多源影像數(shù)據(jù)進行建筑物變化監(jiān)測的方法研究

與傳統(tǒng)的信息提取方法相比；將機器學習算法應用到遙感影像信息提取中；可以提高結果的精度；文章以worldview-2遙感影像為例；首先利用多尺度分割選取最優(yōu)分割尺度；獲得影像對象；在基于對象的基礎上利用特征空間優(yōu)選工具獲得最優(yōu)特征子集；最后利用j48算法、隨機森林算法對建筑物提取的效果進行分析；實驗結果表明:j48算法在高分辨率影像建筑物提取中有更好地效果；

研究城鎮(zhèn)建筑物的提取是遙感影像分析應用中的一項重要內容。遙感影像建筑物結構和光譜的多樣性,使結構、光譜等特征的建筑物提取變得極其復雜。根據(jù)遙感影像的建筑物紋理區(qū)別于其它空間對象紋理的特點,為提高影像分辨率,提出gabor紋理塊的遙感影像對象模型方法應用于遙感影像城鎮(zhèn)建筑物的提取。以整個城鎮(zhèn)為對象,以建筑物、道路、綠地等不同城鎮(zhèn)區(qū)域為組成對象的紋理塊,建立基于紋理塊的對象模型,利用模型進行遙感影像對象的紋理標定,最終提取出城鎮(zhèn)建筑物。實驗結果表明方法克服了建筑物結構復雜性和多樣性以及背景環(huán)境的影響,能很好地從城鎮(zhèn)遙感影像中提取建筑物。

高分辨率多光譜遙感影像中的建筑物陰影具有重要作用。針對檢測到的建筑物陰影經常受高大樹木陰影影響的問題,在可分離亮度的lab顏色空間建立樹木顏色模型,使用查表法準確檢測遙感影像中的樹木區(qū)域。提出根據(jù)樹木區(qū)域和光照方向去除建筑物陰影中樹木陰影的方法,通過實驗證明其有效性。

在進行建筑物變形監(jiān)測的過程中,需運用有效的監(jiān)測方法,并且對數(shù)據(jù)進行良好的分析,才能夠實現(xiàn)良好的監(jiān)測效果。因此,本文主要針對建筑物變形監(jiān)測的方法與數(shù)據(jù)進行了分析,希望通過本文的探討,能夠進一步做好建筑物變形監(jiān)測的工作。

以高分一號衛(wèi)星遙感影像為數(shù)據(jù)源,引入形態(tài)學算法,研究采用面向對象的影像分類方法進行城市建筑物提取的關鍵技術。研究方法結合影像分割與基于知識規(guī)則的影像分類技術,首先采用基于形態(tài)學開閉重建的分水嶺分割算法對高分影像進行分割,其次采用基于知識規(guī)則的svm分類方法對影像進行分類,達到提取建筑物的目的。結果顯示,3個研究區(qū)建筑物提取的kappa系數(shù)分別為0.85、0.66和0.65,利用基于知識規(guī)則的面向對象分類方法對高分辨率遙感影像中建筑物的提取效果較好,能夠完整、準確地提取出建筑物外形信息,具有較高的應用與推廣價值。

在進行建筑物3維重建的過程中,在提取建筑物信息之前,先對整幅圖像進行預處理是很有必要的。在本論文中,運用類判別分析法從原始影像中分割出感興趣的目標———建筑物區(qū)域,在處理的過程中,綜合運用多種方法,如數(shù)學形態(tài)學等方法生成有利于進行特征提取、邊緣檢測的新圖像,便于更進一步的工作。文中還介紹了作者根據(jù)類判別分析法和數(shù)學形態(tài)學原理,利用visualbasic6.0開發(fā)建筑物近景影像3維重建應用系統(tǒng)中預處理模塊的實驗分析。

在大型工程建設中,往往需要進行基坑開挖。由于基坑內外壓力的變化,引起土體的變形,對鄰近建筑物造成影響。因此,需要對基坑及鄰近建筑物進行變形監(jiān)測,本文基于筆者多年從事基坑變形監(jiān)測的相關工作經驗,以天津市某基坑開挖對建筑物影響的監(jiān)測為例,介紹了監(jiān)測方案,并對不同的數(shù)據(jù)處理模型進行對比研究,得出對于本項目變形監(jiān)測中精度較高的數(shù)學模型。

集成高分辨率多視航空影像與lidar數(shù)據(jù),以"輪廓提取—3維輪廓生成—3維模型重建"為主要框架,提出一種多視輪廓與lidar數(shù)據(jù)集成的3維輪廓線生成方法、lidar數(shù)據(jù)支撐下改進的分割-合并-成型算法,形成一套新的、系統(tǒng)的3維建筑物模型重建技術方案。該方案可以有效重建結構復雜的3維建筑物模型,相對單純基于lidar的方案,所重建3維模型的準確性與完整性更好、定位精度更高。

首先利用直接線性變換(dlt)、單影像空間后方交會確定影像方位元素的初值,然后利用影像上全部建筑物的直線(特別是建筑物的鉛垂線)來確定影像方位元素的精確值,以達到對多棟建筑物同時建模的目的。

在分析變形物理解釋的基礎上，探討了基點的穩(wěn)定性檢驗問題，并能結合項目實際，分析了高層建筑物變形監(jiān)測及數(shù)據(jù)處理方法，希望對于工程領域中的變形監(jiān)測具有一定幫助。

為了簡化震害預測工作,提出了一種多因素影響的建筑物群體震害預測方法。首先,將已有數(shù)據(jù)庫中的資料按不同相似度進行分類,從中選取所需要的樣本數(shù)據(jù)。然后將所選取的樣本數(shù)據(jù)按不同影響因素分類,分別求出考慮各影響因子下的震害矩陣,再由房屋普查資料得出預測區(qū)考慮各影響因素時各影響因子下的房屋的建筑面積,并將建筑面積比例作為各影響因子的權重,最終得出預測區(qū)某種結構類型整體的震害矩陣。利用文中方法建立了廈門市多層砌體結構的震害矩陣,與廈門市采用單體抽樣法得出的震害矩陣相比較,其平均震害指數(shù)最大差值不大于0.041,驗證了此方法的可行性。

建筑物的提取是地理數(shù)據(jù)庫更新和建設的重要內容；利用高分辨率遙感影像進行建筑物提取是該項研究的重要方向；也是遙感前沿技術研究的重要內容；本文將相關文獻進行歸納分析；將建筑物提取方法分為3種有代表性的類型:基于對象分割的提取方法、基于建筑特征的提取方法和結合輔助信息的提取方法；綜述分析了每種類型的提取方法并總結了其優(yōu)缺點；展望了高分辨率遙感影像中建筑物提取的發(fā)展前景；

提出了獲取建筑物大比例尺立面影像的一種理論與方法。根據(jù)數(shù)字相機傾斜影像,利用建筑物外觀的幾何條件與約束條件,按照透視變換原理,導出相應關系式,直接獲取相同主距的“平行影像”。隨后,依據(jù)最少的實地控制,將平行影像放大到給定比例尺數(shù)字城市中。該方法加快了車載系統(tǒng)大比例尺建筑物立面影像的獲取過程,不受建筑物高度的影響,并可用于機載、固定站和人工方式等多種作業(yè)模式。

無人機航測技術具有非接觸測量、效率高、信息豐富等優(yōu)點,在數(shù)字城市建設中正發(fā)揮著越來越重要的作用。本文以某建筑物為研究對象,提出了一種基于無人機影像的建筑物三維模型重建方法,首先使用無人機對建筑物的屋頂及墻面拍攝,再進行影像匹配生成密集點云；然后使用掃描儀對無人機無法拍攝的墻面進行掃描,并將掃描點云與影像生成點云配準；最后對點云預處理,再進行三角網構建,使用3dsmax構建精細化模型,并對模型進行質量評估。結果表明,該方法可以獲得建筑物精細化的三維模型。

基于航空影像建筑物個數(shù)繁多、形狀復雜,且存在較多的干擾信息,提出一種新穎的建筑物邊緣直線特征提取方法.對航空影像進行改進標記分水嶺分割,并結合dsm高度信息,有效去除道路和陰影的影響.同時,對影像進行基于多尺度自適應加權的改進canny算子的邊緣檢測.在每一個分割得到的建筑物初始區(qū)域內,對檢測到的邊緣點進行相位編組提取直線,利用建筑物屋頂約束條件,統(tǒng)計屋頂?shù)闹鞣较?修正和規(guī)劃直線段,實現(xiàn)了建筑物邊緣直線特征快速、有效的提取.

數(shù)字攝影測量技術正從單機工作方式向系統(tǒng)集成的工作方式轉變,獲取和處理空間數(shù)據(jù)已變得較為容易。在三維數(shù)字城市建筑物建模方面,要求必須快速有效地提取建筑物邊界,才有可能進行快速的三維景觀建模作業(yè)。本文提出了利用dsm和真正射影像相結合構建地形景觀的一種新方法,首先從真正射影像上提取建筑物的邊界線,對建筑物多邊形進行三角化處理,視地面模型為一帶洞多邊形,同樣進行delaunay三角化處理,接著從dsm和dem獲取建筑物的高度信息,構建三維建筑物模型,最后通過紋理映射的方式,對整個建模場景進行紋理貼圖,這一方法取得了較好效果,已經在生產實踐中得到了應用。

基于卷積神經網絡(cnn)提出了一種適用于空心村高分影像的建筑物自動檢測方法,該方法利用多尺度顯著性檢測來獲取包含建筑物信息的顯著性區(qū)域,然后通過滑動窗口獲取顯著性區(qū)域內目標樣本塊,再將這些樣本塊輸入訓練好的cnn并結合svm來實現(xiàn)分類。為檢驗方法有效性,選取高分影像進行實驗,結果表明,顯著性檢測能夠有效地獲取主要目標,減弱其他無關目標的影響,降低數(shù)據(jù)冗余;卷積神經網絡能夠自動學習高層次的特征,基于cnn對高分影像進行建筑物檢測,分類準確度可以達到97.6%,表明該方法具有較好的魯棒性和有效性。

基于航空影像的建筑物半自動提取技術研究

本文論述了對變更設計后的建筑物基礎進行變形觀測的方法，精度分析和設計，通過實例提出了沉降觀測點的布設方案，閉合差限值的確定，具體操作方法等理論和實用技術，并得出了相應的結論。

當前人工調查土地資源利用情況具有較高的人力成本且勞動強度大；對其實現(xiàn)自動變化檢測具有較高的理論和應用價值；將深度置信網絡(deepbeliefnetwork；dbn)應用于高分辨率遙感影像的建筑物變化檢測；但dbn在變化檢測時存在由誤判現(xiàn)象造成的建筑物完整度欠缺、空間存在噪聲等問題；提出dbn與數(shù)學形態(tài)學融合模型對高分辨率遙感影像建筑物進行變化檢測；在遙感影像預處理基礎上；標記少量明顯的變化與未變化樣本；利用搜索窗口從標記的區(qū)域獲取大量帶有標簽的樣本訓練融合模型分類器對建筑物進行變化檢測；檢測方法準確率為94.76%；召回率為87.63%；f1為91.06%；實驗結果表明；該方法可以為建筑物的變化檢測提供有效依據(jù)；

本文基于小波分析理論,利用小波去噪技術,對一組建筑物變形監(jiān)測數(shù)據(jù)進行了去噪處理。實際計算結果表明,小波去噪合理有效,能夠敏感識別觀測噪聲和有用信息,不需要待處理數(shù)據(jù)的先驗知識,特別適合于建筑物變形監(jiān)測的數(shù)據(jù)處理。

提出一種利用高分辨率遙感影像半自動提取建筑物邊緣的方法。先對遙感影像進行預處理,對所有邊緣進行邊緣檢測,然后進行邊緣跟蹤,提取建筑物的主方向線,利用模型進行線段關系判斷,再進行線段關系處理、區(qū)域分割和區(qū)域生長,最后進行區(qū)域合并提取出建筑物的輪廓。用上述方法對quickbird衛(wèi)星的高分辨率影像進行了實驗,實驗結果證明該方法有較高的識別率、較好的準確性,具有一定的實用價值。