法，为解决城市基础地理数据库更新、土地执法与信息化管理等问题提供了新的技术途径，对促进高分影像信息提取研究领域的发展具有重要意义。.项目的主要研究内容与成果如下：.（1）研究建筑物区域的识别方法。根据建筑物具有矩形结构的特征识别建筑物非密集区。改进传统D-S证据理论，使其能适应包含冲突证据的多特征融合，并用于建筑物密集区的识别。.（2）针对遥感影像的不同场景，分别设计了三种建筑物提取方法：a) 基于邻域总变分的建筑物提取方法。根据加权邻域总变分构造似然函数计算每一像素点的取值，实现了区域生长分割的种子点的自动生成，解决了传统方法受建筑物形状限制的问题；b) 基于SIFT和多子图匹配的建筑物提取方法。人工选取建筑物模板，采用多子图匹配方法进行建筑物的提取，能够准确且高效地提取结构相似的建筑物；c) 基于阴影和图割的建筑物提取方法。通过计算阴影和候选建筑物的邻接关系提取建筑物，比传统单独利用阴影或分割的提取方法具有更高的准确率。