基于遥感影像的建筑物提取研究方法综述摘要：遥感影像上建筑物提取的基础理论研究始于20世纪80年代，随着遥感技术的不断进步，遥感影像的分辨率及精确度越来越高以及快速发展的城市在城市空间数据库方面的巨大要求。现在城市空间数据库需要对数据快速获取更新，又因为遥感影像本身具有的现时性，更新速度快的特点。在城市空间数据库的更新、城市动态监测、城市变化监测以及“智慧城市”建设等方面有着重要的使用价值。本文介绍基于不同遥感影像提取建筑物的基本方法和几个发展趋势。主要包括SAR图像，LIDAR点云数据，高光谱影像，航空影像等多种源数据不同的提取方法，以及不同数据来源的优缺点。同时对建筑物提取研究中需要解决的问题和研究趋势进行了总结。1. 引言城市地区的遥感影像中，超过8成的目标是建筑物和道路，所以对建筑物和道路的识别和提取式遥感影像地物提取的主要研究方向，除道路和建筑物以外，剩下的大部分都是植被，在城市中绿地的面积占了一定的比例，在建筑物的提取中，建筑物在遥感影像中容易受到植被的干扰，如何高效率、高质量的剔除植被对建筑物的影响成了建筑物提取的关键。进行建筑物提取的主要应用有城区自动提取、地图更新、城市变化监测、城市规划、三维建模、数字化城市建立等诸多方面，如何实现建筑物的快速、高精度、自动化提取成为目前的研究热点。目前对绿地和水体的自动提取已经比较成熟， 而道路和建筑物由于其自身的复杂性导致自动提取困难，本文主要提出了目前遥感影像建筑物提取研究的热点及其发展趋势。2. 建筑物提取的历史发展快速准确地获取不同类型城市建筑的空间位置、形状等信息具有极其重要的意义， 在城市规划、城市动态监测、城市三维建模、地形图更新、地籍调查等方面有广泛的应用。目前，对自动建立城市三维模型和实现城市虚拟现实的需求越来越多， 利用大比例尺航空影像获取城市建筑物的三维几何信息和表面纹理，是实现“三维城市”建模的有效途径之一。到目前为止，利用高分辨率航空相片或卫星影像提取建筑物等人工地物信息的方法大体分为两类：其一，利用图像信息结合高程信息进行建筑物信息提取，因为城市里的建筑物有一定的高度信息，通过建筑物与周围环境（地面）之间的高差进行屋顶边界的提取，这种方法大多需要一定的辅助数据如DEM、DSM等一类具有地物高程数据的影像。其二，利用高空间分辨率遥感影像数据结合计算推荐精选机视觉、图像处理与分析、人工智能等学科领域的新方法实现对建筑物顶部信息的半自动甚至全自动识别与提取。后一种方法只利用到了图像的光谱信息，灰度信息以及建筑物的形态信息和一部分先验知识，难度更大。建筑物提取中易受到周围环境的影响，主要有下面三个方面：(1)房屋边缘与道平行且相邻，边缘检测后的影像中道路和房屋边缘相互混淆；(2)因为拍摄角度导致建筑物彼此的遮蔽，影像上丢失了被遮蔽建筑物的信息；(3)建筑物阴影的灰度接近建筑物的灰度，很难区分二者的边界，对提取产生干扰。3. 遥感影像的分类及特点遥感影像来提取建筑物，常见的影像数据：SAR数据，LIDAR点云数据，航空影像等。SAR 图像的几何变形较严重， 可解译性较差， 并且受雷达波的入射角和波长等参数的影响较大， 因此直接利用 SAR 图像进行建筑物轮廓的精确提取比较困难但是， 建筑物在 SAR 图像中所存在的高亮线条、 阴影区域、 叠掩区域和亮斑区域等能为定位建筑物的感兴趣区域提供可能。基于LIDAR点云数据的建筑物提取，LIDAR数据对高程的表达较好，建筑物屋顶与地面有一定的高程差，可以利用这个把地面点滤去。但是这种提取方法受到地面起伏的影响较大，在地势较为平缓的时候，精度较高，在地势起伏较大的时候，精确度就会受到很大的影响。机载激光提取建筑物：仍然是一种快速生成DSM数据，然后进行建筑物的提取。但是建筑物以外的物体对建筑物的提取产生很大的干扰。航空影像因为传感器的快速发展，使得航空影像呈现出向高光谱，高分辨率的方向发展，因为不同地物对不同波段的光的反射不同，因此高光谱在地物分类中得到了较多应用，高分辨率影像分为高时间分辨率影像和高空间分辨率影像，高时间分辨率影像在变化检测和动态监测等应用中，主要是将不同时相的影像来进行对比分析，高空间分辨率提高了地物的信息量，但是同时也出现了同物异谱，异物同谱的干扰，一方面对提取地物起到了促进作用，但同时也增加了对目标提取物的噪声影响。到目前为止，高空间分辨率遥感影像中地物信息量丰富、噪声信息明显等特点，增加了“同谱异物”和“同物异谱”现象，使得高精度建筑物提取变得困难。由于高分辨率卫星的不断发射，高空间分辨率遥感影像数据是当前对地观测数据的主要数据源，因此对高空间分辨率影像的地物提取的研究仍然是主要的研究方向。4. 地物提取的主要方法遥感影像进行建筑物提取的基础理论研究始于20世纪80年代，在数十年的发展历程中，各种有关建筑物提取的方法相继提出。按照其自动化程度，分为人工 （目视判读）提取、半自动提取、自动提取三个层次。其中人工提取方法主要依据专家经验，应用历史最长，已经比较成熟；部分半自动提取方法的精度也能满足工程实践的要求，目前研究的重点是如何在保证精度的前提下提高自动化程度，即如何实现全自动提取。在现阶段，从遥感影像中自动提取建筑物主要是基推荐精选于影像的基本特征以及一部分先验知识，而对识别建筑物最有帮助的表面高度信息， 因其信息获取的技术难度大，成本高而缺失，影响了从遥感影像获取建筑物信息的精度。4.1 多尺度分割提取方法在基于分割方法进行建筑物提取时，首先使用一定的分割方法对遥感影像进行分割，再根据建筑物自身的几何形状、空间位置、走向等特征提取出特定的建筑物目标。基于区域分割的面向对象分类是其中最常用的信息提取方法。该方法提取建筑物大致流程是先通过区域分割将房屋信息从背景中分离出来，再议基于影像对象的分析处理提取所需要的信息。这过程中最关键的是分割尺度的选取，分割尺度会影响到后面的建筑物提取的精度。图4.1.1因为建筑物的屋顶形状常常以矩形、三角形为主，因此提取算法主要是从建筑物边缘线特征出发，对图像的边缘线特征进行一系列的分析处理。例如候蕾使用Hough变换，综合建筑物几何特征和灰度特征，提取建筑物；Andrea提出一种基于对图像边缘线段的分析、合并的建筑物提取算法；Chungan提给出了一种应用先验知识，提取遥感影像中几何形状规则的矩形基元，对矩形基元进行筛选与合并提取出遥感影像中的建筑物；文献提出了一种基于Canny算子的多尺度分推荐精选割与边缘分割相结合对遥感影像进行分割与区域提取；巩丹超针对高分辨率遥感影像中建筑物边缘特征清晰的特点，提出了基于边界线检测的建筑物提取方法；安文提出了Randon变换线基元提取建筑物。4.2 利用辅助知识的提取方法由于建筑物本身结构和周围环境的复杂性，为了提高建筑物提取精度，很多学者提出了通过挖掘图像中的阴影、纹理、几何结构特征，结合语义网、上下文等相关信息辅助提取建筑的方法。利用直方图分割法可以提取影像中的阴影作为带提取建筑候选区的辅助依据，因为传感器自身的缺陷和拍摄的角度，导致影像中的阴影区域并不一定就是建筑物形成的阴影，因此这只能辅助选取提取建筑物区域，此外，在城市三维建模研究过程中，已经发展了以立体航空影像或DEM作为辅助信息结合遥感影响提取三维建筑物的方法。辅助知识只是建筑物的辅助提取方法。4.3 基于直线和角点检测与匹配的提取方法基于线状特征的边缘提取方法是利用边缘检测算法得到图像中的边缘，根据空间关系对图像中已经提取的边缘线段进行分组，搜索平行线，进而搜索符合建筑物空间结构和轮廓的矩形，得到建筑物。由于建筑物本身与地面之间存在的高差，因此在影像上建筑物的边缘具有较明显的特点，然后建筑物本身具有一定的规则性，Taejung Kim（1999）等将边缘线段组成线段空间关系图，按照图的搜索方法， 找寻可能的建筑物结构，即可以构成建筑物轮廓的线段集合。其主要优点在于基于空间几何关系搜索可能的目标，大大弥补了基于灰度方法的漏检、误检等常见的缺陷，充分利用了图像中目标边缘著特征， 通过多种理论方法解决搜索问题，增大了精确度。这类方法的劣势表现两个方面： 其一， 此方法很难排除一些干扰信息；其二，线段搜索耗时长，算法时间效率差。基于角点检测和匹配的方法是依据遥感影像上建筑物一般具有较为明显的角点信息而提出的建筑物提取方法，该方法先独立提取房屋角点，再根据一定的规则进行角点匹配，达到提取房屋信息的目的。5. 现存的问题5.1 建筑物本身的特点房屋建设多与道路相邻，对于房屋边缘与道路平行且相邻的情况，在分割后影像中道路与房屋边缘信息容易混淆有些建筑物灰度值与建筑物阴影灰度值接近，很难区分两者边界；对建筑物提取产生干扰；影像中建筑物屋顶亮度值一般较均匀，但是由于屋顶材质的多样性( 如石棉瓦顶、水泥屋顶、铁皮屋顶、塑料顶棚、沥青粘沙屋顶等) ，以及建筑物屋顶上太阳能电热板和天窗的存在，导致屋顶的光谱特征和纹理特征有很大差异，使得在利用建筑物特征进行建筑物提取推荐精选时受到很大限制。5.2 数据源的问题因为遥感技术的快速发展，数据的获取变得十分简单和快捷，数据量越来越大，此外航空影像中高空间分辨率和高时间分辨率的影像，不同分辨率下的影像会出现不同的特点，这样就会降低建筑物提取的精度。5.3 提取方法的问题基于多尺度分割的提取方法，分割尺度没有标准，因人而异，不同的分割尺度必然会产生不同的提取结果，因此，分割尺度的选取也十分关键。很多提取方法，都是在影像经过预处理后，也就是分割成小幅影像后进行的研究，算法在数据量不大的时候的一个提取结果。但是遥感技术的发展，导致影像的数据量向越来越大的发展，在一个提取方法是否有效的时候，还应该考虑到该方法到整幅影像上的提取精度和提取速度。6. 遥感影像提取建筑物的发展和趋势由于遥感影像的类别很多，每一类都有着自己的优缺点，将不同类别的影像进行融合然后提取建筑物是发展的一种趋势，例如，SAR影像存在高亮线条，阴影区域、叠掩区域和亮斑区域，这些都是高分辨率影像里面存在较少或者没有的特点，因此在地物提取的时候可以将SAR图像和可见光图像融合，先利用SAR图像的特点定位建筑物的大致区域，然后和可见光图像进行边缘匹配，规定一定的阈值，满足条件的就能确定为建筑物的边界。推荐精选图6.1LIDAR点云数据和航空影像的融合，因为LIDAR点云数据对高程的表达较好，建筑物屋顶和地面有一定的高差，可以利用这个把地面点滤去，利用LIDAR数据生成DTM和DSM数据，然后这两幅影像做差，就能去除地面点。机载激光提取建筑物的原理也是如此，机载激光只是一种快速获取DSM数据的方法。但是LIDAR点云数据的密度会决定最后结果的精度。因此在利用LIDAR点云数据的时候要对待提取区域有个先验的了解，在地势比较平坦的地方，数据密度可以小一些，地势起伏较大的区域，要选择一个合适的数据密度，既要保证精度又要减小数据量方便后期的数据处理。图6.2推荐精选7 结束语随着数字城市、智慧城市等概念的提出，城市规划、城区变化监测、建筑物三维建模等成为研究的热点，而城区建筑物提取是这些研究的重点，利用遥感影像来提取建筑物成为了当下各位研究学者的主要研究内容。但是，要解决的问题还有很多，除了提取方法中分割尺度的选取，还有提取精度怎么判定，没有一个标准来判定建筑物的提取具有多高的精确性，研究制定一个客观合理的评判标准。如何提高提取方法在较大影像上的提取速度也是要解决的问题，在建筑物的提取上，不仅要做到提取精确而且速度要快。 （注：可编辑下载，若有不当之处，请指正，谢谢!） 推荐精选