您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

(林祥国)-百度一下,你就知道)-赣榆籍最大的官

建筑物,形态学,方法(林祥国)-百度一下,你就知道)-赣榆籍最大的官

发布时间：2019-02-08加入收藏来源：互联网点击：

两种方法在两个试验数据中的3个指标值见表 3。表 3的统计数据表明，两个试验中，本文方法的3个指标值都优于文献[5]方法的相应指标值。以试验影像2为例，本文方法和PanTex方法的正确率分别为80.19%、70.04%，完整率分别为83.22%、71.51%，质量分别为69.03%、54.82%。且试验影像1的统计数据亦呈现类似规律。从两个试验影像上3个指标的平均值看，本文方法比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。可知，定量的评价表明本文方法的建筑物提取精度显著的优于PanTex方法。

表 3 建筑物提取的精度统计表Tab. 3 Statistics about the accuracy of building extraction

表选项

4 结论

高分辨率遥感影像建筑物提取是一项亟待解决的难题。高分辨率光学遥感影像上建筑物具有下述先验特征：① 建筑物附近一般具有阴影；② 阴影区域的亮度值较低且亮度值变化较小；③ 建筑物亮度值一般大于阴影亮度值。本文利用均值漂移分割技术将影像剖分为一系列对象，利用区域邻接图描述对象的空间邻接关系，并进行基于图的形态学top-hat重建运算，重建后阴影对象的特征值较小、而建筑物对象的特征值较大。基于上述原理，本文提出了面向对象的形态学建筑物指数，并形成了一套完整的基于高分辨率遥感影像建筑物提取的技术框架。试验表明，本文方法的建筑物提取精度显著地高于已有的PanTex方法。但是，本文的方法仍然存在两个缺点：① 容易将部分道路、裸地、建筑物工地、水泥地面误判为建筑物；② 容易遗漏亮度值较低的建筑物。另外，经验表明本文的方法仅仅适合于分辨率优于1.0 m的航空航天遥感影像的建筑物提取；究其原因，这与建筑物及其阴影的平均尺寸、影像分割效果、基于图的形态学运算原理、高程信息缺失等多个因素有关。

本文下一步的研究围绕5个方面开展：① 进一步集成文献[26]的自适应均值漂移分割方法，或借鉴文献[27-28]影像分割参数的最优选择方法；② 利用多光谱影像的光谱信息进一步优化建筑物提取步骤；③ 结合激光雷达点云[29]、立体或多视影像密集匹配获取的高程数据[30-32]进行建筑物提取；④ 基于开源道路数据、并依据建筑物与道路的空间拓扑关系优化建筑物提取结果；⑤ 进一步将本文的方法与面向对象的影像分析方法相结合以利用更多特征和知识获取更优提取效果。

【引文格式】林祥国，张继贤。 面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用[J]. 测绘学报，2017，46(6)：724-733. DOI:
10.11947/j.AGCS.2017.20170068

本文到此结束，希望对大家有所帮助呢。

 4/4   首页 上一页 2 3 4