基于SLICO的无人机影像建筑物对象提取

发布时间：2021-10-25 21:16

　　提出一种基于超像素分割算法与随机森林算法的无人机影像建筑物提取,利用INPHO软件生成正射影像和点云数据,并用点云数据进行反距离插值运算和波段运算生成归一化数字模型（nDSM）影像。将正射影像与nDSM影像进行波段合成并仅对正射影像采用基于SLICO算法分割生成超像素,选择相应的特征利用随机森林分类器进行分类,从而得到建筑物的提取结果。研究结果表明密集的影像匹配点云生成的nDSM影像进行建筑物提取时,可有效地对农村区域和城市区域的建筑物进行提取,同时避免了面向对象方法中最佳分割尺度难以选择的问题,取得了较好的建筑物提取效果,降低了建筑物提取的成本。 

【文章来源】：地理空间信息. 2020,18(06)

【文章页数】：7 页

【部分图文】：

基于SLICO的建筑物提取流程图

从给定的训练集中通过随机可重复的采样得到多个bootstrap数据集，选取训练数据子集进行节点分裂，若满足该节点的停止条件则分裂结束；若不满足，则构建下一个分裂，直至满足节点停止条件后，分裂结束。而构建下一个分裂是通过从变量子集中选择变量，对每个变量进行样本抽样、变量排序和计算每个分割点的Gini系数后，选择出最优分割点来实现。最后获得分类结果并计算预测误差。如此，对每个bootstrap数据集都构造一棵决策树，根据投票法将所有分类树的分类结果进行综合，就可以得到最终的结果。其算法流程如图2所示。2 研究结果与分析

为验证本文方法的有效性，从四川省攀枝花市米易县选取了2个研究区域（如图3所示），分别是米易县城和水塘村（大小分别为2 910×2 170、3 435×2 818，分辨率为10 cm）。其中，水塘村区域的建筑物分布较散乱、房屋高度较低且周边存在高大树木遮挡和大棚，提取难度相对较大，作为复杂应用场景；米易县城的建筑物分布较密集、房屋高度较高且周边未存在高大树木遮挡，作为简单应用场景。同时，将人工解译的建筑物矢量图作为地面参考数据，如图4所示。图4 研究区域的人工解译图像

【参考文献】：
期刊论文
[1]无人机影像匹配点云技术在道路测设中的应用[J]. 李涛,袁中朝,沈彪群,高波,王生新.  测绘通报. 2018(06)
[2]基于超像素的高分辨率影像建筑物提取[J]. 莫中夏,张新长,张志强.  地理与地理信息科学. 2017(06)
[3]基于TerraSolid的平原地区点云数据滤波方法[J]. 宇超群,刘小宇.  测绘与空间地理信息. 2017(06)
[4]面向对象和SVM结合的无人机数据建筑物提取[J]. 王旭东,段福洲,屈新原,李丹,余攀锋.  国土资源遥感. 2017(01)
[5]基于面向对象的高分辨率遥感建筑物震害信息提取与评估[J]. 赵妍,张景发,姚磊华.  地震学报. 2016(06)
[6]基于可见光波段无人机遥感的植被信息提取[J]. 汪小钦,王苗苗,王绍强,吴云东.  农业工程学报. 2015(05)
[7]基于Inpho的空三加密及正射影像制作方法研究[J]. 胡海友.  铁道勘察. 2013(06)
[8]Terrasolid软件处理激光点云数据的研究与改进[J]. 张均,孙洪斌,邵秋铭.  测绘工程. 2013(04)
[9]超像素分割算法研究综述[J]. 王春瑶,陈俊周,李炜.  计算机应用研究. 2014(01)
[10]反距离加权插值算法中插值参数对DEM插值误差的影响[J]. 张锦明,郭丽萍,张小丹.  测绘科学技术学报. 2012(01)

博士论文
[1]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012



本文编号：3458177