及時準確地獲取城市建筑區(qū)域的空間分布及其變化信息對于城市規(guī)劃、空間地理數(shù)據(jù)庫建設及區(qū)域社會經(jīng)濟分析具有重要意義。本文提出一種基于多尺度Gabor變換和感知聚類方法即張量投票TV (Tensor Voting)相結合的自適應局部幾何不變特征檢測方法,并將其應用于高空間分辨率遙感影像建筑區(qū)域提取。首先,考慮到高分辨率遙感影像復雜的幾何結構特征,使用Gabor濾波器組對影像進行多尺度多方向變換檢測奇異性特征。然后,在感知聚類框架下,根據(jù)張量投票理論將不同方向子帶系數(shù)位置編碼為相應的二階對稱方向張量,為了突出影像幾何特征,對不同尺度、不同方向子帶中任意像素位置方向張量使用濾波器響應系數(shù)加權并求和完成多尺度特征融合。再次,對張量特征分解得到點結構與線結構顯著性圖并使用非極大抑制提取相應角點和曲線等局部幾何特征,同時生成約束準則篩選角點以確定建筑物坐標。最后,利用概率密度估計結合局部角點特征生成全局概率密度場描述影像中像素從屬于建筑目標的概率,并使用最大類間方差法(Otsu)閾值分割自動提取居民地多邊形區(qū)域。使用分辨率分別為0.49 m、0.98 m的Google Earth及0.8 m的高分二號...

【文章頁數(shù)】：12 頁

【部分圖文】：

圖1二階對稱張量的橢圓表示

式中，棒張量（sticktensor)e1e1T用以描述線性特征，λ1-λ2,e1分別表示像p(x,y)線特征的顯著性及其切向量，如圖1橢圓形結構所示。球張量（balltensor)e1e1T+e2e2T用以描述節(jié)點特征，如圖1圓形結構所示，λ2表示其顯著性，此時λ1≈λ2，....

圖2基于Tensorvoting的二進制影像幾何結構顯著性提取

圖2為二進制影像經(jīng)TV后自適應提取線特征顯著圖與點特征顯著圖。對于二進制影像，僅使用位置信息編碼二階張量，。經(jīng)過一次球張量投票及一次棒張量投票后根據(jù)像素的幾何結構顯著性自動分類，分別得到線特征顯著部分及點特征顯著部分，如圖2(b）和圖2(c）所示，暖色部分表示顯著值較大，線、點幾....

圖3基于Gabor變換和Tensorvoting的高分影像建筑區(qū)域角點檢測結果

使用式（9）—式（11)3個約束準則對圖3(b）的角點檢測結果重新篩選，結果如圖4(a）及局部影像圖4(b）所示。以圖3(c）、圖4(b）等局部影像為例，圖3(c）中存在的部分由陰影和小目標造成的偽角點在圖4(b）中被有效的去除。同時，圖3(b）右上角中道路上存在的誤檢角點也在圖....

圖4使用不同方法的建筑區(qū)域角點檢測結果

圖3基于Gabor變換和Tensorvoting的高分影像建筑區(qū)域角點檢測結果3基于聯(lián)合概率密度場的建筑區(qū)提取

本文編號：3961398