基于資源三號(hào)影像的建筑物高度信息提取方法

趙志明， 周小成， 付乾坤， 汪小欽

(1.福州大學(xué)福建省空間信息工程研究中心,福州 350002；2.空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室，福州 350002)

基于資源三號(hào)影像的建筑物高度信息提取方法

趙志明1,2， 周小成1,2， 付乾坤1,2， 汪小欽1,2

(1.福州大學(xué)福建省空間信息工程研究中心,福州 350002；2.空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室，福州 350002)

建筑物高度信息的獲取是高分辨率遙感影像信息提取研究中的熱點(diǎn)問題之一。該文提出了一套結(jié)合面向?qū)ο蠓诸惙椒ǖ慕ㄖ锔叨确囱菁夹g(shù)方法。首先，利用建筑物和陰影的形態(tài)學(xué)指數(shù)，通過面向?qū)ο蠓诸惙椒ㄌ崛〗ㄖ镙喞完幱靶畔?；然后，采用相交線平均法計(jì)算陰影長(zhǎng)度；最后，根據(jù)陰影長(zhǎng)度和建筑物高度的幾何關(guān)系模型計(jì)算建筑物高度。采用西安市的國(guó)產(chǎn)資源三號(hào)(ZY-3)衛(wèi)星遙感數(shù)據(jù)進(jìn)行提取試驗(yàn)，通過171棟建筑物的實(shí)際測(cè)量高度對(duì)結(jié)果進(jìn)行驗(yàn)證，獲得了91.23%的總體精度，顯示出該方法在建筑物高度信息提取研究方面具有一定的現(xiàn)實(shí)意義。

資源三號(hào)(ZY-3)；形態(tài)學(xué)建筑物指數(shù)；形態(tài)學(xué)陰影指數(shù)；面向?qū)ο蠓诸?；建筑物高度；陰影長(zhǎng)度

0 引言

利用高分辨率遙感影像提取建筑物信息是遙感數(shù)據(jù)智能解譯的重要工作內(nèi)容之一，可以為城市建設(shè)規(guī)劃、常規(guī)地圖制作、城區(qū)分析、地籍制圖等高精度城市范圍內(nèi)的應(yīng)用提供可靠資料[1]。城區(qū)高分辨率遙感影像中建筑物和道路占了影像內(nèi)容的80%左右。建筑物作為城區(qū)影像地物類別中的主要內(nèi)容，其信息提取對(duì)充分利用和挖掘影像信息有著重要意義[2]。

城市建筑區(qū)高度信息作為建筑物信息的主要內(nèi)容，對(duì)城市人口估算、監(jiān)測(cè)違章建筑及城市三維建模等至關(guān)重要。目前建筑物高度提取的傳統(tǒng)方法主要有：地形圖結(jié)合建筑物設(shè)計(jì)圖紙或GIS數(shù)據(jù)庫(kù)的方法、利用GPS及全站儀等儀器野外測(cè)量的方法、利用航空影像立體像對(duì)獲取建筑物高度的方法。雖然這些方法技術(shù)上很成熟，但是數(shù)據(jù)獲取成本高且費(fèi)時(shí)費(fèi)力，數(shù)據(jù)處理復(fù)雜，不適用于大范圍城市建筑物高度信息的提取[3]。隨著高分辨率衛(wèi)星遙感影像的出現(xiàn)，影像中的陰影信息更加豐富，采用一定的方法對(duì)陰影進(jìn)行提取，并根據(jù)陰影成像的幾何關(guān)系模型計(jì)算建筑物高度的方法已發(fā)展成為建筑物高度提取的主流[4]。但是這種方法目前存在的主要問題是陰影輪廓提取和陰影長(zhǎng)度計(jì)算。陰影輪廓提取的準(zhǔn)確度和陰影長(zhǎng)度計(jì)算的精度影響著建筑物高度反演結(jié)果的精度，并且還限制大范圍城市建筑物高度信息提取的廣泛應(yīng)用性。主要因?yàn)檫@些研究方法不能充分有效地利用高分辨率遙感影像包含的信息，使提取效率和精度很難滿足要求。針對(duì)高分辨率目標(biāo)識(shí)別問題，面向?qū)ο蠓诸惙椒楦叻直媛蔬b感影像信息的快速提取提供了新途徑[5]。

本文使用西安市國(guó)產(chǎn)高分辨率資源三號(hào)(ZY-3)影像數(shù)據(jù)，經(jīng)過傳統(tǒng)的遙感影像預(yù)處理后，構(gòu)建形態(tài)學(xué)建筑物指數(shù)(morphological building index，MBI)和陰影指數(shù)(morphological shadow index，MSI)，并結(jié)合多尺度優(yōu)化分割和面向?qū)ο蠓诸惣夹g(shù)提取高分辨率遙感影像建筑物及其陰影輪廓；在此基礎(chǔ)上，采用一種易操作、高效率、高精度的方法計(jì)算建筑物陰影長(zhǎng)度，并建立建筑物高度與其陰影成像的幾何關(guān)系模型，結(jié)合太陽(yáng)和衛(wèi)星的方位角、高度角反演建筑物高度信息；最后，利用傳統(tǒng)方法測(cè)量的研究區(qū)建筑物高度數(shù)據(jù)對(duì)該方法提取的建筑物高度信息進(jìn)行精度評(píng)價(jià)，取得了較好的應(yīng)用效果。

1 技術(shù)方法

根據(jù)研究目的和數(shù)據(jù)源情況，本文研究所建立的技術(shù)流程如圖1所示。主要包括構(gòu)建形態(tài)學(xué)建筑物和陰影指數(shù)、建筑物和陰影輪廓提取以及建筑物高度反演3個(gè)部分。

圖1 技術(shù)流程圖Fig.1 Flow chart of technique

1.1 形態(tài)學(xué)建筑物指數(shù)和陰影指數(shù)

MBI和MSI是最近發(fā)展起來的在高分辨率遙感影像上自動(dòng)顯示建筑物及其陰影的方法。其基本思想是在建筑物光譜-結(jié)構(gòu)特征和形態(tài)學(xué)算子之間建立一定關(guān)系。陰影在空間上與建筑物是很鄰近的，可以將建筑物到陰影的距離作為影像上提取建筑物的一種空間約束條件。構(gòu)建MBI和MSI要考慮亮度、局部對(duì)比度、尺寸、方向性以及形狀等方面因子的影響。建筑物光譜-結(jié)構(gòu)特征(對(duì)比度、尺寸及方向性等)由一系列線性結(jié)構(gòu)元素重構(gòu)的頂帽微分形態(tài)特征表示，以表現(xiàn)結(jié)構(gòu)的明暗局部對(duì)比[6-8]。

Huang和Zhang[6]提出的應(yīng)用改良算法構(gòu)建MBI和MSI的基本運(yùn)算過程是：首先，計(jì)算亮度，即計(jì)算多光譜影像中每個(gè)像素的最大灰度值；其次，對(duì)灰度圖像進(jìn)行開、閉運(yùn)算，實(shí)現(xiàn)形態(tài)學(xué)中的白、黑帽變換；然后，根據(jù)線性結(jié)構(gòu)元素長(zhǎng)度的取值，構(gòu)建微分形態(tài)學(xué)剖面(differential morphological profile,DMP)；最后，求DMP的平均值，構(gòu)建MBI和MSI。MBI和MSI作為建筑物和陰影提取的關(guān)鍵特征，可以有效地減少錯(cuò)分誤差，同時(shí)又不增加遺漏誤差。

1.2 建筑物和陰影的提取

利用面向?qū)ο蠓诸惣夹g(shù)對(duì)高分辨率遙感影像的建筑物和陰影進(jìn)行提取。首先，使用一定的分割算法對(duì)遙感影像進(jìn)行最優(yōu)尺度分割，將影像分割成內(nèi)部同質(zhì)性較好、局部異質(zhì)性較大的影像對(duì)象。然后，利用影像對(duì)象的特征屬性，結(jié)合建筑物及陰影指數(shù)選擇一定范圍內(nèi)的閾值，并對(duì)影像進(jìn)行分類，從而提取出建筑物和陰影類別[9-11]。

1.2.1多尺度影像的分割

采用基于區(qū)域生長(zhǎng)的多尺度分割算法進(jìn)行影像分割，使分割形成的影像對(duì)象平均異質(zhì)性在局部得到最小化。多尺度影像分割從任一像元開始，采用自下而上的區(qū)域合并算法形成特征基元，小的對(duì)象經(jīng)過多步驟合并形成大的對(duì)象。對(duì)象是否合并的判斷標(biāo)準(zhǔn)是相鄰對(duì)象的異質(zhì)性。當(dāng)異質(zhì)性超過設(shè)定閾值時(shí)，停止合并。異質(zhì)性主要考慮對(duì)象的光譜異質(zhì)性和形狀異質(zhì)性。形狀異質(zhì)性用光滑度和緊致度來衡量[12]。在該算法中，異質(zhì)性閾值越大，最終得到的圖像對(duì)象越大，因此可以將這種閾值看成是尺度。對(duì)于高分辨率遙感影像使用單一尺度進(jìn)行分割就會(huì)出現(xiàn)過分割或欠分割的現(xiàn)象。多尺度影像分割是采用不同尺度參數(shù)對(duì)影像進(jìn)行分割，產(chǎn)生多個(gè)影像對(duì)象圖層，最后根據(jù)分割的效果選擇最優(yōu)尺度分割的對(duì)象圖層[13-14]。

1.2.2特征提取

影像分割后形成了具有同質(zhì)斑塊的對(duì)象層，與此同時(shí)影像對(duì)象具有了光譜、形狀、紋理及層次結(jié)構(gòu)等特征。通過分析歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)、歸一化水體指數(shù)(normalized water index，NDWI)、MBI和MSI，選擇最優(yōu)特征及閾值來提取目標(biāo)對(duì)象。

首先，使用NDVI把研究區(qū)遙感影像分為植被區(qū)和非植被區(qū)；然后，在非植被區(qū)利用NDWI和對(duì)象的亮度值特征提取水體；最后，利用MSI和亮度特征在非植被區(qū)提取陰影[15]。

在建筑物陰影提取的基礎(chǔ)上，創(chuàng)建建筑物的類描述并選擇使用MBI、面積、亮度及類間距離等特征。依據(jù)上述特征規(guī)則人工交互式地選定閾值，并采并用決策樹分析方法進(jìn)行建筑物提取。根據(jù)選定的對(duì)象特征及其閾值，按照對(duì)象提取的先后順序提取出陰影和建筑物。

1.3 建筑物高度的反演

1.3.1陰影長(zhǎng)度的計(jì)算

陰影長(zhǎng)度計(jì)算是利用陰影反演建筑物高度的關(guān)鍵，陰影長(zhǎng)度計(jì)算的精度直接影響著建筑物高度估算的準(zhǔn)確性。為了提高陰影長(zhǎng)度計(jì)算的精度，本文采用一種易行高效的計(jì)算方法：①利用類似創(chuàng)建魚網(wǎng)的算法創(chuàng)建線狀圖層，保證線狀要素與太陽(yáng)方向(可根據(jù)影像拍攝時(shí)太陽(yáng)方位角獲得)一致且每2個(gè)線狀要素間隔1個(gè)像元；②裁剪出線狀圖層與影像提取出的陰影輪廓面狀圖層相重疊的局部線狀要素，使每簇局部線狀要素完全與相應(yīng)的陰影輪廓相吻合；③采用像元個(gè)數(shù)乘以影像分辨率的方法[16]，計(jì)算每個(gè)陰影的局部線狀要素的長(zhǎng)度；④運(yùn)用算法找出每一個(gè)陰影的局部線狀要素長(zhǎng)度的眾數(shù)，去除無效值，求出平均值。

1.3.2建筑物高度的提取

遙感影像上的建筑物陰影是一種特殊的噪聲，它提供了關(guān)于建筑物、太陽(yáng)及衛(wèi)星之間的幾何關(guān)系信息。為了簡(jiǎn)化計(jì)算，假設(shè)建筑物處于平原地帶、無地形因素的干擾且建筑物結(jié)構(gòu)比較簡(jiǎn)單，而且垂直地表。遙感影像成像時(shí)，CCD傳感器進(jìn)行逐行逐像元掃描，在整個(gè)掃描過程中，由于成像時(shí)間很短，每景影像的范圍很小，且由于我國(guó)處于中緯度，所以可以認(rèn)為每個(gè)像元的太陽(yáng)高度角和方位角，衛(wèi)星高度角和方位角與影像中心像元一致[3]

當(dāng)太陽(yáng)和衛(wèi)星在建筑物同側(cè)時(shí)，太陽(yáng)高度角和方位角、衛(wèi)星高度角和方位角與建筑物高度、陰影的幾何關(guān)系如圖2所示。

圖2 太陽(yáng)和衛(wèi)星高度角、方位角與建筑物陰影之間的關(guān)系Fig.2 Relationship between building’s shadow and the azimuth, zenith of satellite and sun

(1)

整理得，建筑物高度H為

(2)令

(3)

則，化簡(jiǎn)后得建筑物高度H為

H=KL。

(4)

由于在影像預(yù)處理過程中對(duì)原始遙感影像進(jìn)行了正射糾正，可認(rèn)為太陽(yáng)方位角與衛(wèi)星方位角相等，即消除了太陽(yáng)方位角和衛(wèi)星方位角的影響，進(jìn)一步簡(jiǎn)化計(jì)算建筑物高度H的系數(shù)K，即

K=tan-1β-tan-1α。

(5)

當(dāng)太陽(yáng)和衛(wèi)星在建筑物的異側(cè)或者衛(wèi)星拍攝的遙感影像為正視影像時(shí)，建筑物房頂角點(diǎn)M的陰影在影像上的投影位置點(diǎn)M′和在影像上成像的位置M″也分別位于建筑物的兩側(cè)。此時(shí)，建筑物房頂角點(diǎn)在影像上的成像對(duì)建筑物陰影沒有影響，即可認(rèn)為M″點(diǎn)與O點(diǎn)完全重合。那么，這種情況下建筑物高度H的計(jì)算公式進(jìn)一步簡(jiǎn)化為

H=Ltanβ。

(6)

因此，從理論上講，只要知道太陽(yáng)和衛(wèi)星的高度角、方位角以及影像上的建筑物房頂角點(diǎn)及其陰影的距離，就可以計(jì)算出建筑物的高度。

2 實(shí)驗(yàn)分析

為驗(yàn)證本文所提出方法的有效性，利用西安市區(qū)ZY-3全色正視影像和多光譜影像作為數(shù)據(jù)源進(jìn)行試驗(yàn)分析。ZY-3全色正視影像空間分辨率2.1m，數(shù)據(jù)處理過程中不需要做正射糾正。

研究區(qū)全色遙感影像大小為682像素×896像素，如圖3(a)所示。從構(gòu)建的形態(tài)學(xué)建筑物指數(shù)特征圖像(圖3(b))上可以清楚地看出，建筑物區(qū)域影像變得很亮，而非建筑物區(qū)域影像變得很暗，增強(qiáng)了建筑物與其周圍區(qū)域影像的異質(zhì)性；同樣地，構(gòu)建的形態(tài)學(xué)陰影指數(shù)特征圖像(圖3(c))上陰影區(qū)域影像變得很亮，而非陰影區(qū)域影像變得很暗，也達(dá)到了增強(qiáng)陰影與其周圍區(qū)域影像異質(zhì)性的目的。

(a) 研究區(qū)全色影像(上)(b) 形態(tài)學(xué)建筑物指數(shù)特征圖(c) 形態(tài)學(xué)陰影指數(shù)特征圖像(上)及其放大影像(下) 像(上)及其放大影像(下)及其放大影像(下)

圖3 研究區(qū)全色影像、形態(tài)學(xué)建筑物和陰影指數(shù)特征圖像

Fig.3 Panchromatic image of study area，feature image of morphological building and shadow index

本實(shí)驗(yàn)運(yùn)用多尺度分割算法對(duì)影像進(jìn)行了分割，經(jīng)過反復(fù)的實(shí)驗(yàn)對(duì)比，最終采用的分割參數(shù)如表1所示。

表1 多尺度分割參數(shù)Tab.1 Multi-scale segmentation parameters

分割形成最理想的對(duì)象層后，用面向?qū)ο蠓诸惙椒ㄌ崛〗ㄖ锛瓣幱暗妮喞畔ⅲ褂玫奶卣骷捌溟撝捣謩e如表2所示。

表2 特征提取及其閾值Tab.2 Feature extraction and its thresholds

①Dshadow為陰影的距離特征；Brightness為亮度值。

實(shí)驗(yàn)結(jié)果如圖4所示。

(a) 陰影輪廓(b) 建筑物輪廓 (c) 建筑物高度(d) 建筑物三維顯示結(jié)果

圖4 實(shí)驗(yàn)結(jié)果

Fig.4 Experimental results

從圖4可以看出，位于研究區(qū)中間部分的別墅群沒有提取出陰影，這與ZY-3衛(wèi)星影像的空間分辨率有關(guān)。別墅建筑物高度(小于12 m)一般在2 m左右空間分辨率的影像上產(chǎn)生的陰影表現(xiàn)約為1個(gè)像元，因此很難從影像上提取出來。

本次實(shí)驗(yàn)在研究區(qū)中提取了帶有陰影的171棟建筑物高度，將利用全站儀實(shí)地測(cè)量獲得的建筑物高度信息作為驗(yàn)證數(shù)據(jù)，對(duì)比本實(shí)驗(yàn)方法計(jì)算的建筑物高度結(jié)果，統(tǒng)計(jì)如表3所示。

表3 建筑物高度提取精度和提取誤差統(tǒng)計(jì)Tab.3 Precision and error statistics of building height extraction

從表3可以看出，建筑物高度提取平均誤差為正，且提取結(jié)果比較偏大的基本上都是高層建筑物。這是由于當(dāng)衛(wèi)星和太陽(yáng)分別在建筑物兩側(cè)時(shí)，建筑物陰影在遙感影像上表現(xiàn)為低亮度值，比較容易識(shí)別。但此時(shí)建筑物“陰影”表現(xiàn)在影像上低亮度值區(qū)域并非實(shí)際意義上的建筑物陰影，即建筑物的落影，它還包括了建筑物的本影(背光墻面)在內(nèi)。由于在計(jì)算高層建筑物高度信息時(shí)摻入了建筑物本影的影響，因而導(dǎo)致反演結(jié)果大多偏大。

雖然從表3看到最小誤差與最大誤差相差較大，但誤差分布在5.7～18.36 m區(qū)間的建筑物個(gè)數(shù)為15，且誤差越大的點(diǎn)就是表示離擬合線越遠(yuǎn)的點(diǎn)。一方面，從圖5可清楚看到誤差較大的點(diǎn)大多位于建筑物高度較大的位置且數(shù)量極少，大部分點(diǎn)都很接近擬合線，建筑物測(cè)量高度與計(jì)算高度的相關(guān)系數(shù)為0.958 3，說明二者有很好的線性相關(guān)性；另一方面，由表3可得，對(duì)于樣本數(shù)171棟建筑物求得的誤差絕對(duì)值的平均值為3.19 m，平均相對(duì)誤差7.03%，這都正好肯定了本研究方法的穩(wěn)定性和可靠性。因此對(duì)于空間分辨率在2 m左右的衛(wèi)星遙感數(shù)據(jù)，按最小1個(gè)像元誤差計(jì)算，建筑物高度提取的臨界誤差為±5.7 m，即高度提取精度為±5.7 m。根據(jù)表3的統(tǒng)計(jì)可以得到建筑物高度提取精度為91.23%，這對(duì)于較大范圍城市建筑物高度提取具有一定的參考價(jià)值。

圖5 研究區(qū)建筑物高度散點(diǎn)圖Fig.5 Scatter diagram of building height in the study area

3 結(jié)論

1)本文基于ZY-3衛(wèi)星影像進(jìn)行城市建筑物高度提取，利用形態(tài)學(xué)建筑物-陰影指數(shù)作為關(guān)鍵特征，應(yīng)用多尺度優(yōu)化分割和面向?qū)ο蠓诸惣夹g(shù)提取建筑物及其陰影，并提出一種計(jì)算建筑物陰影長(zhǎng)度的高效率、高精度的方法。相對(duì)于已有的建筑物信息提取方法，本研究系統(tǒng)地給出陰影長(zhǎng)度計(jì)算和利用陰影提取建筑高度信息的基本過程。該方法具有操作簡(jiǎn)單靈活、快捷高效及提取精度較高等優(yōu)勢(shì)。

2)ZY-3衛(wèi)星影像適用于中高層及高層建筑物的高度信息提取。對(duì)于高度小于12 m的低層建筑物，其高度難以反演；對(duì)于超高層建筑物(大于100 m)，由于受到本影的影響比較大，反演出的建筑物高度往往比真實(shí)值偏大。下一步工作是要把本研究方法推廣至其他衛(wèi)星遙感數(shù)據(jù)，并對(duì)應(yīng)用結(jié)果進(jìn)行對(duì)比。

3)隨著遙感影像分辨率的提高，該方法具有應(yīng)用于更大范圍城市建筑物信息提取和變化檢測(cè)的前景。實(shí)現(xiàn)半自動(dòng)、甚至全自動(dòng)地計(jì)算陰影長(zhǎng)度以及把陰影信息附加給相關(guān)建筑物的技術(shù)，對(duì)于城市大范圍建筑物高度信息提取至關(guān)重要，這方面還需要做進(jìn)一步研究。

[1] 趙銀娣,王信信,白楊.結(jié)合形態(tài)學(xué)重建的高分辨率遙感圖像建筑物提取[J].測(cè)繪通報(bào),2012(s1):253-254. Zhao Y D,Wang X X,Bai Y.High resolution remote sensing image building extraction in combination with morphological reconstruction[J].Bulletin of Surveying and Mapping,2012(s1):253-254.[2] 張波,王超,張紅,等.SAR影像建筑物提取與高度反演研究綜述[J].遙感技術(shù)與應(yīng)用,2012,27(4):496-503. Zhang B,Wang C,Zhang H,et al.A review on building extraction and reconstruction from SAR image[J].Remote Sensing Technology and Application,2012,27(4):496-503.

[3] 王京衛(wèi),郭秋英,鄭國(guó)強(qiáng).基于單張遙感影像的城市建筑物高度提取研究[J].測(cè)繪通報(bào),2012(4):15-17. Wang J W,Guo Q Y,Zheng G Q.Research on urban building height extraction from single satellite image[J].Bulletin of Surveying and Mapping,2012(4):15-17.

[4] Dahiya S,Garg P K,Jat M K,et al.Object oriented approach for building extraction from high resolution satellite images[C]//2013 IEEE 3rd International Advance Computing Conference.Ghaziabad:IEEE,2013:1300-1305.

[5] Licciardi G A,Villa A,Dalla M M,et al.Retrieval of the height of buildings from WorldView-2 multi-angular imagery using attribute filters and geometric invariant moments[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(1):71-79.

[6] Huang X,Zhang L P.A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery[J].Photogrammetric Engineering and Remote Sensing,2011,77(7):721-732.

[7] Huang X,Zhang L.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.

[8] 王永剛,馬彩霞,劉慧平.基于數(shù)學(xué)形態(tài)學(xué)的建筑物輪廓信息提取[J].國(guó)土資源遙感,2010,22(1):49-54.doi:10.6046/gtzyyg.2010.01.08. Wang Y G,Ma C X,Liu H P.Building outline information extraction based on mathematical morphology[J].Remote Sensing for Land and Resources,2010,22(1):49-54.doi:10.6046/gtzyyg.2010.01.08.

[9] Luan Q Z,Ye C H,Long J.Review of buildings information extraction based on single high-resolution remote sensing images[C]//2010 3rd International Congress on Image and Signal Processing.Yantai:IEEE,2010:2245-2250.

[10]Benarchid O,Raissouni N,Adib S E,et al.Building extraction using object-based classification and shadow information in very high resolution multispectral images[J].Canadian Journal on Image Processing and Computer Vision,2013,4(1):1-8.

[11]Byun Y G,Han Y K,Chea T B.A multispectral image segmentation approach for object-based image classification of high resolution satellite imagery[J].KSCE Journal of Civil Engineering,2013,17(2):486-497.

[12]周小成,汪小欽,駱劍承,等.結(jié)合對(duì)象關(guān)系特征的高分辨率衛(wèi)星影像建筑物識(shí)別方法[J].國(guó)土資源遙感,2008,20(4):27-31.doi:10.6046/gtzyyg.2008.04.07. Zhou X C,Wang X Q,Luo J C,et al.The method for extraction of buildings from high resolution satellite images in association with relevant features of object[J].Remote Sensing for Land and Resources,2008,20(4):27-31.doi:10.6046/gtzyyg.2008.04.07.

[13]張立民,張建廷,徐濤.基于對(duì)象的最優(yōu)尺度建筑物信息提取方法[J].計(jì)算機(jī)應(yīng)用研究,2012,29(12):4789-4792. Zhang L M,Zhang J T,Xu T.Object-based building extraction with optimal image segmentation scales[J].Application Research of Computers,2012,29(12):4789-4792.

[14]王愛萍,王樹根,吳會(huì)征.利用分層聚合進(jìn)行高分辨率遙感影像多尺度分割[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2009,34(9):1055-1058. Wang A P,Wang S G,Wu H Z.Multiscale segmentation of high resolution satellite imagery by hierarchical aggregation[J].Geomatics and Information Science of Wuhan University,2009,34(9):1055-1058.

[15]Liu W,Yamazaki F.Object-based shadow extraction and correction of high-resolution optical satellite images[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(4):1296-1302.

[16]田新光,張繼賢,張永紅.利用QuickBird影像的陰影提取建筑物高度[J].測(cè)繪科學(xué),2008,33(2):88-89,77. Tian X G,Zhang J X,Zhang Y H.Extraction of heights of buildings in city from shadows in QuickBird image[J].Science of Surveying and Mapping,2008,33(2):88-89,77.

(責(zé)任編輯：邢宇)

Method for extraction of building height information based on ZY-3 image

ZHAO Zhiming1,2， ZHOU Xiaocheng1,2， FU Qiankun1,2， WANG Xiaoqin1,2

(1.SpatialInformationResearchCenterofFujianProvince,FuzhouUniversity，F(xiàn)uzhou350002，China; 2.KeyLaboratoryofSpatialDateMiningandInformationSharingofMinistryofEducation，F(xiàn)uzhou350002,China)

The extraction of the information of building height from the high-resolution remote sensing image is a hot research topic in the study of the information extraction. This paper proposes a set of building height inversion techniques in combination with the object-oriented classification method. First of all, through the object-oriented classification method, the building outline and shadow information are extracted by using morphological building and shadow indices; and then, the intersection line average method is employed to calculate the length of the shadow; finally, the height of building is calculated according to the geometric relation model between the shadow length and the building height. The proposed method was validated on domestic ZY-3 satellite remote sensing data of Xi’an City, and the overall accuracy of 91.23% was obtained by verifying the result using the actual measuring height of 171 buildings. The results achieved by the authors have a certain practical significance for the study of building height information extraction.

ZY-3；morphological building index；morphological shadow index；object-oriented classification；building height；shadow length

2014-04-17；

2014-08-14

國(guó)家自然科學(xué)青年基金項(xiàng)目“結(jié)合互信息和遺傳算法特征選擇的多層次面向?qū)ο笥跋穹诸悺?編號(hào)：41201427)資助。

10.6046/gtzyyg.2015.03.04

趙志明，周小成，付乾坤,等.基于資源三號(hào)影像的建筑物高度信息提取方法[J].國(guó)土資源遙感,2015,27(3):19-24.(Zhao Z M，Zhou X C，F(xiàn)u Q K,et al.Method for extraction of building height information based on ZY-3 image[J].Remote Sensing for Land and Resources,2015,27(3):19-24.)

TP 75

A

1001-070X(2015)03-0019-06

趙志明(1988-)，男，碩士研究生，主要研究方向?yàn)檫b感信息處理與應(yīng)用。Email：zzming2014@163.com。

周小成(1977-)，男，副研究員，碩士生導(dǎo)師，主要研究方向?yàn)楦叻直媛蔬b感信息提取。Email: zhouxc@fzu.edu.cn。