遙感影像中建筑物提取研究綜述

1、基于遙感影像的建筑物提取研究方法綜述摘要：遙感影像上建筑物提取的基礎理論研究始于20世紀80年代，隨著遙感技術的不斷進步，遙感影像的分辨率及精確度越來越高以及快速發(fā)展的城市在城市空間數(shù)據庫方面的巨大要求。現(xiàn)在城市空間數(shù)據庫需要對數(shù)據快速獲取更新，又因為遙感影像本身具有的現(xiàn)時性，更新速度快的特點。在城市空間數(shù)據庫的更新、城市動態(tài)監(jiān)測、城市變化監(jiān)測以及“智慧城市”建設等方面有著重要的使用價值。本文介紹基于不同遙感影像提取建筑物的基本方法和幾個發(fā)展趨勢。主要包括SAR圖像，LIDAR點云數(shù)據，高光譜影像，航空影像等多種源數(shù)據不同的提取方法，以及不同數(shù)據來源的優(yōu)缺點。同時對建筑物提取研究中需要解決的問

2、題和研究趨勢進行了總結。1. 引言城市地區(qū)的遙感影像中，超過8成的目標是建筑物和道路，所以對建筑物和道路的識別和提取式遙感影像地物提取的主要研究方向，除道路和建筑物以外，剩下的大部分都是植被，在城市中綠地的面積占了一定的比例，在建筑物的提取中，建筑物在遙感影像中容易受到植被的干擾，如何高效率、高質量的剔除植被對建筑物的影響成了建筑物提取的關鍵。進行建筑物提取的主要應用有城區(qū)自動提取、地圖更新、城市變化監(jiān)測、城市規(guī)劃、三維建模、數(shù)字化城市建立等諸多方面，如何實現(xiàn)建筑物的快速、高精度、自動化提取成為目前的研究熱點。目前對綠地和水體的自動提取已經比較成熟， 而道路和建筑物由于其自身的復雜性導致自動提

3、取困難，本文主要提出了目前遙感影像建筑物提取研究的熱點及其發(fā)展趨勢。2. 建筑物提取的歷史發(fā)展快速準確地獲取不同類型城市建筑的空間位置、形狀等信息具有極其重要的意義， 在城市規(guī)劃、城市動態(tài)監(jiān)測、城市三維建模、地形圖更新、地籍調查等方面有廣泛的應用。目前，對自動建立城市三維模型和實現(xiàn)城市虛擬現(xiàn)實的需求越來越多， 利用大比例尺航空影像獲取城市建筑物的三維幾何信息和表面紋理，是實現(xiàn)“三維城市”建模的有效途徑之一。到目前為止，利用高分辨率航空相片或衛(wèi)星影像提取建筑物等人工地物信息的方法大體分為兩類：其一，利用圖像信息結合高程信息進行建筑物信息提取，因為城市里的建筑物有一定的高度信息，通過建筑物與周圍環(huán)

4、境（地面）之間的高差進行屋頂邊界的提取，這種方法大多需要一定的輔助數(shù)據如DEM、DSM等一類具有地物高程數(shù)據的影像。其二，利用高空間分辨率遙感影像數(shù)據結合計算機視覺、圖像處理與分析、人工智能等學科領域的新方法實現(xiàn)對建筑物頂部信息的半自動甚至全自動識別與提取。后一種方法只利用到了圖像的光譜信息，灰度信息以及建筑物的形態(tài)信息和一部分先驗知識，難度更大。建筑物提取中易受到周圍環(huán)境的影響，主要有下面三個方面：(1)房屋邊緣與道平行且相鄰，邊緣檢測后的影像中道路和房屋邊緣相互混淆；(2)因為拍攝角度導致建筑物彼此的遮蔽，影像上丟失了被遮蔽建筑物的信息；(3)建筑物陰影的灰度接近建筑物的灰度，很難區(qū)分二者

5、的邊界，對提取產生干擾。3. 遙感影像的分類及特點遙感影像來提取建筑物，常見的影像數(shù)據：SAR數(shù)據，LIDAR點云數(shù)據，航空影像等。SAR 圖像的幾何變形較嚴重， 可解譯性較差， 并且受雷達波的入射角和波長等參數(shù)的影響較大， 因此直接利用 SAR 圖像進行建筑物輪廓的精確提取比較困難但是， 建筑物在 SAR 圖像中所存在的高亮線條、 陰影區(qū)域、 疊掩區(qū)域和亮斑區(qū)域等能為定位建筑物的感興趣區(qū)域提供可能?；贚IDAR點云數(shù)據的建筑物提取，LIDAR數(shù)據對高程的表達較好，建筑物屋頂與地面有一定的高程差，可以利用這個把地面點濾去。但是這種提取方法受到地面起伏的影響較大，在地勢較為平緩的時候，精度較高

6、，在地勢起伏較大的時候，精確度就會受到很大的影響。機載激光提取建筑物：仍然是一種快速生成DSM數(shù)據，然后進行建筑物的提取。但是建筑物以外的物體對建筑物的提取產生很大的干擾。航空影像因為傳感器的快速發(fā)展，使得航空影像呈現(xiàn)出向高光譜，高分辨率的方向發(fā)展，因為不同地物對不同波段的光的反射不同，因此高光譜在地物分類中得到了較多應用，高分辨率影像分為高時間分辨率影像和高空間分辨率影像，高時間分辨率影像在變化檢測和動態(tài)監(jiān)測等應用中，主要是將不同時相的影像來進行對比分析，高空間分辨率提高了地物的信息量，但是同時也出現(xiàn)了同物異譜，異物同譜的干擾，一方面對提取地物起到了促進作用，但同時也增加了對目標提取物的噪聲

7、影響。到目前為止，高空間分辨率遙感影像中地物信息量豐富、噪聲信息明顯等特點，增加了“同譜異物”和“同物異譜”現(xiàn)象，使得高精度建筑物提取變得困難。由于高分辨率衛(wèi)星的不斷發(fā)射，高空間分辨率遙感影像數(shù)據是當前對地觀測數(shù)據的主要數(shù)據源，因此對高空間分辨率影像的地物提取的研究仍然是主要的研究方向。4. 地物提取的主要方法遙感影像進行建筑物提取的基礎理論研究始于20世紀80年代，在數(shù)十年的發(fā)展歷程中，各種有關建筑物提取的方法相繼提出。按照其自動化程度，分為人工 （目視判讀）提取、半自動提取、自動提取三個層次。其中人工提取方法主要依據專家經驗，應用歷史最長，已經比較成熟；部分半自動提取方法的精度也能滿足工程

8、實踐的要求，目前研究的重點是如何在保證精度的前提下提高自動化程度，即如何實現(xiàn)全自動提取。在現(xiàn)階段，從遙感影像中自動提取建筑物主要是基于影像的基本特征以及一部分先驗知識，而對識別建筑物最有幫助的表面高度信息， 因其信息獲取的技術難度大，成本高而缺失，影響了從遙感影像獲取建筑物信息的精度。4.1 多尺度分割提取方法在基于分割方法進行建筑物提取時，首先使用一定的分割方法對遙感影像進行分割，再根據建筑物自身的幾何形狀、空間位置、走向等特征提取出特定的建筑物目標?；趨^(qū)域分割的面向對象分類是其中最常用的信息提取方法。該方法提取建筑物大致流程是先通過區(qū)域分割將房屋信息從背景中分離出來，再議基于影像對象的分

9、析處理提取所需要的信息。這過程中最關鍵的是分割尺度的選取，分割尺度會影響到后面的建筑物提取的精度。圖因為建筑物的屋頂形狀常常以矩形、三角形為主，因此提取算法主要是從建筑物邊緣線特征出發(fā)，對圖像的邊緣線特征進行一系列的分析處理。例如候蕾使用Hough變換，綜合建筑物幾何特征和灰度特征，提取建筑物；Andrea提出一種基于對圖像邊緣線段的分析、合并的建筑物提取算法；Chungan提給出了一種應用先驗知識，提取遙感影像中幾何形狀規(guī)則的矩形基元，對矩形基元進行篩選與合并提取出遙感影像中的建筑物；文獻提出了一種基于Canny算子的多尺度分割與邊緣分割相結合對遙感影像進行分割與區(qū)域提??；鞏丹超針對高分辨率

10、遙感影像中建筑物邊緣特征清晰的特點，提出了基于邊界線檢測的建筑物提取方法；安文提出了Randon變換線基元提取建筑物。4.2 利用輔助知識的提取方法由于建筑物本身結構和周圍環(huán)境的復雜性，為了提高建筑物提取精度，很多學者提出了通過挖掘圖像中的陰影、紋理、幾何結構特征，結合語義網、上下文等相關信息輔助提取建筑的方法。利用直方圖分割法可以提取影像中的陰影作為帶提取建筑候選區(qū)的輔助依據，因為傳感器自身的缺陷和拍攝的角度，導致影像中的陰影區(qū)域并不一定就是建筑物形成的陰影，因此這只能輔助選取提取建筑物區(qū)域，此外，在城市三維建模研究過程中，已經發(fā)展了以立體航空影像或DEM作為輔助信息結合遙感影響提取三維建筑

11、物的方法。輔助知識只是建筑物的輔助提取方法。4.3 基于直線和角點檢測與匹配的提取方法基于線狀特征的邊緣提取方法是利用邊緣檢測算法得到圖像中的邊緣，根據空間關系對圖像中已經提取的邊緣線段進行分組，搜索平行線，進而搜索符合建筑物空間結構和輪廓的矩形，得到建筑物。由于建筑物本身與地面之間存在的高差，因此在影像上建筑物的邊緣具有較明顯的特點，然后建筑物本身具有一定的規(guī)則性，Taejung Kim（1999）等將邊緣線段組成線段空間關系圖，按照圖的搜索方法， 找尋可能的建筑物結構，即可以構成建筑物輪廓的線段集合。其主要優(yōu)點在于基于空間幾何關系搜索可能的目標，大大彌補了基于灰度方法的漏檢、誤檢等常見的缺

12、陷，充分利用了圖像中目標邊緣著特征， 通過多種理論方法解決搜索問題，增大了精確度。這類方法的劣勢表現(xiàn)兩個方面： 其一， 此方法很難排除一些干擾信息；其二，線段搜索耗時長，算法時間效率差?；诮屈c檢測和匹配的方法是依據遙感影像上建筑物一般具有較為明顯的角點信息而提出的建筑物提取方法，該方法先獨立提取房屋角點，再根據一定的規(guī)則進行角點匹配，達到提取房屋信息的目的。5. 現(xiàn)存的問題5.1 建筑物本身的特點房屋建設多與道路相鄰，對于房屋邊緣與道路平行且相鄰的情況，在分割后影像中道路與房屋邊緣信息容易混淆有些建筑物灰度值與建筑物陰影灰度值接近，很難區(qū)分兩者邊界；對建筑物提取產生干擾；影像中建筑物屋頂亮度

13、值一般較均勻，但是由于屋頂材質的多樣性( 如石棉瓦頂、水泥屋頂、鐵皮屋頂、塑料頂棚、瀝青粘沙屋頂?shù)? ，以及建筑物屋頂上太陽能電熱板和天窗的存在，導致屋頂?shù)墓庾V特征和紋理特征有很大差異，使得在利用建筑物特征進行建筑物提取時受到很大限制。5.2 數(shù)據源的問題因為遙感技術的快速發(fā)展，數(shù)據的獲取變得十分簡單和快捷，數(shù)據量越來越大，此外航空影像中高空間分辨率和高時間分辨率的影像，不同分辨率下的影像會出現(xiàn)不同的特點，這樣就會降低建筑物提取的精度。5.3 提取方法的問題基于多尺度分割的提取方法，分割尺度沒有標準，因人而異，不同的分割尺度必然會產生不同的提取結果，因此，分割尺度的選取也十分關鍵。很多提取方法

14、，都是在影像經過預處理后，也就是分割成小幅影像后進行的研究，算法在數(shù)據量不大的時候的一個提取結果。但是遙感技術的發(fā)展，導致影像的數(shù)據量向越來越大的發(fā)展，在一個提取方法是否有效的時候，還應該考慮到該方法到整幅影像上的提取精度和提取速度。6. 遙感影像提取建筑物的發(fā)展和趨勢由于遙感影像的類別很多，每一類都有著自己的優(yōu)缺點，將不同類別的影像進行融合然后提取建筑物是發(fā)展的一種趨勢，例如，SAR影像存在高亮線條，陰影區(qū)域、疊掩區(qū)域和亮斑區(qū)域，這些都是高分辨率影像里面存在較少或者沒有的特點，因此在地物提取的時候可以將SAR圖像和可見光圖像融合，先利用SAR圖像的特點定位建筑物的大致區(qū)域，然后和可見光圖像進

15、行邊緣匹配，規(guī)定一定的閾值，滿足條件的就能確定為建筑物的邊界。圖6.1LIDAR點云數(shù)據和航空影像的融合，因為LIDAR點云數(shù)據對高程的表達較好，建筑物屋頂和地面有一定的高差，可以利用這個把地面點濾去，利用LIDAR數(shù)據生成DTM和DSM數(shù)據，然后這兩幅影像做差，就能去除地面點。機載激光提取建筑物的原理也是如此，機載激光只是一種快速獲取DSM數(shù)據的方法。但是LIDAR點云數(shù)據的密度會決定最后結果的精度。因此在利用LIDAR點云數(shù)據的時候要對待提取區(qū)域有個先驗的了解，在地勢比較平坦的地方，數(shù)據密度可以小一些，地勢起伏較大的區(qū)域，要選擇一個合適的數(shù)據密度，既要保證精度又要減小數(shù)據量方便后期的數(shù)據處理。