杜浩国 张方浩 卢永坤 曹彦波 邓树荣 和仕芳 张原硕 徐俊祖

摘要：为提高遥感影像建筑物结构识别精度，综合利用光谱、形状、空间、纹理和数字表面模型（DSM）建立了建筑物结构分级提取方法。基于研究区无人机高分辨率影像，采用面向对象的影像分析策略，首先进行多尺度分割，以最佳分割与合并指数提取影像中建筑物目标;然后分别采用规则、训练样本与DSM方法对建筑物结构进行分类;最后将3种分类方法进行融合，对比分析了单一方法和融合分类方法的建筑物结构分类精度。结果表明：基于规则+样本+DSM的半监督建筑物结构分类方法错分率、漏检率与Kappa系数最优。

关键词：建筑物结构分类;无人机高分辨率影像;面向对象分类方法;数字表面模型;形状结构;光谱特性

中图分类号：P315.94   文献标识码：A   文章编号：1000-0666（2021）02-0262-13

0 引言

建筑物作为地震灾害风险预评估中最重要的目标类型之一，其信息获取的准确性在加强城市地震灾害防御，提升城市抗震设防能力等方面具有重要意义（周光全等，2010;卢永坤等，2019;张方浩等，2020;曹彦波等，2019）。无人机遥感技术的应用使得快速获取大范围建筑物信息成为可能，避免了耗费大量人力资源、数据采集不一、自动化识别程度低和信息更新不及时等问题（张景发等，2017;陈晋等，2018;杜浩国等，2019）。但在高分辨率影像中，建筑物的光谱、形状、空间、纹理和数字表面模型（DSM）特征不一致，且没有统一的方法对其进行识别提取。因此，采用不同特征相结合的方法，并利用这些识别方法各自的优点，可进一步提升建筑物结构识别的精确度。……