基于超像素的高分辨率影像建筑物提取
  • 【DOI】

    10.3969/j.issn.1672-0504.2017.06.009

  • 【摘要】

    建筑物提取对于基础地理数据获取与更新具有重要意义.针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法.首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SL... 展开>>建筑物提取对于基础地理数据获取与更新具有重要意义.针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法.首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SLIC)算法分割高分辨率影像的RGB彩色图像生成超像素;继而基于分割所得的超像素中的每个像元对超像素进行特征计算;最后使用基于RBF核的支持向量机方法进行超像素级别分类,得到建筑物提取结果.实验结果表明,该方法能够有效识别出简单场景和复杂场景下的建筑物,显著消除了传统基于像元方法出现的“椒盐效应”,同时避免了面向对象方法中最佳分割尺度选择的难题,取得了较好的建筑物提取效果. 收起<<

  • 【作者】

    莫中夏  张新长  张志强 

  • 【作者单位】

    中山大学地理科学与规划学院

  • 【刊期】

    地理与地理信息科学 ISTIC PKU CSSCI 2017年6期

  • 【关键词】

    建筑物  超像素  SLIC  LiDAR  buildings  superpixels  SLIC  LiDAR 

  • 【基金项目】

    国家自然科学基金重点项目 国家自然科学基金面上项目 广东省自然科学基金重点项目