高分遙感影像建筑物半自動提取算法研究.pdf

1、人工地物是高分遙感影像的重要內容，而建筑物是人類日常生活工作和學習的載體，與人們的生活息息相關。傳統(tǒng)建筑物提取方式效率低下且對人員要求較高,全自動建筑物提取方式雖然一定程度上提升了建筑物提取效率,但其提取精度不高,在實踐中中往往無法達到建筑物目標提取精度的要求。半自動建筑物提取方式在增加少量人工交互操作的基礎上,有效的提升了建筑物目標提取精度和提取效率,因此發(fā)展半自動建筑物提取方式切實可行。本文對先前研究者的工作進行了總結和回顧,對半自

2、動建筑物提取方式進行了一系列有價值的研究和探索。本文中進行的探索和研究工作有：
　　首先，總結了高分影像中常用的圖像處理方法，在針對高分影像進行處理時，利用雙邊濾波等圖像預處理的方法有效可以保留建筑物目標邊界并平滑建筑物內部細節(jié)和背景細節(jié)，同時利用數(shù)學形態(tài)學和邊緣擬合等后處理方法，可以減少建筑物提取結果的邊緣尖刺情況，并得到規(guī)整的建筑物目標。
　　然后，提出基于超像素分割、區(qū)域合并和graphcut分割的半自動建筑物目標提取

3、算法，并將之運用到矩形建筑物目標提取中。超像素分割即對圖像進行分割使之成為若干個區(qū)域塊，將區(qū)域塊看作后續(xù)處理的基本單元，有效提升運算效率。區(qū)域合并即在結合人工交互的基礎上，通過極大相似度區(qū)域合并算法得到初始前景區(qū)域，并與角點距離顯著圖的方法結合起來獲得前景和背景的先驗信息。grabcut分割即在已知的前景和背景先驗信息下，利用高斯混合模型建模并構建圖像的能量函數(shù)，最后通過maxflow/mincut算法獲得建筑物目標最佳分割結果。

4、>　　其次，在上述建筑物目標提取算法流程的基礎上，針對復雜外形建筑物目標，進行了優(yōu)化和改進。在區(qū)域合并過程中，增加一定量的人工交互，同時利用顯著性檢測的方法獲取更加準確的建筑物目標先驗信息。通過引入星狀測地線約束的graphcut分割方法，解決分割時出現(xiàn)的收縮誤差和前景背景顏色重疊的問題，有效的提升了復雜外形建筑物目標提取的效果。
　　最后，分析并確定算法流程中運行效率低下的功能為超像素分割功能，利用GPU并行化對其進行改造，大大