[發明專利]融合高度和光譜信息的傾斜攝影數據建筑物自動提取方法

在審

• 申請號: 202110680057.0
• 申請日: 2021-06-18
• 公開（公告）號: CN113362359A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 張濤;王珍;丁樂樂;邢煒光;朱大勇;魏麟;潘宇明;王震;孟凡效;劉艷飛
• 申請（專利權）人: 天津市勘察設計院集團有限公司
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/187;G06T7/181;G06T5/20;G06T5/00;G06T7/90;G06T17/05
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 王艷華

本發明提供了一種融合高度和光譜信息的傾斜攝影數據建筑物自動提取方法，應用數字表面模型DSM和數字正射影像DOM，通過高度閾值分割、植被信息濾除、后處理、建筑輪廓矢量化與規則化等步驟，不斷優化建筑提取結果，實現建筑信息的自動提取。本發明充分發揮了無人機傾斜攝影數據能夠同時獲得高度和光譜信息的優勢，無需訓練樣本，應用相關的圖像處理算法進行建筑物提取，提升了建筑提取的自動化程度，且得到的建筑結果圖有利于后續的數據處理，符合實際的應用需求。

技術領域

本發明屬于攝影測量與遙感領域，特別是涉及一種融合高度和光譜信息的傾斜攝影數據建筑物自動提取方法。

背景技術

近十幾年來，傾斜攝影測量作為一種高新技術在測繪領域飛速發展，已經成為建設三維數字城市的主要技術手段。建筑是城市最主要的基本地物類型，是城市三維模型的主體，建筑三維空間信息提取對城市規劃與管理具有重要意義。但是，基于傾斜攝影技術生成的實景三維模型多只作為底圖進行可視化瀏覽，缺乏語義信息。如果不進行建筑等地物的信息識別，將無法對單個建筑進行語義查詢等操作，這不利于面向對象的分析，也就無法發揮傾斜攝影的真正優勢與價值。

當前，建筑類別的實體化主要是參照傾斜攝影數據進行人工勾畫，耗費大量人力。同時，一些學者探究從高分辨率影像上進行建筑信息的智能提取。傳統的建筑提取方法主要根據專家先驗知識，綜合考慮建筑的光譜、紋理、形狀和上下文關系等信息，構建建筑提取的規則。但是在單目影像上，由于建筑自身和環境的復雜性，建筑與背景區分不明顯，該方法在描述復雜場景區域的建筑特征時面臨巨大困難。近些年來，基于卷積神經網絡的深度學習方法在圖像處理領域取得了巨大的成功。深度學習是一種數據驅動的模型，擁有強大的特征學習和表征能力。但是該類方法嚴重依賴訓練樣本，而實際任務中常常缺乏相應的樣本庫，因此前期依然需要大量的人工標記工作。

從傳統的單目影像上準確提取建筑是一個巨大的挑戰，傾斜攝影測量的優勢在于它不僅能獲得地物的光譜信息，也能通過多視影像匹配重建出地物的高度信息，而高度信息是建筑最顯著的特征。因此，我們需要探究如何充分發揮傾斜攝影數據的優勢，聯合高度和光譜信息，從傾斜攝影數據上準確、自動地提取建筑。

發明內容

有鑒于此，本發明旨在克服上述現有技術中存在的缺陷，提供一種融合高度和光譜信息的傾斜攝影數據建筑物自動提取方法，通過高度閾值分割、植被信息濾除、后處理等步驟，不斷優化建筑提取結果，實現建筑信息的自動提取，并對建筑輪廓進行矢量化和規則化，作為后續應用的基礎地理信息數據。

為達到上述目的，本發明的技術方案是這樣實現的：

步驟一：獲取目標區域的無人機傾斜攝影數據，包括數字表面模型DSM和數字正射影像DOM。兩者的空間分辨率保持一致，最好在0.05～0.5米之間，能夠支持單個建筑物的提取。

步驟二：對DSM進行數學形態學變換，生成歸一化DSM(nDSM)，對nDSM進行高度閾值分割，得到初始的建筑提取結果。nDSM反映了地物到其周圍地面的相對高度，去除了地形因素的影響，更有利于建筑的提取。nDSM生成可表示如下：

其中，f表示形態學操作中的掩膜圖像，這里指DSM影像，b表示形態學操作中的結構元素，γ_R表示形態學開重構運算。

步驟三：從DOM影像中，通過波段之間的差分，構建植被光譜指數ExG，并對植被光譜指數ExG進行閾值分割。ExG指數構建方式如下：

ExG＝2g-r-b

r＝R/(R|G|B)

g-G/(R+G+B)

b＝B/(R+G+B)

其中R，G，B分別表示影像的紅、綠、藍波段。