本文選取成都市某一區(qū)域建筑物A、B為研究對象,采用分辨率為0.61 m的Quick bird影像,運(yùn)用圖像分割法和LVQ神經(jīng)網(wǎng)絡(luò)算法,提取建筑物側(cè)面信息,根據(jù)假設(shè)法原理,構(gòu)建高度計算物理模型,求取建筑物高度。對比實(shí)測數(shù)據(jù),結(jié)合可能影響實(shí)驗(yàn)結(jié)果的實(shí)地因素、遙感影像因素進(jìn)行精度分析與評價,探討基于高分遙感影像的建筑物側(cè)面信息提取和高度計算的方法。結(jié)果表明,LVQ神經(jīng)網(wǎng)絡(luò)算法在建筑物側(cè)面提取和高度計算中有更好的應(yīng)用價值,精度高達(dá)94%。 

【文章來源】：北京測繪. 2020,34(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

建筑物B區(qū)結(jié)果圖

結(jié)果表明:(1)LVQ神經(jīng)網(wǎng)絡(luò)算法提取精度較高;(2)兩種提取法中,建筑物B由于受側(cè)面結(jié)構(gòu)復(fù)雜、灰度值變換不規(guī)律等因素影響,整體精度較建筑物A低。圖2 建筑物B區(qū)結(jié)果圖

鑒于實(shí)驗(yàn)區(qū)涉及建筑為同期建筑,故假定高度相同。本次采用鉛垂儀施測建筑物高度信息,以此為真值與計算值進(jìn)行精度評定,如表2所示,絕對誤差折線圖,如圖3所示。結(jié)果表明:LVQ神經(jīng)網(wǎng)絡(luò)法計算出的高度絕對誤差在0.5～1.4 m之間,相對誤差普遍低于6%,即正確率高達(dá)94%,對比圖像分割法,提取的高度信息精度更高。因本文選取的實(shí)驗(yàn)數(shù)據(jù)為的Quick bird遙感影像,分辨率為0.61 m,絕對誤差0.5～1.4 m符合精度要求。

【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度多特征的高空間分辨率遙感影像建筑物自動化檢測[J]. 吳柳青,胡翔云.  國土資源遙感. 2019(01)
[2]面向?qū)ο蟮亩喑叨榷嗵卣鞲叻诌b感影像建筑物提取[J]. 呂道雙,林娜,張小青.  北京測繪. 2019(02)
[3]結(jié)合多尺度分割和形態(tài)學(xué)運(yùn)算的高分辨率遙感影像陰影檢測[J]. 林雨準(zhǔn),張保明,郭海濤,盧俊.  中國圖象圖形學(xué)報. 2018(08)
[4]基于拉依達(dá)準(zhǔn)則的交通數(shù)據(jù)粗大誤差處理優(yōu)化方法[J]. 徐琛輝,馬明輝.  上海工程技術(shù)大學(xué)學(xué)報. 2018(01)
[5]資源三號衛(wèi)星前視影像的建筑物高度提取[J]. 霍少峰,顧行發(fā),占玉林,余濤,孟慶巖,張文豪.  測繪科學(xué). 2017(02)
[6]基于數(shù)學(xué)形態(tài)學(xué)的IKONOS影像提取建筑物高度方法研究[J]. 黃貝瑩,左小清,唐立娜,邱全毅.  遙感信息. 2014(02)
[7]光譜和形狀特征相結(jié)合的高分辨率遙感圖像的建筑物提取方法[J]. 吳煒,駱劍承,沈占鋒,朱志文.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2012(07)
[8]面向?qū)ο蟮母叻直媛蔬b感影像城區(qū)建筑物分級提取方法[J]. 陶超,譚毅華,蔡華杰,杜博,田金文.  測繪學(xué)報. 2010(01)
[9]基于數(shù)學(xué)形態(tài)學(xué)方法的街道數(shù)據(jù)提取算法[J]. 劉洋.  北京測繪. 2007(03)
[10]高分辨率遙感影像信息提取與目標(biāo)識別技術(shù)研究[J]. 明冬萍,駱劍承,沈占鋒,汪閩,盛昊.  測繪科學(xué). 2005(03)

碩士論文
[1]基于高分辨率遙感影像的建筑物提取研究[D]. 曹瓊.吉林大學(xué) 2018
[2]基于LiDAR點(diǎn)云數(shù)據(jù)的建筑物邊緣提取[D]. 王蓓.長安大學(xué) 2014
[3]基于USB攝像頭的嵌入式火焰圖像采集系統(tǒng)研究[D]. 龔結(jié)龍.長安大學(xué) 2012



本文編號：3470367