CN108765488B - 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 - Google Patents

一种基于阴影的高分辨率遥感影像建筑物高度估测方法 Download PDF

Info

Publication number
CN108765488B
CN108765488B CN201810271738.XA CN201810271738A CN108765488B CN 108765488 B CN108765488 B CN 108765488B CN 201810271738 A CN201810271738 A CN 201810271738A CN 108765488 B CN108765488 B CN 108765488B
Authority
CN
China
Prior art keywords
shadow
building
angle
length
remote sensing
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
Application number
CN201810271738.XA
Other languages
English (en)
Other versions
CN108765488A (zh
Inventor
孙开敏
张宏雅
李文卓
眭海刚
马国锐
刘俊怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201810271738.XA priority Critical patent/CN108765488B/zh
Publication of CN108765488A publication Critical patent/CN108765488A/zh
Application granted granted Critical
Publication of CN108765488B publication Critical patent/CN108765488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于阴影信息的高分辨率遥感影像建筑物高度估测方法，包括对待检测原始影像进行阴影检测，得到阴影检测结果图，并分别利用形态学处理得到更独立的阴影和边缘更平滑的阴影；利用阴影的面积、长度，以及卫星影像的成像特性判定阴影方向；通过阴影方向和建筑物对应阴影长度的统计特征确定建筑物对应的阴影长度；通过阴影方向求取太阳方位角，并通过太阳方位角推算太阳高度角；利用求取的阴影长度和太阳高度角，估测建筑物的高度。本发明通过充分利用建筑物阴影的特征实现建筑物高度估测，有效检测出带有阴影的遥感影像建筑高度，为建筑物三维重建、城市建筑物历史信息获取、城市变化检测等遥感相关应用等提供有效信息。

Description

一种基于阴影的高分辨率遥感影像建筑物高度估测方法
技术领域
本发明涉及遥感影像处理技术领域，尤其是涉及一种基于阴影的高分辨率遥感影像建筑物高度估测方法。
背景技术
建筑物是城市的主要地物之一，与人类的居住和生活息息相关。近十几年来，遥感数据的获取能力在时空分辨率上有了极大地提高。高分辨率影像为我们研究城市地区细节，尤其是建筑物提供了基础。建筑物的高度是建筑物区别城市其他地物的最显著的特征之一。而且，建筑物高度信息在城市三维建模、城市监测、城市规划、地图更新和人口估测中愈发重要。因此，研究一种实用的建筑物高度估测方法十分必要。
现有的建筑物高度估测算法主要分为二维建筑物高度估测和三维建筑物高度估测。其中，二维检测方法主要通过建筑物阴影长度和遥感影像获取的时间、传感器姿态等具体信息计算建筑物高度。而三维建筑物检测则三维信息的获取方式主要通过立体相对密集匹配、机载激光扫描技术(Lidar)获取点云，再生成DSM，从而计算建筑物高度信息。因此，二维算法的数据获取成本较低，但需要影像传感器、获取时间等具体的参数。三维建筑物检测相较于二维检测算法能获得更高的检测精度。然而，三维检测对数据源的要求更高、耗时长、成本高、且数据源相对有限，对检测范围也有一定的局限性。因此，针对提供大量、长时间序列的高分辨影像的谷歌数据，研究一种通用的无需影像传感器、获取时间等信息的高分遥感建筑物估测算法十分必要。现有的高分辨率影像二维建筑物高度估测主要存在以下问题：(1)数据获取较为麻烦，且历史数据不足。(2)需要影像的成像时间等原始参数计算太阳高度角，而相当一部分正射影像的成像相关参数存在缺失情况；(3)高大建筑物阴影存在一定遮挡的情况下，难以估测建筑物的阴影长度。
发明内容
针对上述问题，本发明提出了一种基于阴影的高分辨率遥感影像建筑物高度估测技术方案，处理方法清晰，可操作性强，数据源充足，可以利用google影像等数据在原始成像参数部分缺失的情况下有效检测出带有阴影且影像上建筑物阴影存在遮挡的建筑物的高度，为建筑物三维重建、城市建筑物历史信息获取、城市变化检测等遥感相关应用等提供有效信息。
本发明提供一种基于阴影的高分辨率遥感影像建筑物高度估测方法，包括以下步骤：
步骤1，对待检测原始影像进行阴影检测，得到阴影检测结果图，并分别利用形态学处理得到更独立的阴影和边缘更平滑的阴影；
步骤2，利用步骤1所得边缘平滑的阴影，利用阴影的面积、长度，以及卫星影像的成像特性判定阴影方向；
步骤3，根据步骤2所得阴影方向，通过统计步骤1所得独立的阴影中某目标建筑物对应所有的阴影长度，根据阴影长度的统计特征确定该目标建筑物对应的阴影长度；
步骤4，通过步骤2所得阴影方向，求取太阳方位角，并通过太阳方位角推算太阳高度角；
步骤5，根据步骤3所得的阴影长度和步骤4所得的太阳高度角，估测目标建筑物的高度。
而且，利用形态学处理得到更独立的阴影时，形态学处理包括采用形态学闭运算，填补阴影内部小空洞，再采用开运算，缓解阴影粘连的现象。
而且，利用形态学处理得到边缘更平滑的阴影时，形态学处理包括采用形态学闭运算，填补阴影内部小空洞，再采用开运算，平滑阴影边缘。
而且，步骤2的实现方式，包括以下步骤，
步骤2.1，用阈值法获取大面积阴影；
步骤2.2，提取大面积阴影边缘；
步骤2.3，检测阴影边缘的直线长度，进行长度筛选，再统计长直线方向；
步骤2.4，结合建筑物位置、影像成像时间特性和步骤2.3获取的长直线方向统计图，确定阴影方向。
而且，步骤3确定建筑物对应的阴影长度实现方式为，获得建筑物阴影在阴影方向上的对应长度直方图，根据直方图的分布在直方图最右侧选取峰值作为建筑物的阴影长度。
而且，步骤4中，根据阴影方向与正南方向的夹角与太阳方位角近似相等，获得太阳方位角之后，获得太阳高度角。
而且，步骤5中，将建筑物对应的阴影长度与太阳高度角的正切值相乘，得到建筑物高度。
本发明通过充分利用建筑物阴影的特征实现建筑物高度估测，处理方法清晰，可操作性强，适用于可以提供大量长时间序列的高分辨率遥感影像的谷歌卫星影像和原始信息存在一定缺损的高分辨影像，可以有效检测出带有阴影的遥感影像建筑高度，为建筑物三维重建、城市建筑物历史信息获取、城市变化检测等遥感相关应用等提供有效信息，具有重要的市场价值。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例中待检测高度的建筑物群的原始影像。
图3为本发明实施例中阴影检测结果。
图4为本发明实施例对图3进行形态学处理的得到的较为独立的阴影结果图。
图5为本发明实施例对图3进行形态学处理的得到的边缘清晰的阴影结果图。
图6为本发明实施例对图5进行阴影边缘直线角度统计的结果图。
图7为本发明实施例的原始影像图2中的某一建筑物的切片。
图8为本发明实施例中图7中建筑物对应的较独立阴影检测结果图。
图9为本发明实施例对图8中阴影进行旋转至阴影方向角度水平的结果图。
图10为本发明实施例对图9的阴影进行水平扫描获得的阴影长度统计直方图。
具体实施方式
以下结合附图和实施例详细说明本发明技术方案。
本发明是一种基于阴影的高分辨率遥感影像建筑物高度估测方法，包括利用光谱特性检测阴影，并对阴影进行形态学处理；利用阴影的面积、长度，以及卫星影像的成像特性判定阴影方向；然后通过阴影方向和建筑物对应阴影长度的统计特征确定建筑物对应的阴影长度；再通过阴影方向求取太阳方位角，并通过太阳方位角推算太阳高度角；最后利用求取的阴影长度和太阳高度角，估测建筑物的高度。
如图1，实施例的技术方案的流程包括以下步骤：
步骤1，对待检测原始影像进行阴影检测，得到阴影检测结果图，并分别利用形态学处理得到更独立的阴影和边缘更清晰的阴影。
本发明首先用光谱特性通过阴影检测获取影像阴影的二值化结果图。为说明本方法对阴影检测结果要求较低，阴影检测方法采用经典的基于像素级的色彩空间变换阈值法求取阴影，该方法精度在80％以上，阴影边界存在不规整的情况。具体实施时，可参见文献Tsai,Victor JD."A comparative study on shadow compensation of color aerialimages in invariant color models."IEEE transactions on geoscience and remotesensing 44.6(2006):1661-1671.。
本发明进一步提出，步骤1中所述利用形态学处理，获得较为独立的阴影，实现方式如下，
对步骤1所得阴影检测结果中的每个连通域先进行闭运算，后进行开运算，执行形态学运算时，结构要素矩阵SE可选择圆形或方形，选择相对较小的结构信息的参数，闭运算目的是填补阴影内部可能出现的小孔洞现象，开运算是尽可能不同地物生的阴影分开，特别是面积较小的阴影与面积较大阴影，缓解建筑物粘连的现象，获得较为独立的阴影。
步骤1中所述利用形态学处理，获得边缘较光滑的阴影，实现方式如下，
对步骤1所得阴影检测结果中的每个连通域先进行闭运算，后进行开运算，执行形态学运算时，结构要素矩阵SE可选择圆形或方形，选择相对较大的结构信息的参数，目的是平滑阴影的边缘。
闭运算主要解决像素级阴影检测结果中，阴影中可能存在空洞的问题，关于对象级阴影检测结果，或是其他阴影几乎不存在阴影存在空洞的结果，可不进行闭运算处理。
优选建议，步骤1用形态学处理分辨率为0.3米-2米的高分辨率影像得到较为独立的阴影检测结果图像中，形态学处理主要利用结构大小较小(小于5)开运算；步骤1用形态学处理得到边缘平滑的影检测结果图像中，形态学处理主要利用结构大小较大(大于9)的开运算。
为获得较为独立的阴影，对阴影的二值化结果图，实施例通过形态学处理方法，消除阴影内部可能存在小空洞问题，并尽可能分开不同地物的相连阴影。形态学处理方法采用形态学闭运算，填补阴影内部小空洞，再采用开运算，缓解阴影粘连的现象，例如大建筑物和小建筑物之间或相连的小建筑物之间存在的阴影粘连。实施例中的结构元形状选取disk，闭运算的结构元参数为3，开运算的结构元参数为5。实施例对图3进行形态学处理的结果如图4所示，其中白色部分代表阴影。
为获取边缘较为清晰的阴影，对阴影检测二值结果图，实施例采用结构参数较大的开运算，实现阴影边缘的平滑。形态学处理方法采用形态学闭运算，填补阴影内部小空洞，再采用开运算，平滑阴影边缘。形态学处理过程中，结构元形状选取disk，闭运算的结构元参数为3，开运算的结构元参数为13。实施例对图3进行形态学处理的结果如图5所示，其中白色部分代表阴影。
步骤2，利用步骤1所得边缘清晰的阴影，利用阴影的面积、长度，以及卫星影像的成像特性判定阴影方向。
进一步地，本发明提出步骤2包括以下步骤，
步骤2.1，用阈值法获取大面积阴影；
步骤2.2，提取大面积阴影边缘；
步骤2.3，检测阴影边缘的直线长度，进行长度筛选，再统计长直线方向；
可以利用Ransac方法检测直线，包括根据步骤2.2提取的边缘，以连通域为单位，利用Ransac方法对每个连通域进行直线检测，设置直线长度初始阈值L1，大于L1的直线予以保留，再将剩余直线长度的中值L2为长度阈值，统计长度大或等于L2的直线的角度。
步骤2.4，结合建筑物位置、影像成像时间特性和步骤2.3获取的长直线方向统计图，确定阴影方向。
结合建筑物位置、影像成像时间特性和步骤2.3获取的长直线方向统计图确定阴影方向，是根据建筑物的纬度和遥感影像的成像时间一般处于上午9点到下午3点间这一特性，估算出大致的太阳方位角，从而推断大致的阴影在影像上的角度，结合步骤2.3所得的直线角度统计图，在对应阴影角度范围内确认阴影角度和方向。
实施例利用阴影的面积筛选出大面积阴影，大面积阴影的边缘有较为明显的阴影方向信息。阴影的面积筛选，是所有阴影的面积按照降序排序(从大到小)，选取前15％的阴影进行边缘检测，具体实施时，本领域技术人员可根据经验设置具体比例，建议取值为10％～15％。实施例的边缘检测为Canny边缘检测，为现有方法，不予赘述。实施例在直线检测统计中，直线检测采用RANSAC方法，初始阈值为5，然后再选取大于5的直线长度的中值37为阈值，统计直线长度大或等于37的直线角度，其中阈值的单位为像素。如图6所示，横坐标为阴影边界线的角度，纵坐标为该角度的边界线的占比，其中，长度大于等于37的建筑物阴影边界线中，边界线的角度有两个峰值，分别表示阴影方向角度和阴影与建筑物的边界，实施例中阴影边界线的角度主要分布在-68°左右和0°左右。最后根据建筑物的纬度和遥感影像获取的大致时间，即上午9点到下午3点，利用太阳相关角度计算的现有技术可以求取对应的阴影角度范围为[-90°,-23°]和[57°,90°]，结合直方图获取阴影角度峰值，从图6的峰值中选取符合范围的角度确认阴影方向为-68°。
步骤3，根据步骤2所得阴影方向，通过统计步骤1所得相对独立的阴影中某目标建筑物对应所有的阴影长度，根据阴影长度的统计特征确定该目标建筑物对应的阴影长度；
进一步地，确定方式为，统计建筑物对应阴影长度，根据阴影长度的统计特征确定建筑物对应的阴影长度；针对每一个建筑物对应阴影切片，根据阴影方向角度逆时针旋转至阴影方向角度呈水平状态，通过水平线扫描的方式获得阴影切片中的所有直线长度，进行长度直方图统计，选取最右侧波峰段的均值作为该建筑物的阴影长度。
实施例将步骤1所得较为独立的阴影影像按照阴影角度旋转，通过水平直线扫描获得某目标建筑物对应所有的阴影长度，再统计该建筑的阴影长度，如图7所示为目标建筑物原图，图8为目标建筑物的对应阴影图，图9为按照阴影角度旋转的结果图，图10为该建筑物的阴影长度统计图，横坐标为该目标建筑物对应的全部阴影长度，纵坐标表示阴影长度对应的数量，星号表示直方图的波峰和波谷点。建筑物的高度通常是指建筑物的最高点高度，由于建筑物顶部可能为非平顶，且建筑物阴影存在遮挡的情况，因此建筑物的阴影长度并不一致，本发明中选取最长段的阴影作为某一建筑物对应的阴影长度，即选取最右侧的波峰段的均值为建筑物的阴影长度，实施例中的建筑物阴影长度为176.56个像素。
步骤4，通过步骤2所得阴影方向，求取太阳方位角，并通过太阳方位角β推算太阳高度角α；
首先通过地物的阴影方向求取太阳方位角，当太阳方位角等于竖立在地面上的直线的阴影与正南方向的夹角。然后根据影像获取日期求取太阳赤纬，再根据太阳赤纬、建筑物当地纬度、太阳高度角、太阳方位角和太阳时角之间的关系，推算出拍摄时刻的时角和太阳高度角。
太阳方位角β定义为从北方向沿着地平线顺时针量度的角，即太阳方位角指太阳光线在地面上的投影与当地子午线的夹角，其值和当地竖立在地面上的直线的阴影与正南方向的夹角相等。因此，可通过步骤2中求取的阴影角度与正南方向的夹角获取太阳方位角。即获得太阳方位角之后，可根据公式(1)获得太阳高度角。
计算建筑物高度需要参量太阳高度角，而太阳高度角在未知拍摄时刻元数据的情况下，可以通过其与建筑物拍摄日期、太阳赤纬δ、太阳方位角β、建筑物纬度
Figure BDA0001612730710000061
拍摄时角h的关系求取，这些参量存在以下关系：
太阳高度角α表示太阳光线与地面的夹角，与太阳赤纬δ、拍摄时角h和当地纬度
Figure BDA0001612730710000062
的关系如公式(1)所示，
Figure BDA0001612730710000063
其中，太阳赤纬δ是指太阳入射光与地球赤道之间的角度，由于高分辨率卫星拍摄时间主要集中在上午9点到下午3点，太阳赤纬主要与其拍摄日期有关，其准确表达式为(2)δ＝0.3723+23.2567sinω+0.1149sin2ω-0.1712sin3ω-0.7580cosω+0.3656cos2ω+0.0201cos3ω
…(2)
公式(1)中的相关参数计算与拍摄日期有关，其表达式为(3)(4)，
Figure BDA0001612730710000064
n0＝78.801+0.2422(year-1969)-int(0.25(year-1969)) (4)
其中，n表示拍摄日期，自当年1月1日起计数，year表示拍摄年份，n0表示校正值。
参见参考文献Bourges,Bernard."Improvement in solar declinationcomputation."Solar Energy 35.4(1985):367-369.
太阳方位角与太阳高度角、太阳时角、当地纬度和太阳赤纬的关系如公式(5)(6)所示，
Figure BDA0001612730710000071
Figure BDA0001612730710000072
太阳赤纬可以通过拍摄日期求得，太阳方位角可通过阴影方向求得，太阳方位角和太阳时角未知，综合公式(1)-(6)，可推导出太阳时角的公式为(7)，
Figure BDA0001612730710000073
将公式(7)代入公式(1)，即可求得太阳高度角。
步骤5，根据步骤3所得的阴影长度和步骤4所得的太阳高度角，估测目标建筑物的高度，将建筑物对应的阴影长度与太阳高度角的正切值相乘，即为建筑物高度，如公式(8)，
height＝Ls*res*tanα (8)
其中，Ls为建筑物对应的阴影长度，res为影像分辨率，α为太阳高度角。实施例中，阴影长度通过步骤3求得为176.56，分辨率约为0.54，太阳高度角的正弦值为1.2922，从而求得该建筑物高度约为123.53米，通过查询，发现该大楼位于101North 1st Avenue，Phoenix，AZ，US，是一座银行大楼，其真实高度为124.1米。
本发明技术方案可采用计算机软件技术实现自动运行流程。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于，包括以下步骤：
步骤1，对待检测原始影像进行阴影检测，得到阴影检测结果图，并分别利用形态学处理得到更独立的阴影和边缘更平滑的阴影；
步骤2，利用步骤1所得边缘平滑的阴影，利用阴影的面积、长度，以及卫星影像的成像特性判定阴影方向；实现方式为，
步骤2.1，用阈值法获取大面积阴影；
步骤2.2，提取大面积阴影边缘；
步骤2.3，检测阴影边缘的直线长度，进行长度筛选，再统计长直线方向；
步骤2.4，结合建筑物位置、影像成像时间特性和步骤2.3获取的长直线方向统计图，确定阴影方向，包括根据建筑物的纬度和遥感影像的成像时间一般处于上午9点到下午3点间这一特性，估算出大致的太阳方位角，从而推断大致的阴影在影像上的角度，结合步骤2.3所得的直线角度统计图，在对应阴影角度范围内确认阴影角度和方向；
步骤3，根据步骤2所得阴影方向，通过统计步骤1所得独立的阴影中某目标建筑物对应所有的阴影长度，根据阴影长度的统计特征确定该目标建筑物对应的阴影长度；
确定方式为，统计建筑物对应阴影长度，根据阴影长度的统计特征确定建筑物对应的阴影长度；针对每一个建筑物对应阴影切片，根据阴影方向角度逆时针旋转至阴影方向角度呈水平状态，通过水平线扫描的方式获得阴影切片中的所有直线长度，进行长度直方图统计，选取最右侧波峰段的均值作为该建筑物的阴影长度；
步骤4，通过步骤2所得阴影方向，求取太阳方位角，并通过太阳方位角推算太阳高度角；实现方式为，首先通过地物的阴影方向求取太阳方位角，当太阳方位角等于竖立在地面上的直线的阴影与正南方向的夹角；然后根据影像获取日期求取太阳赤纬，再根据太阳赤纬、建筑物当地纬度、太阳高度角、太阳方位角和太阳时角之间的关系，推算出拍摄时刻的时角和太阳高度角；
步骤5，根据步骤3所得的阴影长度和步骤4所得的太阳高度角，估测目标建筑物的高度。
2.根据权利要求1所述基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于：利用形态学处理得到更独立的阴影时，形态学处理包括采用形态学闭运算，填补阴影内部小空洞，再采用开运算，缓解阴影粘连的现象。
3.根据权利要求1所述基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于：利用形态学处理得到边缘更平滑的阴影时，形态学处理包括采用形态学闭运算，填补阴影内部小空洞，再采用开运算，平滑阴影边缘。
4.根据权利要求1或2或3所述基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于：步骤3确定建筑物对应的阴影长度实现方式为，获得建筑物阴影在阴影方向上的对应长度直方图，根据直方图的分布在直方图最右侧选取峰值作为建筑物的阴影长度。
5.根据权利要求1或2或3所述基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于：步骤4中，根据阴影方向与正南方向的夹角与太阳方位角近似相等，获得太阳方位角之后，获得太阳高度角。
6.根据权利要求1或2或3所述基于阴影的高分辨率遥感影像建筑物高度估测方法，其特征在于：步骤5中，将建筑物对应的阴影长度与太阳高度角的正切值相乘，得到建筑物高度。
CN201810271738.XA 2018-03-29 2018-03-29 一种基于阴影的高分辨率遥感影像建筑物高度估测方法 Active CN108765488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810271738.XA CN108765488B (zh) 2018-03-29 2018-03-29 一种基于阴影的高分辨率遥感影像建筑物高度估测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810271738.XA CN108765488B (zh) 2018-03-29 2018-03-29 一种基于阴影的高分辨率遥感影像建筑物高度估测方法

Publications (2)

Publication Number Publication Date
CN108765488A CN108765488A (zh) 2018-11-06
CN108765488B true CN108765488B (zh) 2022-03-04

Family

ID=63980717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810271738.XA Active CN108765488B (zh) 2018-03-29 2018-03-29 一种基于阴影的高分辨率遥感影像建筑物高度估测方法

Country Status (1)

Country Link
CN (1) CN108765488B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736435B (zh) * 2019-08-29 2021-05-14 昆明理工大学 一种基于太阳能几何光学的高度测量装置及方法
CN110390715B (zh) * 2019-09-11 2023-10-13 桂林理工大学 一种同时检测建筑物屋顶、建筑物墙体及地面阴影的方法
CN111462098B (zh) * 2020-04-03 2024-10-11 深圳前海微众银行股份有限公司 待侦测物体阴影面积重叠的检测方法、装置、设备及介质
CN111666910B (zh) * 2020-06-12 2024-05-17 北京博能科技股份有限公司 一种机场净空区障碍物检测方法、装置、和电子产品
CN112149594B (zh) * 2020-09-29 2022-08-09 同济大学 基于深度学习和高分辨率卫星影像的城市建设评估方法
CN112115926B (zh) * 2020-11-18 2021-04-27 浙江大华技术股份有限公司 基于遥感图像的建筑物体块模型构建方法及相关设备
CN112559786B (zh) * 2020-12-08 2024-03-15 中国联合网络通信集团有限公司 一种光学遥感影像成像时间的确定方法及装置
CN113139994B (zh) * 2021-04-13 2022-07-08 宁波四象径宇科技有限公司 基于角点的高分辨率光学遥感卫星图像建筑物高度监测方法
CN113487634B (zh) * 2021-06-11 2023-06-30 中国联合网络通信集团有限公司 关联建筑物高度与面积的方法及装置
CN115344813B (zh) * 2022-08-25 2023-07-11 珠江水利委员会珠江水利科学研究院 一种基于阴影的山体高度反演方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102052914A (zh) * 2010-11-12 2011-05-11 合肥工业大学 利用天空偏振模式分布规律计算导航方向角的方法
CN103791885A (zh) * 2014-02-18 2014-05-14 西北工业大学 面向单幅卫星影像的自获取三角元高度计算方法
CN105716603A (zh) * 2016-02-01 2016-06-29 温州大学 根据视频中物体的太阳影子变化对物体进行定位的方法
CN106022257A (zh) * 2016-05-18 2016-10-12 深圳市神州龙资讯服务有限公司 建筑阴影自动识别与模型覆盖方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942420B (zh) * 2014-04-08 2017-01-04 北京大学 一种建筑物尺度的太阳直射辐射能快速估算方法
CN104463868B (zh) * 2014-12-05 2017-11-14 北京师范大学 一种基于无参数高分辨率影像的建筑高度快速获取方法
CN107679441B (zh) * 2017-02-14 2020-06-02 郑州大学 基于多时相遥感影像阴影提取城市建筑物高度的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102052914A (zh) * 2010-11-12 2011-05-11 合肥工业大学 利用天空偏振模式分布规律计算导航方向角的方法
CN103791885A (zh) * 2014-02-18 2014-05-14 西北工业大学 面向单幅卫星影像的自获取三角元高度计算方法
CN105716603A (zh) * 2016-02-01 2016-06-29 温州大学 根据视频中物体的太阳影子变化对物体进行定位的方法
CN106022257A (zh) * 2016-05-18 2016-10-12 深圳市神州龙资讯服务有限公司 建筑阴影自动识别与模型覆盖方法

Also Published As

Publication number Publication date
CN108765488A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
CN108765488B (zh) 一种基于阴影的高分辨率遥感影像建筑物高度估测方法
You et al. Urban site modeling from lidar
CN107610164B (zh) 一种基于多特征混合的高分四号影像配准方法
WO2015157643A1 (en) Solar energy forecasting
CN112285710B (zh) 一种多源遥感水库蓄水量估算方法与装置
WO2009052046A1 (en) Geospatial modeling system and related method using multiple sources of geographic information
CN114627087B (zh) 一种多时相卫星遥感图像的地物变化自动检测方法及系统
CN110988909A (zh) 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法
CN115294183A (zh) 一种基于多源遥感数据的碟型子湖水体时序提取方法
Ricchetti Visible? infrared and radar imagery fusion for geological application: A new approach using DEM and sun-illumination model
JP2005346664A (ja) 海岸線抽出方法及び海岸線抽出システム
CN116245757A (zh) 多模态数据的多场景通用性遥感影像云修复方法和系统
Xue et al. Flood monitoring by integrating normalized difference flood index and probability distribution of water bodies
Leidman et al. Terrain-based shadow correction method for assessing supraglacial features on the Greenland ice sheet
Liu et al. High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing
Ren et al. Automated SAR reference image preparation for navigation
CN109993104B (zh) 一种遥感图像对象层次的变化检测方法
CN114219800A (zh) 一种基于sar图像的洪涝检测方法
CN110136128B (zh) 基于Rao检验的SAR影像变化检测方法
Piermattei et al. Analysis of glacial and periglacial processes using structure from motion.
Sohn et al. Shadow-effect correction in aerial color imagery
Li et al. Mapping Water Bodies Using SAR Imagery-an Application Over the Spiritwood Valley Aquifier, Manitoba
Bolla et al. The tracking and prediction of high intensity rainstorms
CN115524763B (zh) 一种多时相高分辨率山地卫星影像地形辐射校正方法
Andaru et al. Multitemporal UAV photogrammetry for sandbank morphological change analysis: evaluations of camera calibration methods, co-registration strategies, and the reconstructed DSMs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant