编辑推荐丨快速准确提取复杂场景下建筑物信息的新方法
遥感人的成长家园
官网
建筑物信息作为国家基础地理信息的重要组成部分，对数字城市建设、土地利用调查、生态环境监测以及灾害应急评估等有重要意义。但是，由于成像条件不同、背景地物复杂、建筑物类型多样等影响，使建筑物的自动提取变得更加困难。那么，在复杂场景下的建筑物信息，如何能够高效、高精度地提取呢？中国科学院遥感与数字地球研究所游永发、王思远等人在《遥感学报》发表的文章“高分辨率遥感影像建筑物分级提取”为您揭晓。
引用格式
游永发,王思远,王斌,马元旭,申明,刘卫华,肖琳.2019. 高分辨率遥感影像建筑物分级提取.遥感学报, 23(1): 125-136
文章源起
高分辨率遥感影像建筑物提取方法主要包括监督式与非监督式两类。其中，监督式方法需要构建训练样本和提供先验知识，该过程不仅费时费力，而且人为因素对提取结果的影响较大；而已有的大多数非监督式方法又存在计算效率低、边界提取不精确以及对复杂场景的适用性较差等缺点。为此，提出一种全新的建筑物自动提取方法，有望总体提高复杂场景下建筑物提取的效率与精度。
创新点
👀 提出一种新的尺度不变特征点检测算法。该算法充分考虑建筑物区域纹理的多尺度及多方向特性，同时利用显著性指数对特征点予以优化，可在很大程度上抑制虚假特征点及特征冗余现象。
👀 以影像对象为基本分析单元，融入面向对象的思想构建空间投票矩阵提取建筑物区域边界信息，更准确、更符合人眼视觉感知特性。
👀 采用分级提取策略提取建筑物信息。可实现大范围遥感影像建筑物信息的快速提取，能够有效避免其他地物对建筑物提取造成的干扰，提取效率、精度更高。
研究方法
图 1 建筑物分级提取流程图
关键步骤
(1) 利用影像的多尺度及多方向Gabor小波变换结果提取建筑物特征点；
(2) 采用面向对象的思想构建空间投票矩阵来度量每一个像素点属于建筑物区域的概率，提取建筑物区域边界；
(3) 应用形态学建筑物指数(MBI)实现建筑物信息的自动提取。
研究结果
图2、图3显示了本文方法的研究结果，该方法提取的建筑物整体效果很好，提取精度远高于PanTex算法；提取的建筑物区域边界也与地面参考轮廓十分吻合，精度较高。
图 2 本文算法各关键步骤处理结果
图 3 本文算法对不同场景下获取的高分遥感影像实验结果比较
本文方法能够取得较好效果的原因主要是由于使用了分级提取策略来提取建筑物信息，其通过在影像上准确识别出建筑物区域边界，然后在建筑物区域内实现建筑物细节信息的精细提取，从而可以有效地避免不相干地物（如裸地、耕地等）对提取结果造成的干扰，提取精度更高。
结 论
本文提出一种基于面向对象与形态学相结合的高分辨率遥感影像建筑物分级提取方法。实验结果表明，本文方法能够高效、高精度地提取复杂场景中的建筑物信息，且提取效果明显优于PanTex算法。但需要说明的是，本文方法在影像地物复杂、建筑物小而分散、信息模糊的情况下提取效果稍差，因此在下一步研究工作中需考虑融合辅助地理信息等多种特征，以进一步提高该方法的适用性。
第一作者简介
游永发，中国科学院遥感与数字地球研究所硕士研究生，主要研究方向为遥感信息智能提取和全球变化遥感。
E-mail:youyf@radi.ac.cn
通信作者简介
王思远，中国科学院遥感与数字地球研究所研究员，主要研究方向为全球环境遥感、地表过程分析与参数反演、遥感地学分析等。主持国家863、国家973以及国家自然科学基金等课题20多项，是国内多个学科的评审专家以及国内外40多个核心期刊的审稿专家。发表论文140多篇，完成专著3部，译著1部，SCI检索30多篇，第一作者论文被引3200余次，多次获得高被引论文优秀奖。
E-mail:w_siyuan@126.com
相关论文推荐
李强,张景发,龚丽霞,薛腾飞,蒋洪波.2018.SAR图像纹理特征相关变化检测的震害建筑物提取.遥感学报,22(s1):128-138
邓飞,窦爱霞,王晓青.2018.融合航空影像的震后机载LiDAR建筑物点云提取.遥感学报,22(s1):224-232
孙金彦,黄祚继,周绍光,徐南,钱海明,王春林.2017.高分辨率遥感影像中建筑物轮廓信息矢量化.遥感学报,21(3):396-405
宋桔尔,王雪,李培军.2012.加入空间-时相纹理的高分辨率图像城市建筑物物倒塌提取.遥感学报,16(6):1233-1245
1
END
1
编辑：悠悠
指导/审核：梧桐君
声明
欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。
本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。
QQ加群
《遥感学报》为关注论文写作和发表的亲们，搭建了专属QQ交流群，欢迎加入。进群需备注“单位+姓名+研究领域”，谢谢!
QQ：535215261
投稿网站：www.jors.cn
最新成果丨年度会议
热点研究丨招生招聘
电话：010-58887052
邮箱：jrs@radi.ac.cn
在看，你就戳戳