一种高分辨率遥感影像建筑物提取方法研究刘帆摘要：从高分辨率遥感影像中提取建筑物的特征信息是建筑物信息获取的一种重要手段，同时也是遥感领域研究的一个重点方向。本文对一种高分辨率遥感影像建筑物提取方法进行了详细的介绍，经过实际应用验证，该方法提取效果良好，可供有关需要参考借鉴。关键词：高分辨率遥感影像；建筑物；提取方法：P237文献标志码：A近年来，我国社会经济得到迅猛的发展，城市建设也取得了巨大的进步，为确保城市建设的顺利进行，实时获取城市建筑物的动态信息具有十分重要的意义。当前，通过对高分辨率遥感影像进行建筑物自动提取已成为获取建筑物信息的一种主要渠道，研究高分辨率遥感影像建筑物提取方法具有十分重要的意义。1遥感影像中建筑物的分级提取原理1.1建筑物初提取在进行重建的过程中，利用高帽更换的方式促使其能够使周边光亮区域更加凸显，进而小于结构元素。在亮度图像上建筑物多为亮特征表现，又因建筑物尺寸有不统一和不确定的特点，相对而言建筑物在方向上有各向同性的特点。所以，应选取多方向、多尺度的结构元素，运用相应形态学对亮度影像进行操作。在对MBI特征影像进行获取后，进行Otsu阈值的分割，并利用八邻域增长法生成对象。由于遥感影像中道路、空地等地物也有亮属性存在，无法通过简单的MBI属性值准确地实现建筑物的分离。所以，可以通过运用形状特征参数（长宽比、矩形率和面积）来识别非狭长矩形建筑物。当中矩形率为对象面积，面积为最小的外接矩形面积和对象包括的像素数量之比，长宽比为对象最小外接矩形的长边与短边之比。为保证在进行初提取过程中建筑物的准确性，将矩形率的下限设为0.8，长宽比的上限为4∶1。1.2建筑物基于多尺度融合的后提取高分辨率遥感影像细节特征丰富，存在相同建筑物光谱信息不均匀现象。在进行影像分割时，利用单一尺度进行分割，肯定会存在分割过度或分割不足现象。在特定地物目标提取过程中使用多尺度分割不同空间光谱距离阈值和距离阈值，有利于建筑物提取的精确度。本文主要利用不同尺度的多尺度分割方法，对建筑物对象进行正确识别，并将多尺度下的识别结果通过决策级融合规则进行融合，见表1。以3个尺度为例，其中0和1对相应尺度下，该像素的识别结果为建筑与非建筑物。本文确定如下规则：在过半尺度下若该像素识别结果为建筑物，该像素就确定属于建筑物。2分级提取建筑物的方法综合以上的分析，本文主要确定了两种计算方法：第一是建筑物的初提取，第二是通过建筑物纹理特征、初提取结果、和影像分割进行建筑物后提取。建筑物初提取包括区域增长、形状特征筛选、阈值分割和MBI特征影像生成。建筑物后提取过程包括纹理距离计算、纹理特征向量、多尺度分割及多尺度融合。具体操作步骤如下：2.1将多方向、多尺度结构元素进行结合，运用形态学对原始影像进行操作，实现MBI特征影像的形成。2.2运用阈值对MBI特征影像进行分割，将待选点运用八邻域区域增长方式划分成对象。2.3将划分对象利用形状特征参数进行筛选，最终实现初提取。2.4对影像进行分割，将分割后对象的纹理距离和纹理特征向量进行计算，与此同时利用超绿指数、亮度均值和面积参数均值，实现对建筑物的区域识别。2.5融合之前多个尺度下的建筑物识别结果，建筑物提取完成。3试验与分析为了对上述方法的可靠性与有效性进行验证，本文对冲绳某地遥感影像进行了相关试验，该影像由GoogleEarth提供。影像包括99个建筑物；其大小为1052×700像素；影像空间分辨率约为1.1m；有3个波段的光谱信息。另外，为使以上算法的建筑物提取能力表现得更为直观，对其进行评价利用了3个定量指标，分别是查全率（Recall）、查准率（Precision）和F1分数（取最大值为佳），下面是计算公式。公式中，TP表示人工和本文算法均采集到的建筑物数目；FP表示未被人工采集，但按本文算法检测为建筑物的数目；FN表示人工采集为建筑物，但未被本文算法检测到的建筑物数目。如图1所示为试验区域的原始影像。建筑物提取参考本文算法提取结果、人工提取结果及MBI算法提取结果。在对建筑物实行本文算法的初提取过程中，更严格地控制了MBI法中的形状特征参数，限...