當(dāng)前位置：主頁 > 經(jīng)濟(jì)論文 > 建筑經(jīng)濟(jì)論文 >

基于多邊形超像素的候選建筑物檢測(cè)方法

發(fā)布時(shí)間：2020-03-26 20:30

【摘要】：基于遙感影像的建筑物提取是攝影測(cè)量與遙感領(lǐng)域的重要研究課題,但傳統(tǒng)的提取算法在人力和時(shí)間上耗費(fèi)巨大,該課題研究成果能夠高效地排除影像中的冗余信息,使后期提取算法大幅減少計(jì)算空間和時(shí)間開銷,為及時(shí)提取和更新地理信息數(shù)據(jù)提供了新的思路。本文借鑒計(jì)算機(jī)視覺領(lǐng)域中多邊形超像素、候選目標(biāo)檢測(cè)等最新研究成果,提出一種基于多邊形超像素的候選建筑物檢測(cè)方法。本文研究工作可以歸納為如下幾點(diǎn):首先,與以往建筑物檢測(cè)方法不同,本文引入了計(jì)算機(jī)視覺領(lǐng)域的候選目標(biāo)檢測(cè)概念應(yīng)用于遙感影像的建筑物檢測(cè)。該方法旨在高效地篩選出一些候選建筑物目標(biāo),這些目標(biāo)中包含建筑物的可能性很高,進(jìn)而縮小了建筑物存在區(qū)域的范圍,為后續(xù)的復(fù)雜的建筑物提取或分類算法提供很好的基礎(chǔ)數(shù)據(jù)。其次,與現(xiàn)有基于超像素合并策略的候選目標(biāo)檢測(cè)方法不同,結(jié)合建筑物的幾何特征,本文首先將圖像區(qū)域分割為大量小凸多邊形,然后將小多邊形合并得到少數(shù)大多邊形,每個(gè)大多邊形作為一個(gè)候選建筑物區(qū)域,由此篩選出候選建筑物。然后,構(gòu)建圖表示多邊形及其鄰接關(guān)系,依據(jù)顏色、紋理等特征描述相鄰多邊形的相似性并設(shè)置相應(yīng)邊的權(quán)重,采用最小生成樹算法合并相似結(jié)點(diǎn),將幾何特征引入生長(zhǎng)終止條件。最后,本文實(shí)現(xiàn)了上述方法,并對(duì)算法中的各項(xiàng)權(quán)值變量進(jìn)行了實(shí)驗(yàn)與評(píng)估,同時(shí)與候選目標(biāo)檢測(cè)的主流算法進(jìn)行比較。實(shí)驗(yàn)表明,本文提出的算法在針對(duì)建筑物的目標(biāo)檢測(cè)中有較好的表現(xiàn),單幅1000×750大小的影像的平均處理速度為0.987秒,所得的最好候選目標(biāo)和真實(shí)目標(biāo)能夠基本貼合。
【圖文】：

生成過程,剖分,三角,標(biāo)號(hào)

逡逑過過程如示意圖２．２，，現(xiàn)簡(jiǎn)要描述定義如下：逡逑任意的Ｖｏｒｏｎｏｉ邋Ｄｉａｇｒａｍ由一系列中心點(diǎn)生成。其中，每一個(gè)中心點(diǎn)ｐ／邋Ｅ戶可逡逑對(duì)應(yīng)唯一的Ｖｏｒｏｎｏｉｃｅｌｌ邋（組成Ｖｏｒｏｎｏｉ邋ｄｉａｇｒａｍ的單元或區(qū)域），設(shè)為Ｋ（ｐＪ，其區(qū)域逡逑內(nèi)所有的點(diǎn)ｘ距離自身的中心點(diǎn)Ｐｌ？比其它任意中心點(diǎn)？都要近，ｇｐ逡逑Ｖ（Ｐｉ）邋＝邋｛ｘＥ邋Ｋ邋＼邋＼＼ｘ－邋Ｐｉｌｌ邋＜邋＼＼ｘ邋－邋Ｐｊ＼＼ｙｐｊ邋￡邋ｐ，ｉ邋＾邋ｊ）邐（２．１）逡逑從上面的定義中看出，Ｖｏｒｏｎｏｉｃｅｌｌ可以保證是凸多邊形，并且是Ｄｅｌａｕｎａｙ三逡逑角剖分的對(duì)偶圖，運(yùn)用這些性質(zhì)將有利于后續(xù)算法的拓?fù)潢P(guān)系構(gòu)建。逡逑？邐．邐Ｉ邋Ｖ＂邐逡逑（ａ）邐（ｂ）逡逑Ｈ嫌逡逑⑷邐（ｃ）逡逑圖２．２邋Ｖｏｒｏｎｏｉ圖生成過程示意圖：（ａ）表示懫祥得到的點(diǎn)分布，（ｂ）表示Ｄｅｌａｕｎａｙ三角逡逑剖分

示意圖,抽稀,道格拉斯,示意圖