建筑物快鸟测速

第27卷第4期2011年7月地理与地理信息科学GeographyandGeo-InformationScienceVol.
27No.
4July2011收稿日期:2011-04-29;修订日期:2011-06-22基金项目:国家科技攻关项目(2008BAK50B06)作者简介:黄金库(1984-),男,硕士,研究方向为遥感与地图可视化.
E-mail:jinkuhuang@126.
com基于知识规则构建和形态学修复的建筑物提取研究黄金库1,2,冯险峰1,徐秀莉3,丁青1,2(1.
中国科学院地理科学与资源研究所,北京100101;2.
中国科学院研究生院,北京100049;3.
北京世纪安图数码科技发展有限公司,北京100085)摘要:提出了一种基于知识规则构建和形态学修复的建筑物提取方法,并以青岛市崂山区作为试验区开展建筑物信息提取研究.
首先,选用试验区的快鸟影像,进行影像预处理、小尺度分割、大尺度合并、知识规则构建等算法处理,得到建筑物轮廓的粗提取结果,对提取结果经过形态学修复和边缘检测后,得到粗提取的建筑物轮廓矢量图;然后在以ArcGISEngine为平台开发的建筑物提取系统中,以预处理后影像和第一步中获取的建筑物矢量图作为双底图,针对建筑物的不同形态,分别采用手扶跟踪数字化、自动跟踪数字化和模型数字化来规则化处理建筑物轮廓;最后获得建筑物轮廓的精提取结果.
试验结果表明,与监督分类方法相比,这种方法提取出的建筑物轮廓清晰完整、精度高、速度快,提高了建筑物提取的自动化和智能化水平.
关键词:高分辨率影像;建筑物提取;模型库;图像分割;数字化中图分类号:TP75文献标识码:A文章编号:1672-0504(2011)04-0028-040引言城市化的快速发展及地理信息数据库的更新,对数据的现势性提出了更高的要求.
要完成建筑物信息的更新,需提取建筑物的现状信息.
卫星遥感和信息提取技术的发展,使得从高分辨率遥感影像提取建筑物信息成为可能.
在已有方法中,Kabolizade等[1]提出了利用改进的Snake模型并借助雷达数据自动提取遥感影像中建筑物信息的方法.
付建林等[2]则结合影像分割和几何约束对半自动建筑物信息提取方法作了改进.
查勇等[3]提出了一种基于归一化建筑指数从TM图像上提取城镇用地信息的方法,Stassopoulou等[4]研究了基于Canny算子的多尺度分割与边缘分割相结合,并在Bayes-ian网络支持下,提取房屋特征的方法.
Baatz等[5]提出了一种多尺度分割结合决策树,并考虑光谱、纹理、上下文信息,应用于高分辨率影像的面向对象的信息提取方法,且该方法已经在商业软件Ecogn-ition中实现.
传统的方法中,有一部分是基于像元光谱值差异的,存在提取精度低的缺陷,且通过这种方法在高分辨率遥感影像中提取信息时,不能充分利用影像提供的丰富的纹理、上下文、形状等信息[6,7].
基于特征基元的面向对象方法虽然研究也较多,但若对影像采用单一尺度的分割,破坏了地物的完整性,不利于地物的精确提取,且对提取出的地物后续处理的研究也较少.
传统基于手扶跟踪方法提取建筑物时,虽然精度高,但要耗费大量人力物力,存在提取周期长、效率低的缺点,对于大量数据的生产,已不能满足实际要求,而全自动的提取方法由于受到计算机识别技术和图像理解水平的限制,还不能完全实现.
因此,研究一种半自动的提取方法将更具有实际意义,在对已有方法研究的基础上,本文提出了一种基于知识规则构建和形态学修复的面向对象的半自动的建筑物提取方法,试验证明该方法在提取速度和精度上都能达到要求.
1建筑物信息提取方法与流程1.
1建筑物在高分辨影像中的特征要成功提取出影像中的建筑物,必须分析建筑物在影像中的表现特征.
随着社会的发展,建筑物的外形越来越多,但在遥感影像上,多数建筑物的外形表现比较规则,多为矩形或矩形的组合,也不乏弧形、圆形等特殊外形,其主要特征可概括如下:1)几何特征:按照建筑顶部的投影形状主要可分为U型建筑、L型建筑、矩形建筑及其他类型的建筑.
建筑物的边缘线主要表现为垂直或平行,在居民区中,建筑物排列比较规整,走向基本一致.
2)灰度与纹理特征:在建筑物内部,灰度、纹理都较为均匀,梯度较小,与周围环境差别较大,但与道路、广场等人工构筑物差别不明显.
3)拓扑特征:建筑物表现为规则的地物,具有多边形的拓扑特征,周边常伴有绿地道路等,由于受周围树木的遮挡,建筑物边缘可能存在阴影.
1.
2建筑物轮廓的粗提取利用基于特征基元面向对象的方法提取影像中的地物,已成为近几年遥感领域研究的热点[8-10].
基于面向对象提取方法的优势和建筑物在高分辨影像中的特征,本文采用面向对象的方法粗提取建筑物轮廓.
为充分利用影像提供的各种信息,保证影像的宏观和微观信息,需对影像进行多尺度分割[11-13],选择合适的分割尺度对后续的处理工作至关重要,分割尺度选择过小,会得到许多破碎的图斑,破坏对象的完整性;分割尺度过大,又不能很好地提取对象的边缘特征.
本文对影像分割采用的是一种基于边缘的分割算法,只需设置一个参数就能产生多尺度分割结果.
即首先选取一个小的分割阈值进行小尺度分割,然后选取一个较大的分割阈值解决过度分割问题即大尺度合并,总之,阈值选取要尽可能体现出建筑物的边缘特征.
最后利用影像提供的建筑物的空间、波谱、纹理信息,通过构建知识规则提取出影像中的建筑物轮廓,供下一步精提取使用.
提取流程如图1.
图1建筑物粗提取流程Fig.
1Theflowchartofextractingbuildingcoarsely1.
3建筑物轮廓的精提取由于分割阈值选择的敏感性,加上其他地物(如广场、道路等)的干扰,有的建筑物可能没有被完整地提取出来,或者有的非建筑物地物被当做建筑物误提取,为得到准确的建筑物轮廓,必须对建筑物粗提取结果进一步处理,即建筑物轮廓的精提取过程,主要包括形态学运算和建筑物轮廓的规则化处理.
在已有的手扶跟踪和自动跟踪规则化方法分析的基础上,本文提出了一种利用模型库提取居民区中相同类型建筑物的方法,即通过建模来加快规则化的速度.
建筑物形态学运算主要包括开运算和闭运算.
针对提取出的相邻建筑物出现的相连现象,可以通过形态学开运算使相连的建筑物分割开;针对提取出的建筑物内部出现孔洞或细缝的现象,可以通过形态学闭运算填充孔洞或细缝.
对经过形态学开闭运算处理的建筑物轮廓,通过边缘检测得到粗提取的建筑物矢量图,以供下一步建筑物规则化处理.
以遥感影像和经过形态学运算的建筑物轮廓矢量图作为双底图,针对提取出的建筑物轮廓的不同形态,采用3种方法进行建筑物的规则化处理:1)手扶跟踪数字化:基本原理是以遥感影像为底图,采用人机交互的方式,即通过人工解译,实现对遥感影像中建筑物的提取,主要是提取那些在分割影像时被破坏或外形较复杂的建筑物轮廓.
2)自动跟踪数字化:基本原理是通过设定一个阈值,实现对以阈值为半径的范围内建筑物边缘节点的搜索与定位,并把组成建筑物边缘的节点连接成线,构成多边形,以完成对建筑物轮廓的快速提取.
主要是规则化处理那些在粗提取的建筑物矢量图中表现完整、轮廓明显的建筑物.
3)模型数字化:基本原理是通过建立模型库,把手扶跟踪数字化和自动跟踪数字化提取的建筑物二维矢量模型保存到模型库中,在提取同类建筑物时,直接调用模型进行数字化即可,模型库主要分为典型模型库和常用模型库,对于经常使用的模型(如常见的矩形建筑物模型),可以将其加入到常用模型库中,典型模型库中的模型则按照使用频率排序,使用频率高者排名靠前,在下次提取同类建筑物时,可以直接调用模型,以加快精提取过程.
精提取的具体流程如图2所示.
图2建筑物精提取流程Fig.
2Theflowchartofextractingbuildingaccurately建筑物的精提取过程已经通过编程集成到了一个系统中,系统使用的开发工具是C#,开发平台是嵌入式ArcGISEngine[14],运行环境为Microsoft.
NETFramwork2.
0版本及以上.
2试验与结果分析2.
1试验区及数据准备本文以青岛崂山区一处较复杂的居民区作为试验区,进行建筑物提取的相关研究.
崂山区位于青岛市区东部,与老市区相邻,东南濒临黄海,是青岛页29第第4期黄金库等:基于知识规则构建和形态学修复的建筑物提取研究市总体规划布局结构的一个重要组成部分.
研究选取了该区的QuickBird全色和多光谱融合影像作为试验数据,融合后数据的空间分辨率为0.
61m,并对数据做了预处理,具体操作包括:辐射校正、几何校正、遥感图像的增强与变换[15,16].
2.
2建筑物轮廓的粗提取本试验中建筑物轮廓的粗提取是在ENVIEX中的FeatureExtraction模块中进行.
在提取过程中,参数的设置要能够正确区分建筑物与非建筑物,通过反复试验发现,当小尺度分割、大尺度合并参数分别设置为60.
2、93.
3时,可取得较好的效果.
在知识规则构建中,利用的参数有最小波段值、长度、面积、紧密度、延伸性、矩形度等,最后获得建筑物粗提取结果,具体的提取过程如图3(见封2)所示.
2.
3建筑物轮廓的精提取在获得建筑物粗提取结果后,可发现有的建筑物在粗提取过程中破坏严重,有的没有被成功提取出来,不相连的建筑物出现相连或者建筑物内部出现孔洞或细缝现象,因此,为满足实际生产需要,有必要对建筑物粗提取结果进行形态学修复(图4).
图4形态学修复Fig.
4Morphologicalrehabilitation最后,利用边缘检测算子,对经过形态学修复的建筑物轮廓进行边缘检测,得到建筑物矢量图.
以遥感影像为第一底图,以经过形态学修复后的建筑物矢量图作为第二底图,在开发的建筑物提取系统中,进行集手扶跟踪数字化、自动跟踪数字化和模型数字化于一体的建筑物轮廓规则化处理(图5,见封2),可获得精确的建筑物轮廓图(图6,见封2).
2.
4结果分析试验结果表明,基于知识规则构建和形态学修复的建筑物提取方法,能够成功提取出影像中的建筑物,结合集手扶跟踪、自动跟踪和模型库数字化于一体的规则化处理流程,可以获得更加实用和规则的建筑物轮廓,与基于像元的监督分类方法相比(图7,见封2),提取的建筑物轮廓更加准确,在知识规则构建中通过设置长宽比,可以避免监督分类中道路和建筑物混淆严重的情况;与单一手扶跟踪数字化相比,提取速度明显提高;与自动跟踪数字化提取方法相比,精度得到明显的提高,并且手扶跟踪和自动跟踪提取的建筑物轮廓可立即存入模型库中,随着模型库中建筑物模型的增多,建筑物的提取速度也会加快,在居民区提取相同类型建筑物时,模型数字化的方法优势明显.
3结语试验证明,本文提取建筑物的方法效率高、速度快,但在建筑物的粗提取过程中,分割阈值的选择主观性较强,且没有一个定量的评价标准,因而对阈值选择的定量评价将是今后要解决的问题.
在建筑物精提取过程中,自动跟踪也只是实现了点跟踪,尚未实现对多边形的跟踪,并且本文方法对圆形和弧形建筑物的提取精度不高,这将是下一步研究的方向.
参考文献:[1]KABOLIZADEM,EBADIH,AHMADIS.
Animprovedsnakemodelforautomaticextractionofbuildingsfromurbanaerialim-agesandLiDARdata[J].
Computers,EnvironmentandUrbanSystems,2010,34(5):435-441.
[2]付建林.
GIS中地形可视化与铁路信息查询的研究[D].
西南交通大学,2002.
[3]查勇,倪绍祥,杨山.
一种利用TM图像自动提取城镇用地信息的有效方法[J].
遥感学报,2003,7(1):37-40.
[4]STASSOPOULOUA,CAELLIT.
BuildingdetectionusingBayes-iannetworks[J].
InternationalJournalofPatternRecognitionandArtificialIntelligence,2000,14(6):715-733.
[5]BAATZM,SCHPEA.
Multiresolutionsegmentation:Anop-timizationapproachforhighqualitymult-iscaleimagesegmen-tation[J].
PhotogrammetryandRemoteSensing,2000,58(3-4):12-23.
[6]程承旗,马廷.
高分辨率卫星影像上地物线性特征的自动识别[J].
遥感学报,2003,7(1):26-30.
[7]BLASCHKET.
Objectbasedimageanalysisforremotesensing[J].
ISPRSJournalofPhotogrammetryandRemoteSensing,2000,65(1):2-16.
[8]黄慧萍,吴炳方,李苗苗,等.
高分辨率影像城市绿地快速提取技术与应用[J].
遥感学报,2004,8(1):69-74.
页30第地理与地理信息科学第27卷[9]陶超,谭毅华,蔡华杰,等.
面向对象的高分辨率遥感影像城区建筑物分级提取方法[J].
测绘学报,2010,39(1):39-45.
[10]谭衢霖,高姣姣.
面向对象分类提取高分辨率多光谱影像建筑物[J].
测绘工程,2010,19(4):31-38.
[11]刘正军,张继贤,孟亚宾,等.
基于分类与形态综合的高分辨率影像建筑物提取方法研究[J].
测绘科学,2007,32(3):38.
[12]谭衢霖,沈伟,高姣姣.
高分辨率遥感影像分割提取构筑物评估[J].
北京交通大学学报,2010,34(1):105-109.
[13]BAATZM,SCHPEA.
Object-orientedandmult-iscaleim-ageanalysisinsemanticnetworks[A].
Proc.
ofthe2ndInter-nationalSymposiumonOperationalizationofRemoteSensing[C].
1999.
[14]将波涛.
插件式GIS应用框架的设计与实现基于C#和ArcGISEngine9.
2[M].
北京:电子工业出版社,2010.
163-196.
[15]杜培军.
遥感原理与应用[M].
徐州:中国矿业大学出版社,2006.
113-154.
[16]梅安新,彭望琭,秦其明,等.
遥感导论[M].
北京:高等教育出版社,2001.
98-123.
AStudyofBuildingExtractionBasedonMorphologicalRehabilitationandRule-OrientedClassificationHUANGJin-ku1,2,FENGXian-feng1,XUXiu-li3,DINGQing1,2(1.
InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101;2.
GraduateUniversityofChineseAcademyofSciences,Beijing100049;3.
TheAntuDigitalTechnologyDevelopmentLtdofBeijing,Beijing100085,China)Abstract:BuildingextractionisasignificantstudyingrealmofRemoteSensing.
Inthispaper,amorphologicalrehabilitationandrule-orientedclassificationmethodisproposed,andLaoshanDistrict,QingdaoCityisusedastheexperimentalarea.
Firstly,acoarsebuildingcontourisobtainedfromtheQuickBirdimagethroughthealgorithmsincludingpretreatment,smal-lscaleseg-mentation,mergingsegmentation,rule-basedclassification,morphologicalrehabilitationandedgedetection.
Secondly,tomakethebuildingcontourmoreaccurately,anextractionsystemisdevelopedwiththeArcGISEngineplatform.
Accordingtothedif-ferentmorphologyofbuildingcontours,methods,suchasmanualtrackingdigitization,automaticdigitizationandmodeldigitiza-tion,areadoptedinthissystem,respectively.
Atthisstage,boththevectorbuildingcontourobtainedfromthefirststepandthepreprocessedremotesensingimagearetreatedasbasicmaps.
Finally,precisebuildingcontoursareextracted.
Comparedwiththesupervisedclassification,themethodcanextractbuildingsmoreeffectively,andletstheworkofbuildingextractionbecomemuchmoreautomaticandintelligent.
Keywords:high-resolutionremotesensingimage;buildingextraction;modellibrary;imagesegmentation;digitalization(上接第13页)[64]JIANGB.
Streethierarchies:Aminorityofstreetsaccountforamajorityoftrafficflow[J].
InternationalJournalofGeo-graphicalInformationScience,2009,23(8):1033-1048.
[65]KAZERANIA,WINTERS.
Canbetweennesscentralityexplaintrafficflow[A].
Proceedingsofthe12thAGILEInternationalConferenceonGeographicInformationScience[C].
2009.
1-9.
[66]JIANGB,LIUC.
Street-basedtopologicalrepresentationsandanalysesforpredictingtrafficflowinGIS[J].
InternationalJournalofGeographicalInformationScience,2009,23(9):1119-1137.
AReviewofHumanMobilityResearchBasedonLocationAwareDevicesLIUYu,XIAOYu,GAOSong,KANGChao-gui,WANGYao-li(InstituteofRemoteSensingandGeographicalInformationSystems,PekingUniversity,Beijing100871,China)Abstract:Understandinghumanmobilitypatternsisvaluableinmanygeographicalapplications,suchastransportationplanningandepidemicdiseasecontrolling.
Byintegratingindividua-lbasedmodelsandgeographicalinformationsystems,andadopting-identifiedhumanmobilitypatterns,thegeographicaldynamicscanbeinvestigatedandsimulatedsothatscientificdecisionscanbemade.
Withthedevelopmentofinformationandcommunicationtechnologies,humanmobilitypatternshavebeensignificantlychanged.
Meanwhile,widely-appliedlocationawaredevices,includingmobilephonesandGPSreceivers,providegreatconven-ienceforcollectinglargevolumeindividualstrajectories.
Recently,itisahottopictoanalyzeandinterprethumanmobilitypat-ternsusingsuchtrajectorydatainthefieldsoftimegeographyandgeographicalinformationscience.
Inthispaper,recentre-searchintherelatedfieldswasreviewed.
Keywords:individualbasedmodel;humanmobilitypattern;locationawaredevices;informationandcommunicationtechnolo-gies;timegeography页31第第4期黄金库等:基于知识规则构建和形态学修复的建筑物提取研究