發(fā)布時(shí)間：2021-07-30 17:23

　　傳統(tǒng)建筑物頂面損毀區(qū)域檢測方法存在圖像灰度級(jí)不理想、信息提取準(zhǔn)確度低的問題。為此,提出新的基于三維點(diǎn)云的建筑物頂面損毀區(qū)域信息提取方法。分析建筑物損毀區(qū)域頂面特征結(jié)構(gòu)分布圖,獲得可靠聚類種子點(diǎn),構(gòu)建鄰域投票模型,使建筑物損毀區(qū)域頂面圖像的錯(cuò)分現(xiàn)象降到最低。結(jié)合RANASC方法構(gòu)建主動(dòng)提煉準(zhǔn)則平面模型,實(shí)現(xiàn)建筑頂面損毀區(qū)域圖像信息的提取。為驗(yàn)證研究的有效性,進(jìn)行一次仿真。實(shí)驗(yàn)結(jié)果證明:研究方法獲取的圖像灰度級(jí)更優(yōu),有效提高了圖像清晰度,能更準(zhǔn)確提取建筑物頂面損毀區(qū)域信息。 

【文章來源】：計(jì)算機(jī)仿真. 2020,37(06)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

權(quán)函數(shù)分布示意圖

實(shí)驗(yàn)設(shè)置建筑物頂面圖像的灰度級(jí),將白色與黑色之間分成不同灰度等級(jí),范圍一般從0～255,白色為255,黑色為0,在此灰度級(jí)變化范圍中,記錄不同方法下的圖像像素?cái)?shù)。像素越大,分辨率越高,圖像則越清晰,實(shí)驗(yàn)結(jié)果如圖2所示。由圖2實(shí)驗(yàn)結(jié)果可知,文獻(xiàn)[1]方法獲取的建筑物頂面圖像的像素較低,相比之下,文獻(xiàn)[2]方法的像素出現(xiàn)了一些較高值,但是在灰度級(jí)不同情況下像素值不穩(wěn)定,說明所獲取的圖像質(zhì)量偏低。研究方法的主要灰度級(jí)為0～150,該灰度變化范圍符合正�；叶葓D像要求,且像素值較高,說明研究方法圖像處理視覺效果更好,可進(jìn)一步判別建筑物頂面的損毀情況。

為進(jìn)一步驗(yàn)證研究方法的有效性,利用文獻(xiàn)[1]和文獻(xiàn)[2]方法對(duì)上述建筑物頂面損毀區(qū)域進(jìn)行信息提取,實(shí)驗(yàn)結(jié)果如圖3所示。通過圖3能夠看出文獻(xiàn)[1]方法未能提取出小范圍損毀區(qū)域的信息;文獻(xiàn)[2]方法提取出的損壞區(qū)域信息出現(xiàn)不完整問題,且提取出的信息存在誤提取情況;相比之下研究方法精確的提取到不同損毀范圍的信息,該實(shí)驗(yàn)結(jié)果表示方法具有較高的信息提取精度,對(duì)建筑物頂面損毀區(qū)域的提取效果更理想。

【參考文獻(xiàn)】：
期刊論文
[1]基于VGG16預(yù)編碼的遙感圖像建筑物語義分割[J]. 徐昭洪,劉宇,全吉成,吳晨.  科學(xué)技術(shù)與工程. 2019(17)
[2]基于DCNN特征的建筑物震害損毀區(qū)域檢測[J]. 周陽,張?jiān)粕?陳斯飏,鄒崢嶸,朱耀晨,趙芮雪.  國土資源遙感. 2019(02)
[3]基于同名特征的建筑物高度高分影像提取方法[J]. 龍恩,汪源,孟鋼,王偉陽,陳旭,連翠萍.  遙感技術(shù)與應(yīng)用. 2019(01)
[4]基于特征提取的點(diǎn)云自動(dòng)配準(zhǔn)優(yōu)化研究[J]. 楊高朝.  計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[5]地面激光點(diǎn)云的建筑區(qū)域快速提取方法[J]. 董安國,黃亮.  測繪地理信息. 2018(03)
[6]利用詞袋模型檢測建筑物頂面損毀區(qū)域[J]. 涂繼輝,眭海剛,馮文卿,孫開敏.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(05)
[7]基于特征級(jí)融合方法的高光譜影像建筑物提取[J]. 徐銳,林娜,代文良.  地理空間信息. 2018(04)
[8]從三維激光點(diǎn)云中快速統(tǒng)計(jì)樹木信息的方法[J]. 肖楊,胡少興,肖深,張愛武.  中國激光. 2018(05)
[9]共享近鄰聚類算法點(diǎn)云面線提取[J]. 辛群榮,姚吉利,徐廣鵬.  測繪科學(xué). 2018(01)
[10]基于區(qū)域分割的點(diǎn)云骨架提取算法[J]. 晁瑩,耿國華,張雨禾,張靖.  計(jì)算機(jī)工程. 2017(10)



本文編號(hào)：3311818