針對建筑物立面的窗戶提取問題,該文采用結(jié)合方向梯度特征、機器學(xué)習(xí)以及窗戶規(guī)則性排列特征的方法:首先利用一個窗戶模板的HOG特征,將模板與圖像中的矩陣進行相關(guān)系數(shù)匹配,提取出正負樣本;通過使用基于HSI色彩模型的顏色分布直方圖和梯度方向直方圖的方法對窗戶特征進行提取,得到樣本訓(xùn)練的SVM分類器,通過SVM識別所有窗戶矩陣,根據(jù)矩陣灰度的相關(guān)條件對圖像窗戶目標篩選;再使用聚類求平均的方法獲得精確的位置;最后根據(jù)建筑物立面窗戶之間的規(guī)則排列特性作進一步篩選和補充。結(jié)果表明,該方法可以在極少人工處理的基礎(chǔ)上有效識別大部分窗戶結(jié)構(gòu),為建筑物精細化建模提供基礎(chǔ)。 

【文章來源】：測繪科學(xué). 2020,45(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

相關(guān)系數(shù)閾值0.6的正樣本

從圖像中快速識別窗戶首先需要找到特征。針對建筑物窗戶的特點,選擇顏色和形狀特征進行識別。為了充分利用窗戶顏色信息,將圖像從RGB顏色空間變換到適合做圖像分析的色飽和強度 (hue saturation intensity,HSI)顏色空間[11],但由于顏色特征是圖像的低級特征,易受光照、陰影等因素影響。為提高可靠性和識別率,又考慮到窗戶具有豐富的邊緣信息這一特性,將 HOG算子運用到識別的過程中,通過模板匹配選擇少量正負樣本,再使用SVM分類器訓(xùn)練進行提取聚類與剔除,最后根據(jù)窗戶規(guī)則性排列得到最終結(jié)果,流程如圖1所示。1.1 HOG算子的樣本提取

窗框具有明顯的方向特征,統(tǒng)計窗戶的HOG特征,在兩個方向有明顯的峰值,并且兩個方向近似相差90°,因此HOG算子可以較好地區(qū)分窗戶與非窗戶。圖2(a)是窗戶模板,圖2(b)～圖2(d)是圖像上的非窗戶區(qū)域,若將HOG特征看作一維離散信號,可以計算相關(guān)性來評判其相似程度。表1是圖2中(b)～圖2(d)和(a)的HOG特征的相關(guān)系數(shù),可以看出圖2(a)和圖2(b)的相似度明顯高于圖2(c)、圖2(d)。


本文編號：3463957