CN103903301B - 一种基于彩色图像识别的城市地景建模方法 - Google Patents
一种基于彩色图像识别的城市地景建模方法 Download PDFInfo
- Publication number
- CN103903301B CN103903301B CN201410103220.7A CN201410103220A CN103903301B CN 103903301 B CN103903301 B CN 103903301B CN 201410103220 A CN201410103220 A CN 201410103220A CN 103903301 B CN103903301 B CN 103903301B
- Authority
- CN
- China
- Prior art keywords
- roof
- straight line
- candidate
- wall
- method based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于彩色图像识别的城市地景建模方法,包括以下步骤:提取组成屋顶、墙壁、阴影的基本直线,组成等级系统中HO层的最下层;构建自下而上的等级系统,并区分出能够形成闭合回路的直线;从能够形成闭合回路的直线获取候选屋顶的3‑D特征;候选屋顶特征量化,获得全局优秀的屋顶模型。本方法结合了屋顶的2‑D、3‑D特征以及拍照的角度和时间,在获取建筑高度信息的同时,极大的提高了房屋识别的准确率。
Description
技术领域
本发明涉及计算机应用技术和计算机视觉领域,具体涉及一种基于彩色图像识别的城市地景建模方法。
背景技术
在遥感图像中自动识别出人造目标,例如房屋,桥,水库等,是计算机视觉领域中的一个重要组成部分。其中,建筑物的识别,需要做的工作包括了建筑物的识别和重建。建筑物的识别指的是基于简单的特征和拍照模型,找到建筑物;建筑物的重建指的是利用目标建筑物的几何特征,更加精确的照相模型以及其他相关数据对建筑物进行高精度的重建。
现在已经有多种识别建筑物的方法和算法,根据其使用数据的复杂程度和分辨率的高低,使用模型的特征类别,以及算法策略的不同进行分类。大多数算法都是基于2-D或者3-D图像特征形成候选建筑,紧接着在候选屋顶中选出正确屋顶。多数3-D建筑的自动识别/重建的算法使用了预先处理好的3-D信息,例如数字海拔模型,预处理的3-D属性等。其他算法使用了立体的人造相机雷达图像或者测量出的不规则3-D目标。因为航拍的大场景图像具有复杂性和多样性的特点,这使得想要在一幅简单的图像中识别出一个房屋的位置任然是一个非常困难的尝试。
发明内容
本发明的目的在于提供一种基于彩色图像识别的城市地景建模方法,解决了现有的识别建筑物的方法无法快速、准确的识别图像中的城市地景并建模的问题。
为解决上述的技术问题,本发明采用以下技术方案:
一种基于彩色图像识别的城市地景建模方法,包括以下步骤:
步骤一,提取组成屋顶、墙壁、阴影的基本直线,组成等级系统中HO层的最下层;
步骤二,构建自下而上的等级系统,并区分出能够形成闭合回路的直线;
步骤三,从能够形成闭合回路的直线获取候选屋顶的3-D特征;
步骤四,候选屋顶特征量化,获得全局优秀的屋顶模型。
更进一步的技术方案是,所述提取组成屋顶、墙壁、阴影的基本直线具体是用canny算子识别边界,用霍夫曼变换提取出直线,找出形成T字型交点的两条直线,结合几何属性和彩色属性把T字型交点顶部的直线分割为两部分,得到短直线,将满足条件的短直线连接成为一条长直线,最后得到组成屋顶、墙壁、阴影的基本直线。
更进一步的技术方案是,所述构建自下而上的等级系统包括属于建筑物的同一条边的直线构成的集合H1,在集合H1中产生交点的直线构成的集合H2,在集合H2中能够形成闭合回路的直线构成的集合H3。
更进一步的技术方案是,步骤三具体为:利用形成闭合回路的直线的2-D特征来识别出屋顶边缘,并利用几何投影原理和图像信息估算出建筑物的高度,从而获取候选屋顶的3-D特征。
更进一步的技术方案是,所述候选屋顶特征量化具体是计算能够形成闭合回路的直线两侧的一定区域的平均亮度和平均色调,利用候选屋顶的2-D特征和3-D特征,分别为H1、H2、H3计算一个权重值,在获得候选屋顶的权重值以后,使用了朴素贝叶斯分类算法,提取全局优秀的屋顶。
与现有技术相比,本发明的有益效果是:本建模方法首先提取出完整的2-D特征;然后运用图像中的色彩和亮度作为辅助,确认出候选屋顶中的屋顶、墙以及阴部分;最后,使用了朴素贝叶斯分类算法,提取全局优秀的屋顶,本方法结合了屋顶的2-D、3-D特征以及拍照的角度和时间,在获取建筑高度信息的同时,极大的提高了房屋识别的准确率。
附图说明
图1为本发明一种基于彩色图像识别的城市地景建模方法针对合成图像的识别效果对比图。
图2为本发明一种基于彩色图像识别的城市地景建模方法针对真实航拍图像的识别效果对比图。
图3为本发明一种基于彩色图像识别的城市地景建模方法针对谷歌遥感图像的识别效果对比图。
图4为本发明一种基于彩色图像识别的城市地景建模方法针对谷歌遥感图像的自下而上的等级系统的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
结合图1、图2和图3可知,本发明一种基于彩色图像识别的城市地景建模方法的一个实施例:一种基于彩色图像识别的城市地景建模方法,包括以下步骤:
步骤一,提取组成屋顶、墙壁、阴影的基本直线,组成等级系统(等级系统如图4所示)的最下层,即HO层;
步骤二,构建自下而上的等级系统,并区分出能够形成闭合回路的直线;
步骤三,从能够形成闭合回路的直线获取候选屋顶的3-D特征;
步骤四,候选屋顶特征量化,获得全局优秀的屋顶模型。
根据本发明一种基于彩色图像识别的城市地景建模方法的一个优选实施例,所述提取组成屋顶、墙壁、阴影的基本直线具体是用canny算子识别边界,用霍夫曼变换提取出直线,找出形成T字型交点的两条直线,结合几何属性和彩色属性把T字型交点顶部的直线分割为两部分,得到短直线,将满足约束条件的短直线连接成为一条长直线,最后得到组成屋顶、墙壁、阴影的基本直线。
所述约束条件如下所示:
(1)偏角差小于一个阈值,即在误差允许范围内,则认定这两条线段平行:|θ1-θ2|<dθ
(其中θ1代表直线1的方向偏角,θ2代表直线2的方向偏角,dθ代表偏角差的阈值。)
(2)相近端点的距离小于一个阈值:
(其中(x1,y1),(x2,y2)代表两条直线相近端点的坐标,de代表两条直线相近端点之间
的距离阈值。)
(3)组合以后的长直线不会与附近的直线形成T字型交点;
(4)处于同侧的侧面区域的亮度差和色调差必须小于一个阈值。
|L'm-L″m|<dLm且|C'm-C″m|<dCm
(其中L'm、和L"m代表直线1和直线2亮度和色调均相近侧的平均亮度,C'm和C″m代表亮度和色调均相近侧的平均色调,dLm代表亮度差阈值,dCm代表色调差阈值。)
根据本发明一种基于彩色图像识别的城市地景建模方法的另一个优选实施例,所述构建自下而上的等级系统包括属于建筑物的同一条边的直线构成的集合H1,在集合H1中产生交点的直线构成的集合H2,在集合H2中能够形成闭合回路的直线构成的集合H3。
根据本发明一种基于彩色图像识别的城市地景建模方法的另一个优选实施例,步骤三具体为:利用形成闭合回路的直线的2-D特征来识别出屋顶边缘,并利用几何投影原理和图像信息估算出建筑物的高度,从而获取候选屋顶的3-D特征。
根据本发明一种基于彩色图像识别的城市地景建模方法的另一个优选实施例,所述候选屋顶特征量化具体是计算能够形成闭合回路的直线两侧的一定区域的平均亮度Lm和平均色调Cm=a2+b2,利用候选屋顶的2-D特征和3-D特征,分别为集合H1、集合H2和集合H3计算一个权重值Q1,Q2和Q3。所述一定区域是指两个侧面区域在原直线的法线方向上,分别位于直线的两侧,这两个区域的长度和原直线相同,宽度应小于可接受的最窄屋顶的宽度,所述平均亮度Lm和平均色调Cm=a2+b2是通过RGB颜色空间转换到(CIE)La*b*颜色空间得到的。
所述权重值Q1,Q2和Q3分别表示为:
设Qθ表示直线方向的权重值,Qe表示直线端点之间距离的权重值,Qc表示颜色空间的权重值,则有
其中θ1代表直线1的方向偏角,θ2代表直线2的方向偏角,dθ代表偏角差的阈值;
其中(x1,y1),(x2,y2)代表两条直线相近端点的坐标,De代表两条直线相近端点之间的距离阈值;
其中Lm1、和Lm2代表直线1和直线2亮度和色调均相近侧的平均亮度,Cm1和Cm2代表亮度和色调均相近侧的平均色调,DL代表亮度差阈值,DC代表色调差阈值;
在获得候选屋顶的权重值以后,使用了朴素贝叶斯分类算法,提取全局优秀的屋顶,其具体计算方法如下:
设屋顶的类别为A,设墙的类别为B,令航拍图片中,墙和屋顶的比例为1:1则有
p(A)/p(B)=1
设候选屋顶为W,找出垂直于地面的两条边的偏角为定值的墙,设该墙上的标准直线为lq,设任意一个候选屋顶的边i与lq的夹角为qi,设候选屋顶的内角(即两条边的夹角)与直角的差的绝对值为ci,则有
p(W|A)=∏(1-ci/90)
p(W|B)=∏(1-qi/90)
由贝叶斯公式得到
把两者相除得到
如果p(A|W)/p(B|W)>0则W为屋顶,如果p(A|W)/p(B|W)<0则W为墙,判断出W为墙或屋顶:
如果候选屋顶的处理结果为这两个候选屋顶同属于一个更大的屋顶,或者这两个候选屋顶中,其中一个是屋顶,另一个是墙,都当做最后结果;
当处理结果为这两个候选屋顶都是墙时,将其共享边缘与lq夹角是否参与到p(W|B)的运算中去,如果是则这两个候选屋顶都是墙成立,否则,这两个候选屋顶同属于一个更大的屋顶。
Claims (5)
1.一种基于彩色图像识别的城市地景建模方法,其特征在于:包括以下步骤:
步骤一,提取组成屋顶、墙壁、阴影的基本直线,组成等级系统中的HO层;
步骤二,构建自下而上的等级系统,并区分出能够形成闭合回路的直线;
步骤三,从能够形成闭合回路的直线获取候选屋顶的3-D特征;
步骤四,候选屋顶特征量化,获得全局优秀的屋顶模型;
所述候选屋顶特征量化具体是计算能够形成闭合回路的直线两侧的一定区域的平均亮度和平均色调,利用候选屋顶的2-D特征和3-D特征,分别为H1、H2、H3计算一个权重值Q1,Q2和Q3,在获得候选屋顶的权重值以后,使用了朴素贝叶斯分类算法,提取全局优秀的屋顶。
2.根据权利要求1所述的一种基于彩色图像识别的城市地景建模方法,其特征在于:所述提取组成屋顶、墙壁、阴影的基本直线具体是用canny算子识别边界,用霍夫曼变换提取出直线,找出形成T字型交点的两条直线,结合几何属性和彩色属性把T字型交点顶部的直线分割为两部分,得到短直线,将满足约束条件的短直线连接成为一条长直线,最后得到组成屋顶、墙壁、阴影的基本直线。
3.根据权利要求1所述的一种基于彩色图像识别的城市地景建模方法,其特征在于:所述构建自下而上的等级系统包括属于建筑物的同一条边的直线构成的集合H1,在集合H1中产生交点的直线构成的集合H2,在集合H2中能够形成闭合回路的直线构成的集合H3。
4.根据权利要求1所述的一种基于彩色图像识别的城市地景建模方法,其特征在于:步骤三具体为:利用形成闭合回路的直线的2-D特征来识别出屋顶边缘,并利用几何投影原理和图像信息估算出建筑物的高度,从而获取候选屋顶的3-D特征。
5.根据权利要求1所述的一种基于彩色图像识别的城市地景建模方法,其特征在于:所述在获得候选屋顶的权重值以后,使用了朴素贝叶斯分类算法,提取全局优秀的屋顶,具体方法是:
设屋顶的类别为A,设墙的类别为B,令航拍图片中,墙和屋顶的比例为1:1则有
p(A)/p(B)=1
设候选屋顶为W,找出垂直于地面的两条边的偏角为定值的墙,设该墙上的标准直线为lq,设任意一个候选屋顶的边i与lq的夹角为qi,设候选屋顶的内角与直角的差的绝对值为ci,则有
p(W|A)=∏(1-ci/90)
p(W|B)=∏(1-qi/90)
由贝叶斯公式得到
把两者相除得到
如果p(A|W)/p(B|W)>0则W为屋顶,如果p(A|W)/p(B|W)<0则W为墙,判断出W为墙或屋顶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410103220.7A CN103903301B (zh) | 2014-03-19 | 2014-03-19 | 一种基于彩色图像识别的城市地景建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410103220.7A CN103903301B (zh) | 2014-03-19 | 2014-03-19 | 一种基于彩色图像识别的城市地景建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103903301A CN103903301A (zh) | 2014-07-02 |
CN103903301B true CN103903301B (zh) | 2017-01-11 |
Family
ID=50994606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410103220.7A Active CN103903301B (zh) | 2014-03-19 | 2014-03-19 | 一种基于彩色图像识别的城市地景建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103903301B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023254B (zh) * | 2015-07-22 | 2017-12-15 | 北京航空航天大学 | 一种合成孔径雷达图像的高度重建方法 |
CN109299309B (zh) * | 2018-09-07 | 2021-07-06 | 广东工业大学 | 图片的快速定位方法及装置 |
CN112037220A (zh) * | 2020-09-27 | 2020-12-04 | 上海商汤智能科技有限公司 | 一种图像处理方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW550521B (en) * | 2002-02-07 | 2003-09-01 | Univ Nat Central | Method for re-building 3D model of house in a semi-automatic manner using edge segments of buildings |
GB2457215A (en) * | 2007-03-07 | 2009-08-12 | Nikolaos Kokkas | Automatic 3D Modelling |
CN102013114A (zh) * | 2010-11-17 | 2011-04-13 | 中煤地航测遥感局有限公司 | 一种基于Microstation v8i的城市快速建模方法 |
JP2014044658A (ja) * | 2012-08-28 | 2014-03-13 | Geo Technical Laboratory Co Ltd | 3次元地図画像データ生成システム |
-
2014
- 2014-03-19 CN CN201410103220.7A patent/CN103903301B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW550521B (en) * | 2002-02-07 | 2003-09-01 | Univ Nat Central | Method for re-building 3D model of house in a semi-automatic manner using edge segments of buildings |
GB2457215A (en) * | 2007-03-07 | 2009-08-12 | Nikolaos Kokkas | Automatic 3D Modelling |
CN102013114A (zh) * | 2010-11-17 | 2011-04-13 | 中煤地航测遥感局有限公司 | 一种基于Microstation v8i的城市快速建模方法 |
JP2014044658A (ja) * | 2012-08-28 | 2014-03-13 | Geo Technical Laboratory Co Ltd | 3次元地図画像データ生成システム |
Also Published As
Publication number | Publication date |
---|---|
CN103903301A (zh) | 2014-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Mvdepthnet: Real-time multiview depth estimation neural network | |
WO2020135446A1 (zh) | 一种目标定位方法和装置、无人机 | |
CN106548173B (zh) | 一种基于分级匹配策略的改进无人机三维信息获取方法 | |
US11521311B1 (en) | Collaborative disparity decomposition | |
CN110176032B (zh) | 一种三维重建方法及装置 | |
Micusik et al. | Descriptor free visual indoor localization with line segments | |
CN111832655A (zh) | 一种基于特征金字塔网络的多尺度三维目标检测方法 | |
Stella et al. | Inferring spatial layout from a single image via depth-ordered grouping | |
CN106157307A (zh) | 一种基于多尺度cnn和连续crf的单目图像深度估计方法 | |
CN106203342A (zh) | 基于多角度局部特征匹配的目标识别方法 | |
CN102609941A (zh) | 基于ToF深度相机的三维注册方法 | |
CN103955710B (zh) | 类地重力场环境下单目视觉空间识别方法 | |
Pintore et al. | Omnidirectional image capture on mobile devices for fast automatic generation of 2.5 D indoor maps | |
CN106127690A (zh) | 一种无人机遥感图像快速拼接方法 | |
CN106033614B (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN104517317A (zh) | 一种车载红外图像三维重建方法 | |
CN103971366A (zh) | 一种基于双权重聚合的立体匹配方法 | |
Turner et al. | Watertight as-built architectural floor plans generated from laser range data | |
CN104851089A (zh) | 一种基于三维光场的静态场景前景分割方法和装置 | |
CN104318576A (zh) | 一种超像素级别的图像全局匹配方法 | |
CN103903301B (zh) | 一种基于彩色图像识别的城市地景建模方法 | |
CN101765019A (zh) | 一种用于运动模糊和光照变化图像的立体匹配方法 | |
CN110070573A (zh) | 关节图确定方法、装置、设备和存储介质 | |
CN109003307A (zh) | 基于水下双目视觉测量的捕鱼网目尺寸设计方法 | |
WO2021170051A1 (zh) | 一种数字摄影测量方法、电子设备及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160428 Address after: 610045 Sichuan city of Chengdu province Wuhou District Vuko East Road No. seven Applicant after: Chuandazhisheng Software Co., Ltd., Sichuan Applicant after: Sichuan University Address before: 610045 Sichuan city of Chengdu province Wuhou District Vuko East Road No. seven Applicant before: Chuandazhisheng Software Co., Ltd., Sichuan |
|
GR01 | Patent grant | ||
GR01 | Patent grant |