论文部分内容阅读
作为构建“数字城市”系统的重要组成部分,同时作为目标提取和识别的一个典型应用,图像中建筑物目标区域提取越来越受到关注。本文在简单场景图像中建筑物提取技术的研究基础上,重点研究了复杂场景图像中的建筑物提取技术。针对两种不同类型的复杂场景建筑物图像,分别给出了合理的图像预处理算法。
复杂场景图像中的建筑物区域提取一方面是为了缩小建筑物特征点的检测、匹配和识别的搜索范围,提高建筑物目标识别和三维重建的效率;另一方面是为了建立建筑物纹理库,进一步实现建筑物纹理的自动贴图功能。要求设计的算法能准确、快速提取图像中的建筑物区域。所以,本文设计的复杂场景图像中的建筑物提取算法在有效排除背景干扰信息基础上尽可能准确提取图像中的建筑物区域,允许提取的区域范围略大于建筑物自身轮廓。
本文的核心算法都是基于建筑的边缘直线特征。在图像预处理阶段,针对“被遮挡”建筑物图像的特点,采用基于边缘特征的图像二值化和二值图像水平分割算法,能较好地保留图像边缘特征并有效去除底部干扰信息;针对“淹没”在复杂背景中建筑物图像的特点,采用大尺度灰度形态筛进行区域融合,能保留建筑物轮廓不受影响。在直线提取阶段,通过分析两类直线提取算法,本文采用了基于Hough变换的直线段提取算法,并针对经典Hough变换易产生“虚假线段”的缺点,提出了直线段优化算法。鉴于图像中建筑物和背景干扰物有明显的颜色差异,本文提出一种在HSV颜色空间有效区分建筑物直线段和背景干扰物直线段的直线段色调直方图聚类分析算法。
在设计建筑物区域自动提取算法时,充分考虑建筑物屋顶的多样性,利用建筑物“垂直”边缘特征明显的优点,根据色调聚类分析后的直线段集合,首先确定建筑物区域的左右边界,再根据建筑物的边界位置信息和相互之间的几何约束关系,确定其顶部边界和底部边界,最终自动提取图像中的建筑物区域。