建筑物图像识别

1、.建筑物图像识别研究摘 要：随着城市化进程的不断发展,城市人口、经济等要素密切影响着城市建筑物的几何形态与分布。从航拍图像或者卫星图像上快速准确的获取城市建筑物的信息不仅有利于地理空间数据的更新,而且对于有效监测新增建筑等城市专题信息有重要意义。不仅如此,近年来基于卫星图像或者航拍图像的建筑物识别与轮廓提取算法的提出与研究改进,更有助于实现对城市建筑物的识别和分类。其对 GIS 数据的获得、对影像的理解、大比例尺制图和及其它许多对遥感数据的应用都具有重要的意义。基于此,本文从建筑物轮廓的几何形态出发,对卫星图像中的建筑物轮廓的提取方法进行了研究。主要进行了如下几方面工作：1、阐述了建筑物提取的

2、基础理论。对典型城市建筑物进行了特征分析,学习并理解在建筑物的轮廓提取中所要用到的算法,从中选择合适的边缘检测与轮廓提取算法。2、在对已有方法进行总结归纳的基础上,系统的研究了基于灰度特征与二值数学形态学的轮廓描述算法和基于边缘特征的Hough变换直线提取算法,对这两种算法进行改进,初步实现了典型城市建筑物的半自动提取。3、针对本文出现的方法进行编程实现,并针对试验结果对这两种方法进行综合的检测与评价,分析了这两种方法的特点及不足。关键词：卫星图像；建筑物轮廓；二值数学形态学；边缘检测；直线提取Building Image Recognition and ResearchAbstract: W

3、ith the continuing developing of urbanization, the urban population, economic and other factors are closely affecting the city buildings geometry and distribution. It is not only conductive to the data updating of geospatial, but also has important significance of the thematic information for effect

4、ive monitoring of new city buildings and so on that accessing information form the city buildings aerial images or satellite images fast and accurately.Moreover, in recent years, building on satellite images to identify and contour extraction or aerial imagery and research to improve the algorithm p

5、roposed, but also help achieve the identification and classification of city buildings.Its GIS data acquisition, image understanding, large scale mapping and many other applications are of great significance.This paper is start form the geometry of the building outline, doing research of the extract

6、ion methods for the building outline which from high resolution images. Mainly for the following work areas:Describes the basic theory of building extraction. Urban buildings typical characteristic analysis, systematic study of image processing algorithms to use in extraction of the building, from w

7、hich to select the appropriate algorithm for edge detection and contour extraction.On the basis of summarizing the existing methods, the proposed feature extraction based on gray and binary mathematical morphology the contour edge detection algorithm based on linear Hough transform algorithm, the se

8、mi-automatic extraction of typical urban buildings.We were against the proposed method programming, and comprehensive testing and evaluation of these two methods for the test results, the characteristics and drawbacks of the two methods.Keywords: Satellite images, Building outline, Binary mathematic

9、al morphology,Edge detection,Line Extraction.目录TOC o 1-3 h z u HYPERLINK l _Toc4222309851 绪论 Hough变换最大优点是抗噪声能力强,在较低的信噪比条件下,对能够写出数学表达式的直线或曲线均可检测到。它的缺点是：需要先作图像二值化及边缘检测或是细化等图像处理操作,导致原始图像许多信息将损失。并且会产生过度连接的问题,不但提高了时间复杂度,而且产生的虚假线段对目标直线段的提取造成了干扰。4.3.3经典Hough变换实验结果图4-12 哈佛大学建筑群图像图4-13 建筑群图像Hough变换 图4-14 XX石

10、油大学新校区图像图4-15 新校区图像Hough变换图像中的直线段提取结果如上图所示,将直线段连接后可大致描绘出建筑物轮廓。由上图实验结果可以看出,经典Hough变换容易导致原始图像许多信息损失。并且会产生过度连接的问题,不但提高了时间复杂度,而且产生的虚假线段对目标直线段的提取造成了干扰。4.4 本章小结本章提出了基于边缘特征的建筑物轮廓提取算法,首先对边缘检测技术进行了介绍,包括边缘的分析以及关于梯度的概念。并介绍了常用的边缘检测算子,进行编程实现后通过比较发现Canny算子在抑制噪声和边缘提取方面效果都比较理想,在加入噪声的图像中进行试验,Canny 算子的这一性能更能容易体现出来,而且

11、得到的边缘较清晰,连续性好。因此采用Canny算子进行随后的直线段提取。在第三节中介绍了经典Hough变换算法并编程实现。并由实验结果得出,经典Hough变换容易导致原始图像许多信息损失。并且会产生过度连接的问题,不但提高了时间复杂度,而且产生的虚假线段对目标直线段的提取造成了干扰。该种方法仍需要改进。5 总结与展望5.1 总结本文针对高分辨率卫星图像中建筑物轮廓提取技术做了系统的研究,包括研究背景介绍、国内外研究现状、图像预处理技术、边缘轮廓提取技术,并设计实现了不同复杂场景图像中建筑物区域提取的处理算法。在绪论部分,系统的总结了建筑物图像识别的研究背景与研究意义,并针对国内外的研究现状提出

12、了自己的研究思路与研究方向。第二章从理论上介绍了建筑物图像预处理,包括建筑物的特征分析与常用的图像增强算法。包括灰度变换算法与直方图变换算法,并对两种算法编程实现,对结果进行分析,通过比较实验结果发现,采用线性灰度变换方法增强图像对比度的效果较好,它能根据图像内容调整图像的对比度,调整后灰度直方图形状变化不大。而直方图均衡化不考虑图像内容只是将直方图进行均衡化处理,使直方图均衡化后图像看起来亮度过高。所以本文使用线性灰度变换增强图像对比度。为下两章的轮廓提取奠定了基础。第三章中系统的研究了基于灰度特征的建筑物轮廓提取算法,首先对图像进行基于灰度的阈值分割后将图像二值化,并通过二值数学形态学中的

13、开启与闭合运算解决二值图像中的孔洞填充问题。最后通过边缘检测提取建筑物的轮廓,实验发现这种算法具有较好的效果,但对有遮挡的建筑物的遮挡部分提取效果有待增强。第四章中系统的研究了基于边缘特征的建筑物轮廓提取算法,首先对边缘检测技术进行了介绍,包括边缘的分析以及关于梯度的概念。并介绍了常用的边缘检测算子,进行编程实现后通过比较发现Canny算子在抑制噪声和边缘提取方面效果都比较理想,在加入噪声的图像中进行试验,Canny 算子的这一性能更能容易体现出来,而且得到的边缘较清晰,连续性好。因此采用Canny算子进行随后的直线段提取。在第三节中介绍了经典Hough变换算法并编程实现。在通过两种方法进行建

14、筑物的识别与轮廓提取后,发现基于灰度特征的建筑物轮廓提取算法效果较好,而基于边缘特征的算法容易导致原始图像许多信息损失。并且会产生过度连接的问题,不但提高了时间复杂度,而且产生的虚假线段也对目标直线段的提取造成了干扰。通过本文的研究发现,可以将基于灰度特征的建筑物提取与基于边缘特征的建筑物提取两种方法进行融合,通过对提取后的图像进行单个像素点的相加,这样既有了基于灰度特征提取的避免图像中无关信息干扰的优点,也具有了基于边缘特征的直线提取的优点。这可以作为今后的一个研究方向。5.2 展望受到时间限制,本文只对部分类型建筑物的提取做了较为深入的研究,而且提出的方法也存在一些局限,离实用化还有很大的

15、差距。今后将在以下几个方面进一步研究： 对更多类型的建筑物建立描述模型,如不同影像分辨率、不同场景的城市和乡村建筑物,建筑物在这些不同情况下呈现不同的特征。寻找不同类型的建筑物有效的稳定的提取方法。建筑物的识别是进行提取的关键,加强对对识别过程的研究。采用影像分割的方法提取建筑物是识别建筑物的发展方向,研究更加适合建筑物的影像分割算法有望更好的解决建筑物提取这一问题。研究彩色图像的边缘检测算法,以更多的利用光谱信息。将图像分割与边缘检测结合起来,充分利用两者的优点。总之,要实现高分辨率图像中地物的自动识别与精确提取还有很长的路要走,充满了困难和挑战。随着数学、计算机学、模式识别和人工智能等学科

16、的发展和测绘学科自身的进步,高分辨率图像的分析和目标提取识别的理论和应用必将产生新的突破,遥感影像的分析和目标自动提取识别必将成为现实,从而为遥感应用、GIS 数据的更新、GIS 的应用、制图自动化等提供有利的条件。参考文献1A.HuertasandR.Nevada, Detecting Buildings in Aerial ImagesJ, Computer Vision, Graphics and Image Processing, 41 ,Feb 1988:131-152.2 R.B.1rvin,D.M.McKeown,Methods for exploiting the relati

17、onship betweenbuildingand their shadows in aerial imageryJ, IEEETrans. System,Man,Cyber.191989：564-1575.3C.Lin and R.Nevitia, Building detection and description from a single intensity imageJ,Computer Vision and Image Understanding 72,1998,101-121.4 赵洁,李光耀等.基于小波变换的卫星遥感地图中的建筑物识别J.计算机技术与发展,2008,18:243

18、-246.5 李巍岳,胡志斌等. 利用边缘检测对高分辨率影像中建筑物的提取研究J.遥感技术与应用,2009,244:502-506.6 王大莹,程新文等. 在MATLAB平台下基于数学形态学对LIDAR数据进行建筑物边缘提取J.测绘科学,2010,351:172-173.7王永刚,马彩霞等.基于数学形态学的建筑物轮廓信息提取J.国土资源遥感,2010:49-53.8王波,陈刚等.一种改进的Hough变换在建筑物提取中的算法研究J.城市勘测,2011:112-114.9赵月云,王波等.基于边缘检测的面向对象建筑物信息提取J.城市勘测,2012:120-125.10赵国庆,岳东杰等.基于数学形态学

19、的建筑物分类提取后细化处理研究J.水利工程与建筑工程学报,2012,10:105-108.11周心铁等.对地观测技术与数字城市J.科学出版社,2001.12 K. Ramar, S. Arumugam, Enhancementof Noisy and Blurred Images: Fuzzy Operator Approach. Advances in Modeling and AnalysisM,1999,:49-60.13章毓晋. 图像工程上册:图像处理和分析M. 北京: 清华大学出版社, 2003. 87-97.14 N. Otsu, A threshold selection met

20、hod fromgray-level histogramJ, IEEE Transactions on System Man Cybernetics,1979,9:62-66.15 王强,马利庄. 图像二值化时图像特征的保留J.计算机辅助设计与图形学学报,2000,746-750.16 章毓晋. 图像工程中册: 图像处理和分析M. 北京: 清华大学出版社, 2005. 368-398.17陈光,遥感图像中建筑物识别与变化检测. XX理工大学硕士学位论文,2005.18 秦襄陪,郑贤中等. Matlab图像处理宝典M. 北京: 电子工业出版社,2011.341-350.19 HOHN CANNY

21、 , MEMBER IEEE canny_A Computational Approach to Edge DetectionJ. Pattern Analysis and Machine Intelligence,1986,8:679-698.20周俊等,基于区域分割合并的建筑物半自动提取方法J. 海洋测绘,2004,1：58-60.21 Milan Sonka,Vacalav Hlavac,Roger Boyle Image Processing, Analysis, and Machine VisionM, 人民邮电出版社,2002,75-90.22孙亚兵. 城市CCD图像关键目标区域提

22、取相关技术研究. 中国海洋大学硕士学位论文,2008.23 R. Nevatia, K. Price. Locating Structures in Aerial ImagesJ. IEEE Transactions on Pattern Analysis and Machine Intelligence,1982,4:476-484.24 M.Boldt,R. Weiss. Token-Based Extraction of Straight LinesJ. IEEE Transactions on System, Man Cybernetics,1989,19:1581-1594.25 J. Burns, A. Hanson. Extraction Straight LinesJ. IEEE Trans