唐少杰　廉琦　王小宇

摘  要：无人机遥感影像精度高、现势性强，已被应用于多种地物的高精度提取中，基于无人机可见光遥感影像，使用多种指数方法提取贵州省典型山区房屋建筑，得到结论，植被颜色指数（CIVE）法在房屋建筑提取中效果较好，提取结果与实际房屋空间分布和面积较为接近，房屋提取中山区植被阴影是主要的干扰地物，是提取误差的主要来源，研究结果可为基于无人机可见光影像的房屋建筑提取研究提供案例参考。

关键词：无人机；可见光遥感；房屋建筑；信息提取

中图分类号：TP75    文献标识码：A  文章编号：2096-4706（2023）13-0157-04

Comparison of House Building Extraction Methods Based on UAV Visible Light Remote Sensing Images

TANG Shaojie， LIAN Qi， WANG Xiaoyu

（Institute of Surveying and Mapping， Guizhou Geology and Mineral Exploration Bureau， Guiyang  550018， China）

Abstract： UAV remote sensing image has high accuracy and strong potential. It has been applied to the high-precision extraction of a variety of features. Based on UAV visible light remote sensing images， a variety of index methods are used to extract house buildings in typical mountainous areas of Guizhou Province. It is concluded that the Vegetation Color Index （CIVE） method has a good effect in the extraction of house buildings， and the extraction results are relatively close to the actual spatial distribution and area of houses. The vegetation shadow in Zhongshan area is the main interference feature and the main source of extraction error. The research results can provide case reference for the extraction research of house buildings based on UAV visible light images.

Keywords： UAV; visible light remote sensing; house building; information extraction

0  引  言

房屋建筑是指在规划设计地点，为用户或投资人提供进行生活、生产、工作或其他活动的实体，是指为居住、办公、娱乐、休闲、养老等用途而建造的建筑物。它通常由地基、主体结构、屋面、门窗、楼梯、装饰等部分组成。房屋建筑的种类可分为住宅建筑、公共建筑、工业建筑、商业建筑等。住宅建筑是指为居住而建造的建筑物，如住宅楼、公寓、别墅等。公共建筑是指为社会公众提供服务的建筑物，如学校、医院、图书馆、政府机关、商场、酒店等。工业建筑是指为工业生产提供设施的建筑物，如工厂、仓库、物流中心等。商业建筑是指为商业活动提供设施的建筑物，如商场、超市、银行、办公楼等。房屋建筑是地表非自然要素的重要组成部分，一定程度上反映了区域的社会活动、人口聚集等信息，进一步反映了区域社会经济发展状况，房屋建筑的面积、空间位置等属性信息对区域土地规划及管理、经济发展研究、灾害应急管理、人口估算等工作的开展具有基础支撑作用[1]。而遥感技术是20世纪60年代兴起的一种探测技术，是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术，通过遥感技术，可查询到高分一号、高分二号、资源三号等国产高分辨率遥感影像。遥感技术作为大范围高效获取地面观测数据的手段，相较于传统以实地调查为主的手段方法极大地节省了时间和人力成本，已被广泛应用于各个领域[2]。使用遥感技术对房屋信息进行提取，获取房屋空间位置、面积等属性，结果可为区域发展建设提供基础数据。

随着无人机技术的高速发展，无人机已成为一种重要的遥感平台，其操作便捷，获取遥感数据快速且时效性强，是建立高精度数字正射影像、数字三维倾斜模型的有效手段[3]。无人机可见光影像因其高精度和强时效性等特征，以广泛应用于地面建筑、植被、水体、道路等基础地理信息的提取研究中[4]。其中，基于无人机可见光影像的房屋建筑提取方法种类较多，精度各有优势，但在不同地理环境下的适用性仍有待验证，对比多种研究方法的结果精度是方法实现本地化应用的必要途径；本文选取典型山区贵州省乡村房屋建筑聚集片区，使用多种方法进行房屋建筑的提取，并对比其提取效果和精度，结果可为贵州典型山区环境下可见光房屋建筑提取方法的适用性研究提供案例参考。

1  遥感技术概述

遥感技术是20世纪60年代兴起的一种“非接触式”地物探测技术，基于任何物体均有不同的电磁波反射或辐射特征的原理，使用安装在人造卫星、飞机等飞行器上的传感器获取物体的电磁辐射特征并记录，从而进一步实现对物体信息的判读、获取和应用[5]。在几十年的发展历程中，遥感技术随着航空航天技术和现代计算机技术的快速发展也革新换代，现代遥感技术已主要涵盖了遥感信息的获取、传输、存储、处理及应用等环节[6]；根据不同的工作电磁谱段，遥感通常分为可见光遥感、红外遥感、多光谱遥感、紫外遥感和紅外遥感，其中可见光遥感是应用较为广泛的一种遥感方式。对波长为0.4～0.7 μm的可见光的遥感一般采用感光胶片（图像遥感）或光电探测器作为感测元件，具有高分辨率的特征，同时其只能在光线条件较好的白昼进行使用；红外遥感分为近红外或摄影红外遥感，波长为0.7～1.5 μm，用感光胶片直接感测，中红外遥感，波长为1.5～5.5 μm，远红外遥感，波长为5.5～

1 000 μm，红外遥感通常用于遥感物体的辐射，具有夜间工作的优势；多光谱遥感使用若干不同的谱段对同一地物进行遥感信息的获取，从而获得与各谱段相对应的各种信息，进一步将不同谱段的遥感信息加以组合，以获取更多的有关物体的信息，在后期的地物判读与识别上具有优势。同时，在信息获取阶段，为应对不同的应用场景，遥感传感器也变得丰富多样，如表1所示；在应用阶段，根据各行各业的业务需求，多种遥感数据在不同需要下发挥其独有作用，如表2所示。

近年来，随着无人机技术的快速发展，无人机遥感技术在短期内迅猛发展[7]。与传统遥感技术相比，无人机遥感具有其独特优势，主要体现在飞行获取数据快速便捷，投入时间、人力、设备等成本低廉，获取数据现势性强、精度高，具体的有高分辨率：无人机可在离地几米至百米的近地面进行作业，获取厘米级高分辨率的地面影像，可弥补卫星等遥感平台因云层遮挡导致的获取困难和分辨率低等不足；高时效性：无人机遥感可在短时内获取目标地物变化信息，如及时监测和观察风雹雪灾、森林火险、地表工程施工等；移动性强：无人机遥感平台体积和重量小，作业过程中的运输较为轻便，使其可快速应用于各类小尺度的调查、监测等作业中；现今无人机遥感已广泛应用至测绘、国防、自然灾害、电力、农业、林业等各行业中，已成为航空、航天遥感的有效补充[8]。

2  试验方法

遥感技术的发展立足于获取目标地物的空间位置、几何特征等属性信息，在遥感技术长期的发展历程中，基于遥感技术的地物信息提取方法经历了多个阶段。在20世纪70年代，技术人员便开始使用计算机进行遥感影像的识别与解译，所使用的主要方式为目视解译，即依靠解译人员对获取的遥感图像进行目视判读，该方法需消耗大量的人力和时间成本，且图像解译精度直接受到解译人员的经验和水平的影响；20世纪80年代，遥感影像识别与解译方法变革为使用统计模式识别方法实现遥感影像的计算机分类，主要是根据获取的遥感影像中地物的光谱特征对地物进行分类与识别；20世纪90年代以来，计算机技术的快速发展大幅提升了算力和精度，遥感影像地物识别与提取的各类方法大量涌现，典型的有基于机器学习的分类方法、面向对象分类法、基于遥感指数的分类方法及多方法复合集成分类法等。

其中，遥感指数是基于获取遥感影像的多波段特征，通过影像不同波段间的组合及计算，使得目标地物原有光谱特征更加凸出，以达到与其他地物的差别更加明显，进一步实现目标地物信息的提取。为满足不同的应用场景下的地物提取需求，多种遥感指数已被全面应用。

本文基于获取的可见光影像数据，针对性地选取多种指数对特定区域的房屋建筑进行提取，使用的方法有植被颜色指数（CIVE）法[9]、过绿指数（EXG）法[10]、归一化绿蓝差异指数（NGBDI）法[11]、可见光波段差异植被指数（VDVI）法[10]和可见光植被指数（VI′）法，各个指数的计算方法如下：

式中，R、G、B分别表示无人机可见光影像的红、绿、蓝三个波段。R′、G′、B′分别由以下公式计算：

3  试验及结果

试验数据选取贵州省面积约0.22 km2的某乡村房屋聚集片区，如图1（a）所示，该影像中主要地物为房屋、耕地、道路和植被，其中房屋主要为贵州山区农村常见的木瓦结构农房，屋顶在可见光下为深灰色。

分别使用5种基于可见光波段的指数计算得到各指数的灰度图像，如图1（b）～图1（f）所示，图中可看出，房屋建筑在不同指数方法下呈现不同的敏感程度，其中CIVE、EXG、VDVI和VI′指数下较为敏感，而NGBDI指数与周边地物混淆较多，提取效果与其他指数相比较差。

进一步使用阈值法对以上指数灰度结果图进行阈值分割，得到各指数下的房屋建筑提取二值图，如图2所示，其中白色代表提取的房屋建筑，黑色代表非建筑。根据二值图提取得到不同指数下的房屋建筑面积，并与房屋建筑矢量参考作对比，得到结果：以上指数中，CIVE指数房屋建筑提取结果较好，提取得到的房屋建筑面积与房屋建筑矢量参考面积相差为2 109 m2，EXG、VDVI和VI′指数提取效果则较差，错分了大量的植被、耕地和水体等地物，造成较大的误差。整体来看，在本次房屋提取试验中，植被阴影被混淆为房屋建筑主要地物，因其色彩值与房屋建筑屋顶接近，在可见光下均显示为深灰色。

4  结  论

贵州为典型山区省份，且少数民族众多，同时贵州处于西南亚热带气候区，各因素综合形成了山区木质房屋的聚居习惯，贵州山区林木繁茂，建造木质结構房屋取材方便，且木质房屋具有较好抵御潮湿环境的能力，导致木质房屋在贵州山区较为常见，并随着时代的发展，木质房屋大多使用深色泥瓦进行封顶，故在遥感影像中，木质房屋屋顶呈现深色的颜色特征。

基于无人机可见光遥感影像，使用不同指数对贵州省典型山区的房屋建筑进行提取，结果显示，贵州山区房屋建筑多为木瓦结构，其屋顶为深灰色，在提取试验中，植被阴影易与房屋建筑相混淆，是提取误差的主要来源，使用的指数中，CIVE指数提取结果相对较高，可应用于更大区域的广泛试验与应用；同时，在基础影像的选取上，选取植被阴影少、清晰度高的影像有助于房屋建筑提取精度的提升。

参考文献：

[1] 范熙伟，聂高众，邓砚，等.基于摄影测量技术的房屋提取方法——以中国西部地区乡村为例 [J].地震地质，2017，39（4）：805-818.

[2] 肖鹏峰，刘顺喜，冯学智，等.基于中分辨率遥感图像的土地利用与覆被分类系统构建 [J].中国土地科学，2006（2）：33-38.

[3] 李德仁，李明.无人机遥感系统的研究进展与应用前景 [J].武汉大学学报：信息科学版，2014，39（5）：505-513+540.

[4] 金伟，葛宏立，杜华强，等.无人机遥感发展与应用概况 [J].遥感信息，2009（1）：88-92.

[5] 张兵.当代遥感科技发展的现状与未来展望 [J].中国科学院院刊，2017，32（7）：774-784.

[6] 张淳民，穆廷魁，颜廷昱，等.高光谱遥感技术发展与展望 [J].航天返回与遥感，2018，39（3）：104-114.

[7] 范承啸，韩俊，熊志军，等.无人机遥感技术现状与应用 [J].测绘科学，2009，34（5）：214-215.

[8] 李德仁，李明.无人机遥感系统的研究进展与应用前景 [J].武汉大学学报：信息科学版，2014，39（5）：505-513+540.

[9] 伍艳莲，赵力，姜海燕，等.基于改进均值漂移算法的绿色作物图像分割方法 [J].农业工程学报，2014，30（24）：161-167.

[10] 汪小钦，王苗苗，王绍强，等.基于可见光波段无人机遥感的植被信息提取 [J].农业工程学报，2015，31（5）：152-157+159+158.

[11] HUNT R E，CAVIGELLI M，DAUGHTRY S T C，et al.Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status [J].Precision Agriculture，2005，6（4）：359-378.

作者简介：唐少杰（1986—），男，汉族，贵州余庆人，本科，测绘航空摄影部部长，工程师，主要研究方向：无人机低空摄影测量及遥感技术。

收稿日期：2023-02-11

基金项目：贵州省地质矿产勘查开发局地质科研项目（黔地矿科合〔2021〕30号）；贵州省地质矿产勘查开发局地质科研项目（黔地矿科合〔2022〕15号）