文献类型：期刊文章

作　　者：郭峰[1,2] 毛政元[1,2] 邹为彬[1,3] 翁谦[4,5]

GUO Feng;MAO Zhengyuan;ZOU Weibin;WENG Qian(The Academy of Digital China,Fuzhou University,Fuzhou 350108,China;Key Laboratory of Spatial Data Mining&Information Sharing of Ministry of Education,Fuzhou University,Fuzhou 350108,China;School of Transportation,Fujian University of technology,Fuzhou 350118,China;College of Mathematics and Computer Science,Fuzhou University,Fuzhou 350116,China;Fujian Provincial Key Laboratory of Network Computing and Intelligent Information Processing(Fuzhou University),Fuzhou 350116,China)

机构地区：[1]福州大学数字中国研究院(福建),福州350108 [2]福州大学空间数据挖掘与信息共享教育部重点实验室,福州350108 [3]福建工程学院交通运输学院,福州350118 [4]福州大学数学与计算机科学学院,福州350116 [5]福建省网络计算与智能信息处理省重点实验室(福州大学),福州350116

出　　处：《地球信息科学学报》

基　　金：国家自然科学基金项目(41701491);国家自然科学基金青年基金项目(41801324);福建省自然科学基金项目(2017J01464);福建省自然科学基金面上项目(2019J01244)。

年　　份：2020

卷　　号：22

期　　号：8

起止页码：1654-1665

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型(DSM)、数字地形模型(DTM)、归一化数字表面模型(nDSM),利用高分影像NDVI值去除n DSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS官方提供的标准数据集(数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月)为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m2的建筑物对象,上述3个指标均为100%。实验结果表明:本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。

关 键 词：建筑物提取 LIDAR数据 高分辨率影像 SegNet  阈值分割 边界约束  

分 类 号：P237]