結合形態(tài)學重建的高分辨率遙感圖像建筑物提取

趙銀娣，王信信，白 楊

(中國礦業(yè)大學環(huán)境與測繪學院，江蘇徐州221116)

一、引 言

從高分辨率遙感圖像中提取建筑物是遙感數(shù)據(jù)智能解譯的重要研究內容之一，廣泛應用于城市規(guī)劃、地圖制圖、環(huán)境監(jiān)測、防災減災等領域。但由于建筑物屋頂材質各異、外形結構復雜多變、且易受周邊復雜環(huán)境的干擾，至今尚未形成一套系統(tǒng)全面的高分辨率遙感圖像建筑物提取方法與技術，學者們通常根據(jù)具體的應用需求開展相關研究[1-3]。數(shù)學形態(tài)學是基于集合論，利用形狀、大小可變的“結構元素”探測圖像中感興趣目標[4]的一門學科，現(xiàn)已成為模式識別中的熱點。本文針對城區(qū)人字形屋頂?shù)慕ㄖ铮O計一種結合形態(tài)學重建的高分辨率遙感圖像建筑物提取方法。

二、算法流程

設計的結合形態(tài)學重建的高分辨率遙感圖像建筑物提取算法主要由形態(tài)學重建濾波處理、人字形屋脊線檢測、建筑物陰影檢測和建筑物屋頂重構等4個步驟組成，見圖1。

1．形態(tài)學重建濾波

采用形態(tài)學開閉重建對輸入圖像進行平滑濾波處理，去除所有小于結構元素的目標。形態(tài)學重建濾波是在測地膨脹和測地腐蝕的基礎上定義的。首先定義結構元素對輸入圖像進行腐蝕操作得到標記圖像，然后以原始圖像作為掩膜圖像對標記圖像進行形態(tài)學開重建。在此基礎上，對開重建后的圖像進行膨脹，將膨脹運算得到的結果作為掩膜圖像，對開重建后的圖像進行形態(tài)學閉重建。

2．人字形屋脊線檢測

(1)屋脊線主方向檢測

人字形屋脊線通常呈直線形態(tài)，且受其他地物影響相對較小。對形態(tài)學重建濾波后的圖像進行邊緣檢測后，利用Hough變換檢測建筑物屋脊線的主方向。

圖1 本文算法流程

(2)不同尺度下的線段檢測綜合

定義屋脊線主方向上的大尺度和小尺度線形結構元素，分別從邊緣圖像中提取大尺度和小尺度直線段，并對小尺度直線段提取結果利用形態(tài)學閉運算進行斷點修復。此時大尺度直線段包含在小尺度直線提取結果圖中。然后以小尺度線段結果圖作為掩膜圖像，對大尺度直線段結果圖進行二值形態(tài)學開重建，完成不同尺度下的檢測線段綜合。

(3)屋脊線確定

由于屋脊線兩側屋頂光照條件不同，向陽面屋頂和背陰面屋頂在遙感圖像中明暗度對比明顯，以屋脊線為分界線。利用位于屋脊線兩側的向陽面屋頂與背陰面屋頂?shù)牧炼炔町悾捎瞄撝捣◤某叨染C合后的線段中屋脊線。

3．建筑物陰影檢測

(1)基于高次多項式擬合直方圖的陰影檢測

高分辨率遙感圖像由于地物的復雜性其直方圖以呈現(xiàn)多峰多谷的形態(tài)為主，而遙感圖像中的陰影區(qū)域通常對應于直方圖的最左側峰附近。因此，本文采用高次多項式線性擬合方法估計直方圖谷點，以直方圖谷點為閾值，對形態(tài)學重建濾波后的圖像進行二值化提取陰影信息，并去除植被、水體等其他暗目標的干擾。

(2)基于形態(tài)學重建濾波的分水嶺分割

計算形態(tài)學重建濾波后的圖像的梯度，對梯度圖像再次進行形態(tài)學開閉重建，用以消除梯度圖像中的小區(qū)域極值，從而構建較大區(qū)域的“集水盆地”。然后基于閾值法去除弱邊緣后，采用分水嶺分割方法[5]獲得分割結果。

(3)建筑物陰影確定

為了去除陰影檢測的不確定性，首先對直方圖谷值提取的陰影信息進行腐蝕運算，后與分水嶺分割結果進行與運算得到中間結果，以分割后的圖像作為掩膜圖像，對中間結果進行形態(tài)學開重建，從而獲取相對“純凈”陰影對象。

4．建筑物屋頂重構

為了關聯(lián)提取到的陰影與屋脊線信息，首先將陰影標記圖向逆光方向平移兩個像素，并求與原陰影標記圖的并集后取反，得到陰影種子點。為了去除植被陰影的影響，針對植被陰影的小尺度和不連續(xù)性，利用面積閾值進行濾除。然后將陰影種子圖作為標記圖像，以分水嶺分割圖像為掩膜圖像進行形態(tài)學開重建，生成與屋脊線連通的對象，提取人字形屋頂。

三、試驗結果

采用徐州南三環(huán)區(qū)域的QuickBird高分辨率遙感圖像對本文設計算法進行驗證，圖像大小為2402像素×2402像素，試驗結果見圖2。圖2(a)是對原始圖像運用半徑為3個像素的盤狀結構元素進行形態(tài)學重建濾波后的結果;圖2(b)是采用9次多項式對圖2(a)進行直方圖擬合結果;圖2(c)是建筑物陰影檢測結果;圖2(d)是人字形屋脊建筑物提取結果與輸入全色圖像的疊加顯示，建筑物提取結果用提取屋頂?shù)淖钚⊥饨泳匦蝸肀硎緦θ俗中挝菁菇ㄖ锾崛〗Y果進行定量評價。通過目視解譯制作參考數(shù)據(jù)，與實際提取結果進行比較，圖2(d)中人字形屋脊建筑物提取的正確率達到85．5%。

圖2 QuickBird全色圖像建筑物提取

四、結束語

本文針對高分辨率遙感圖像中的人字形屋頂建筑物，設計了一種結合形態(tài)學重建的建筑物提取方法。該方法首先對原始圖像進行形態(tài)學重建濾波處理，然后在分析遙感圖像中建筑物光譜和幾何特征的基礎上，通過定義屋脊線主方向上的線形結構元素從濾波處理后的圖像中分別檢測出建筑物的屋脊線，與此同時，基于直方圖谷點閾值法和分水嶺分割法獲取建筑物陰影信息，最后利用形態(tài)學開重建建立屋脊線與建筑物陰影兩者之間的關聯(lián)，完成建筑物提取。試驗結果表明：本文算法能夠有效提取高分辨率遙感圖像中主方向上的人字形屋頂建筑物。未來的工作將考慮多方向、圓形等其他屋頂形狀的建筑物提取。

[1]陶超，譚毅華，蔡華杰，等．面向對象的高分辨率遙感影像城區(qū)建筑物分級提取方法[J]．測繪學報，2010，39(1)：39-45．

[2]黎樹禧，宋楊，李長輝，等．利用DSM以及彩色遙感航空影像快速提取建筑物目標信息[J]．測繪通報，2012(1)：33-35．

[3]HUANG X，ZHANG L P．Morphological Building/Shadow Index for Building Extraction From High-Resolution Imagery Over Urban Areas[J]．IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2012，5(1)：161-172．

[4]PESARESIM，BENEDIKTSSON JA．A New Approach for the Morphological Segmentation of High-Resolution Satellite Imagery[J]．IEEE Transactions on Geoscience and Remote Sensing，2001，39(2)：309-320．

[5]潘婷婷．數(shù)學形態(tài)學和分水嶺算法在遙感圖像目標識別中的應用研究[D]．無錫：江南大學，2008．