王勇華,李燕芳,顏會(huì)哲,佟建楠,徐慧瑩
(1.唐山學(xué)院,河北 唐山 063000;2.河北工程大學(xué),河北 邯鄲 056000)
隨著社會(huì)的高速發(fā)展,人們對(duì)城市建設(shè)的管理要求逐漸提高,對(duì)城市建設(shè)的規(guī)范化、精細(xì)化以及科學(xué)化要求也越來越高[1],這給科技研究以及工程技術(shù)帶來了巨大挑戰(zhàn),采用單一技術(shù)手段已無法滿足城市建筑用地的高要求。
BIM 技術(shù)是近年來應(yīng)用于建筑以及相關(guān)行業(yè)發(fā)展較快的技術(shù)。BIM 技術(shù)即建筑信息模型,具有語(yǔ)義信息豐富、信息一致性強(qiáng)、幾何結(jié)構(gòu)精細(xì)等優(yōu)勢(shì),符合城市建筑精細(xì)化管理目標(biāo)要求。BIM 技術(shù)可實(shí)現(xiàn)建筑管理的智能化以及協(xié)同化,解決建筑中大量數(shù)據(jù)共享以及實(shí)時(shí)性要求高的難題[2],滿足建筑規(guī)劃審批等多方面要求。三維GIS 技術(shù)是將建筑物與地形環(huán)境的空間結(jié)構(gòu)相結(jié)合并展示的重要技術(shù),符合建筑多尺度數(shù)據(jù)的微觀以及宏觀管理標(biāo)準(zhǔn),為城市建筑用地審批以及調(diào)查工作提供了技術(shù)支持[3],并對(duì)城市建設(shè)用地相關(guān)信息通過多領(lǐng)域?qū)崿F(xiàn)交換。多領(lǐng)域信息交換為智慧城市發(fā)展建設(shè)的信息共享,以及協(xié)同工作的重要部分,利用BIM 技術(shù)將城市建設(shè)用地以通過數(shù)字形式呈現(xiàn)[4],可有效體現(xiàn)城市建筑用地的物理、幾何、規(guī)則等豐富的語(yǔ)義信息。遙感影像具有信息豐富、地物復(fù)雜以及細(xì)節(jié)清晰的特點(diǎn),利用有效的特征壓縮提取方法是分析海量遙感數(shù)據(jù)重要方法[5]。GIS 技術(shù)是空間數(shù)據(jù)庫(kù)技術(shù),可存儲(chǔ)海量的三維空間數(shù)據(jù)并有效管理,同時(shí)可應(yīng)用可視化分析海量數(shù)據(jù)[6],對(duì)城市建設(shè)用地管理以及分析具有重要作用。GIS主要信息源及核心組成是遙感影像及數(shù)據(jù),利用GIS 可有效實(shí)現(xiàn)空間數(shù)據(jù)分析以及管理,提升影像以及數(shù)據(jù)的利用價(jià)值[7]。
本文提出BIM 技術(shù)下城市建筑用地遙感數(shù)據(jù)維壓縮提取方法,利用BIM 技術(shù)處理海量城市建設(shè)用地,并將處理后的數(shù)據(jù)轉(zhuǎn)化至GIS 軟件中,采用數(shù)據(jù)維壓縮提取方法實(shí)現(xiàn)城市建設(shè)用地的數(shù)據(jù)有效提取。
在此將BIM 技術(shù)應(yīng)用于城市建筑用地中,為建筑規(guī)劃審批工作提供完整準(zhǔn)確的數(shù)據(jù)支持。本文將BIM 技術(shù)與GIS 模型相結(jié)合[8],以BIM 模型數(shù)據(jù)為基礎(chǔ),利用BIM 模型解析所采集的遙感數(shù)據(jù),并壓縮提取城市建設(shè)用地。城市建設(shè)用地壓縮提取具體方案流程圖如圖1所示。
圖1 城市建筑用地遙感數(shù)據(jù)維壓縮提取流程
將待壓縮提取數(shù)據(jù)導(dǎo)入BIM 模型中并輕量化處理BIM 模型,利用輕量化處理獲取城市建筑用地所需要素信息,對(duì)城市建筑用地?cái)?shù)據(jù)充分解析后提取BIM 技術(shù)關(guān)鍵要素信息,并將提取要素后的數(shù)據(jù)轉(zhuǎn)化至GIS 模型[9],通過隨機(jī)投影降維實(shí)現(xiàn)遙感數(shù)據(jù)維壓縮,利用視覺詞匯圖實(shí)現(xiàn)城市建筑用地遙感數(shù)據(jù)維提取。
BIM 技術(shù)包含建筑設(shè)計(jì)、施工、管理等全部環(huán)節(jié)的相關(guān)建筑設(shè)置以及空間接口,針對(duì)不同研究方向簡(jiǎn)化處理BIM 模型,利用BIM 模型處理遙感數(shù)據(jù),過濾相關(guān)信息后,獲取城市建筑用地相關(guān)關(guān)鍵要素。BIM 技術(shù)的關(guān)鍵要素提取以及數(shù)據(jù)轉(zhuǎn)換流程如圖2 所示。
圖2 關(guān)鍵要素提取以及數(shù)據(jù)轉(zhuǎn)換流程
以往將BIM 技術(shù)應(yīng)用于城市建筑用地提取具有數(shù)據(jù)冗余的缺點(diǎn),會(huì)給城市建筑用地審批造成一定復(fù)雜性。提取城市建筑用地前,主要依據(jù)城市建筑用地具體要求實(shí)施語(yǔ)義過濾處理[10],利用不同的數(shù)據(jù)過濾池去除城市建筑用地語(yǔ)義過濾。遙感圖像中,土地利用類型主要包括高密度建筑區(qū)、低密度建筑區(qū)、新建筑區(qū)、山地、森林、灌木林、耕地、胡泊、海洋、河流等,依據(jù)城市建筑用地類型,將與城市建筑用地?zé)o關(guān)的詞語(yǔ),如:山地、森林、灌木林、耕地、胡泊、海洋、河流等作為語(yǔ)義過濾池,僅保留城市建筑用地相關(guān)[11]詞語(yǔ),去除多余的與城市建筑用地?zé)o關(guān)語(yǔ)義。
將BIM 模型內(nèi)部要素與語(yǔ)義過濾池約束相結(jié)合,獲取語(yǔ)義過濾池重要集合信息,將BIM 實(shí)體模型采用三角網(wǎng)化法轉(zhuǎn)化至可供GIS 模型支持的三角網(wǎng)模型,在轉(zhuǎn)換過程中,獲取GIS 模型的坐標(biāo)轉(zhuǎn)換矩陣,將城市建筑用地外形輪廓轉(zhuǎn)換至GIS 模型全局坐標(biāo)系。采用ID 值與城市建筑用地相關(guān)語(yǔ)義信息及幾何信息作為GIS 模型數(shù)據(jù)的管理數(shù)據(jù),城市建筑用地定位采用BIM 技術(shù),將海量數(shù)據(jù)導(dǎo)入GIS 模型,采用Revit 測(cè)量點(diǎn)與實(shí)際測(cè)量點(diǎn)一一對(duì)應(yīng)來確定具體坐標(biāo)[12],實(shí)現(xiàn)對(duì)海量遙感數(shù)據(jù)由BIM 壓縮技術(shù)提取城市建筑用地后轉(zhuǎn)化至GIS 模型坐標(biāo)系的正確定位。
遙感數(shù)據(jù)維壓縮提取方法主要包括降維與選維兩部分,通過隨機(jī)投影降維實(shí)現(xiàn)遙感數(shù)據(jù)維壓縮,利用視覺詞匯圖實(shí)現(xiàn)城市建筑用地遙感數(shù)據(jù)維的提取。
1.3.1 基于隨機(jī)投影的特征降維
設(shè)遙感圖像為I,其中,包含波段數(shù)量為n,從遙感圖像各波段依據(jù)像素次序提取圖像塊窗口大小為b×b,排序規(guī)則如下:
式中,q0,0表示中心像素點(diǎn),且a=1,2,…,fix(
將空間信息與光譜相結(jié)合,利用包含波段數(shù)量為n的特征向量形成新特征向量
式中:Γ表示隨機(jī)投影矩陣,且符合?!蔠h×k,k=nb2,h?k。由全部壓縮特征向量組成壓縮特征子空間{ZCS}。
隨機(jī)投影矩陣Γ的大小參數(shù)應(yīng)符合JL 引論,且通過壓縮感知理論知其應(yīng)符合受限等距性質(zhì)[13]。
1.3.2 基于視覺詞匯圖的特征提取
視覺詞匯圖選取全部像素點(diǎn)位置的中心單詞以及像素點(diǎn)鄰域u×u內(nèi)的單詞且設(shè)置為紋理基元,利用視覺詞匯圖提取遙感影像中城市建筑用地作為表達(dá)興趣像素點(diǎn)的紋理特征。采用該方法獲取的包含紋理信息的紋理基元大小為b×b,可高質(zhì)量體現(xiàn)紋理基元性質(zhì)[14]。視覺詞匯圖中包含鄰域u×u內(nèi)的單詞可有效體現(xiàn)全局空間信息以及包含中心像素點(diǎn)類別的空間信息,通過兩個(gè)窗口體現(xiàn)問題特征可描述多尺度遙感數(shù)據(jù)。利用視覺詞匯圖提取城市建筑用地全局紋理特征,包括字典學(xué)習(xí)、詞匯編碼以及特征提取三部分。
1)字典學(xué)習(xí)。將K?均值算法應(yīng)用于壓縮特征子空間內(nèi),相似性度量準(zhǔn)則為歐氏距離,聚類各類訓(xùn)練樣本的中心為該類的詞匯字典si。
設(shè)存在樣本類別數(shù)量以及聚類中心數(shù)量分別為C以及K,利用組合不同類別的詞匯字典獲取最終壓縮紋理詞匯字典S∈Wh×CK={s1,s2,…,sC}大小為CK。
2)詞匯編碼。選取最近鄰算法依據(jù)所獲取紋理字典S,計(jì)算S內(nèi)全部單詞至{ZCS}內(nèi)紋理基元的歐氏距離,并對(duì)紋理基元利用距離最小單詞相應(yīng)編號(hào)實(shí)施編碼。利用u×u鄰域內(nèi)單詞編號(hào)以及中心單詞組成視覺詞匯,圖內(nèi)各單詞相應(yīng)紋理基元用li,j表示,x0,0表示中心像素。
3)特征提取。遙感數(shù)據(jù)的統(tǒng)計(jì)特性選取視覺詞匯圖的詞匯直方圖G=[η1,η2,…,ηCK]T體現(xiàn),視覺詞匯圖內(nèi)單詞i出現(xiàn)的次數(shù)用ηi表示。將視覺詞匯圖內(nèi)詞匯的空間信息加入提升提取精度。詞匯圖內(nèi)空間分布信息選取不同詞匯,針對(duì)中心像素位置的二階矩R=[μ1,μ2,…,μCK]T體現(xiàn),且μi=其中,si,j與分別表示單詞i距中心點(diǎn)距離以及距離平均值。
將二階矩信息與直方圖信息融合,獲取最終紋理度量Z∈W2CK×1如下:
為檢測(cè)本文系統(tǒng)壓縮提取城市建筑用地的有效性,選取重慶市大足區(qū)東側(cè)區(qū)域作為實(shí)驗(yàn)對(duì)象,采用Java 語(yǔ)言在操作系統(tǒng)為Windows XP 的計(jì)算機(jī)中對(duì)本文方法進(jìn)行編程。實(shí)驗(yàn)地區(qū)整體遙感圖像如圖3 所示。
圖3 原始遙感圖像
采用本文方法壓縮提取該遙感圖像城市建筑用地,如圖4所示。由圖4實(shí)驗(yàn)結(jié)果可以看出,采用本文方法可有效壓縮提取所采集遙感圖像中的城市建筑用地。
圖4 城市建筑用地提取結(jié)果
由圖3該地區(qū)遙感圖像可以看出,該地區(qū)土地利用類型主要包括高密度建筑區(qū)、低密度建筑區(qū)、新建筑區(qū)、山地、森林、灌木林、耕地7種,其中,建筑用地3種,非建筑用地4種。在此統(tǒng)計(jì)不同土地利用類型下本文方法的提取精度,檢測(cè)本文方法壓縮提取準(zhǔn)確性,并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比,對(duì)比結(jié)果如圖5 所示。由圖5實(shí)驗(yàn)結(jié)果可以看出,采用本文方法提取不同土地利用類型的精度均在99%以上,而深度學(xué)習(xí)方法以及PLS 方法提取不同土地利用類型的精度均低于98.5%,說明本文方法的提取精度明顯高于另外兩種方法。
圖5 不同土地利用類型提取精度
該遙感圖像中建筑物主要包括多層住宅樓、工廠廠房、公共建筑、單層新房、單層舊房、高層住宅6 種,統(tǒng)計(jì)采用3 種方法提取6 種建筑物數(shù)量與實(shí)際建筑物數(shù)量進(jìn)行對(duì)比,對(duì)比結(jié)果如表1 所示。由表1 實(shí)驗(yàn)結(jié)果可以看出,采用本文方法提取不同建筑物數(shù)量與實(shí)際建筑物數(shù)量相差較小,而深度學(xué)習(xí)方法以及PLS 方法提取不同建筑物數(shù)量與實(shí)際建筑物數(shù)量相差較大,實(shí)驗(yàn)結(jié)果再次驗(yàn)證本文方法的提取準(zhǔn)確性。
表1 不同方法提取準(zhǔn)確性對(duì)比 個(gè)
從遙感圖像中隨機(jī)選取8 棟建筑物,統(tǒng)計(jì)本文方法提取8 棟建筑物的平均周長(zhǎng)比和平均面積比,并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比,對(duì)比結(jié)果如圖6 所示。由圖6 實(shí)驗(yàn)結(jié)果可以看出,采用本文方法提取遙感圖像中城市建筑用地的平均周長(zhǎng)比與平均面積比均明顯高于深度學(xué)習(xí)方法以及PLS 方法,說明本文方法提取城市建筑用地細(xì)節(jié)更為精準(zhǔn),本文方法能更準(zhǔn)確提取城市建筑用地細(xì)節(jié),有效提升提取精準(zhǔn)性。
圖6 平均周長(zhǎng)比與平均面積比對(duì)比
從遙感圖像中隨機(jī)選取10 處區(qū)域,統(tǒng)計(jì)采用本文方法下,提取建筑用地建筑物當(dāng)作非建筑物以及非建筑物當(dāng)作建筑物兩種誤判指標(biāo)的數(shù)量,并將本文方法與深度學(xué)習(xí)方法以及PLS 方法對(duì)比,對(duì)比結(jié)果如表2 所示。由表2 實(shí)驗(yàn)結(jié)果可以看出,采用本文方法壓縮提取城市建筑用地建筑物當(dāng)作非建筑物以及非建筑物當(dāng)作建筑物兩種誤判指標(biāo)的次數(shù)明顯低于深度學(xué)習(xí)方法以及PLS 方法,說明本文方法可更精準(zhǔn)提取城市建筑用地,具有較高的提取精準(zhǔn)度。
表2 不同方法誤判次數(shù)對(duì)比 次
統(tǒng)計(jì)采用本文方法提取7次該遙感圖像中城市建筑用地最終結(jié)果的信噪比,并將本文方法與深度學(xué)習(xí)方法以及PLS 方法進(jìn)行對(duì)比,對(duì)比結(jié)果見圖7。由圖7 可以看出,采用本文方法提取后的圖像信噪比明顯高于深度學(xué)習(xí)方法以及PLS 方法,說明本文方法可有效保持圖像中的有用信息,并且本文方法處理后的圖像仍能保持較高信噪比,有效驗(yàn)證了本文方法具有較好的提取性能。
圖7 不同方法提取結(jié)果信噪比對(duì)比
BIM 技術(shù)是廣泛應(yīng)用于建筑行業(yè)的信息化技術(shù),BIM 技術(shù)已成為建筑行業(yè)發(fā)展的主流,為建筑行業(yè)數(shù)字化管理提供了技術(shù)支持。本文將BIM 技術(shù)應(yīng)用于城市建筑用地遙感數(shù)據(jù)維壓縮提取方法中,分析所需BIM 組件信息,將與城市建筑用地?zé)o關(guān)信息過濾,并通過隨機(jī)投影與視覺詞匯圖方法壓縮提取城市建筑用地特征,充分利用BIM 技術(shù)的數(shù)據(jù)完整性特點(diǎn),最大限度提升城市建筑用地提取準(zhǔn)確性,為城市建筑規(guī)劃審批等步驟提供技術(shù)依據(jù),具有特征提取簡(jiǎn)單、可有效區(qū)分地物等優(yōu)勢(shì)。