本文關(guān)鍵詞： 機(jī)載激光雷達(dá) 建筑物提取 標(biāo)值點(diǎn)過程 能量模型 RJMCMC　出處：《南京大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：建筑物的識(shí)別和提取歷來是遙感、圖像處理領(lǐng)域中熱門話題。建筑物是城市的主要基礎(chǔ)設(shè)施,也是虛擬城市、數(shù)字城市最重要的基元,更是基礎(chǔ)地理信息的載體。因此建筑物目標(biāo)的提取是建設(shè)智慧城市、三維建模等領(lǐng)域的關(guān)鍵環(huán)節(jié)。而機(jī)載激光雷達(dá)技術(shù)對(duì)于精確、快速地獲取地面目標(biāo)的三維數(shù)據(jù)具有一定優(yōu)勢(shì),也是本論文所涉及方法的數(shù)據(jù)源。目前針對(duì)建筑物識(shí)別和提取雖然已經(jīng)取得很大的進(jìn)展,但是依然存在未充分利用遙感圖像的紋理特征以及空間關(guān)系、建筑物模型參數(shù)復(fù)雜、計(jì)算效率不高等問題。本文利用機(jī)載激光雷達(dá)數(shù)據(jù),在研究了前人工作的基礎(chǔ)上,提出一個(gè)基于標(biāo)值點(diǎn)過程理論,利用可逆跳轉(zhuǎn)蒙特卡洛算法進(jìn)行采樣求解的建筑物輪廓提取方法,主要研究?jī)?nèi)容如下:(1)通過把建筑物對(duì)象分別視為低層次組合和抽象整體,對(duì)當(dāng)前建筑物輪廓提取的研究進(jìn)展和相關(guān)技術(shù)難點(diǎn)進(jìn)了綜述。提出了本文的研究?jī)?nèi)容和技術(shù)路線。(2)將從DSM圖像上提取建筑物建模為一個(gè)優(yōu)化問題。即在滿足一定約束的條件下的一個(gè)代價(jià)函數(shù)最小值的問題。代價(jià)函數(shù)這里定義為提取的建筑物模型(粒子群)與圖像之間的誤差平方和,稱為能量。構(gòu)建一個(gè)合理的房屋輪廓的能量模型,將建筑物目標(biāo)的空間信息以及光譜信息引入到構(gòu)建的能量模型中,為更準(zhǔn)確地提取房屋輪廓奠定基礎(chǔ)。同時(shí),針對(duì)已有方法中能量模型中參數(shù)過多,算法效率低的問題,在優(yōu)化求解過程中探究新的能量模型定義方法,提高算法運(yùn)行效率。—個(gè)建筑物輪廓目標(biāo)的能量模型可由數(shù)據(jù)能量和幾何先驗(yàn)?zāi)芰績(jī)刹糠謽?gòu)成。數(shù)據(jù)能量用來確定單個(gè)目標(biāo)輪廓,本文從梯度變化的積分角度來定義數(shù)據(jù)能量,通過向量之間的點(diǎn)乘運(yùn)算能夠有效較少參數(shù)和算法閾值的設(shè)定。幾何先驗(yàn)?zāi)芰坑脕泶_定多個(gè)目標(biāo)的空間排列關(guān)系,本文將引入一個(gè)建筑物輪廓之間的鄰域關(guān)系,對(duì)于目標(biāo)的空間關(guān)系進(jìn)行有效約束。(3)我們將所提取的建筑物模型視為具有某種特征值(標(biāo)值)的一個(gè)點(diǎn)或粒子,全局能量最小的粒子群狀態(tài)通過隨機(jī)點(diǎn)過程來產(chǎn)生,稱為標(biāo)值點(diǎn)過程方法。它是一種模擬采樣的過程,為此我們使用了可逆跳轉(zhuǎn)蒙特卡洛(RJMCMC)方法進(jìn)行采樣,然后通過模擬退火算法尋找全局能量最優(yōu)。該方法涉及眾多參數(shù),通過能量模型的改進(jìn)以及轉(zhuǎn)移核的優(yōu)化可以提高算法的運(yùn)行效率。對(duì)算法的性能包括檢測(cè)精度和時(shí)間效率等進(jìn)行分析,對(duì)比不同尺度數(shù)據(jù)下的算法表現(xiàn),在多次實(shí)驗(yàn)結(jié)果的基礎(chǔ)上探究該算法的參數(shù)設(shè)置問題以及適用性問題。主要結(jié)論如下:(1)用梯度積分構(gòu)建數(shù)據(jù)能量項(xiàng),有效減少了參數(shù),從而減少了閾值設(shè)置過程的不確定性。建筑物鄰域關(guān)系的約束避免了提取的模型重疊現(xiàn)象。(2)生滅、非跳躍、合并分裂三個(gè)轉(zhuǎn)移核可以較好地對(duì)建筑物目標(biāo)的幾何形狀、方向、位置信息等做相應(yīng)的調(diào)整以降低數(shù)據(jù)能量和幾何先驗(yàn)?zāi)芰俊?3)在整個(gè)算法中,模擬退火的溫度參數(shù)起了控制收斂的作用,其設(shè)置值越高收斂越慢,但是提取精度越高。算法的迭代次數(shù)起到控制提取率的作用。如果設(shè)置過小,則會(huì)導(dǎo)致實(shí)驗(yàn)未充分提取建筑物輪廓目標(biāo),而設(shè)置過大會(huì)導(dǎo)致過提取現(xiàn)象發(fā)生,影響準(zhǔn)確性,同時(shí)時(shí)間效率也較低。(4)數(shù)據(jù)對(duì)提取的結(jié)果的影響:在建筑物空間分布均勻、尺寸接近的區(qū)域,適用性很好,可以達(dá)到900%的提取率。在尺寸差異較大的區(qū)域,參數(shù)設(shè)置對(duì)提取結(jié)果影響較大,算法收斂時(shí)間較長(zhǎng)。主要是因?yàn)槿帜芰枯^高,導(dǎo)致很難達(dá)到模型大小差異很大的狀態(tài),故而生滅轉(zhuǎn)移核的接受率要高于非跳躍轉(zhuǎn)移核。
[Abstract]:Identification and extraction of buildings has always been a hot topic in remote sensing image processing field. The main building is the infrastructure of the city, is also a virtual city, the most important element of digital city, is a carrier of basic geographic information. So the goal is to extract building smart city construction, the key link of 3D modeling and other fields. And the airborne laser radar technology for accurate 3D data, fast access to the ground target has certain advantages, the thesis also relates to a method for the data source. The identification and extraction of buildings has made great progress, but still did not make full use of texture feature and spatial relationship of remote sensing image, complex building model parameters, calculating efficiency high. Using airborne lidar data, based on the previous work, put forward a marked point process based on 璁，

本文編號(hào)：1504802