赵春晖, 李思聪

(哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001)

基于多特征融合的SVM高分辨率遥感影像建筑物提取方法

赵春晖, 李思聪

(哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001)

通过有效地利用多源遥感数据,基于灰度共生矩阵和双边滤波等方法提取建筑物的低层特征,并通过SVM初分类得到建筑物的高层语义特征,将低层特征与高层特征进行有效地融合成为新的特征用于建筑物提取.实验结果表明,进行多特征融合后的建筑物提取的完整率和正确率都得到了提高.

高分辨率遥感影像; 建筑物提取; SVM; DSM; 语义特征

随着航天技术及遥感技术的迅速发展,遥感影像的分辨率与准确度得到了极大的提高,且遥感信息日趋多源化、丰富化.建筑物是城市或城郊地面的重要特征,精确有效地提取建筑物区域在城市规划、灾害预报、资源勘探、地理信息系统库更新、数字化城市以及军事侦察等领域有着重大的意义[1].

高分辨率遥感影像细节丰富,地物信息复杂,相对而言,提取有效信息的难度更大.

目前的建筑物提取根据使用的数据源不同主要可分为以下三类:①通过高分辨率遥感影像提取建筑物,主要利用建筑物的各种形状,边缘及阴影等特征并结合不同的分割算法,进行建筑物区域的提取.若达到建筑物的精确提取,算法大多较为复杂[2].②通过机载激光雷达(LiDAR)数据等高程数据来提取建筑物,目前大多是使用数……