基于图像序列的城市建筑物建模研究

论文摘要

三维城市建模是数字化城市的基础工作。为了准确,真实的再现城市,目前主要有以下几种建模方法:第一,应用DEM数据和层次的建筑结构表示来实现三维城市的建模。第二,利用遥感技术得到的雷达数据和GIS数字数据来生成建筑模型。第三,综合航空卫星图像和激光扫描数据实现城市建模。第四,利用一些形状语法和对城市类型的归纳进行过程式建模。第五,基于图像或视频序列的利用计算机视觉技术的城市建模方法。前三种方法虽然能得到比较精确的模型,但是也有一些共同的缺点,比如,数据的获取比较困难,需要比较昂贵的设备,导致建模工作量大,费用高。而第四种方法虽然快速,但是真实度不高,所以也不适合用来表示真实的城市。目前,已有不少的研究是采用基于图像的建模技术构造城市模型,该方法的优点是数据获取容易,工作量相对来说较小,成本低。正是因为这些原因,本文提出一种基于图像序列的建模技术并结合信息理论中的互信息来进行城市建筑物建模的方法。本文的基本思想是,首先从GoogleEarth上勾勒出建筑物的轮廓,然后用沿着街道对建筑物正面进行拍摄的图像序列构造多视点全景图,并利用得到的全景图自动提取建筑物的上下边缘,之后利用城市建筑物的结构特性对全景图中得到的建筑物纹理进行遮挡修复,这里,我们利用信息理论中的互信息的概念来检测,采用结合多种图像处理的方法修复被遮挡的纹理,最后从得到的纹理中提取一些更为丰富的建筑细节以得到视觉上更为真实的模型,这里我们利用了互信息的概念和图像分割的方法。与其它方法相比,本文的方法有以下优点:■数据的获取更简单■建筑物正面纹理更真实■一定量的提取了建筑物上的结构细节

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 目前现状及本文算法概述
• 1.2.1 三维建模技术的研究现状
• 1.2.2 本文的算法
• 1.3 本文涉及的关键技术
• 1.3.1 全景图构造
• 1.3.2 线段提取
• 1.3.3 高斯混合模型
• 1.3.4 图像修复
• 1.3.5 图像分割
• 1.4 本文的结构安排
• 1.4.1 数据的获取
• 1.4.2 论文安排
• 第2章 初始模型的建立
• 2.1 多视点全景图的构造
• 2.1.1 预处理
• 2.1.2 基于马尔可夫随机场的视点选择
• 2.2 GOOGLEEARTH上建筑物轮廓的指定
• 2.3 建筑物上边缘的自动提取
• 2.4 建筑物下边缘的自动提取
• 2.5 初始模型的建立
• 2.6 本章小结
• 第3章 楼层结构的提取和无遮挡纹理的合成
• 3.1 基于互信息的相似性检测
• 3.1.1 互信息的原理
• 3.1.2 对称性检测
• 3.1.3 楼层位置的确定
• 3.2 采用GRAPH-CUT方法的纹理修复
• 3.2.1 Graph-Cut基本方法介绍
• 3.2.2 具体实现
• 3.3 基于高斯混合模型的纹理修复区域检测
• 3.3.1 已知的待修复区域的高斯混合模型的参数估计
• 3.3.2 待修复区域的检测
• 3.4 基于POISSON IMAGE EDITING的纹理修复
• 3.5 本章小结
• 第4章 建筑物正面细节的提取
• 4.1 基于互信息的建筑物单元的分割
• 4.2 结合线段检测和图像分割的建筑物单元细分
• 4.2.1 线段检测
• 4.2.2 相似区域的合并
• 4.2.3 基于图的图像分割
• 4.2.4 建筑单元细分
• 4.3 建筑物单元上细节的深度的指定
• 4.4 模型的建立
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 本文工作总结
• 5.2 未来工作展望
• 参考文献
• 致谢
• 作者简历