基于阴影的高分辨率遥感图像建筑物提取研究

论文摘要

近年来,随着航天航空遥感技术的不断发展,卫星遥感影像的分辨率得到了显著的提高,从遥感图像中提取所需信息已经成为了人们获得目标信息的重要收集来源。遥感图像中的建筑物信息是地理信息中主要的信息之一,也是地理信息系统收集数据时的基础数据。建筑物信息的提取对GIS数据的获取、影像的解译、制图以及空间数据库更新等方面都有着深远的意义。从遥感图像中提取人工地物,尤其是建筑物的研究工作已有多年历史,目前仍是一个热点课题。本文从建筑物自身产生的阴影出发,对高分辨率遥感图像建筑物提取进行深入研究,提出了利用数学形态学对遥感图像进行前期、后期处理,基于色彩空间相关知识检测建筑物阴影区域,使用新的种子点选取方法进行区域生长提取建筑物区域的一整套提取建筑物方法。首先利用数学形态滤波对图像进行预处理处理,以达到简化图像数据、保持图像基本形状特性的特性;然后利用色彩空间相关知识以及阴影和植被的光谱特征检测出阴影区域和植被区域,通过两区域的重叠去除树木阴影区域,得到建筑物阴影区域;再利用建筑物与其阴影之间的确定性空间相邻关系,基于建筑物顶部的光谱特性,使用新的种子点选取方法进行区域生长提取出建筑物区域;最后利用形态开闭运算填补建筑物区域中的孔洞和滤去区域外的噪声,得到真正完整的建筑物面区域。从而达到有效的避免提取建筑物干扰因素的影响,提高建筑物提取的准确度的效果。本论文所选用的高分辨率遥感影像均来自于Google Earth,并利用Visual Studio 2008 .NET软件实现其效果。设计真实的统一场景的实验研究得出的结果与人工提取结果进行对比详细的分析,最终的建筑物提取结果具有较高的准确度,表明本论文提出的基于阴影的高分辨率遥感影像建筑物提取方法切实可行,效果较好。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 高分辨率遥感图像建筑物特点
• 1.3 国内外现状
• 1.4 研究内容及其技术路线
• 1.4.1 研究内容
• 1.4.2 技术路线
• 1.5 本文的总体结构
• 第二章 数学形态学基础
• 2.1 数学形态学
• 2.2 数学形态学常用运算及其性质
• 2.2.1 二值形态学基本运算
• 2.2.2 二值形态学组合运算
• 2.2.3 灰度数学形态学
• 2.3 形态滤波
• 2.4 颗粒分析
• 2.5 本章小结
• 第三章 遥感图像预处理
• 3.1 对比度变换
• 3.2 色彩变换
• 3.2.1 色彩空间概述
• 3.2.2 常见色彩模型
• 3.2.3 色彩空间转换
• 3.3 彩色形态滤波
• 3.3.1 图像滤波
• 3.3.2 彩色形态滤波
• 3.4 本章小结
• 第四章 建筑物阴影提取
• 4.1 基于最大类间方差法的检测阴影
• 4.1.1 阴影概述及其特点
• 4.1.2 最大类间方差法
• 4.1.3 检测阴影区域
• 4.2 去除植被阴影
• 4.3 建筑物阴影颗粒分析后处理
• 4.4 本章小结
• 第五章 基于阴影的区域生长法提取建筑物
• 5.1 建筑物与其阴影的空间关系
• 5.2 区域生长方法
• 5.3 选取建筑物种子点
• 5.3.1 提取边界线
• 5.3.2 提取边界线端点
• 5.3.3 获取端点连线
• 5.4 提取建筑物
• 5.5 实验
• 5.6 本章小结
• 第六章 结束语
• 参考文献
• 致谢
• 附录 A（攻读学位期间发表论文目录）
• 附录 B（建筑物提取实验结果）
• 附录 C（相关代码）