隨著數(shù)字化城市建設(shè)的迅速發(fā)展,利用遙感影像獲取城市建筑物高度信息對(duì)數(shù)字城市的規(guī)劃、建設(shè)和發(fā)展具有重要意義,尤其是從高分遙感影像上提取建筑物三維信息,包括建筑物平面特征及高度信息,成為近年來學(xué)者們研究的熱點(diǎn)內(nèi)容。本文從光譜特征和幾何特征等方面分析建筑物陰影,結(jié)合建筑物自身的空間位置、分布密度、形狀等特征對(duì)建筑物進(jìn)行場(chǎng)景分類;并針對(duì)高分遙感影像,提出一種將影像多特征融合與基于規(guī)則的面向?qū)ο笙嘟Y(jié)合的建筑物陰影檢測(cè)方法。在此基礎(chǔ)上,建立了多場(chǎng)景城市建筑物高度反演模型。在上述理論和技術(shù)支撐下,以西安市典型小區(qū)為例,基于Wordview-3高分遙感影像和無參數(shù)信息的Google Earth高分辨率遙感影像,開展了基于高分影像的不同場(chǎng)景建筑物高度信息反演實(shí)例研究,取得以下研究成果:（1）結(jié)合高分遙感影像中建筑物及其陰影的場(chǎng)景復(fù)雜度、空間位置、分布密度、形狀等特征進(jìn)行建筑物場(chǎng)景分類,進(jìn)而檢測(cè)建筑物陰影,并提取陰影特征線長(zhǎng)度。在此基礎(chǔ)之上,通過分析建筑物陰影與太陽方位角、太陽高度角、衛(wèi)星方位角、衛(wèi)星高度角、建筑物所處場(chǎng)景復(fù)雜度、地形等因素之間的幾何函數(shù)關(guān)系,構(gòu)建了不同場(chǎng)景下的城市建筑物高度反演技術(shù)體系。... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線示意圖

西安科技大學(xué)全日制工程碩士學(xué)位論文10(a)獨(dú)立分布建筑物(b)分布密集的建筑物(c)復(fù)雜形狀建筑物(d)臨近干擾因素的建筑物(e)復(fù)雜地形建筑物三維顯示圖2.1建筑物分類（5）復(fù)雜地形區(qū)域的建筑物。以西安市為例，部分地區(qū)高差起伏較大，若按照平原地區(qū)建筑物高度反演模型提取會(huì)存在很大的誤差，將DEM（DigitalElevationModel）與西安市高分遙感影像進(jìn)行疊加分析，獲取到部分地區(qū)所在高程與平面高程不同，主要可

??山?８杏跋裰械慕ㄖ?鏌跤按籩?劃分為簡(jiǎn)單場(chǎng)景建筑物陰影、復(fù)雜地形建筑物陰影。其中簡(jiǎn)單場(chǎng)景建筑所處地勢(shì)平坦、分布均勻、形狀規(guī)則；復(fù)雜地形建筑所處地勢(shì)高程不等、分布密度不一、形狀較為規(guī)則。建筑物陰影特征線大多數(shù)分為陰影全長(zhǎng)和可視陰影2類。其中陰影全長(zhǎng)表示靠近太陽、衛(wèi)星一側(cè)的建筑物某個(gè)底點(diǎn)和對(duì)應(yīng)頂點(diǎn)在地面上的投影線，以下簡(jiǎn)稱L；可視陰影表示與L所在建筑物底點(diǎn)和頂點(diǎn)走向一致、與L平行的可視投影線，以下簡(jiǎn)稱L2，如圖2.2所示�；诖�，本文構(gòu)建出對(duì)應(yīng)的建筑物高度反演模型，詳細(xì)內(nèi)容如以下小節(jié)所述。圖2.2建筑物陰影特征線

【參考文獻(xiàn)】：
期刊論文
[1]基于航空影像的建筑物陰影提取方法研究[J]. 伍燚垚,馮德俊,瑚敏君,千峰.  地理信息世界. 2019(06)
[2]基于高分二號(hào)衛(wèi)星遙感數(shù)據(jù)的建筑物高度提取[J]. 趙強(qiáng),楊志,蘇紅超,楊世植.  大氣與環(huán)境光學(xué)學(xué)報(bào). 2019(06)
[3]基于BIM的建筑物高程信息提取建模方法研究[J]. 方晶.  長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(03)
[4]基于深度信息的單幅圖像自動(dòng)陰影檢測(cè)[J]. 吳文君,張玲,肖春霞.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2019(05)
[5]基于分?jǐn)?shù)階微分的Kinect傳感器深度圖像陰影檢測(cè)方法（英文）[J]. 張彤,劉晟,曹霆.  紅外與激光工程. 2019(08)
[6]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)
[7]Attention Res-Unet:一種高效陰影檢測(cè)算法[J]. 董月,馮華君,徐之海,陳躍庭,李奇.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[8]集成特征分量的高分辨率遙感影像建筑物陰影檢測(cè)[J]. 謝亞坤,馮德俊,李強(qiáng),王垠入,瑚敏君.  測(cè)繪通報(bào). 2018(10)
[9]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(cè)[J]. 林雨準(zhǔn),張保明,郭海濤,盧俊.  中國(guó)圖象圖形學(xué)報(bào). 2018(08)
[10]一種高分辨率遙感影像建筑物提取方法研究[J]. 劉帆.  中國(guó)新技術(shù)新產(chǎn)品. 2018(13)

碩士論文
[1]基于高分二號(hào)遙感衛(wèi)星的建筑物信息提取研究[D]. 韓東成.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[2]基于高分影像陰影的多種場(chǎng)景建筑物高度信息提取方法研究[D]. 謝亞坤.西南交通大學(xué) 2018
[3]高分影像建筑物陰影檢測(cè)方法及其高度反演研究[D]. 張珩.西南交通大學(xué) 2017



本文編號(hào)：3315388