城市高分辨率遥感影像房屋提取与变化监测 - 图文(2)

城市高分辨率遥感影像房屋提取与变化监测

1.2 遥感技术的特点

遥感（Remote Sense），就是“遥远的感知”，是一种利用非接触的方式，用各类传感器对物体进行远距离探测的技术。

（1）探测范围广。遥感所用的搭载平台之一，——航拍飞机，其飞行高度通常为10km左右，而距离地面更高的陆地资源卫星，其运行轨道高度可达910km，从而，在传感器视场角一定的条件下，可以比在地表直接拍摄的方式能够得到更大范围的信息。

（2）获取数据快，重访周期短。遥感卫星围绕着地球高速飞行，从而能够快速地获取卫星途经地区的地物地貌实时的状况，更新历史影像资料，或是依据现有当前获取的资料与历史影响资料对比，对所发生的变化进行动态监测，这是人工外业测量和航空摄影测量无法比拟的。

（3）获取信息受条件限制少。在地球上，有许多地方，自然条件极其恶劣，人迹罕至，如荒芜人烟的沙漠，泥泞不堪的沼泽、高寒缺氧的雪峰、陡峭嶙峋的石峰、烟火弥漫的火山等。利用遥感技术（尤其是航天遥感）不受地面条件限制的特点，可以便捷地获取各类宝贵资料。

（4）获取信息的方法多样，所得到的信息量大。我们根据任务需求的不同，可以选择利用不同物体对不同波长的电磁波具有不同反射率的特点，选择使用不同的波段和遥感传感器，进行影像的采集。例如利用红、绿、蓝三个可见光波段来探测地面，获取直观的真彩色遥感影像，也可采用紫外线、红外线和微波来探测物体，从而可以获取肉眼看不到的信息。利用不同波段穿透物体的能力不同的特点，还可获取地物的内部隐含。例如，地表植被的高度、地面深层、水的下层、冰层下的水体、沙漠下层的地质构造等，由于不受可见光光照条件的影像，我们还可以使微波波段的遥感传感器进行全天候地工作。

以上所述的遥感技术，其宏观、综合、动态、快速、灵活的特点[5]，为地球资源的调查与开发、环境监测等领域的研究提供了一种新的便捷高效的探测手段。遥感技术能够地理信息系统解决获取和更新数据的问题；另一方面，我们也可以利用GIS中的 数据来帮助遥感图像的处理。目前的“3S”（GPS、GIS、RS）综合领域的研究，便是集

第 2 页 共 32 页

城市高分辨率遥感影像房屋提取与变化监测

中了各领域的优势，使得数据处理系统拥有更加广泛的实用功能。“3S”的两两结合[6]，即GPS-RS，GPS-GIS，以及RS-GIS，其中，RS与GIS的结合是核心，它为地理信息数据处理与管理、运营提供了一个功能强大的平台，增强了其直观性，也为高效实现土地利用类型进行高精度的定量变化监测研究提供了可行性保证。

1.3 基于数学形态学的遥感数字图像处理技术研究进展

数学形态学，是一门基于集合论的二值形态学科学，这门学科历史，要赘述到上世纪的1964年，当时法国的Matheron[7]和他的学生Serra[8]，他们以积分几何的研究成果为基础，将数学形态学的基本理论引入到了数字图像处理领域中，他们的工作为数学形态学这么科学奠定了理论基础。目前，数学形态学已经在图像分析、机器视觉、信号处理、模式识别、计算方法和数据处理等许多领域得到了广泛的应用，其理论系统也在实践中被逐渐的完善与扩展，从最开始的基于0，1逻辑值的二值图像处理的二值形态学，发展到了基于亮度值的灰度图像处理的灰度形态学[9]，再到基于颜色向量排序的彩色图像处理的彩色图像形态学[11]。此外，还有注入了“顺序统计”的数学思想的软数学形态学[10]，基于模糊集合论的模糊数学形态学[12]，以及继承了软数学形态学和模糊数学形态学的一门新兴科学——模糊软数学形态学等[13]，也相继为学界的众多学者研究。

二值形态学和灰度形态学，是建立在Minkowshi[14]结构和差运算的基础上的，所以又称为标准形态学，通过图像与结构元素间作集合的交于并的运算，在灰度形态学中，用图像与结构元素的比较，搜寻结构元素范围内图像与结构元素灰度和（差）的极大（小）值，它实际上是一种极值滤波，所以它是一种非线性的、不可逆的滤波变换。

在数学形态学中，结构元素[15]是最基本的，也是最重要的概念之一，它相当于处理图像的“滑动窗口”，结构元素在图像中“滑动”时，由输入图像中与结构元素重合的区域参与一定规则的运算，即二值集合的交运算和并运算，或是亮度值和差的极大值和极小值运算，也即为膨胀运算和腐蚀运算[16]，它们是数学形态学这门科学最基本的，也是最重要的运算。还有由这两种基本运算衍伸出来的开运算和闭运算[16]，先开后闭合先闭后开运算，顶帽变换和底帽变换等[16]。此外，在图像处理中，还有一种基本运算，即为图像求反运算[17]，它能将图像的亮度值反置，它在许多实际问题中也被频繁地用到。

第 3 页 共 32 页

城市高分辨率遥感影像房屋提取与变化监测

1.4 本文研究的主要内容和研究方法

将数学形态学应用于遥感数字图像处理，提取出形态学房屋指数MBI

（Morphological Building Index）可以将不同亮度的地物区分开来，将小于结构元素的细节或噪声点抑制，保留感兴趣的地物形状，如房屋、道路等。通过设置阈值，将房屋与道路同背景分离开来，实现图像分割。再经过分类后处理，将非房屋的地物像元剔除，实现房屋提取。最后根据多时相的遥感图像，经过配准后，进行形态学运算，然后比较不同时相的地物变化，标记处发生变化的部分，达到建筑物变化监测的目的。

本文采用的技术路线如图1-1所示。

多时相遥感图像输入 预处理 几何校正、影像配准、去除植被（可选）、 灰度拉伸、亮度重构 基于多方向和多尺度的顶帽变换均值、 形态学处理 基于形态学差分属性的顶帽变换均值、 灰度阈值分割 分类后处理 基于几何特征（面积、长宽比）的分类后处理 变化监测与标记 基于图像差分与连通域重合度的变化监测、 基于形态学边缘提取与连通域角点的监测结果标记 结果输出

图1-1 技术路线图

第 4 页 共 32 页

城市高分辨率遥感影像房屋提取与变化监测

第2章 遥感影像数据预处理

2.1 实验数据

本文使用的数据为Google Earth上的多时相高分辨率遥感影像。

（a） （b） （c） （d） （e） （f）

图2-1 多时相高分辨率遥感影像（R,G,B:3,2,1）

图2-1列出了本文实验所用的三组遥感影像，均为可见光波段。（a）、（

第 5 页 共 32 页

b）分别

城市高分辨率遥感影像房屋提取与变化监测

为美国华盛顿Potomac街道2013年4月20日和2014年4月13日的遥感影像；（c）、（d）分别为厦门市光电路2008年7月11日和2009年10月29日的遥感影像；（e）、 （f）分别为中南大学新校区化学楼2012年9月14日和2015年4月14日的遥感影像，其具体参数见表2-1：

表2-1 多时相遥感影像参数说明

（a）、（b） （c）、（d） （e）、（f）

波段 R、G、B R、G、B R、G、B

分辨率 0.93m 1.09m 1.05m

其中，（a）、（b）、（c）、（d）、（e）、（f）为图2-1 中图像序号。 2.2 几何纠正

遥感影像的几何畸变，是指未经过校正的原始遥感影像中相点对应的地物在位置、形状、尺寸和方位等几何特征与参照系统中的表达有差异，这种变形称为几何变形。变形误差的来源，主要有，传感器外方位元素的变化，传播介质的不均匀，地球曲率的影响，地面欺负引起的比例尺变化，以及地球自转缩产生的动态误差等。

纠正遥感影像几何变形的方法，目前主要有多项式法、共线方程法和有理函数模型法[6]。一般多项式纠正变换公式为：

?x?a0?(a1X?a2Y)?(a3X2?a4XY?a5Y2???(a6X3?a7X2Y?a7XY2?a9Y3)???22 （2-1） y?b?(bX?bY)?(bX?bXY?bY012345???(bX3?bX2Y?bXY2?bY3)??6779?其中，x,y为原始图像中某像素点的坐标，X,Y为同名点在地面坐标系的坐标。多项式的系数个数N与多项式的阶数n有关:

N?(n?1)(n?2) （2-2）

2在最常用的是二次多项式。多项式的系数可以由可预测的图像变形参数构成，也可以由一直控制点的坐标值，经过最小二乘原理来求解。由于本文所用数据已经经过几何校正，故这里简述几何校正的过程：

第 6 页 共 32 页

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库城市高分辨率遥感影像房屋提取与变化监测 - 图文(2)在线全文阅读。