基于高分遥感影像的建筑物侧面信息提取及其高度计算

发布时间：2021-11-01 15:41

　　本文选取成都市某一区域建筑物A、B为研究对象,采用分辨率为0.61 m的Quick bird影像,运用图像分割法和LVQ神经网络算法,提取建筑物侧面信息,根据假设法原理,构建高度计算物理模型,求取建筑物高度。对比实测数据,结合可能影响实验结果的实地因素、遥感影像因素进行精度分析与评价,探讨基于高分遥感影像的建筑物侧面信息提取和高度计算的方法。结果表明,LVQ神经网络算法在建筑物侧面提取和高度计算中有更好的应用价值,精度高达94%。 

【文章来源】：北京测绘. 2020,34(03)

【文章页数】：5 页

【部分图文】：

建筑物B区结果图

结果表明:(1)LVQ神经网络算法提取精度较高;(2)两种提取法中,建筑物B由于受侧面结构复杂、灰度值变换不规律等因素影响,整体精度较建筑物A低。图2 建筑物B区结果图

鉴于实验区涉及建筑为同期建筑,故假定高度相同。本次采用铅垂仪施测建筑物高度信息,以此为真值与计算值进行精度评定,如表2所示,绝对误差折线图,如图3所示。结果表明:LVQ神经网络法计算出的高度绝对误差在0.5～1.4 m之间,相对误差普遍低于6%,即正确率高达94%,对比图像分割法,提取的高度信息精度更高。因本文选取的实验数据为的Quick bird遥感影像,分辨率为0.61 m,绝对误差0.5～1.4 m符合精度要求。

【参考文献】：
期刊论文
[1]基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测[J]. 吴柳青,胡翔云.  国土资源遥感. 2019(01)
[2]面向对象的多尺度多特征高分遥感影像建筑物提取[J]. 吕道双,林娜,张小青.  北京测绘. 2019(02)
[3]结合多尺度分割和形态学运算的高分辨率遥感影像阴影检测[J]. 林雨准,张保明,郭海涛,卢俊.  中国图象图形学报. 2018(08)
[4]基于拉依达准则的交通数据粗大误差处理优化方法[J]. 徐琛辉,马明辉.  上海工程技术大学学报. 2018(01)
[5]资源三号卫星前视影像的建筑物高度提取[J]. 霍少峰,顾行发,占玉林,余涛,孟庆岩,张文豪.  测绘科学. 2017(02)
[6]基于数学形态学的IKONOS影像提取建筑物高度方法研究[J]. 黄贝莹,左小清,唐立娜,邱全毅.  遥感信息. 2014(02)
[7]光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法[J]. 吴炜,骆剑承,沈占锋,朱志文.  武汉大学学报(信息科学版). 2012(07)
[8]面向对象的高分辨率遥感影像城区建筑物分级提取方法[J]. 陶超,谭毅华,蔡华杰,杜博,田金文.  测绘学报. 2010(01)
[9]基于数学形态学方法的街道数据提取算法[J]. 刘洋.  北京测绘. 2007(03)
[10]高分辨率遥感影像信息提取与目标识别技术研究[J]. 明冬萍,骆剑承,沈占锋,汪闽,盛昊.  测绘科学. 2005(03)

硕士论文
[1]基于高分辨率遥感影像的建筑物提取研究[D]. 曹琼.吉林大学 2018
[2]基于LiDAR点云数据的建筑物边缘提取[D]. 王蓓.长安大学 2014
[3]基于USB摄像头的嵌入式火焰图像采集系统研究[D]. 龚结龙.长安大学 2012



本文编号：3470367