基于航空立体影像的建筑物提取

2014-08-01阚培涛曹良中

遥感信息 2014年1期

阚培涛，曹良中

(1.中国科学院新疆生态与地理研究所，乌鲁木齐 830011；2.中国科学院研究生院，北京 100049)

1 引言

目前一般采用人工采集的方式对航空影像进行建筑物矢量化，这种模式需要大量的人力物力，效率低下。近年来国内外对建筑物的矢量化进行了广泛的研究，大致分为2类：①利用LiDAR数据和高分辨影像相结合提取建筑物[1-3]。用LiDAR数据提取DSM相较于航空影像提取DSM而言具有精度高、时效性强、周期快的优点，但与此同时由于LiDAR数据缺少光谱、纹理信息，数据扫描带中数据分布不均匀，扫描条带覆盖面积小，同名点获取困难，以及费用昂贵等缺陷，导致LiDAR数据在城市建模方面没有航摄数据应用广泛。②利用高分辨影像提取建筑物[4-6]。但是复杂地物在高分辨遥感影像中存在树木遮挡、阴影等噪声，使得分割后的建筑物的目标形状并不完整。同时由于建筑物在图像上存在倾斜，提取的建筑物也不能反映建筑物的真实位置。

本文利用航空影像具有一定重叠度的照片生成DSM，借助影像的光谱信息和DSM进行建筑物的提取。从建筑物位置精度和准确度上考虑，利用DSM，DEM来提取建筑物，并加以影像光谱信息，能够达到位置上的准确性。在DSM噪声信息很少的情况下，可以准确地对复杂建筑物的边界进行提取。同时利用DSM模型验证建筑物矢量位置的偏差，辅助正射影像验证建筑物轮廓，从而达到对提取建筑物多边形质量的评价。

2 航空立体影像建筑物提取方法

2.1 预处理

利用航空立体像对提取DSM，其中DSM的分辨率为图像分辨率的3倍。本文利用基于Axlesson的改进的不规则三角格网加密方法，对DSM进行过滤得到DEM。得到初始DEM后对其进行少量的人工编辑，就可以达到满意的效果。

2.2 图像分割

本文主要采用多尺度分割，多尺度分割的算法如下：

2.3 建筑物提取算法

建筑物形状的多样性和地形的复杂性，导致建筑物的提取难度很大。只从高分辨影像上提取建筑物是非常困难的，本文提出利用精确的DEM模型和DSM模型提取非地面点：

S=DSM-DEM

(2)

其中S为非地面点。借助于DSM分离出两类点：①地面点和噪声点，②由建筑物、植被、阴影构成非地面点。

植被具有以下光谱特性：

(3)

其中T为植被的光谱差异性指数，NDVI为归一化植被指数。在没有近红外波段的情况下可用T来代替NDVI。利用上面植被指数，设定一个合适的阈值，可以分离出70%左右的植被。考虑到植被和建筑物之间的复杂性，可以利用多尺度对其进行二次分割，达到每一个多边形代表一类地物。利用光谱特性和纹理信息对其进行二次分类。

光谱特性主要考虑在树木临近建筑物多边形之间，分离它们的光谱差异：

(4)

其中R，G，B分别为高分辨影像的3个波段，P为每个多边形的光谱平均值，由于树木和建筑物的光谱差异性比较明显，可以分离出建筑物和植被。但是在少量的多边形里面会同时包含树木光谱成分和建筑物光谱成分。这时候需要考虑建筑物和植被的纹理特性。

纹理特性一般为图像灰度在空间上的变化和重复，利用灰度共生矩阵进行两类地物的识别[9]。用灰度值得共生特性度量纹理的指标主要有：对比度，角二阶矩、熵、同质性[10]。主要利用能够较好反映居民点，道路等建设用地的对比度指标，用来度量影像中对比的强烈程度，主要监测图像反差边缘以及边缘效应：

(5)

其中i，j表示像元的灰度，d为i，j像元对间距，θ为两像元的连接方向。

2.4 建筑物边缘优化算法

建筑物分割出来，是由一系列多边形组成，建筑的边界不会光滑，需要对建筑物进行规整化，分为两个步骤：首先，基于分割时的规整化。这主要去棱，使其光滑。主要原理是增长和去棱，定义两类别的比例。

P=Ai/T

(6)

其中T为两个相邻多边形边邻区域，A为目标区域(即需要增长或者去棱的部分)利用式6能够有效地改正多边形的结点数目，从而达到建筑物更加符合实际。其次，基于建模的规整化。这主要是取直，在尽量不偏离建筑物基本形状和大小的情况下去除边界毛刺，直线延长较短边界或者简化曲线，从而获得规则几何形状的多边形建筑物。

2.5 质量评价

利用DSM渲染图和提取出的建筑物矢量图叠加分析，可以得到建筑物矢量图偏离其真实位置的情况。

Dis=Bu-Md

(7)

其中Dis为建筑物矢量图偏离真实位置的距离。Bu为建筑物矢量的位置，Md为建筑物的真实位置即DSM中建筑物模型。计算Bu，Md时，建筑物的中心位置为计算起点。

3 实验分析与评价

3.1 基于SWDC相机

本次实验区域使用数码相机进行航飞作业，图像分辨率为0.15cm，DSM、DEM 的分辨率为0.5cm。实验区域比较典型：处于城乡结合处、绿化面积比较多、房屋的高低、类型更加的多样化。

利用公式(2)～公式(5)对研究区建筑物进行提取，结果如图1(a)所示。由图上可以看出可以提取出97%以上的房子而且植被基本上没有包含在房屋这一类别中。将提取的多边形房屋矢量转化为shp文件，然后进行边缘优化，图1(b)为在分割后规整化结果，可以看出还有很多毛刺需要进一步规则化以减少建筑物角点。对图1(b)进行取直规整，结果如图1(c)所示。可以看出边界更加规整，可以满足建模要求。

图1 建筑物原始提取结果与规整化后的结果

利用提取的房屋矢量与DEM结合建模，和提取前的正射影像，DSM模型结合，实现对建筑物提取质量的评价，同时得到了建筑物数量、面积、高度等信息，结果如图2所示。

图2 建筑物提取评价

从图2(a)、图2(b)中可以看出：房子的边角都是直线，建模出来的模型侧面光滑。从图2(c)、图2(d)可以看出：房屋模型没有偏离其真实房屋位置，高度符合真实情况。从而达到对房屋的提取质量评价的目的。其中房屋的高度、面积信息如表1所示。

共提取了1476个矢量多边形，其中塑料大棚占了432个，未提取塑料大棚为89个。房屋数量1044个，未提取15个。提取出的正确率为98.5%。

表1 基于SWDC相机统计信息

3.2 基于ADS40相机

ADS40相机是三线阵推扫式相机，具有4个通道(R、G、B、NIR)旁向12000像素，航向无限。由于ADS40的作业区域大，推扫式楼房的倾斜现象更加明显，本次试验为城市地区，利用影像为NIR，RED，GREEN三个波段，分辨率为0.2m，其中DSM、DEM 从ADS40立体像对中提取，分辨率为0.5m。利用上述方法提取建筑物如图3所示。