[发明专利]融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法

说明书

本发明提供了一种融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法，应用数字表面模型DSM和数字正射影像DOM，通过高度阈值分割、植被信息滤除、后处理、建筑轮廓矢量化与规则化等步骤，不断优化建筑提取结果，实现建筑信息的自动提取。本发明充分发挥了无人机倾斜摄影数据能够同时获得高度和光谱信息的优势，无需训练样本，应用相关的图像处理算法进行建筑物提取，提升了建筑提取的自动化程度，且得到的建筑结果图有利于后续的数据处理，符合实际的应用需求。

技术领域

本发明属于摄影测量与遥感领域，特别是涉及一种融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法。

背景技术

近十几年来，倾斜摄影测量作为一种高新技术在测绘领域飞速发展，已经成为建设三维数字城市的主要技术手段。建筑是城市最主要的基本地物类型，是城市三维模型的主体，建筑三维空间信息提取对城市规划与管理具有重要意义。但是，基于倾斜摄影技术生成的实景三维模型多只作为底图进行可视化浏览，缺乏语义信息。如果不进行建筑等地物的信息识别，将无法对单个建筑进行语义查询等操作，这不利于面向对象的分析，也就无法发挥倾斜摄影的真正优势与价值。

当前，建筑类别的实体化主要是参照倾斜摄影数据进行人工勾画，耗费大量人力。同时，一些学者探究从高分辨率影像上进行建筑信息的智能提取。传统的建筑提取方法主要根据专家先验知识，综合考虑建筑的光谱、纹理、形状和上下文关系等信息，构建建筑提取的规则。但是在单目影像上，由于建筑自身和环境的复杂性，建筑与背景区分不明显，该方法在描述复杂场景区域的建筑特征时面临巨大困难。近些年来，基于卷积神经网络的深度学习方法在图像处理领域取得了巨大的成功。深度学习是一种数据驱动的模型，拥有强大的特征学习和表征能力。但是该类方法严重依赖训练样本，而实际任务中常常缺乏相应的样本库，因此前期依然需要大量的人工标记工作。

从传统的单目影像上准确提取建筑是一个巨大的挑战，倾斜摄影测量的优势在于它不仅能获得地物的光谱信息，也能通过多视影像匹配重建出地物的高度信息，而高度信息是建筑最显著的特征。因此，我们需要探究如何充分发挥倾斜摄影数据的优势，联合高度和光谱信息，从倾斜摄影数据上准确、自动地提取建筑。

发明内容

有鉴于此，本发明旨在克服上述现有技术中存在的缺陷，提供一种融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法，通过高度阈值分割、植被信息滤除、后处理等步骤，不断优化建筑提取结果，实现建筑信息的自动提取，并对建筑轮廓进行矢量化和规则化，作为后续应用的基础地理信息数据。

为达到上述目的，本发明的技术方案是这样实现的：

步骤一：获取目标区域的无人机倾斜摄影数据，包括数字表面模型DSM和数字正射影像DOM。两者的空间分辨率保持一致，最好在0.05～0.5米之间，能够支持单个建筑物的提取。

步骤二：对DSM进行数学形态学变换，生成归一化DSM(nDSM)，对nDSM进行高度阈值分割，得到初始的建筑提取结果。nDSM反映了地物到其周围地面的相对高度，去除了地形因素的影响，更有利于建筑的提取。nDSM生成可表示如下：

其中，f表示形态学操作中的掩膜图像，这里指DSM影像，b表示形态学操作中的结构元素，γ_R表示形态学开重构运算。

步骤三：从DOM影像中，通过波段之间的差分，构建植被光谱指数ExG，并对植被光谱指数ExG进行阈值分割。ExG指数构建方式如下：

ExG＝2g-r-b

r＝R/(R|G|B)

g-G/(R+G+B)

b＝B/(R+G+B)

其中R，G，B分别表示影像的红、绿、蓝波段。