超高分辨率遥感影像城市建筑物和道路分类研究

论文摘要

最近20年来,遥感技术发展迅速,高分辨率遥感影像产品进步明显,遥感影像数据产品加速累积并呈现出海量化的特点。建筑物和道路是与人们生活联系最为紧密的人工地物,占据城市的大部分面积。民用方面,导航定位、自动驾驶、城市规划、防灾减灾、数字城市建模都对建筑物和道路的识别有较大需求;军事方面,目标识别与判读、战争推演与模拟、战场环境保障都需要对建筑物和道路进行识别。如何高效利用高分辨率和超高分辨率遥感数据,快速提取建筑物和道路信息,已成为遥感领域普遍关注的热点问题。目前,基于对象的建筑物、道路识别方法主要利用了目标对象的光谱信息、几何信息、纹理信息和语义信息,与基于像素的目标识别方法相比,鲁棒性更强,精确度也更高。基于对象方法使用的特征集主要是从影像对象中提取的二维特征信息,对于一些材质相似或相同的不同类别地物目标,进行有效区分的难度很大。特别是在人工地物的识别中,“异物同谱”和“同物异谱”的现象十分严重,经常出现误检测。同时,随着影像空间分辨率的日益提高,特别是亚米级、厘米级的超高分辨率遥感影像数据产品涌现,影像场景里的地物景观愈加复杂,尤其表现在光谱特征和纹理特征的变化更加丰富,“同物异谱”和“异物同谱”的现象更加突出。针对这一问题,需要考虑把传统的二维信息提取技术向三维信息提取技术过渡。近年来,航天卫星技术日渐成熟,航空机载平台也日益丰富,获取卫星立体像对或是机载激光雷达数据(LiDAR)数据都更加容易。尤其是机载激光雷达测量技术(LiDAR)融合了GPS、激光测距、数据挖掘、无人机等多种新型技术后,呈现出全天候、全天时、快速高效的特点,使得获取地面空间三维信息更加容易。在传统的影像分割分类中,一些在二维空间中难以解决的问题,三维数据提供了更多的解决方案。但是,如何高效且具有针对性的在基于对象的影像分割分类中使用三维数据,是亟待研究的问题。本文使用德国恩兹河畔法伊欣根某城镇的超高分辨率(空间分辨率0.09米)航摄影像数据和与之匹配的DSM(Digital Surface Model)数据,针对基于对象影像分析中“建筑物”、“道路”经常出现的误分类的问题,在基于多层次分割分类方法的基础上,提出加入“三维”分类特征,以提高遥感影像中“建筑物”和“道路”分类精度。在本文中,首先结合多层次分割分类思想,对研究区各类典型地物的光谱特征、纹理特征、几何特征进行了分析,通过计算各类地物的光谱反射率,主要利用光谱特征提取到不包含“植被”、“阴影”等背景信息的“不透水表面”。但由于城市“不透水表面”一般都是人工建造,且“二维”空间尺度通常十分相似,导致在“不透水表面”再进行类别区分的难度很大。然后,为了降低以“不透水表面”为基础进行建筑物与道路的分类难度,提高两者的分类精度,考虑融入立体特征——“DSM”数据。DSM数据是由LiDAR点云原始数据简单组织而来,所以是含有“地表”三维信息的数据,对于重点关注“地物”提取的遥感影像分析来说是不利的。为了突出基于对象遥感影像分析中“地物”的立体特征,采用“减弱”或“去除”地表起伏影响的策略,提出了基于对象的立体分层的方法“减弱”地表起伏影响和基于对象构建nDSM(normallized Digital Surface Model)的方法“去除”地表起伏影响。这两种方法均从面向对象的角度和遥感影像分析中地物分类的实际需求出发,避免了繁琐的LiDAR数据处理过程。同时,本文为了研究使用的“立体特征”在建筑物和道路分类过程中的重要性程度,结合目前比较流行的数据挖掘技术,对建筑物和道路分类的“最优特征子集”进行了探索研究。通过对多种搜索算法、基学习器、评估器的不同组合,得到的最优子集中特征和特征数量不尽相同,但都含有“立体特征”,这也充分证明在建筑物和道路分类中“立体特征”是至关重要的。最后,为了证明多尺度分割分类体系和建筑物、道路分类中融入“立体特征”的合理性,以及进行特征空间优化的必要性,分别进行了对比实验。本文探索在“二维”的多层次分割分类体系基础上,针对“二维”空间容易混淆的两类人工地物目标具有明显“三维”特征区别的特点,并充分考虑“地势起伏”的影响,提出了两种DSM数据在建筑物、道路提取中的使用方法。通过实验,本文方法在融入“立体特征”后,建筑物、道路分类模型精度达到97.95%,96.20%,不融入立体特征的分类模型精度为86.08%;融入立体特征后建筑物和道路的分类精度最高为86%,不融入立体特征的分类精度最高只有73%,分类精度提高了13%。实验表明,本文方法很好的抑制了重要人工目标地物分析中的“异物同谱”和“同物异谱”现象;同时,可以有效降低传统“二维”信息提取中对地物光谱特征和纹理特征的依赖,提高分类精度,满足自动制图要求。此外,为二维信息提取技术向三维信息提取技术过渡提供了新思路。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 国内外研究现状
•     1.2.1 建筑物、道路提取国内外研究现状
•     1.2.2 结合DSM数据进行地物信息提取的国内外发展现状
•   1.3 研究内容与技术路线
•     1.3.1 研究内容
•     1.3.2 技术路线
•   1.4 论文创新点与结构安排
•     1.4.1 论文创新点
•     1.4.2 论文结构
• 第二章 研究区概况与典型地物目标
•   2.1 研究区概况
•     2.1.1 研究区概况
•     2.1.2 影像数据介绍
•   2.2 超高分辨率遥感影像中的典型建筑物
•     2.2.1 建筑物顶部特点
•     2.2.2 建筑物立体特征
•   2.3 超高分辨率影像中的典型道路
•     2.3.1 道路的表面特点
•     2.3.2 道路的立体特征
• 第三章 基本原理与方法
•   3.1 影像分割
•     3.1.1 多尺度分割技术
•     3.1.2 最优分割参数选择
•   3.2 融入立体特征的多层次分割分类模型
•     3.2.1 地物光谱特征分析
•     3.2.2 建筑物、道路的形状特征优化
•     3.2.3 建筑物、道路立体特征分析
•     3.2.4 融入立体特征的策略
•   3.3 地物特征提取
•     3.3.1 光谱特征
•     3.3.2 纹理特征
•     3.3.3 形状特征
•     3.3.4 立体特征
•   3.4 特征优选算法与影像对象分类算法
•     3.4.1 特征选择算法
•     3.4.2 影像对象分类算法
•   3.5 精度评价方法
•   3.6 本章小结
• 第四章 实验结果
•   4.1 影像分割与掩膜
•     4.1.1 影像分割
•     4.1.2 植被掩膜
•     4.1.3 阴影掩膜
•   4.2 基于立体分层的道路与建筑物提取
•     4.2.1 提取模型构建
•     4.2.2 基于随机森林的建筑物、道路提取
•     4.2.3 精度评价
•   4.3 基于影像最优分割生成nDSM的道路和建筑物提取
•     4.3.1 基于ED2 最优分割对象生成DEM
•     4.3.2 生成nDSM
•     4.3.3 建筑物、道路提取实验
•     4.3.4 精度评价
• 第五章 对比实验
•   5.1 未融入立体特征的单一尺度建筑物、道路分类
•     5.1.1 基于单一尺度的分割分类流程
•     5.1.2 实验结果
•     5.1.3 精度评价
•   5.2 未融入立体特征的多尺度建筑物、道路分类
•     5.2.1 基于多尺度多层次的分类流程
•     5.2.2 实验结果
•     5.2.3 精度评价
•   5.3 融入DSM数据后基于经验的建筑物、道路分类
•     5.3.1 基于经验的多尺度层的分类流程
•     5.3.2 实验结果
•     5.3.3 精度评价
• 第六章 讨论
• 第七章 结论与展望
•   7.1 结论
•   7.2 展望
• 参考文献
• 在学期间的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 何江

导师: 刘勇

关键词: 面向对象影像分析,建筑物,道路提取,多层次分割分类,立体特征,数据,特征空间优化

来源: 兰州大学

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 兰州大学

分类号: P237

总页数: 92

文件大小: 5142K

下载量: 361