缪 君，储 珺，张桂梅

（1.南昌大学机电工程学院，江西 南昌 330031；2.南昌航空大学计算机视觉研究所，江西 南昌 330063）

随着大场景重建、激光扫描等技术的迅速发展以及“智慧城市”概念的提出，基于图像重建大规模虚拟城市场景在城市规划、智能导航、城市监控等方面具有广泛地应用前景[1-3]。窗户是城市建筑物的一种典型表面结构，窗户的识别与检测不但对重建模型有很大的简化作用，还能使模型更接近现实[4]。

常见的窗户检测方法可分为2类：

(1) 基于图像处理的方法。这类方法通常针对特定输入的单张图像，利用图像处理的技术来寻找窗户的几何属性。常用的图像处理技术包括梯度投影[5-7]和阈值分割[8]等。①梯度投影技术，当图像中包括其他非建筑物物体(如树木、行人)或建筑物表面纹理较丰富时，投影峰值区间常和窗户的位置不一致。②阈值分割技术，当图像不具有单峰灰度分布的目标和背景组成时，很难通过直方图的属性寻找最佳分割阈值来定位窗户位置。

(2) 基于机器学习的方法[9-11]。在这类方法中，窗户识别经常被作为建筑物图像理解算法中的一部分内容来处理。窗户被视为组成建筑物各部分结构的基元之一，其具有一定概率分布的随机变量，用马尔科夫随机场(Markov random field, MRF)表示多个基元之间的相互关系，再利用贝叶斯规则，对窗户的结构参数(长、宽、纵横比等)和位置进行估计。这类方法需要对窗户的组成结构和分布有较强的先验知识，窗户的分布模型和上下文模型均须事先给定，因此模型的选择会对识别结果产生决定性的影响，同时，因为每一类基元是用相同的参数模型进行表述，对于不同结构的窗户来说，这往往不准确。……