CN107679441A - 基于多时相遥感影像阴影提取城市建筑物高度的方法 - Google Patents
基于多时相遥感影像阴影提取城市建筑物高度的方法 Download PDFInfo
- Publication number
- CN107679441A CN107679441A CN201710077106.5A CN201710077106A CN107679441A CN 107679441 A CN107679441 A CN 107679441A CN 201710077106 A CN201710077106 A CN 201710077106A CN 107679441 A CN107679441 A CN 107679441A
- Authority
- CN
- China
- Prior art keywords
- building
- shade
- image
- shadow
- satellite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
基于多时相遥感影像阴影提取城市建筑物高度信息的方法,本发明旨在形成***、快捷、准确的方法,利用两幅不同时相的遥感影像(两幅影像具有不同的太阳高度角以及卫星方位角),对目标建筑物阴影进行批量分析与计算,进而实现快速和较准确得提取区域内目标建筑物的高度,有助于提高测量、三维建模等工作的效率;具体实施主要是通过计算建筑物阴影长度,结合影像上标志建筑与其阴影的夹角关系,选择相应数学模型计算区域内目标建筑的高度值;应用两幅遥感影像计算得到的两组建筑高度结果,基于最小二乘法构建拟合方程,获得修正后的目标建筑的高度,从而提高了计算结果的精度。
Description
技术领域
本发明涉及遥感影像处理,数学模型设计及三维构造技术领域,特别是基于多时相遥感影像阴影提取城市建筑物高度信息的方法。
背景技术
随着时代的发展,我国城市化扩张速度愈来愈快,城市扩张包含了城市水平空间扩张和垂直空间扩张两个方面:水平空间扩张表现为建成区面积的急剧增长;垂直空间上主要表现为城市建筑物高度的增长,而这种城市纵向高度的扩张,一方面缓解了水平空间扩张带来的压力,另一方面能够形成紧凑的城市空间形态,便于城市规划、资源配置等决策的展开。建筑物作为城市组成的重要部分,其高度的增长反映着城市垂直空间的扩张情况。将城市水平空间的发展趋势与垂直空间的扩张情况相结合,综合分析,有利于城市相关决策的实施、城市景观形态的模拟以及不同城市模型的构筑。
传统的建筑物高度提取方法主要分为以下三类:
1)直接读取法,通过直接读取遥感影像上建筑物于垂直方向的窗口数来获取楼层信息,估算建筑高度。此方法方便快捷,但存在提取精度难以保证,且易受到影像上目标建筑移位幅度的大小、影像比例尺不同等差异影响的问题。
2)投影法,通过量测航空像片上目标建筑物的投影差,代入公式:
h=(δL/R)×H
h为所求目标建筑物的高度,δL为建筑的投影差,R为建筑物的实际位置点与影像上像主点之间的距离,H为像片的航高。该法局限性较大,只适合估算实际高度较高,且位置点距离像主点很远的建筑。
3)高差计算法,通过选用一对立体像对,在一张像片上确定目标建筑顶部与底部两点,然后于另一像片上找到与之对应的同名像点,测量顶部与底部两点间的距离作为建筑物的高h,同名像点的视差相减得到的结果ΔL作为视差较,代入公式:
h=[ΔL/(L+d)]×H
d为立体像对对应的平均基线长度,H为像片的航高。此方法存在处理过程繁琐,计算量大,精度难以控制的问题,效果较差。
目前,实际应用中常用车载雷达以及无人机扫描等方法来快速获取目标建筑物的高度等参数信息,以便进行三维模型的构筑。这些方法具有效率高、速度快、方便快捷的优点,但相对的也存在受时间、空间范围局限影响较大的缺陷。而在遥感影像中,建筑物的阴影区域富含多种信息,相比而言,利用遥感影像阴影来提取建筑高度,完全可以摆脱时间、空间的限制。首先,利用此方法可以对目标区域不同时期的建筑高度做出估算,进而重现过往时期的建筑模型;此外在所需精度要求不高的情况下,也能够快速实现对大范围区域建筑群模型的构建。
利用遥感影像阴影提取建筑高度需要经过***合理的遥感处理过程,从中提取所需信息,尤其是获取建筑物在阴影方向的投影长度,来推算对应建筑的高度。主要原理是结合阴影长度数据与相应数学模型,对建筑物高度进行分析计算,并利用不同时相影像的计算结果对高度进行精度评价,以更小的误差推算出高度值,从而对城市建筑群的分布情况进行归纳,这对于城市决策效率的提升、城市资源的合理配置以及城市规划方向等都具有重要的现实意义。
由此可见,目前迫切需要寻找一种操作简捷、适用范围广、计算结果相对精确、精度便于控制的新方法来估算建筑物的高度。
发明内容
针对使用阴影提取建筑物高度信息的问题,本发明旨在形成***、快捷、准确的方法,利用两幅不同时相的遥感影像(两幅影像具有不同的太阳高度角以及卫星方位角),对目标建筑物阴影进行批量分析与计算,进而实现快速和较准确得提取区域内目标建筑物的高度,有助于提高测量、三维建模等工作的效率;具体实施主要是通过计算建筑物阴影长度,结合影像上标志建筑与其阴影的夹角关系,选择相应数学模型计算区域内目标建筑的高度值;应用两幅遥感影像计算得到的两组建筑高度结果,基于最小二乘法构建拟合方程,获得修正后的目标建筑的高度,从而提高了计算结果的精度。
其解决技术方案主要包括以下几个步骤:
步骤一:获取包含目标区域的原始高分辨率遥感影像,对其进行裁剪、辐射定标、大气校正以及波段融合等预处理过程,得到2015年、2016年两年的目标区影像;
步骤二:结合影像分类的方法与经验知识,选择合适的训练区样本,利用支持向量机分类器对目标影像进行监督分类处理,然后对分类结果进行影像分类后处理(主要成分分析,聚类分析),提取分类后处理结果中的阴影与建筑物转化为矢量区域,并将阴影矢量加载至目标区影像上显示;
步骤三:选取分类后处理效果较好的结果,沿着阴影投影方向(原始影像数据的卫星方位角)绘制覆盖目标区域的等间距平行线段,将所作阴影方向平行线段与阴影区域进行求交集的处理,得到阴影方向的交集线段;或者用等间距平行线线段对阴影矢量区域进行分割,可以将每个建筑物对应的阴影区分割成多个等宽度的不规则图形;
步骤四:打开步骤三中得到的阴影方向的交集线段,逐一获取每个阴影区域对应交集线段的长度,去除最小值与最大值后求得平均值,作为该阴影在影像上的投影方向长度;或者打开每个阴影区域对应的属性表,统计分割的不规则多边形小区域面积,对属于同一阴影区域的多边形,求其平均值U,然后将不规则多边形视为一条边沿阴影投影方向,另一边沿建筑物轮廓的平行四边形,用面积U除以间距,得到建筑物沿阴影方向的投影长度(阴影长度);
步骤五:太阳、卫星以及建筑物阴影三者间存在三种不同的关系,通过选取带有顶点的规整标志建筑,提取其对应阴影矢量区域,并加载至影像上进行分析来确定三者间的关系。其中,阴影中轴线与标志建筑中轴线夹角为θ,若 0°<θ<90°,则太阳与卫星处于同侧,此时步骤四所得影像上阴影的长度小于实际阴影长;若90°≤θ<180°,则太阳与卫星处于不同侧,但此时步骤四所得影像上阴影的长度大于实际阴影长;若θ=180°,太阳与卫星处于不同侧,但此时步骤四影像上所得阴影的长度即为实际阴影长;
步骤六:结合步骤五中夹角θ的情况,可以确定太阳、卫星以及建筑物阴影三者间的关系,利用原始影像中的太阳高度角(Sun Elevation)、卫星高度角 (SatelliteElevation)信息建立对应数学模型,计算建筑物高度;
步骤七:利用步骤六中得到的两个年份的建筑物高度,构造线性回归方程 (即线性拟合),从而得到目标建筑物高度较为精确的结果;
步骤八:利用影像分类后处理得到的建筑物面状矢量,结合步骤六中的建筑物高度信息,通过ArcScene10.2功能构筑相应的建筑物三维模型。
步骤一中使用的原始高分辨率遥感影像是购得的WorldView-2影像数据。具有四个分辨率为1.8米的多光谱波段和一个分辨率为0.5米的全色波段。在影像上找到目标区域,利用目标区域的矢量图对各个波段进行裁剪;然后分别对裁剪后的多光谱波段和全色波段影像进行辐射定标、大气校正,消除大气分子和气溶胶散射对影像质量的影响;最后将处理过的多光谱波段与全色波段进行波段融合,得到分辨率为0.5米的目标区域合成影像,便于接下来的操作。
步骤二中,训练区样本的选择首先需要凭借人工解译的经验,将目标区域影像中的所有地物进行分类,在本发明中地物类别分为水体、建筑物、阴影、道路、裸地以及绿地六类。在ENVI中,每一类别选择20个左右的样本后,对其进行样本分离性的评定,分离性大于0.9的符合要求,为合适的样本,否则需要重新进行选择。监督分类后,对分类结果进行主要成分分析以及聚类分析,是为了将分类的阴影以及建筑物聚合在一起,祛除斑块,便于接下来阴影长度的计算。
步骤三中的卫星方位角,以及步骤六中的太阳高度角、卫星高度角均是从所用原始影像数据文件中查找到的。步骤三中分割的不规则小区域数量要尽可能多,以便使得每个分割的小区域图形都能够近似抽化为平行四边形。
步骤四中,无论使用平行交集线段还是分割的阴影面积进行计算,来获取影像上阴影投影方向的长度,效果均可,具体实施需要根据目标建筑物的分布情况进行考虑,分布密集时采用平行交集线段的方式更为简便;分布稀疏时,利用分割的阴影面积进行计算,效果更佳。本发明的具体实施实例就采用分割的阴影面积,对阴影方向的投影长度进行计算。
步骤五中太阳、卫星以及建筑物阴影三者间存在三种不同的关系,需要根据所用影像数据的情况,选用不同的数学模型。主要分为太阳与卫星在同侧的一种情况,以及两者在不同侧时的两种情况。具体区分首先需要在所用影像数据上找到一个标志建筑,确保该建筑及其阴影具有较强的对称性,且以类似标杆的形状为最佳,即标志建筑需要具有顶点且形状规整,对称性好,同时其阴影质量也要求保持良好,能够与附近地物进行的明显的区分,整体形状不受周围其他因素的影响。该标志建筑的选取直接决定数学计算模型的选择,对于结果的准确性以及精度具有较大的影响。如图8所示为本发明中包含目标区域及其标志建筑的影像,其中所选标志建筑为本发明实施目标区域的地标:大玉米,符合上述标志建筑的要求。设定标志建筑顶点为A,对应阴影的顶端为A′,由于所选标志建筑对称性较好,且阴影规整,可以过阴影顶端A′作阴影区域的中轴线,即对称线,同建筑与阴影的交界线相交于点O。则OA′即为阴影的中轴线,连接点O与标志建筑的顶点A,则OA为建筑的中轴线。阴影中轴线与标志建筑中轴线夹角为θ,若0°<θ<90°,则太阳与卫星处于同侧,此时步骤四所得影像上阴影长度小于实际阴影长;若90°≤θ≤180°,则太阳与卫星处于不同侧,此时所得影像上阴影的长度要大于实际阴影长;若θ=180°,太阳与卫星处于不同侧,所得阴影方向的投影长度为实际阴影长。
步骤七中的线性回归直线采用最小二乘法的原理,以2015年的建筑高度计算结果作为自变量xi,2016年结果为因变量yi,则回归方程可设为求出其对应平均值当对应残差最小时,即为所得线性回归直线,分别代入求出此时的系数a、b,得到对应的线性回归方程,代入xi,求得建筑物高度估计值的修正结果。此外,由于5号建筑具有不规则性,此时修正结果中5号建筑的高度为其最大高度。构建模型时需将其分为上下两部分,分别对两部分建筑物的面状矢量赋予不同高度值,其中上部建筑高度值为图11 表中5号建筑的建筑高度修正结果,下部建筑的高度则为利用相应部分投影的长度计算得到的高度修正值:28.42m,基于此可以构造5号建筑的对应模型。
采用这样的设计后,本发明至少具有以下几个优点:
1)选取两个不同时相的影像进行计算,可以进行对比分析,进而构造回归直线方程,对结果进行修正,降低提取高度信息过程中产生的误差的影响。本发明所用研究区域对应的1到8号建筑,其实际高度是经过应用调查以及海星达全站仪ATS-320M实测获得,如下表格所示:单位(米)
其中建筑高度修正值为15年与16年建筑高度所作回归直线对应点的数值。由此可分别计算建筑高度15年的值、16年的值以及修正值与对应实际值的偏差平方和,其计算公式为:其中,ai为第i号建筑的实际高度,yi为每种情况对应的第i号建筑高度,可以求得 所以显然利用两年高度值求得的线性回归方程推算出的高度修正值更为准确,精度更高。
2)对太阳、卫星以及建筑物阴影三者间的关系考虑较为周全,构筑了不同的数学模型,能够根据所选用影像数据的不同采用相应模型进行计算,提高结果的准确性与精度。
3)提取建筑物高度信息的过程更为***,大大降低三维建模,测量等工作的难度,忽略时间、空间要素的局限性,能够对不同时期、不同区域的建筑物模型进行构筑,方便快捷。
4)利用阴影方向的交集线段,或者分割的阴影面积来计算阴影长度,能够减小获取阴影长度过程中产生的误差,使计算结果的精度更高,保证估算的建筑高度的准确性。
附图说明
上述为本发明技术方案的概述,下面结合附图以及具体实施方式对本发明进行详细的说明。
图1为本发明研究区域2015年预处理结果影像图。
图2为本发明研究区域2016年预处理结果影像图。
图3为本发明研究区域加载了阴影面状矢量的2015年影像图。
图4为本发明研究区域加载了阴影面状矢量的2016年影像图。
图5为本发明研究区加载有经平行线分割的阴影矢量的2015年对应影像。
图6为本发明研究区加载有经平行线分割的阴影矢量的2016年对应影像。
图7为本发明研究区域2015年与2016年对应建筑物的阴影长度数据表。
图8为本发明中包含目标区域及其标志建筑的影像。
图9为本发明所用影像的标志建筑与其阴影的对应关系图。
图10为本发明基于阴影长度计算建筑物高度的数学模型图。
图11为本发明基于阴影长度计算的2015年与2016年建筑物高度数据表。
图12为本发明基于两年高度数据所得的建筑高度修正值数据表。
图13为本发明目标区建筑物的三维模型。
具体实施方式
以下结合附图情况,对本发明具体实施方式进行详细的描述说明。
本发明研究区域选用郑州市金水区部分区域,数据为2015年和2016年的WorldView-2影像数据,通过结合ENVI5.1与Arcgis10.2软件进行各个步骤的处理。现结合图1至图11所示,基于多时相遥感影像阴影快速构建建筑物三维模型的方法,包括以下几个步骤:
步骤一:获取包含目标区域的原始高分辨率遥感影像,对其进行裁剪、辐射定标、大气校正以及波段融合等预处理过程,得到2015年、2016年两年的目标区影像。
步骤二:结合影像分类的方法与经验知识,选取合适训练区样本后,选择支持向量机分类器(Support Vector Machine Classification)对其进行监督分类,然后对分类的结果进行影像的分类后处理,包括主要/次要成分分析 (Majority/Minority Analysis)和聚类处理(Clump Classes),使得分类后的阴影区域更均匀饱满,便于识别阴影区,有利于接下来步骤的进行。选取分类后处理效果较好的结果进行接下来的处理,如图3、图4所示,
步骤三:在ArcCatalog中新建一线性矢量文件,加载至Arcmap中作为模板画线,利用要素构造工具或者COGO工具构建一条沿投影方向(卫星方位角)一定长度的线段,在编辑器(Editor)下拉菜单中选择平行复制(Copy Parallel) 选项,设置其距离(平移距离)为5米,构造该线段的第一条平行线,依次选择所有的线段进行平移,直至目标区所有阴影部分都与平行线段相交。然后在***工具箱(System Toolboxs)中选择Analysis Tools,利用提取分析工具的相交(Intersect)功能,获取平行线段与阴影区域相交部分的线段;接着利用Arcmap中“高级编辑”功能的“分割面”工具,用交集线段对阴影矢量区域进行分割,或者直接使用等间距平行线对阴影进行分割,进而可以将每个建筑物对应的阴影区分成若干等宽度的不规则图形,如图5、图6所示。
步骤四:打开步骤三中得到的每个阴影区域对应的属性表,逐一统计分割的不规则多边形小区域面积,归纳汇总,对属于同一阴影区域的多边形,从大到小排序,以最大值为起始点,误差在50平方米以内的进行统计汇总,求取其平均值U,然后将不规则多边形视为一条边沿阴影投影方向,另一边沿建筑物轮廓的平行四边形,则阴影投影方向的边对应高为所画平行线的间距(本实验中间距为5米),用平均面积U除以间距,所得结果即为建筑物沿阴影方向的投影长度(阴影长度),如图7中表格所示。
步骤五:太阳、卫星以及建筑物阴影三者间存在三种不同的关系,通过选取带有顶点的规整标志建筑,提取其对应阴影矢量区域加载至影像上来确定三者间的关系。如图8中所示,本发明技术实施中选用的标志建筑为郑州市郑东新区CBD地标:大玉米。令A为标志建筑的顶点,A’为建筑顶点的阴影投影点,OA 为阴影的中轴线,其中O点为阴影中轴线与建筑底部的交点,OA为影像上建筑的中轴线,阴影中轴线与标志建筑中轴线夹角为θ,如图9所示。由上述可知,若 0°<θ<90°,太阳与卫星处于同侧,步骤四中所得影像上阴影的长度小于实际阴影长;若90°≤θ<180°,太阳与卫星处于不同侧,所得影像上阴影的长度要大于实际阴影长;若θ=180°,太阳与卫星仍处于不同侧,此时所得影像上阴影的长度为实际阴影长。
很显然,在本发明技术实施中目标区域的遥感影像上,标志建筑的中轴线与其阴影中轴线夹角θ满足:90°≤θ<180°,由此确定其符合太阳、卫星处于不同侧,且影像上阴影的长度大于实际阴影长的情况。
步骤六:结合步骤五中夹角θ的情况,可以确定太阳、卫星以及建筑物阴影三者间的关系,利用原始影像中的太阳高度角(Sun Elevation)、卫星高度角 (SatelliteElevation)信息,确定对应的数学模型,结合上述步骤获得的影像上阴影方向投影的长度,计算求得建筑物高度。其中,如图10所示,需要分三种情况进行考虑:
1)太阳高度角β与卫星高度角α在不同方向,即太阳与卫星在不同侧,若此时标志建筑的中轴线与其阴影中轴线夹角θ满足:θ=180°,则建筑物对应的实际阴影长度即为上述步骤中计算所得阴影方向投影长度L2,相应的建筑物高度为
H=L2tanβ
2)太阳高度角β与卫星高度角α在不同方向,即太阳与卫星在不同侧,若此时标志建筑的中轴线与其阴影中轴线夹角θ满足:90°≤θ<180°,则建筑物的实际阴影长度S小于步骤四所得的阴影长度L2,应为:
S=L2-H/tanα
则对应建筑物高度为:
H=S×tanβ
整理得到H=L2×[(tanα+tanβ)/(tanα×tanβ)]
3)太阳高度角β与卫星高度角α在同一方向,即太阳与卫星在同一侧,此时标志建筑的中轴线与其阴影中轴线夹角θ满足:0°<θ<90°,则上述步骤四所得阴影方向投影L2仅为阴影的部分投影,阴影总长为:
S=L1+L2
如图10中情况3)示,L1为因卫星高度角而被遮挡的部分阴影长度。此时,建筑物高度为
H=(L1+L2)tanβ
且两式结合代入L2可得建筑物高度
H=L2×[(tanα-tanβ)/(tanα×tanβ)]
对本发明中实验区影像进行分析可知,显然标志建筑的中轴线与其阴影中轴线夹角θ满足:90°≤θ<180°,则应按照图10中情况2)模型进行计算,得到目标区建筑物高度H如图11表所示。
步骤七:利用步骤六中得到的两个年份的建筑物高度,构造线性回归方程 (即线性拟合),以2015年的高度计算结果作为自变量x,2016年的作为因变量y,可以得到两者的线性拟合关系为:y=1.0063x–0.8272,R2=0.9852。并求得对应建筑物高度较为精确的结果,如图12表所示。
步骤八:将步骤七中修正后的建筑物高度信息,添加到对应的建筑物面状矢量属性表中,并在ArcScene10.2中打开目标建筑对应的面状矢量,按照高度属性拉伸显示,即可得到相应的建筑物三维模型,如图13所示。
以上所述是结合具体实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施仅局限于此。对于本发明所属及相关技术领域的技术人员来说,在基于本发明技术方案思路前提下,所作的拓展以及操作方法、数据的替换,都应当落在本发明保护范围之内。
Claims (7)
1.基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,包括以下几个步骤:
步骤一:获取包含目标区域的原始高分辨率遥感影像,对其进行裁剪、辐射定标、大气校正以及波段融合预处理过程,得到连续两年的目标区影像;
步骤二:结合影像分类的方法与经验知识,选择合适的训练区样本,利用支持向量机分类器对目标影像进行监督分类处理,然后对分类结果进行影像分类后处理,提取分类后处理结果中的阴影与建筑物转化为矢量区域,并将阴影矢量加载至目标区影像上显示;
步骤三:选取分类后处理效果较好的结果,沿着阴影投影方向即原始影像数据的卫星方位角绘制覆盖目标区域的等间距平行线段,将所作阴影方向平行线段与阴影区域进行求交集的处理,得到阴影方向的交集线段;或者用等间距平行线线段对阴影矢量区域进行分割,可以将每个建筑物对应的阴影区分割成多个等宽度的不规则图形;
步骤四:打开步骤三中得到的阴影方向的交集线段,逐一获取每个阴影区域对应交集线段的长度,去除最小值与最大值后求得平均值,作为该阴影在影像上的投影方向长度;或者打开每个阴影区域对应的属性表,统计分割的不规则多边形小区域面积,对属于同一阴影区域的多边形,求其平均值U,然后将不规则多边形视为一条边沿阴影投影方向,另一边沿建筑物轮廓的平行四边形,用面积U除以间距,得到建筑物沿阴影方向的投影长度;
步骤五:太阳、卫星以及建筑物阴影三者间存在三种不同的关系,通过选取带有顶点的规整标志建筑,提取其对应阴影矢量区域,并加载至影像上进行分析来确定三者间的关系;其中,阴影中轴线与标志建筑中轴线夹角为θ,若0°≤θ<90°,则太阳与卫星处于同侧,此时步骤四所得影像上阴影方向的长度小于实际阴影长;若90°≤θ<180°,则太阳与卫星处于不同侧,但此时步骤四所得影像上阴影方向的长度大于实际阴影长;若θ=180°,太阳与卫星处于不同侧,但此时步骤四影像上所得阴影方向的长度即为实际阴影长;
步骤六:结合步骤五中夹角θ的情况,可以确定太阳、卫星以及建筑物阴影三者间的关系,利用原始影像中的太阳高度角、卫星高度角信息建立对应数学模型,计算建筑物高度;
步骤七:利用步骤六中得到的两个年份的建筑物高度,构造线性回归方程,从而得到目标建筑物高度较为精确的结果;
步骤八:利用影像分类后处理得到的建筑物面状矢量,结合步骤六中的建筑物高度信息,通过ArcScene10.2功能构筑相应的建筑物三维模型。
2.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤一中使用的原始高分辨率遥感影像是购得的WorldView影像数据,具有四个分辨率为1.8米的多光谱波段和一个分辨率为0.5米的全色波段,在影像上找到目标区域,利用目标区域的矢量图对各个波段进行裁剪;然后分别对裁剪后的多光谱波段和全色波段影像进行辐射定标、大气校正,消除大气分子和气溶胶散射对影像质量的影响;最后将处理过的多光谱波段与全色波段进行波段融合,得到分辨率为0.5米的目标区域合成影像,便于接下来的操作。
3.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤二中,训练区样本的选择首先需要凭借人工解译的经验,将目标区域影像中的所有地物进行分类,在本发明中地物类别分为水体、建筑物、阴影、道路、裸地以及绿地六类;在ENVI中,每一类别选择20个左右的样本后,对其进行样本分离性的评定,分离性大于0.9的符合要求,为合适的样本,否则需要重新进行选择;监督分类后,对分类结果进行主要成分分析以及聚类分析,是为了将分类的阴影以及建筑物聚合在一起,祛除斑块,便于接下来阴影长度的计算。
4.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤三中的卫星方位角,以及步骤六中的太阳高度角、卫星高度角均是从所用原始影像数据文件中查找到的;步骤三中分割的不规则小区域数量要尽可能多,以便使得每个分割的小区域图形都能够近似抽化为平行四边形。
5.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤四中,无论使用平行交集线段还是分割的阴影面积进行计算,来获取影像上阴影投影方向的长度,效果均可,具体实施需要根据目标建筑物的分布情况进行考虑,分布密集时采用平行交集线段的方式更为简便;分布稀疏时,利用分割的阴影面积进行计算,效果更好;本发明的具体实施实例就采用分割的阴影面积,对阴影方向的投影长度进行计算。
6.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤五中太阳、卫星以及建筑物阴影三者间存在三种不同的关系,需要根据所用影像数据的情况,选用不同的数学模型;主要分为太阳与卫星在同侧的一种情况,以及两者在不同侧时的两种情况;具体区分首先需要在所用影像数据上找到一个标志建筑,确保该建筑及其阴影具有较强的对称性,且以类似标杆的形状为最佳,即标志建筑需要具有顶点且形状规整,对称性好,同时其阴影质量也要求保持良好,能够与附近地物进行的明显的区分,整体形状不受周围其他因素的影响;该标志建筑的选取直接决定数学计算模型的选择,对于结果的准确性以及精度具有较大的影响;设定标志建筑顶点为A,对应阴影的顶端为A′,由于所选标志建筑对称性较好,且阴影规整,可以过阴影顶端A′作阴影区域的中轴线,即对称线,同建筑与阴影的交界线相交于点O;则OA′即为阴影的中轴线,连接点O与标志建筑的顶点A,则OA为建筑的中轴线;阴影中轴线与标志建筑中轴线夹角为θ,若0°<θ<90°,则太阳与卫星处于同侧,此时步骤四所得影像上阴影长度小于实际阴影长;若90°≤θ<180°,则太阳与卫星处于不同侧,此时所得影像上阴影的长度要大于实际阴影长;若θ=180°,太阳与卫星处于不同侧,所得阴影方向的投影长度为实际阴影长。
7.根据权利要求1所述的基于多时相遥感影像阴影提取城市建筑物高度的方法,其特征在于,所述步骤七中的线性回归直线采用最小二乘法的原理,以第一年的建筑高度计算结果作为自变量xi,第二年结果为因变量yi,则回归方程可设为求出其对应平均值当对应残差最小时,即为所得线性回归直线,分别求出此时的系数a、b,代入xi,求得建筑物高度估计值的修正结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710077106.5A CN107679441B (zh) | 2017-02-14 | 2017-02-14 | 基于多时相遥感影像阴影提取城市建筑物高度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710077106.5A CN107679441B (zh) | 2017-02-14 | 2017-02-14 | 基于多时相遥感影像阴影提取城市建筑物高度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107679441A true CN107679441A (zh) | 2018-02-09 |
CN107679441B CN107679441B (zh) | 2020-06-02 |
Family
ID=61134007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710077106.5A Expired - Fee Related CN107679441B (zh) | 2017-02-14 | 2017-02-14 | 基于多时相遥感影像阴影提取城市建筑物高度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679441B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733077A (zh) * | 2018-05-31 | 2018-11-02 | 合肥赛为智能有限公司 | 一种农用无人机作业智能化调控*** |
CN108765488A (zh) * | 2018-03-29 | 2018-11-06 | 武汉大学 | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 |
CN109190236A (zh) * | 2018-08-28 | 2019-01-11 | 山东建筑大学 | 一种加工工件表面形貌特征表征方法 |
CN109389051A (zh) * | 2018-09-20 | 2019-02-26 | 华南农业大学 | 一种基于卷积神经网络的建筑物遥感图像识别方法 |
CN110222586A (zh) * | 2019-05-15 | 2019-09-10 | 清华大学 | 一种建筑物高度的计算及城市形态参数数据库的建立方法 |
CN110390715A (zh) * | 2019-09-11 | 2019-10-29 | 桂林理工大学 | 一种同时检测建筑物屋顶、建筑物墙体及地面阴影的方法 |
CN110736435A (zh) * | 2019-08-29 | 2020-01-31 | 昆明理工大学 | 一种基于太阳能几何光学的高度测量装置及方法 |
CN111104850A (zh) * | 2019-10-30 | 2020-05-05 | 中国资源卫星应用中心 | 一种基于残差网络的遥感影像建筑物自动提取方法和*** |
CN111398958A (zh) * | 2020-04-03 | 2020-07-10 | 兰州大学 | 一种确定地面沉降与黄土填挖方区建筑高度相关性的方法 |
CN111597496A (zh) * | 2020-05-18 | 2020-08-28 | 中国科学院空天信息创新研究院 | 基于有理多项式系数单幅星载遥感影像目标高度计算方法 |
CN111666910A (zh) * | 2020-06-12 | 2020-09-15 | 北京博能科技股份有限公司 | 一种机场净空区障碍物检测方法、装置、和电子产品 |
CN111721268A (zh) * | 2020-07-22 | 2020-09-29 | 河南大学 | 一种精确反演建筑物高度的方法与装置 |
CN111721267A (zh) * | 2020-07-22 | 2020-09-29 | 河南大学 | 一种利用卫星影像预测建筑物高度的方法 |
CN112613369A (zh) * | 2020-12-15 | 2021-04-06 | 中国建筑第八工程局有限公司 | 建筑窗面积的计算方法及*** |
CN113203399A (zh) * | 2021-04-16 | 2021-08-03 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种地下空间资源量分析方法 |
CN113408419A (zh) * | 2021-06-18 | 2021-09-17 | 亿景智联(北京)科技有限公司 | 利用多特征融合进行建筑物高度测算的方法 |
CN113487634A (zh) * | 2021-06-11 | 2021-10-08 | 中国联合网络通信集团有限公司 | 关联建筑物高度与面积的方法及装置 |
CN113886937A (zh) * | 2021-12-08 | 2022-01-04 | 深圳小库科技有限公司 | 基于不规则三维空间物体的快速投影计算方法 |
CN114061548A (zh) * | 2022-01-14 | 2022-02-18 | 山东省地质测绘院 | 基于无人机遥感的建筑测绘方法及*** |
CN114373009A (zh) * | 2022-01-13 | 2022-04-19 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 |
CN116977469A (zh) * | 2023-08-02 | 2023-10-31 | 中国水利水电科学研究院 | 一种基于随机切片的社区尺度城市形态数据批量生成方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080089610A1 (en) * | 2004-01-16 | 2008-04-17 | Geotango International Corp. | System, computer program and method for 3d object measurement, modeling and mapping from single imagery |
CN102147936A (zh) * | 2011-03-09 | 2011-08-10 | 浙江大学 | 一种基于级联的在三维地形表面无缝叠加二维矢量的方法 |
CN104463868A (zh) * | 2014-12-05 | 2015-03-25 | 北京师范大学 | 一种基于无参数高分辨率影像的建筑高度快速获取方法 |
-
2017
- 2017-02-14 CN CN201710077106.5A patent/CN107679441B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080089610A1 (en) * | 2004-01-16 | 2008-04-17 | Geotango International Corp. | System, computer program and method for 3d object measurement, modeling and mapping from single imagery |
CN102147936A (zh) * | 2011-03-09 | 2011-08-10 | 浙江大学 | 一种基于级联的在三维地形表面无缝叠加二维矢量的方法 |
CN104463868A (zh) * | 2014-12-05 | 2015-03-25 | 北京师范大学 | 一种基于无参数高分辨率影像的建筑高度快速获取方法 |
Non-Patent Citations (3)
Title |
---|
GREGORIS LIASIS等: "Satellite images analysis for shadow detection and building height estimation", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
P.L.N. RAJUA等: "SHADOW ANALYSIS TECHNIQUE FOR EXTRACTION OF BUILDING HEIGHT USING HIGH RESOLUTION SATELLITE SINGLE IMAGE AND ACCURACY ASSESSMENT", 《THE INTERNATIONAL ARCHIVES OF THE PHOTOGRAMMETRY, REMOTE SENSING AND SPATIAL INFORMATION SCIENCES》 * |
陈亭等: "高分辨率遥感影像阴影与立体像对提取建筑物高度比较研究", 《遥感科学与应用技术》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765488A (zh) * | 2018-03-29 | 2018-11-06 | 武汉大学 | 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 |
CN108733077A (zh) * | 2018-05-31 | 2018-11-02 | 合肥赛为智能有限公司 | 一种农用无人机作业智能化调控*** |
CN109190236A (zh) * | 2018-08-28 | 2019-01-11 | 山东建筑大学 | 一种加工工件表面形貌特征表征方法 |
CN109190236B (zh) * | 2018-08-28 | 2023-05-09 | 山东建筑大学 | 一种加工工件表面形貌特征表征方法 |
CN109389051A (zh) * | 2018-09-20 | 2019-02-26 | 华南农业大学 | 一种基于卷积神经网络的建筑物遥感图像识别方法 |
CN110222586A (zh) * | 2019-05-15 | 2019-09-10 | 清华大学 | 一种建筑物高度的计算及城市形态参数数据库的建立方法 |
CN110736435B (zh) * | 2019-08-29 | 2021-05-14 | 昆明理工大学 | 一种基于太阳能几何光学的高度测量装置及方法 |
CN110736435A (zh) * | 2019-08-29 | 2020-01-31 | 昆明理工大学 | 一种基于太阳能几何光学的高度测量装置及方法 |
CN110390715A (zh) * | 2019-09-11 | 2019-10-29 | 桂林理工大学 | 一种同时检测建筑物屋顶、建筑物墙体及地面阴影的方法 |
CN110390715B (zh) * | 2019-09-11 | 2023-10-13 | 桂林理工大学 | 一种同时检测建筑物屋顶、建筑物墙体及地面阴影的方法 |
CN111104850A (zh) * | 2019-10-30 | 2020-05-05 | 中国资源卫星应用中心 | 一种基于残差网络的遥感影像建筑物自动提取方法和*** |
CN111104850B (zh) * | 2019-10-30 | 2023-09-26 | 中国四维测绘技术有限公司 | 一种基于残差网络的遥感影像建筑物自动提取方法和*** |
CN111398958A (zh) * | 2020-04-03 | 2020-07-10 | 兰州大学 | 一种确定地面沉降与黄土填挖方区建筑高度相关性的方法 |
CN111597496A (zh) * | 2020-05-18 | 2020-08-28 | 中国科学院空天信息创新研究院 | 基于有理多项式系数单幅星载遥感影像目标高度计算方法 |
CN111666910A (zh) * | 2020-06-12 | 2020-09-15 | 北京博能科技股份有限公司 | 一种机场净空区障碍物检测方法、装置、和电子产品 |
CN111666910B (zh) * | 2020-06-12 | 2024-05-17 | 北京博能科技股份有限公司 | 一种机场净空区障碍物检测方法、装置、和电子产品 |
CN111721267A (zh) * | 2020-07-22 | 2020-09-29 | 河南大学 | 一种利用卫星影像预测建筑物高度的方法 |
CN111721268A (zh) * | 2020-07-22 | 2020-09-29 | 河南大学 | 一种精确反演建筑物高度的方法与装置 |
CN112613369A (zh) * | 2020-12-15 | 2021-04-06 | 中国建筑第八工程局有限公司 | 建筑窗面积的计算方法及*** |
CN113203399A (zh) * | 2021-04-16 | 2021-08-03 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种地下空间资源量分析方法 |
CN113203399B (zh) * | 2021-04-16 | 2022-02-15 | 青岛地质工程勘察院(青岛地质勘查开发局) | 一种地下空间资源量分析方法 |
CN113487634A (zh) * | 2021-06-11 | 2021-10-08 | 中国联合网络通信集团有限公司 | 关联建筑物高度与面积的方法及装置 |
CN113487634B (zh) * | 2021-06-11 | 2023-06-30 | 中国联合网络通信集团有限公司 | 关联建筑物高度与面积的方法及装置 |
CN113408419A (zh) * | 2021-06-18 | 2021-09-17 | 亿景智联(北京)科技有限公司 | 利用多特征融合进行建筑物高度测算的方法 |
CN113886937A (zh) * | 2021-12-08 | 2022-01-04 | 深圳小库科技有限公司 | 基于不规则三维空间物体的快速投影计算方法 |
CN114373009B (zh) * | 2022-01-13 | 2023-02-03 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 |
CN114373009A (zh) * | 2022-01-13 | 2022-04-19 | 中国科学院空天信息创新研究院 | 基于高分辨率遥感影像的建筑物阴影测高智能化计算方法 |
CN114061548B (zh) * | 2022-01-14 | 2022-06-17 | 山东省地质测绘院 | 基于无人机遥感的建筑测绘方法及*** |
CN114061548A (zh) * | 2022-01-14 | 2022-02-18 | 山东省地质测绘院 | 基于无人机遥感的建筑测绘方法及*** |
CN116977469A (zh) * | 2023-08-02 | 2023-10-31 | 中国水利水电科学研究院 | 一种基于随机切片的社区尺度城市形态数据批量生成方法 |
CN116977469B (zh) * | 2023-08-02 | 2024-01-23 | 中国水利水电科学研究院 | 一种基于随机切片的社区尺度城市形态数据批量生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107679441B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679441A (zh) | 基于多时相遥感影像阴影提取城市建筑物高度的方法 | |
CN107844802A (zh) | 基于无人机低空遥感和面向对象分类的水土保持监测方法 | |
CN110378909B (zh) | 基于Faster R-CNN的面向激光点云的单木分割方法 | |
CN104036544B (zh) | 一种基于机载LiDAR数据的建筑物屋顶重建方法 | |
CN109711288A (zh) | 基于特征金字塔和距离约束fcn的遥感船舶检测方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
CN112712535B (zh) | 基于模拟困难样本的Mask-RCNN滑坡分割方法 | |
CN104063718B (zh) | 在作物识别和面积估算中选择遥感数据和分类算法的方法 | |
CN109949326A (zh) | 基于背包式三维激光点云数据的建筑物轮廓线提取方法 | |
CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
CN105046046B (zh) | 一种集合卡尔曼滤波局地化方法 | |
WO2014054042A1 (en) | Device and method for detecting plantation rows | |
CN102004856A (zh) | 高频观测资料实时数据的快速集合卡曼滤波同化方法 | |
CN110188927A (zh) | 一种城市热岛主控因素的分析方法、装置及存储介质 | |
CN112750135B (zh) | 一种无人机倾斜摄影测量像控点优化方法及*** | |
CN105183769B (zh) | 基于流数据立方体的轨迹数据原位可视化方法 | |
Morris | Using Knowledge-Base Rules to Map the Three-Dimensional Nature of Geological | |
CN109635713A (zh) | 高原山地阴影区冰川识别方法 | |
CN108763575A (zh) | 基于像控点数据库的像控点自动选取方法 | |
CN106910218B (zh) | 基于大区域栅格数字高程模型的地表表面面积计算方法 | |
CN115546551A (zh) | 一种基于深度学习的地理信息提取方法及*** | |
CN115205528A (zh) | 一种用于面向地理对象影像分析的特征选择方法 | |
CN114742150A (zh) | 一种基于面积划分和余弦距离的终端区航空器轨迹聚类方法 | |
CN103116183B (zh) | 一种石油地震采集面元覆盖次数属性体切片成图方法 | |
CN108287845A (zh) | 一种道路信息自动提取方法和装置、及混合导航*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 Termination date: 20210214 |
|
CF01 | Termination of patent right due to non-payment of annual fee |