地理信息：建筑物識別與檢測

　　面對城市區(qū)坡大量的建筑物，要實現(xiàn)各個建筑物的提取，

　　首先必須識別與檢測出各個目標建筑物。

　　在影像中存在多個物體間的選擋時，

沒有物體的先驗知識是很難判別哪些幾何元素基屬于同一物體的，

　　因此目標的識別與檢測通常在低層次的影像特征檢測之前完成，

　　這樣才能減少后續(xù)工作的復雜度，建筑物識別與檢擁是提取的重要基礎，

　　這個過程被認為是實現(xiàn)建筑物自動提取的重要環(huán)節(jié)之一，

　　通常采用一個粗糙的分割或者分類方法實現(xiàn)可能含有單個建筑物目標的區(qū)域與其背景區(qū)域的分割。

　　在遙感影像中，通常可以利用陰影分析和房屋頂部及底郡的特征分析，

　　也可利用同一物體影像點灰度的連通性來識別與檢測建筑物，

　　但前者存在計算復雜、效率很低的缺點，

　　而后者在噪聲的影響下或物體相互遮擋的情況下則無法應用。

　　造成這些方法失效的原因包括:

　　屋頂和周圍的低對比度可能造成低層次的分割產(chǎn)生碎片;

　　相鄰的目標，如樹木和其他地物也可以引起更多的碎片和噪聲邊界。

　　分析表明，不僅依靠灰度信息不足以實現(xiàn)影像分制，

　　即便應用更高層次的特征和形狀等幾何信息也不足以給出準確的分割結(jié)果。

　　根據(jù)規(guī)則建筑物的特點，本節(jié)單純以立體遙感影像作為數(shù)據(jù)基礎，

　　采用基于高度線索的建筑物識別與檢測方法。

　　在實際應用中，各類房屋通常都是高出地面的，

　　可以對左右影像利用灰度匹配或者特征匹配技術，

　　建立房屋頂部的密集視差表面，從而形成包括地面與屋頂區(qū)域在一起的數(shù)字表面模載。

　　實際中由于匹配的錯誤而產(chǎn)生的后果是很難準確地獲取房屋邊界

　　以建立可靠的房屋模型尤其對于周圍有樹木高度較低的房屋來說，更是非常困難。



為您推薦  地理信息：高分辨率影像地物提取技術