论文部分内容阅读
作为当前高分辨率遥感图像应用领域中的研究热点之一，单幅高分辨率光学遥感图像地物目标的三维重建在城市建设、地理空间信息系统(GIS)更新以及军事侦察等领域具有广泛的应用。与中、低分辨率遥感图像相比，高分辨率光学遥感图像中建筑物的细节信息更加丰富，背景非常复杂，周围地物的遮挡现象更加明显。并且由于单幅遥感图像包含的立体信息不完整，尤其在复杂场景下周围地物的遮挡导致图像中建筑物的很多信息损失，使得建筑物的三维重建更为困难，因此需要进一步地深入研究和改进建筑物三维重建方法。 本文主要以水平集、标记点过程理论为基础，构建融入全局形状先验的能量函数，采用合适的优化算法提高建筑物三维重建的准确性及鲁棒性。本文着重研究了如何表示全局形状先验，如何将其与图像低层特征融入到三维重建模型中，同时研究了如何优化三维重建模型等，形成针对特定问题的处理模型和算法框架，解决了单幅高分辨率光学遥感图像建筑物三维重建中的若干问题。 论文的主要工作和研究成果总结如下: 1.提出了一种基于全局形状先验水平集模型的建筑物几何参数提取方法，用于单幅高分辨率光学遥感图像中建筑物的几何参数提取。侧立面及屋顶内部的细节信息会影响屋顶边界的准确提取，进而影响仅使用屋顶形状先验方法的准确性。针对这一问题，提出了一种同时使用屋顶和侧立面形状的变分水平集提取算法，算法中直接使用投影变换关系得到全局形状先验;直接对基本几何模型进行三维变换。实验结果表明，该方法能够得到更加准确的几何参数提取结果，由于使用了全局形状信息，该方法能更好地抵制侧立面的干扰，具有较强的鲁棒性。 2.提出了一种由粗到细的两步式建筑物几何参数估计方法，用于单幅高分辨率光学遥感图像中建筑物的检测及几何参数的估计。参数估计方法在寻优过程中通常需要复杂的参数推断，从而增加了方法的收敛时间。针对以上问题，提出了一种由粗到细地利用低层特征及先验知识估计建筑物几何参数的算法。在粗估计阶段，该算法使用上下文特征估计建筑物的主方向，使用屋顶对角方向上两直角特征估计屋顶的长度、宽度及位置;在精细估计阶段，提出一种包含惩罚项、特征项和边缘项的能量函数。实验结果表明该方法能够得到较准确的几何参数估计结果，并且能够较快地收敛到最优。 3.提出了一种基于标记点过程模型的建筑物屋顶几何参数提取方法，用于单幅高分辨率光学遥感图像中屋顶位置及几何参数的提取。由于在寻优过程中参数的维度较大，并且能量函数通常呈现出多峰多谷的状态，导致仅使用现有转移核难以实现屋顶几何参数的准确提取。针对以上问题，设计了基于边不变的长、宽缩放核。在背景和屋顶复杂的情况下，使用基于中心点位置不变和边不变的缩放核可以变动屋顶上四条边的位置，增大了产生最优配置的概率，使得搜索过程避免陷入局部最优。实验结果表明该方法能够较快地收敛到最优配置，并且该方法对背景干扰等具有较强的鲁棒性。