CN114120140A - 基于卫星影像自动提取建筑物高度的方法 - Google Patents

基于卫星影像自动提取建筑物高度的方法 Download PDF

Info

Publication number
CN114120140A
CN114120140A CN202111371221.6A CN202111371221A CN114120140A CN 114120140 A CN114120140 A CN 114120140A CN 202111371221 A CN202111371221 A CN 202111371221A CN 114120140 A CN114120140 A CN 114120140A
Authority
CN
China
Prior art keywords
building
image
satellite
height
calculating
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.)
Pending
Application number
CN202111371221.6A
Other languages
English (en)
Inventor
李德贵
尚永衡
沈正伟
陈钢
尹建伟
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.)
Deqing Institute Of Advanced Technology And Industry Zhejiang University
Original Assignee
Deqing Institute Of Advanced Technology And Industry Zhejiang University
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 Deqing Institute Of Advanced Technology And Industry Zhejiang University filed Critical Deqing Institute Of Advanced Technology And Industry Zhejiang University
Priority to CN202111371221.6A priority Critical patent/CN114120140A/zh
Publication of CN114120140A publication Critical patent/CN114120140A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于卫星影像自动提取建筑物高度的方法，包括以下步骤：步骤1：获取卫星影像，对获取的原始图像进行预处理，对预处理校正后的图像处理成带坐标影像图，对已经处理带坐标的图像进行几何校正、匀光匀色、镶嵌裁剪，最后得到正射影像成果图；步骤2：基于规则信息的面向对象分类法、决策树的算法分类法、归一化植被指数（NDVI）分析法、归一化水体指数（NDWI）分析法和阴影光谱特征来进行建筑物阴影提取；步骤3：通过计算像元平均值计算建筑物阴影长度；步骤4：根据计算所得的阴影长度，结合太阳与卫星的方位角、高度角以及建筑物所在位置，构建建筑物高度反演模型，计算出建筑物高度。本发明效率高，省时省力。

Description

基于卫星影像自动提取建筑物高度的方法
技术领域
本发明属于计算机视觉识别技术领域，涉及一种基于卫星影像自动提取建筑物高度的方法。
背景技术
随着计算机技术和卫星影像技术的不断发展和结合，用户不需要在通过人工实地测量数据，而是越来越追求高效便捷的测量方式。传统的实地测量作业方式，不仅受环境因素的影响，而且效率比较低，现在随着卫星影像技术的发展，解决了传统的测量方式问题，同时为传统的测量方式带来了更便捷、高效的作业方式。
发明内容
本发明的目的在于提供一种基于卫星影像自动提取建筑物高度的方法，以解决上述背景中提到的传统实地测量作业方式，不仅受环境因素的影响，而且效率比较低的问题和现有技术中存在的问题，
为实现上述目的，本发明提供如下技术方案：
一种基于卫星影像自动提取建筑物高度的方法，步骤包括：
步骤1：获取卫星影像，对获取的原始图像进行预处理，对预处理校正后的图像处理成带坐标影像图，对已经处理带坐标的图像进行几何校正、匀光匀色、镶嵌裁剪，最后得到正射影像成果图；
步骤2：基于规则信息的面向对象分类法、决策树的算法分类法、归一化植被指数（NDVI）分析法、归一化水体指数（NDWI）分析法和阴影光谱特征来进行建筑物阴影提取；
步骤3：通过计算像元平均值计算建筑物阴影长度；
步骤4：根据计算所得的阴影长度，结合太阳与卫星的方位角、高度角以及建筑物所在位置，构建建筑物高度反演模型，计算出建筑物高度。
所述步骤1中为了将影像分割成内部同质性较好、局部异质性较大的影像对象，使用多尺度分割算法对遥感影像进行最优尺度分割，根据像元对象的几何、光谱差异来进行合并，直到超过所给定的阈值来结束分割，经过反复验证确定分割效果最好的阈值。
本发明的有益效果：
通过卫星影像图可以快速精确地自动提取到建筑物高度；不受环境因素的影响，高效率、高精度。首先获取卫星影像，对获取的原始图像进行预处理，对预处理校正后的图像处理成带坐标影像图，对已经处理带坐标的图像进行几何校正、匀光匀色、镶嵌裁剪，最后得到正射影像成果图；基于规则信息的面向对象分类法、决策树的算法分类法、归一化植被指数（NDVI）分析法、归一化水体指数（NDWI）分析法和阴影光谱特征来进行建筑物阴影提取；通过计算像元平均值计算建筑物阴影长度；根据计算所得的阴影长度，结合太阳与卫星的方位角、高度角以及建筑物所在位置，构建建筑物高度反演模型，计算出建筑物高度；最终解决了传统的建筑高度测量方法需要通过建筑规划图测量，建筑规划图获取困难，效率低和大量时间的问题。
附图说明
图1是实施例提供的一种基于卫星影像自动提取建筑物高度的方法流程图。
图2是基于规则信息的面向对象分类法、决策树的算法分类法、归一化植被指数（NDVI）分析法、归一化水体指数（NDWI）分析法和阴影光谱特征来进行建筑物阴影提取二值化图；
其中，左右部分分别是提取的某小区建筑阴影二值化图，矢量叠合图。
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，以下通过实施例，并结合附图，对本发明的一种基于卫星影像自动提取建筑物高度的方法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用以解释本发明，并不用于限定本发明。
参见图1，本发明提供了一种基于卫星影像自动提取建筑物高度的方法。
参见图2，根据几何、纹理和光谱信息特征建立规则数据库来进行阴影特征提取，采用基于决策树的建筑物提取算法来进行分类，通过分析归一化植被指数（NDVI）、归一化水体指数（NDWI）和阴影光谱特征提取出阴影信息，最终得到建筑物阴影二值化图及矢量图。
作为一种可实施方式，示例针对卫星遥感数据的建筑物高度提取技术。以高分二号卫星遥感数据进行高度反演试验，通过对建筑物实际高度的测量，对反演结果进行验证，可以验证可以得到高精度的建筑物高度。首先根据几何、纹理和光谱信息特征建立规则数据库来进行阴影特征提取，采用基于决策树的建筑物提取算法进行分类，通过分析归一化植被指数（NDVI）、归一化水体指数（NDWI）和阴影光谱特征提取出阴影信息，再通过计算像元平均值来算出建筑物阴影长度，根据计算所得的阴影长度，结合太阳与卫星的方位角、高度角以及建筑物所在位置，构建建筑物高度反演模型，计算出建筑物高度。通过该技术方法，可以获取到高精度建筑物高度。
上述描述中的实施方案可以进一步组合或者替换，且实施方案仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域普通技术人员对本发明的技术方案做出的各种变化和改进，均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。

Claims (2)

1.一种基于卫星影像自动提取建筑物高度的方法，其特征在于，步骤包括：
步骤1：获取卫星影像，对获取的原始图像进行预处理，对预处理校正后的图像处理成带坐标影像图，对已经处理带坐标的图像进行几何校正、匀光匀色、镶嵌裁剪，最后得到正射影像成果图；
步骤2：基于规则信息的面向对象分类法、决策树的算法分类法、归一化植被指数（NDVI）分析法、归一化水体指数（NDWI）分析法和阴影光谱特征来进行建筑物阴影提取；
步骤3：通过计算像元平均值计算建筑物阴影长度；
步骤4：根据计算所得的阴影长度，结合太阳与卫星的方位角、高度角以及建筑物所在位置，构建建筑物高度反演模型，计算出建筑物高度。
2.根据权利要求1所述的一种基于卫星影像自动提取建筑物高度的方法，其特征在于，所述步骤1中为了将影像分割成内部同质性较好、局部异质性较大的影像对象，使用多尺度分割算法对遥感影像进行最优尺度分割，根据像元对象的几何、光谱差异来进行合并，直到超过所给定的阈值来结束分割，经过反复验证确定分割效果最好的阈值。
CN202111371221.6A 2021-11-18 2021-11-18 基于卫星影像自动提取建筑物高度的方法 Pending CN114120140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111371221.6A CN114120140A (zh) 2021-11-18 2021-11-18 基于卫星影像自动提取建筑物高度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111371221.6A CN114120140A (zh) 2021-11-18 2021-11-18 基于卫星影像自动提取建筑物高度的方法

Publications (1)

Publication Number Publication Date
CN114120140A true CN114120140A (zh) 2022-03-01

Family

ID=80397733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111371221.6A Pending CN114120140A (zh) 2021-11-18 2021-11-18 基于卫星影像自动提取建筑物高度的方法

Country Status (1)

Country Link
CN (1) CN114120140A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116881721A (zh) * 2023-07-25 2023-10-13 昆明理工大学 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116881721A (zh) * 2023-07-25 2023-10-13 昆明理工大学 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法
CN116881721B (zh) * 2023-07-25 2024-01-02 昆明理工大学 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法

Similar Documents

Publication Publication Date Title
CN112381861B (zh) 一种基于地基激光雷达的林地点云数据配准和分割方法
CN103400151B (zh) 一体化的光学遥感影像与gis自动配准与水体提取方法
Xu et al. Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor
CN110443836A (zh) 一种基于平面特征的点云数据自动配准方法及装置
Zhou et al. Individual tree parameters estimation for plantation forests based on UAV oblique photography
CN107330875B (zh) 基于遥感图像正反向异质性的水体周边环境变化检测方法
CN107610164B (zh) 一种基于多特征混合的高分四号影像配准方法
CN110060273B (zh) 基于深度神经网络的遥感影像滑坡测图方法
CN110634131B (zh) 一种裂缝图像识别与建模方法
US11037299B2 (en) Region merging image segmentation algorithm based on boundary extraction
CN111275040A (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN106886988A (zh) 一种基于无人机遥感的线性目标检测方法及系统
CN113902792A (zh) 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备
Wang Automatic extraction of building outline from high resolution aerial imagery
CN116152494A (zh) 基于两阶段3d点云语义分割的建筑物脚点识别分割方法
CN116310802A (zh) 一种基于多尺度融合模型的宅基地变化监测方法和装置
CN114120140A (zh) 基于卫星影像自动提取建筑物高度的方法
CN102201060B (zh) 一种基于形状语义的非参数轮廓跟踪评价方法
Korpela et al. The performance of a local maxima method for detecting individual tree tops in aerial photographs
CN115019163A (zh) 基于多源大数据的城市要素识别方法
CN112033937B (zh) 一种水体提取精度的评价方法
CN107507192B (zh) 一种水稻剑叶夹角在体测量便携装置及在体测量方法
CN113658195A (zh) 图像分割方法、装置及电子设备
CN113850769A (zh) 一种基于Siamese空谱联合卷积网络的高光谱变化检测方法
CN115909099A (zh) 基于无人机巡检的边坡危岩识别与监测方法

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