[发明专利]低空图像DSM生成建筑物边缘精细化方法

权利要求书

1.低空图像DSM生成建筑物边缘精细化方法，其特征在于，针对图像中建筑物边缘的直线，获得精确的边缘线并用获得的边缘线进行DSM边缘的精细化，包括：一是提出适合低空图像提取有效线特征的算法，对低空图像分块改进LSD线特征提取，考察提取线段的长度，方向属性，对分块提取得到的线段进行筛选合并，最终得到符合匹配条件的线特征数据；二是通过密集匹配得到原始点云数据，将提取的直线投影至密集匹配点云，并利用外方位元素反投至相邻图像上，投影的线特征在第一图像定范围内得到一个匹配备选集，计算相邻图像在备选集内的线段与投影线段的附加权匹配关联度判别函数，匹配的同名直线需进一步满足双向一致性准则；三是采用光束面前交获取3D线段点云数据，并提出进行基于临界值的精细化密集匹配点云的方法，设定内外临界值两个临界值，以3D线段为中心确定3D线段圆柱形内外缓冲区，删除在两缓冲区之间的边缘点云数据，将缓冲区内的点云数据纠正到3D线段上，构建三角网内插，最终得到精细化的DSM；

第一步，改进LSD提取线特征包括：低空图像分块、改进提取线特征；解析线特征提取算法与线段优化策略，并对经典线特征提取算法LSD在速度、稳定性和精度方面进行改进，通过改进LSD提取线特征；

第二步，基于原始点云匹配线特征包括：匹配前置处理、基于原始点云的线特征投影约束；提出一种由密集匹配得到原始点云引导线特征匹配的策略，采用基于原始点云匹配线特征，基于原始点云的线特征匹配通过线特征匹配的各约束条件和匹配测度规避直线段端点不一致的影响，生成原始匹配点云，根据低空图像特征，提出基于原始点云的像方-物方-像方投影约束，并采用合适的匹配测度组成附加权的匹配关联度判别函数；

第三步，线段精细化点云匹配包括：构建3D直线段、精细化DSM；利用匹配线段进行DSM精细化，采用光束面前交重构3D线段的方法，在光束面前交之后得到更合理的3D点云，并划定3D线段缓冲区精细化缓冲区内的点云，最后采用先构建三角网再内插的方法生成规则格网DSM，保留地物地貌信息并得到精度高的DSM。

2.根据权利要求1所述的低空图像DSM生成建筑物边缘精细化方法，其特征在于，改进LSD提取线特征：低空图像分块后，提取线特征，得到线段两端点的坐标；

第一，初步筛选：删除过短的线段，先删除线段长度小于5个像素的线段；

第二，考察两条线段的方向夹角，当夹角大于临界值时不进行合并，设提取线段Y₁的方向角为β₁，线段Y₂的方向角为β₂，则判断线段夹角：

β＝|β₁-β₂|≤5° 式1

如果满足，两条线段即可合并，反之，则不能合并；

第三，计算线段两端点到另一线段的垂距，若线段之间相互的垂距都较大，则不合并；只有当线段之间相互的垂距都小于1时，两条子线段才合并；

第四，计算两线段最近端点间距，如果间距超过临界值则不合并；分别求解四点间的距离，最短距离小于5的线段合并；

第五，将符合合并条件的线段重新优化拟合，合并线段，标记被合并的线段为从属性线段，标记后的线段不参与其它的线段优化操作，优化拟合过程为：将直线的一般形式方程ax+by+c＝0，化为x+Ay+B＝0，其中A＝(b/a)，B＝(c/a)，取W函数：

其中M为参与优化拟合的总点数，当W函数取最小值时，A、B的值即为所求直线参数,函数极值方程：由此可得式3：

求解式3，得A，B的值，即可确定拟合直线的表达式；

第六，清除合并后线段长度仍较短的线段，较长线段的结构性较短线段结构性好，统计合并后的线段长度，小于45像素大小的线段舍弃，最终得到线段优化后的LSD线特征提取结果。