基于無人機可見光遙感影像的房屋建筑提取方法對比

唐少杰　廉琦　王小宇

摘? 要：無人機遙感影像精度高、現(xiàn)勢性強，已被應用于多種地物的高精度提取中，基于無人機可見光遙感影像，使用多種指數(shù)方法提取貴州省典型山區(qū)房屋建筑，得到結(jié)論，植被顏色指數(shù)（CIVE）法在房屋建筑提取中效果較好，提取結(jié)果與實際房屋空間分布和面積較為接近，房屋提取中山區(qū)植被陰影是主要的干擾地物，是提取誤差的主要來源，研究結(jié)果可為基于無人機可見光影像的房屋建筑提取研究提供案例參考。

關鍵詞：無人機；可見光遙感；房屋建筑；信息提取

中圖分類號：TP75? ? 文獻標識碼：A? 文章編號：2096-4706（2023）13-0157-04

Comparison of House Building Extraction Methods Based on UAV Visible Light Remote Sensing Images

TANG Shaojie， LIAN Qi， WANG Xiaoyu

（Institute of Surveying and Mapping， Guizhou Geology and Mineral Exploration Bureau， Guiyang? 550018， China）

Abstract： UAV remote sensing image has high accuracy and strong potential. It has been applied to the high-precision extraction of a variety of features. Based on UAV visible light remote sensing images， a variety of index methods are used to extract house buildings in typical mountainous areas of Guizhou Province. It is concluded that the Vegetation Color Index （CIVE） method has a good effect in the extraction of house buildings， and the extraction results are relatively close to the actual spatial distribution and area of houses. The vegetation shadow in Zhongshan area is the main interference feature and the main source of extraction error. The research results can provide case reference for the extraction research of house buildings based on UAV visible light images.

Keywords： UAV; visible light remote sensing; house building; information extraction

0? 引? 言

房屋建筑是指在規(guī)劃設計地點，為用戶或投資人提供進行生活、生產(chǎn)、工作或其他活動的實體，是指為居住、辦公、娛樂、休閑、養(yǎng)老等用途而建造的建筑物。它通常由地基、主體結(jié)構(gòu)、屋面、門窗、樓梯、裝飾等部分組成。房屋建筑的種類可分為住宅建筑、公共建筑、工業(yè)建筑、商業(yè)建筑等。住宅建筑是指為居住而建造的建筑物，如住宅樓、公寓、別墅等。公共建筑是指為社會公眾提供服務的建筑物，如學校、醫(yī)院、圖書館、政府機關、商場、酒店等。工業(yè)建筑是指為工業(yè)生產(chǎn)提供設施的建筑物，如工廠、倉庫、物流中心等。商業(yè)建筑是指為商業(yè)活動提供設施的建筑物，如商場、超市、銀行、辦公樓等。房屋建筑是地表非自然要素的重要組成部分，一定程度上反映了區(qū)域的社會活動、人口聚集等信息，進一步反映了區(qū)域社會經(jīng)濟發(fā)展狀況，房屋建筑的面積、空間位置等屬性信息對區(qū)域土地規(guī)劃及管理、經(jīng)濟發(fā)展研究、災害應急管理、人口估算等工作的開展具有基礎支撐作用[1]。而遙感技術是20世紀60年代興起的一種探測技術，是根據(jù)電磁波的理論，應用各種傳感儀器對遠距離目標所輻射和反射的電磁波信息，進行收集、處理，并最后成像，從而對地面各種景物進行探測和識別的一種綜合技術，通過遙感技術，可查詢到高分一號、高分二號、資源三號等國產(chǎn)高分辨率遙感影像。遙感技術作為大范圍高效獲取地面觀測數(shù)據(jù)的手段，相較于傳統(tǒng)以實地調(diào)查為主的手段方法極大地節(jié)省了時間和人力成本，已被廣泛應用于各個領域[2]。使用遙感技術對房屋信息進行提取，獲取房屋空間位置、面積等屬性，結(jié)果可為區(qū)域發(fā)展建設提供基礎數(shù)據(jù)。

隨著無人機技術的高速發(fā)展，無人機已成為一種重要的遙感平臺，其操作便捷，獲取遙感數(shù)據(jù)快速且時效性強，是建立高精度數(shù)字正射影像、數(shù)字三維傾斜模型的有效手段[3]。無人機可見光影像因其高精度和強時效性等特征，以廣泛應用于地面建筑、植被、水體、道路等基礎地理信息的提取研究中[4]。其中，基于無人機可見光影像的房屋建筑提取方法種類較多，精度各有優(yōu)勢，但在不同地理環(huán)境下的適用性仍有待驗證，對比多種研究方法的結(jié)果精度是方法實現(xiàn)本地化應用的必要途徑；本文選取典型山區(qū)貴州省鄉(xiāng)村房屋建筑聚集片區(qū)，使用多種方法進行房屋建筑的提取，并對比其提取效果和精度，結(jié)果可為貴州典型山區(qū)環(huán)境下可見光房屋建筑提取方法的適用性研究提供案例參考。

1? 遙感技術概述

遙感技術是20世紀60年代興起的一種“非接觸式”地物探測技術，基于任何物體均有不同的電磁波反射或輻射特征的原理，使用安裝在人造衛(wèi)星、飛機等飛行器上的傳感器獲取物體的電磁輻射特征并記錄，從而進一步實現(xiàn)對物體信息的判讀、獲取和應用[5]。在幾十年的發(fā)展歷程中，遙感技術隨著航空航天技術和現(xiàn)代計算機技術的快速發(fā)展也革新?lián)Q代，現(xiàn)代遙感技術已主要涵蓋了遙感信息的獲取、傳輸、存儲、處理及應用等環(huán)節(jié)[6]；根據(jù)不同的工作電磁譜段，遙感通常分為可見光遙感、紅外遙感、多光譜遙感、紫外遙感和紅外遙感，其中可見光遙感是應用較為廣泛的一種遙感方式。對波長為0.4～0.7 μm的可見光的遙感一般采用感光膠片（圖像遙感）或光電探測器作為感測元件，具有高分辨率的特征，同時其只能在光線條件較好的白晝進行使用；紅外遙感分為近紅外或攝影紅外遙感，波長為0.7～1.5 μm，用感光膠片直接感測，中紅外遙感，波長為1.5～5.5 μm，遠紅外遙感，波長為5.5～

1 000 μm，紅外遙感通常用于遙感物體的輻射，具有夜間工作的優(yōu)勢；多光譜遙感使用若干不同的譜段對同一地物進行遙感信息的獲取，從而獲得與各譜段相對應的各種信息，進一步將不同譜段的遙感信息加以組合，以獲取更多的有關物體的信息，在后期的地物判讀與識別上具有優(yōu)勢。同時，在信息獲取階段，為應對不同的應用場景，遙感傳感器也變得豐富多樣，如表1所示；在應用階段，根據(jù)各行各業(yè)的業(yè)務需求，多種遙感數(shù)據(jù)在不同需要下發(fā)揮其獨有作用，如表2所示。

近年來，隨著無人機技術的快速發(fā)展，無人機遙感技術在短期內(nèi)迅猛發(fā)展[7]。與傳統(tǒng)遙感技術相比，無人機遙感具有其獨特優(yōu)勢，主要體現(xiàn)在飛行獲取數(shù)據(jù)快速便捷，投入時間、人力、設備等成本低廉，獲取數(shù)據(jù)現(xiàn)勢性強、精度高，具體的有高分辨率：無人機可在離地幾米至百米的近地面進行作業(yè)，獲取厘米級高分辨率的地面影像，可彌補衛(wèi)星等遙感平臺因云層遮擋導致的獲取困難和分辨率低等不足；高時效性：無人機遙感可在短時內(nèi)獲取目標地物變化信息，如及時監(jiān)測和觀察風雹雪災、森林火險、地表工程施工等；移動性強：無人機遙感平臺體積和重量小，作業(yè)過程中的運輸較為輕便，使其可快速應用于各類小尺度的調(diào)查、監(jiān)測等作業(yè)中；現(xiàn)今無人機遙感已廣泛應用至測繪、國防、自然災害、電力、農(nóng)業(yè)、林業(yè)等各行業(yè)中，已成為航空、航天遙感的有效補充[8]。

2? 試驗方法

遙感技術的發(fā)展立足于獲取目標地物的空間位置、幾何特征等屬性信息，在遙感技術長期的發(fā)展歷程中，基于遙感技術的地物信息提取方法經(jīng)歷了多個階段。在20世紀70年代，技術人員便開始使用計算機進行遙感影像的識別與解譯，所使用的主要方式為目視解譯，即依靠解譯人員對獲取的遙感圖像進行目視判讀，該方法需消耗大量的人力和時間成本，且圖像解譯精度直接受到解譯人員的經(jīng)驗和水平的影響；20世紀80年代，遙感影像識別與解譯方法變革為使用統(tǒng)計模式識別方法實現(xiàn)遙感影像的計算機分類，主要是根據(jù)獲取的遙感影像中地物的光譜特征對地物進行分類與識別；20世紀90年代以來，計算機技術的快速發(fā)展大幅提升了算力和精度，遙感影像地物識別與提取的各類方法大量涌現(xiàn)，典型的有基于機器學習的分類方法、面向?qū)ο蠓诸惙?、基于遙感指數(shù)的分類方法及多方法復合集成分類法等。

其中，遙感指數(shù)是基于獲取遙感影像的多波段特征，通過影像不同波段間的組合及計算，使得目標地物原有光譜特征更加凸出，以達到與其他地物的差別更加明顯，進一步實現(xiàn)目標地物信息的提取。為滿足不同的應用場景下的地物提取需求，多種遙感指數(shù)已被全面應用。

本文基于獲取的可見光影像數(shù)據(jù)，針對性地選取多種指數(shù)對特定區(qū)域的房屋建筑進行提取，使用的方法有植被顏色指數(shù)（CIVE）法[9]、過綠指數(shù)（EXG）法[10]、歸一化綠藍差異指數(shù)（NGBDI）法[11]、可見光波段差異植被指數(shù)（VDVI）法[10]和可見光植被指數(shù)（VI′）法，各個指數(shù)的計算方法如下：

式中，R、G、B分別表示無人機可見光影像的紅、綠、藍三個波段。R′、G′、B′分別由以下公式計算：

3? 試驗及結(jié)果

試驗數(shù)據(jù)選取貴州省面積約0.22 km2的某鄉(xiāng)村房屋聚集片區(qū)，如圖1（a）所示，該影像中主要地物為房屋、耕地、道路和植被，其中房屋主要為貴州山區(qū)農(nóng)村常見的木瓦結(jié)構(gòu)農(nóng)房，屋頂在可見光下為深灰色。

分別使用5種基于可見光波段的指數(shù)計算得到各指數(shù)的灰度圖像，如圖1（b）～圖1（f）所示，圖中可看出，房屋建筑在不同指數(shù)方法下呈現(xiàn)不同的敏感程度，其中CIVE、EXG、VDVI和VI′指數(shù)下較為敏感，而NGBDI指數(shù)與周邊地物混淆較多，提取效果與其他指數(shù)相比較差。

進一步使用閾值法對以上指數(shù)灰度結(jié)果圖進行閾值分割，得到各指數(shù)下的房屋建筑提取二值圖，如圖2所示，其中白色代表提取的房屋建筑，黑色代表非建筑。根據(jù)二值圖提取得到不同指數(shù)下的房屋建筑面積，并與房屋建筑矢量參考作對比，得到結(jié)果：以上指數(shù)中，CIVE指數(shù)房屋建筑提取結(jié)果較好，提取得到的房屋建筑面積與房屋建筑矢量參考面積相差為2 109 m2，EXG、VDVI和VI′指數(shù)提取效果則較差，錯分了大量的植被、耕地和水體等地物，造成較大的誤差。整體來看，在本次房屋提取試驗中，植被陰影被混淆為房屋建筑主要地物，因其色彩值與房屋建筑屋頂接近，在可見光下均顯示為深灰色。

4? 結(jié)? 論

貴州為典型山區(qū)省份，且少數(shù)民族眾多，同時貴州處于西南亞熱帶氣候區(qū)，各因素綜合形成了山區(qū)木質(zhì)房屋的聚居習慣，貴州山區(qū)林木繁茂，建造木質(zhì)結(jié)構(gòu)房屋取材方便，且木質(zhì)房屋具有較好抵御潮濕環(huán)境的能力，導致木質(zhì)房屋在貴州山區(qū)較為常見，并隨著時代的發(fā)展，木質(zhì)房屋大多使用深色泥瓦進行封頂，故在遙感影像中，木質(zhì)房屋屋頂呈現(xiàn)深色的顏色特征。

基于無人機可見光遙感影像，使用不同指數(shù)對貴州省典型山區(qū)的房屋建筑進行提取，結(jié)果顯示，貴州山區(qū)房屋建筑多為木瓦結(jié)構(gòu)，其屋頂為深灰色，在提取試驗中，植被陰影易與房屋建筑相混淆，是提取誤差的主要來源，使用的指數(shù)中，CIVE指數(shù)提取結(jié)果相對較高，可應用于更大區(qū)域的廣泛試驗與應用；同時，在基礎影像的選取上，選取植被陰影少、清晰度高的影像有助于房屋建筑提取精度的提升。

參考文獻：

[1] 范熙偉，聶高眾，鄧硯，等.基于攝影測量技術的房屋提取方法——以中國西部地區(qū)鄉(xiāng)村為例 [J].地震地質(zhì)，2017，39（4）：805-818.

[2] 肖鵬峰，劉順喜，馮學智，等.基于中分辨率遙感圖像的土地利用與覆被分類系統(tǒng)構(gòu)建 [J].中國土地科學，2006（2）：33-38.

[3] 李德仁，李明.無人機遙感系統(tǒng)的研究進展與應用前景 [J].武漢大學學報：信息科學版，2014，39（5）：505-513+540.

[4] 金偉，葛宏立，杜華強，等.無人機遙感發(fā)展與應用概況 [J].遙感信息，2009（1）：88-92.

[5] 張兵.當代遙感科技發(fā)展的現(xiàn)狀與未來展望 [J].中國科學院院刊，2017，32（7）：774-784.

[6] 張淳民，穆廷魁，顏廷昱，等.高光譜遙感技術發(fā)展與展望 [J].航天返回與遙感，2018，39（3）：104-114.

[7] 范承嘯，韓俊，熊志軍，等.無人機遙感技術現(xiàn)狀與應用 [J].測繪科學，2009，34（5）：214-215.

[8] 李德仁，李明.無人機遙感系統(tǒng)的研究進展與應用前景 [J].武漢大學學報：信息科學版，2014，39（5）：505-513+540.

[9] 伍艷蓮，趙力，姜海燕，等.基于改進均值漂移算法的綠色作物圖像分割方法 [J].農(nóng)業(yè)工程學報，2014，30（24）：161-167.

[10] 汪小欽，王苗苗，王紹強，等.基于可見光波段無人機遙感的植被信息提取 [J].農(nóng)業(yè)工程學報，2015，31（5）：152-157+159+158.

[11] HUNT R E，CAVIGELLI M，DAUGHTRY S T C，et al.Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status [J].Precision Agriculture，2005，6（4）：359-378.

作者簡介：唐少杰（1986—），男，漢族，貴州余慶人，本科，測繪航空攝影部部長，工程師，主要研究方向：無人機低空攝影測量及遙感技術。

收稿日期：2023-02-11

基金項目：貴州省地質(zhì)礦產(chǎn)勘查開發(fā)局地質(zhì)科研項目（黔地礦科合〔2021〕30號）；貴州省地質(zhì)礦產(chǎn)勘查開發(fā)局地質(zhì)科研項目（黔地礦科合〔2022〕15號）