CN104463868B - 一种基于无参数高分辨率影像的建筑高度快速获取方法 - Google Patents

Abstract

本发明提供了一种基于无参数高分辨率影像的建筑高度快速获取方法，该方法能够在不需要任何影像摄取参数的情况下，利用单张影像计算获得目标建筑物的高度。其主要步骤为：获取待提取区域的影像以及所述待提取区域内已知的建筑物高度数据；对所获取的影像进行预处理；评估目标建筑的多条特征线的提取难度；选取最低难度的特征线；从所述影像中提取选定的特征线；计算所述影像的摄取参数；计算所述目标建筑的高度。本发明所采用的影像易于获得，并且通过综合量算大大增加了单张影像上提取建筑高度的可操作性，并解决了利用高分辨率影像量算建筑高度时无相关参数的问题，在城市规划和管理、土地管理、数字城市构建及防灾减灾等方面都有较好的应用潜力。

Description

一种基于无参数高分辨率影像的建筑高度快速获取方法

技术领域

本发明涉及测量领域，具体涉及一种基于无参数影像进行城市建筑物高度快速提取的方法。

背景技术

在城市建设、土地管理等领域，都需要掌握城市建筑高度信息以进行规划、设计、监测和评价等工作。在城市防灾减灾、以及灾后评估的工作中，灾害特征的提取、受灾规模和受灾人数的评估均需要利用到建筑物高度信息。在城市土地管理过程中，对建筑高度的监测有利于城市土地的合理利用，保障政府、群众等其他利益相关者的合法财产权。在城市规划、设计、评价以及数字城市构建的过程中，城市建筑物高度信息的获取是其实施过程中的重要参数，该信息的大面积、快速提取对其来说有重要意义。

但我国大多数城市，特别是中心城区所在区域的建筑密度大，楼层高，障碍物较多，若直接利用设备进行测量效率低，精度不高，难以满足相关的工作要求。随着大量的高分辨率民用卫星的发射和使用，卫星影像为建筑高度信息的提取提供了一种新的途径。通过卫星影像提取建筑物高度信息的方法主要有两种：(1)利用高分辨率遥感立体像对来实现对建筑高度的计算；(2)利用阴影长度和计算模型来求取建筑高度。

当前，基于立体像对的建筑高度提取方法已相对成熟，主要通过三种途径求取建筑物高度信息：(1)在立体测量的模式下，运用视线差原理来获取建筑物高度；(2)利用DEM数据和房屋的边缘数据求取建筑物高度；(3)假设城市局部地面平坦，通过建立同名点的几何光学成像模型，快速获取地面点、建筑物顶部点的相对坐标以计算建筑物高度。但是，立体像对获取不易，提取过程复杂。

因此，基于单张影像的建筑高度提取方法成为当前研究的热点，国内外学者基于不同来源的影像数据和不同的计算模型对建筑高度提取方法已做了大量的探讨，作为数据基础的影像包括ALOS全色图像、IKONOS卫星影像、QuickBird卫星影像等。研究多基于影像拍摄时太阳、卫星、建筑物朝向等角度参数利用阴影长度计算建筑物高度。总的来说，建筑高度的量算中考虑的因素越来越多，量算精度也越来越高，但是多为采用单张高分辨率影像进行的局部区域内部分建筑高度提取试点，在实际应用中，仅采用一种模型，存在以下问题，一是高分辨率影像不易获取，二是提取方法限制条件多，不适宜进行大面积的建筑高度的快速、高精度提取。

此外，现有的建筑高度提取方法都是基于卫星图像，在进行高度提取时，需要事先获知卫星的运行参数和当时的太阳高度角和方位角。而现实中，城市的图像可能来自各种途径，比如飞机或热气球的航拍图像，来自网络的卫星地图等，在这种情况下，可能无法获知拍摄时卫星或其他摄取装置的具体参数，而目前没有任何一种方法能够在无参数情况下提取出影像中的建筑高度。因此，目前的基于单张影像进行高度提取的方法也受到很大程度的限制。

发明内容

本发明所要解决的问题是克服上述利用单张影像进行建筑物高度提取方法的缺陷，提供一种能够利用无参数的影像获得一定区域内的大量建筑物高度的方法。这里的无参数的影像指的是在获得图像时，并不知晓摄取影像的装置的运行参数和/或摄取参数。

具体而言，本发明提供一种基于无参数影像的建筑高度快速提取方法，其特征在于，所述方法包括如下步骤：

步骤1，获取待提取区域的影像以及所述待提取区域内已知的建筑物高度数据；

步骤2，对所获取的影像进行预处理；

步骤3，基于所获取的影像评估目标建筑的多条特征线的提取难度；

步骤4，基于对所述目标建筑的多条特征线的提取难度的评估，选取最低难度的特征线；

步骤5，从所述影像中提取选定的特征线；

步骤6，基于所述待提取区域内已知的建筑物高度数据计算所述影像的摄取参数；

步骤7，基于所选定特征线的长度、所述摄取参数，计算所述目标建筑的高度。

进一步地，所述特征线包括：第一特征线——目标建筑的屋顶位移点与其阴影点连线、第二特征线——目标建筑的阴影全长、第三特征线——目标建筑的高差引起的屋顶像点位移，以及第四特征线——目标建筑被遮挡后的阴影长。

进一步地，所述预处理包括：调整所述遥感影像的亮度、对比度和/或色彩平衡，以用于特征点或线的提取。

进一步地，所述影像为来自卫星、航拍、Google Earth或百度地图的高分辨率遥感影像。

进一步地，所述评估包括：(1)判断摄取所述遥感图像的摄取高度角是否大于80°、(2)判断目标建筑周围是否紧邻有低层裙楼，并且基于所述判断确定所述第一特征线的提取难度值。

进一步地，所述评估包括：判断目标建筑是否处于建筑密集区；判断目标建筑周围是否有水面和植被；判断太阳的照射方向和摄取所述遥感图像的摄取方向是否处于所述目标建筑同侧，并且基于上述判断结果赋予所述第二特征线相应提取难度值。

进一步地，所述步骤7还包括，基于所选取的特征线，选择相应的计算模型计算所述目标建筑的高度。

具体而言，所述摄取参数包括所述影像摄取时，摄取装置的摄取方向相对于地面的高度角和方位角，以及所述影像摄取时太阳的高度角和方位角。

优选地，所述方法还包括基于对多条特征线的提取难度的评估，选取最低难度的两种特征线，分别基于所选取的两种特征线，选择相应的计算模型计算所述目标建筑的高度，并将通过两种特征线所计算出的高度值进行比较，如果所计算出的高度值相差大于预定阈值，则选取第三种特征线计算目标建筑的高度值，并从所获得的三个高度值中选取相近的两个高度值，进行平均，获得目标建筑的高度值。

上面介绍了本发明执行的步骤，下面结合说明书附图1对本发明所涉及到的原理及相关内容做进一步详细说明。

为了计算简化，本发明假定如下条件是成立的：①建筑物垂直于地球表面；②建筑物的影子直接投影在地面上；③影子从建筑物的底部开始。在这里，假定所用图像为卫星图像。当太阳和卫星处于建筑物的同侧时，卫星成像示意图如图1所示。图1中MO为建筑的实际高度H，O点为建筑物顶面角点M点的垂直投影点，建筑立面MNPO在地面的投影为BEPO，其地面阴影为ADPO。A点是M点的阴影点，B点是M点在影像上的成像点位置，C点为MN在地面的投影BE和AO相交的点。卫星高度角ω＝∠MBO，太阳高度角θ＝∠MAO，卫星和太阳的方位角分别为α和γ，卫星和太阳的方位角交角是∠BOA＝α－γ。在图1中，A、B、O、C点为特征点，AO、BO、AB、AC线为特征线，其中AO为阴影全长(l₁)，BO为建筑高差引起的建筑顶面角点像点位移(l₂)，AB为屋顶角点成像点与其阴影点的连线长(l₃)，AC为建筑遮挡后的可见阴影长(l₄)。

分别根据四类特征线段推导建筑高度的计算模型。以下公式中，ω为卫星高度角，θ为太阳高度角，α为卫星方位角，γ为太阳方位角，δ为阴影顺时针到建筑物的夹角。

(1)利用阴影全长l₁计算建筑物高度：

H＝AO×tanθ (1)

(2)利用建筑高差引起的建筑顶面角点像点位移l₂计算建筑物高度：

H＝BO×tanω (2)

(3)利用屋顶角点成像点与其阴影点的连线长l₃计算建筑物高度：

∠ABO＝α-γ (3)

由余弦定理可得：

(4)利用建筑遮挡后的可见阴影长l₄计算建筑物高度：

∠BCO＝180°-δ (6)

δ＝∠CBO+∠BOC＝∠CBO+α-γ (7)

由式(6)、(7)可得：

∠CBO＝δ-α+γ (8)

由正弦定理可得：

求得建筑高度H为：

从以上公式可以得出，已知l₁，建筑高度仅和θ有关；已知l₂，建筑高度仅和ω有关；已知l₃，建筑高度和ω、θ、α、γ四个角度有关；已知l₄，建筑高度和ω、θ、α、γ、δ五个角度有关。在高分辨率影像成像过程中，每景影像的范围很小，成像时间很短，而我国又处于中低纬度，所以可以认为整景影像上每个像元的ω、θ、α、γ角度大小都相等，因此前式(1)、(2)和(5)式可以简写成：

H＝l₁×k₁ (11)

H＝l₂×k₂ (12)

H＝l₃×k₃ (13)

即同一景影像上各个建筑的高度和其阴影全长、建筑高差引起的建筑顶面角点像点位移、以及屋顶角点成像点与其阴影点的连线长均成正比。式(11)、(12)、(13)中的比例系数可运用区域中已知的某建筑的高度反推，即本发明先利用公式(11)-(13)中的一个计算出相应系数k，然后再利用求得的系数k，计算目标建筑的高度。对于一幢建筑来说，只要四类特征线中的一类能够准确判读(第四类并不常用)，即可运用相应的转换模型换算成建筑高度。

利用上述公式进行计算，本发明的计算方法实际上融入了对我国纬度信息的考虑，也就是说，本发明基于我国的实际情况，对计算公式进行了简化，更加适合用于对中纬度地区建筑物高度的计算，计算精度几乎不受影响。

此外，本发明的方法还包括，如果采用的影像为Google Earth图像，则提取所述影像的每景边界，并且，如果当影像边界不易或无法区分时，将影像划分成一定边长的正方形网格，每个网格求一组拍摄参数以及相应系数。

优选地，本发明的方法还包括：如果采用的影像为Google Earth图像，则从所述提取所述影像的每景边界，并且，如果当影像的每景边界无法提取时，将影像划分成一定边长的正方形网格，每个网格求一组拍摄参数以及相应计算系数，然后对于该网格内的建筑高度，采用当前网格内所求得的拍摄参数进行计算。并且，判断各相邻网格之间的系数差异是否大于预定阈值，如果相邻网格之间的系数差异大于预定阈值，则对该相邻网格进行进一步细分或者进行人工分辨，以确定两个网格之间的每景边界。这里所提到的每景边界指的是google earth地图中的每个摄取单元格的边界。

技术效果

本发明的方法能够实现在无影像摄取参数的情况下，计算获得影像内的建筑物的高度信息，打破了目前各种计算方法对于影像摄取参数的依赖性。同时，本发明建筑高度的计算基于多条特征线，解决了过去单纯通过建筑物阴影求建筑高度时，阴影形成所受的干扰因素多、阴影长度不易量取的弊端。另外，本发明通过对多条特征线的评估，可以选取出最适合用于当前目标建筑的特征线及计算模型，可以更加精确地计算出目标建筑的高度信息。此外，由于本发明综合利用了各种建筑高度计算模型来求取建筑高度信息，可以应用在区域性的大量建筑物高度量算中。

本发明可采用网上易于获取的无参数的影像进行建筑高度的提取，而无需花经费购买带完整元数据(参数)的影像，适用性广、成本低。本发明可以应用于城市规划和管理、土地管理、数字城市构建以及防灾减灾等领域，能够显著节约社会成本。

下面结合说明书附图1、2、3和具体实施案例对本发明做进一步阐述。

附图说明

图1为以卫星影像为例所示出的成像原理示意图；

图2为对南京新街口部分区域的图像进行增强处理前及处理后的效果比较图；

图3为四类特征线段在影像上的提取实例。

具体实施方式

本发明中的高分辨率影像数据的来源较为广泛，可以是卫星影像、航拍影像以及Google Earth、百度地图等网络上可共享的卫星数据。特别地，Google Earth和百度地图所提供的影像是比较典型的无参数高分辨率影像，可以利用专门的影像截取软件获取待提取区域范围内的相应影像数据，具有速度快、质量高、拼接误差小的特点，利于之后的影像配准。

在本实施例中，以南京市城区的部分建筑的Google Earth影像为例进行进一步详细说明，具体步骤如下：

1、影像获取及预处理

由于用影像截取软件直接从Google Earth上下载的影像色彩质量不是很好，不利于特征点、线的提取，故必须利用图像处理软件调整亮度、对比度、色彩平衡等，对影像进行增强处理。如图2是对南京新街口部分区域的图像进行增强处理前后的效果比较图。完成增强处理后，利用地形图或正射影像图进行影像的配准工作，也可采用地面实测点坐标进行配准，具体指对原始影像像素进行重采样。配准后可生成直接用于特征点、线提取的底图。本发明对图像的增强和配准，采用的是现有技术，这里不再累述。

2、提取特征点、线及提取难易程度分析

在高分辨率遥感影像上，受影像成像参数和地面复杂程度的影响，四类特征线段量取的难易和准确程度不一，为了快速准确获取建筑实际高度，在影像上选择最易准确判读的特征点和特征线，然后基于相应计算模型进行建筑高度的计算。四类特征线段在影像上的提取实例如图3。

四类特征线段的量取难易度评估具体包括：

关于目标建筑的屋顶位移点与其阴影点连线：无论太阳和卫星是否位于建筑物的同侧，特征线提取与高度换算均不受影响；高大建筑的屋顶角点成像点不易受其它建筑物的遮挡，影像上判读比较方便；屋顶角点所对应的阴影点的判读会受到地面建筑、植被的一定影响，这时要判断阴影点是否落到建筑或植被上，并且基于所述判断确定屋顶角点的阴影点的提取难度值，通常来讲，阴影点所落的建筑或植被高度越高，阴影点的提取误差越大。

关于目标建筑的阴影全长：判断目标建筑是否处于建筑密集区；判断目标建筑周围是否有水面和植被；判断太阳的照射方向和摄取所述遥感图像的摄取方向是否处于所述目标建筑同侧，并且基于上述判断结果赋予目标建筑的阴影全长的提取难度值。如果目标建筑周围的建筑越密集则难度值越大，周围存在水面和植被也会增加提取难度。另外，如果太阳照射方向和摄取所述遥感图像的摄取方向位于同一侧则阴影全长易被建筑本身的投影遮挡，阴影全长量取时有一定困难，太阳和卫星位于建筑物异侧时则不存在此问题。因此，太阳在建筑同侧和异侧时，对于阴影全长这一特征赋予的难度值是不同的。

关于建筑高差引起的屋顶像点位移的提取影响因素：判断摄取所述遥感图像的摄取高度角是否大于80°、判断目标建筑周围是否紧邻有低层裙楼，并且基于所述判断确定目标建筑的屋顶位移点与其阴影点连线的提取难度值。通常来讲，摄取角度越高，提取难度越大，目标周围低层裙楼越多，提取难度越大。

关于目标建筑被遮挡后的阴影长：影响因素和阴影全长的提取相近，提取中问题较多，计算中涉及到δ角度，量算不易，因此，设定其具有较大难度值。

总的来说，阴影全长提取过程中问题较多，提取难度值设定较高，并且根据阴影提取时阴影处的模糊度等进行适当调整(例如，如果所摄取图像阴影处较模糊，则增大难度值)；屋顶位移点与其阴影点连线提取较方便，难度值设定较低；建筑高差引起的屋顶像点位移提取较方便，难度值也设定较低；建筑遮挡后的阴影全长量算不易，难度值受影响因素较多，难度值也较高。在实际操作过程中，根据图像中各个特征线的模糊度、被遮挡情况等信息，调整各特征线的难度评估值，主要对前三个特征线进行综合选用，选择量取精度最高的线段进行建筑高度的换算。关于第四种特征线l₄，即使其能精确量取，因换算过程中涉及δ角，不易量算，一般不采用(初始难度值设定较高)。

3、建筑高度的计算

由于Google Earth影像无法直接获取ω、θ、α、γ等参数，可通过影像上的部分已知建筑高度利用式(1)、(2)反算θ和ω角度，α和γ角可通过在影像上量算图1中的BO和AO角获得。通过四个角度值可利用式(1)、(2)和(5)和相应的特征线段长计算建筑高度。也可根据式(11)、(12)和(13)，根据部分已知建筑高度求k₁，k₂，k₃系数，再通过所量取的其余建筑的l₁、l₂或l₃来计算建筑高度。

值得注意的是，建筑高度和l₄不成正比，因此如果用第四类特征线计算建筑高度，在先反推出ω、θ、α、γ的基础上，还需量算建筑的δ值，才可运用(10)式进行换算。

实际量算中应注意区分Google Earth上每景高分辨率影像的边界，在每景影像上分别计算ω、θ、α、γ等角度参数和k₁，k₂，k₃系数。也就是说，本发明的方法还包括，如果采用的影像为Google Earth图像，则提取所述影像的每景边界，并且，如果当影像边界不易或无法区分时，将影像划分成一定边长的正方形网格，每个网格求一组拍摄参数以及相应系数。例如，网格的边长设定为5km为宜，当相邻网格间的系数值产生突变时，说明两个网格处于不同的景上，这时应仔细分辨两景影像间的镶嵌线，并严格区分镶嵌线两侧系数值。

4、精度检验

以南京市主城区为试验区，利用上述方法进行建筑高度的量算，量算后选取30座建筑，与其实际高度进行比较。建筑选取时超高层、高层、小高层、多层均有一定的比例，建筑的实际高度采用激光测距仪TruePulse200进行测量,实测精度为0.3m。经分析，量算相对误差范围在0.01％～7.3％，平均误差0.77m。在较低建筑物的高度量算过程中，其相对误差一般较大，但其对应的绝对误差并不明显。

因Google Earth上影像分辨率的限制，一般2层以下的低矮建筑不宜通过量取特征线长度来换算高度，在某些必须要考虑这些建筑高度的场合，如研究某区域各地块建筑总面积或建筑容积率的分布变化时，可结合实地查看定性赋予其楼层数，然后按每层3米换算成建筑高度，这样处理一般不会对分析结果造成大的影响。

综上所述，经验证本文的方法达到了较高的量算精度。相对于已有的方法，在区域内有几幢建筑的高度已知的前提下，该方法影像易于获得，大大减少了研究的成本，且由于部分类型的影像如Google Earth影像可获得历史数据，非常有利于区域的横向、纵向比较分析。该方法在进行大面积的建筑高度的提取时，不仅仅依赖于利用阴影长度求建筑高度，而是综合运用影像中的四类特征线段，大大增加了单张影像上提取建筑高度的可操作性，解决了利用无参数高分辨率影像量算建筑高度时无太阳、卫星相关角度参数的问题，具有较好的应用前景。

本发明所采用的四种特征线(屋顶位移点与其阴影点连线、阴影全长、建筑高差引起的屋顶像点位移和建筑遮挡后的阴影长)提取精度的影响因素和使用情况各有特点，根据实际情况进行综合考虑和选择有利于确保建筑高度信息的提取精度：四种特征线对应着四种不同的计算模型，模型中的各项其他参数或者比例系数可运用区域中已知的某建筑物的高度反推得到，经过综合分析后的特征线类型的选取决定了模型类型的选取。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。

Claims (8)

1.一种基于无参数影像的建筑高度快速提取方法，所述无参数影像为中纬度地区的影像，其特征在于，所述方法包括如下步骤：

步骤1，获取待提取区域的影像以及所述待提取区域内的已知建筑物高度数据；

步骤2，对所获取的影像进行预处理；

步骤3，基于所获取的影像评估目标建筑的多条特征线的提取难度；

步骤4，基于对多条特征线的提取难度的评估，选取最低难度的特征线；

步骤5，从所述影像中提取目标建筑的选定的特征线；

步骤6，基于所述待提取区域内已知的建筑物高度数据计算所述影像的摄取参数；

步骤7，基于所选定特征线的长度、所述影像的摄取参数，计算所述目标建筑的高度，

所述步骤6包括：利用下述公式计算摄取参数k₁、k₂和/或k₃，H＝l₁×k₁

H＝l₂×k₂

H＝l₃×k₃，H为建筑物高度，l₁为阴影全长，l₂为建筑高差引起的建筑顶面角点像点位移，l₃为屋顶角点成像点与其阴影点的连线长，

其中，所述步骤7包括利用所获得的参数k₁、k₂和/或k₃利用上述公式计算无参数影像中目标建筑的高度。

2.根据权利要求1所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述特征线包括：第一特征线——目标建筑的屋顶位移点与其阴影点连线、第二特征线——目标建筑的阴影全长、第三特征线——目标建筑的高差引起的屋顶像点位移，以及第四特征线——目标建筑被遮挡后的阴影长。

3.根据权利要求1所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述预处理包括：调整所述影像的亮度、对比度和/或色彩平衡，以用于特征点或线的提取。

4.根据权利要求1所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述影像为来自卫星影像、航拍影像、Google Earth或百度地图的高分辨率影像。

5.根据权利要求2所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述评估包括：(1)判断摄取所述影像的摄取高度角是否大于80°、(2)判断目标建筑周围是否紧邻有低层裙楼，并且基于所述判断确定所述第一特征线的提取难度值。

6.根据权利要求2所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述评估包括：判断目标建筑是否处于建筑密集区；判断目标建筑周围是否有水面和植被；判断太阳的照射方向和摄取所述影像的摄取方向是否处于所述目标建筑同侧，并且基于上述判断结果赋予所述第二特征线相应提取难度值。

7.根据权利要求1所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述步骤7还包括，基于所选取的特征线，选择相应的计算模型计算所述目标建筑的高度。

8.根据权利要求1所述的基于无参数影像的建筑高度快速提取方法，其特征在于，所述步骤6还包括从所述影像中提取已知建筑物的选定的特征线的长度，并且基于所述已知建筑物的选定的特征线的长度以及所述已知建筑物的高度计算所述影像的摄取参数。