论文摘要
遥感图像建筑物目标检测是目前模式识别与智能技术领域里的研究重点和热点问题之一,对它的研究具有良好的应用价值,无论在军事还是民用方面都具有重要的意义。本文在现有的建筑物检测技术基础上进行深入分析,对目前的方法做了总结和分析了它们存在的优点和缺陷。通过观察大量图像总结出遥感图像建筑物特点,根据这些特点提出了本文算法,克服了目前其他算法的不足。最后通过实验和设计的软件系统验证了文中算法的有效性和优越性。本文的工作与成果主要体现在以下几个方面:(1)通过对遥感图像的大量观察,总结出高分辨率遥感图像建筑物的三个重要特点:建筑物存在阴影但道路和广场不存在阴影;建筑物、道路和广场的图像特征非常相似;建筑物与道路,与广场之间存在或清晰或模糊的边界。而且城区遥感图像可总结出有六类事物:建筑物、树木、阴影、广场、绿地、道路。这六类事物可以根据图像特征归为三大类事物,第一类事物是由阴影组成;第二大类事物是由建筑物、道路、广场组成;第三大类事物是由树木、绿地组成。本文以总结出的六类事物作为对象目标,紧紧针对三个特点设计出从阴影识别、建筑物粗分割到精细分割的一整套方案,实现了对遥感图像建筑物区域的有效检测。(2)针对遥感图像三大类事物的图像特征的特点,提出一套识别三大类事物特别对阴影检测的有效方法。首选利用SLIC进行图像预分割,提取颜色、局部熵和纹理特征,然后利用LDA算法处理所提取特征的数据,使得特征更容易分开,最后采用一对一策略的SVM多类分类器进行分类,成功识别出三大类事物,特别是对阴影的有效检测。(3)本文提出了自适应区域增长方法,实现了对建筑物的粗提取。虽然道路、广场和建筑物图像特征非常相似难以用特征分类的方法去进行区分,但是建筑物与其他两个事物不同点在于存在阴影。所以可以通过阴影与建筑物位置关系找到“备选种子点”,再通过三个重要的筛选条件筛选出“有效种子点”,利用这些种子点进行区域增长自适应的分割出了建筑物的大体轮廓。(4)利用测地线活动轮廓模型(GAC)的方法对建筑物轮廓进行精确分割。GAC是一种有效分割图像的数学方法。使用该算法有两个重要前提:1)初始轮廓线是在所要分割的边缘附近的闭合曲线。2)活动轮廓演化只能向内收缩或者只能向外扩散。经过自适应获得的建筑物大体轮廓可以满足第一个条件。利用开运算和膨胀的图像预处理,可以使得初始轮廓线在建筑物外围平滑分布,满足了第二个条件。经过向内收缩直至收敛,轮廓线精确最终精确检测出了建筑物。(5)本文设计了基于Google Earth和Matlab的软件系统平台,该平台有训练样本功功能、单张图像检测功能和在线图像检测功能三个模块。介绍了三个功能模块的使用方式和界面,系统平台的技术指标。最后利用该平台进行了两组实验,验证了平台的有效性和本文算法广泛适用性。