论文部分内容阅读
摘要:本文主要是研究对IKONOS影像的处理，运用多种方法解决居民地建筑信息的提取，使之满足社会发展的各方面的需求。
关键词：遥感；建筑物；信息提取
中图分类号：P185.18文献标识码： A 文章编号：
一、遥感的原理
现代遥感是应用探测仪器, 不直接接触有关目标或现象，而从远处把目标的电磁波特性收集记录下来，并能通过对其进行分析、解译和分类等揭示物体的特征性质及其变化的综合性技术。
遥感具有可大面积的同步观测、时效性、数据的综合性和可比性、经济性，当然它也具有其局限性。目前，遥感已应用到各行各业。如地质矿产的探测，农作物的分类与估产，森林长势分类和林火防治，湖泊河流污染、洪涝灾害估计，沙漠化及其扩张，城市发展及国土利用等。最终目的是通过对遥感图像的解译，进行多种定性定量的分析，解决地表的问题。
二、城市用地信息的遥感图像分类方法
图像分类是运用统计的方法，提取图像中具有相似波谱特征或结构特征的目标，达到计算机自动识别的目的。
在城市用地信息提取中，从地物的波谱特征识别建筑物。由于本文研究的内容是居民地及建筑物的提取，因此需要对城市地物的波谱特征有所了解。城市地物的波谱特征为：沥青粘沙屋顶，由于其表面铺着反射率较高的砂石而决定了其反射高于灰色的水泥平顶。铁皮屋顶表面呈灰黑色，反射率低且起伏小，故曲线平坦。绿色塑料棚顶的波谱曲线在绿波段处没有反射峰值，有别于植被的反射波谱；人工建筑物还具有热红外发射特征，在热红外图像上留下亮斑，而其发射的强弱取决于建筑材料的热特性。当物体接受太阳、天空辐射或地下热流补给时温度上升，温度上升的速度与物体的热惯性有关。大多数物质的热惯性随物体的密度的增大而线性增大。各类钢材的热传导系数较大，因而热惯量较大，在图像上呈亮色调；而木材的密度及热传导系数较小，因而热惯量较小，而呈暗色调。
本文研究的目的是采用各种遥感分类方法提取城市植被、道路、建筑物等信息。
1、IKONOS影像的增强处理
图像增强就是利用一系列手段对取得的图像灰度作修正，或者对噪声做过滤，使得图像灰度与实际景物的灰度尽可能的匹配。 图像增强的主要目的有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是突出目标物体与背景的差异使图像变得更利于计算机处理，如锐化处理可突出图像边缘轮廓线，编程控制计算机进行跟踪，便可作各种特征分析。
在一些制图工作中，由于不能完全实现计算机自动成图，而且对某些重要的地物需要作实地调查，并且，当对其进行手工绘制时就需要在影像中突出这部分内容。因此，可以运用对特定区域的处理来对感兴趣的区域进行诸如滤波等处理方法，可以达到对图像的指定位置的突出效果。对于房屋建筑物信息，现在若要提取其中几所灰屋顶的房子，可选择一个区域，对其进行滤波处理：
>> i=imread('da1.pcx');
>> j=roipoly(i);%选定一区域
>> h=fspecial('unsharp'); %设定滤波算子
>> j1=roifilt2(h,i,j); %进行滤波处理
>> j2=roipoly(i);
>> h=fspecial('unsharp');
>> j3=roifilt2(h,i,j2);
>> j4=medfilt2(j3);
>> j5=medfilt2(i);%对指定区域滤波后再进行中值滤波
>> j6=roipoly(j5);
>> j7=roifilt2(h,j5,j6);
>> h1=fspecial('log');%选用log算子
>> j8=roifilt2(h1,j5,j6);
>> h2=fspecial('laplacian'); %选用laplacian算子
>> j9=roifilt2(h2,j5,j6);
>> figure,imshow(j9);%显示滤波后选定区域处理结果
从以上的结果可以看出，我们所作的这些处理对指定的房屋突出有一定的作用，根据需要对图像进行特定区域的选取，也不失为一种好的方法。（图１）
图（１）
总的看来，运用灰度拉伸图像进行滤波处理，得到的结果效果比较好。
2、图像分割
从总体上说，图像分割就是把图像分成若干有意义的区域（部分）的处理技术。例如，如输入的是地形航空照片或地貌遥感图像，则就需要检析出山区、平原、水域、森林、城市、道路等。这些从图像与中分离出来的“目标”便是图像分割的对象。图像分割的方法有多种，如依据工作对象来分，可分为点相关分割和区域相关分割；按算法分类，可分为阈值法、界线检测法、匹配法、跟踪法等。本文采用了图像边缘提取、区域增长和数学形态学等的分割方法用于图像的分割。
1）边缘检测
图像边缘是图像局部特性不连续性（灰度突变、颜色突变等）的反映，它标志着一个区域的终结和另一个区域的开始。边缘提取首先检出图像局部特性的不连续性，然后再将这些不连续的边缘像素连成完备的边界。
2）逻辑运算提取
通常可以根据目标的形状不同来检测目标或对其分类，因此，形状描述是图像分析中重要内容之一。目标的形状可以用一些独立的参数或参数组合进行描述，也可以借助于其邊界进行描述。数学形态学处理的对象主要是二值图像。二值图像操作由其特殊的性质，由于二值图像处理相对简单，很多图像处理应用问题都可以转化为二值图像问题。
基于特征的逻辑运算：利用二值图像的逻辑运算，可以从图像中提取出感兴趣的物体。
经过综合运用对图像进行处理。
i=imread('da1.pcx');%读入图像
调用imcomplement函数对图像进行求补运算，然后调用im2bw函数对图像进行阈值截取并显示分割结果以获取图像中的微小物体。
>> i1=imcomplement(i);
>> bw=im2bw(i1,graythresh(i1));
抽取原始图像中较大物体，首先对图像进行形态关闭，然后进行形态开启操作，从而达到删除图像中某些小对象的目的，这里选择了一个半径为6的圆盘形结构元素。
>> se=strel('disk',6);
>> i2=imclose(bw,se);
>> i3=imopen(i2,se);
得到一幅包含小对象的图像和包含大对象的图像，对这两幅图像进行逻辑“与”操作，从而得到所有的小对象。存放于一幅图中显示如图（２）所示。
>> j=bw&i3;
>> subplot(2,2,1),imshow(i);
>>subplot(2,2,2),imshow(i1);
>> subplot(2,2,3),imshow(bw);
>> subplot(2,2,4),imshow(j);
图（２）
结果显示已经将道路和房屋分开了，对于提取黑色屋顶建筑物这一方向已达到了满意的效果。
三、存在问题：
通过对图像处理知识的了解，经过试验，从提取的结果与原始图像的对比来看，存在以下几个问题：
(1)暗部信息的提取不够完整，主要原因在于建筑物阴影部分的信息未能有效提取。
(2)所提取建筑物的形状不够完整，主要表现在提取的建筑物形状并非完整的矩形。
(3)其他无关信息在图像上并未完全剔除，主要是道路、水泥空地等人工下垫面的波谱信息与屋顶、墙面等灰度范围一致，且形态上无本质区别，从而造成提取过程中无法将其有效排除。
(4)有个别房屋的信息损失严重，发现是由于这些房屋的屋顶材料与所提取房屋屋顶不同。
正是这一系列的因素导致了个别建筑物的绝大部分被当作其他地物被剔除，造成失真。为减少提取过程中信息的损失和误差,应尽可能做到：提取之前应分析相应区域内的不同建筑类型,应建立尽可能详细分类体系；在条件许可的情况下，可考虑先采用其他的一些手段去除无关的信息(如绿地、水体、裸地等)，而后再进行建成筑物的提取，效果会更好。
参考文献:
[1].夏德深、傅德胜. 现代图像处理技术与应用. 东南大学出版社. 2002
[2].华瑞林. 遥感制图. 南京大学出版社. 1990
[3].詹庆明、肖映辉. 城市遥感技術
[4].王熙法、庄镇泉、王东生. C语言图像处理程序设计. 中国科学技术大学出版社. 1994
[5].孙兆林. MatLab 6.x 图像处理. 清华大学出版社. 2002
[6].遥感导论
[7].MatLab 图像处理
[8].徐建华. 图像处理与分析. 科学出版社. 1992
[9].万发贯. 遥感图像数字处理. 华中理工大学出版社. 1991
[10].程宏煌等. 图像分割方法综述. 电信快报. 2000,10,39-41
[11].赵锋、赵荣椿. 文理分割及特征提取方法综述. 中国体视学与图像分析. 1998,3(4): 238-245
[12].石登荣、裘季冰. 人工干预下全彩色航片建筑信息的提取. 上海师范大学学报（自然科学版）. 2001,30(4): 79-82
作者简介：胡雅娴（1980--），女，工程师，主要从事测绘工程等工作。
关键词：遥感；建筑物；信息提取
中图分类号：P185.18文献标识码： A 文章编号：
一、遥感的原理
现代遥感是应用探测仪器, 不直接接触有关目标或现象，而从远处把目标的电磁波特性收集记录下来，并能通过对其进行分析、解译和分类等揭示物体的特征性质及其变化的综合性技术。
遥感具有可大面积的同步观测、时效性、数据的综合性和可比性、经济性，当然它也具有其局限性。目前，遥感已应用到各行各业。如地质矿产的探测，农作物的分类与估产，森林长势分类和林火防治，湖泊河流污染、洪涝灾害估计，沙漠化及其扩张，城市发展及国土利用等。最终目的是通过对遥感图像的解译，进行多种定性定量的分析，解决地表的问题。
二、城市用地信息的遥感图像分类方法
图像分类是运用统计的方法，提取图像中具有相似波谱特征或结构特征的目标，达到计算机自动识别的目的。
在城市用地信息提取中，从地物的波谱特征识别建筑物。由于本文研究的内容是居民地及建筑物的提取，因此需要对城市地物的波谱特征有所了解。城市地物的波谱特征为：沥青粘沙屋顶，由于其表面铺着反射率较高的砂石而决定了其反射高于灰色的水泥平顶。铁皮屋顶表面呈灰黑色，反射率低且起伏小，故曲线平坦。绿色塑料棚顶的波谱曲线在绿波段处没有反射峰值，有别于植被的反射波谱；人工建筑物还具有热红外发射特征，在热红外图像上留下亮斑，而其发射的强弱取决于建筑材料的热特性。当物体接受太阳、天空辐射或地下热流补给时温度上升，温度上升的速度与物体的热惯性有关。大多数物质的热惯性随物体的密度的增大而线性增大。各类钢材的热传导系数较大，因而热惯量较大，在图像上呈亮色调；而木材的密度及热传导系数较小，因而热惯量较小，而呈暗色调。
本文研究的目的是采用各种遥感分类方法提取城市植被、道路、建筑物等信息。
1、IKONOS影像的增强处理
图像增强就是利用一系列手段对取得的图像灰度作修正，或者对噪声做过滤，使得图像灰度与实际景物的灰度尽可能的匹配。 图像增强的主要目的有两个：一是改善图像的视觉效果，提高图像成分的清晰度；二是突出目标物体与背景的差异使图像变得更利于计算机处理，如锐化处理可突出图像边缘轮廓线，编程控制计算机进行跟踪，便可作各种特征分析。
在一些制图工作中，由于不能完全实现计算机自动成图，而且对某些重要的地物需要作实地调查，并且，当对其进行手工绘制时就需要在影像中突出这部分内容。因此，可以运用对特定区域的处理来对感兴趣的区域进行诸如滤波等处理方法，可以达到对图像的指定位置的突出效果。对于房屋建筑物信息，现在若要提取其中几所灰屋顶的房子，可选择一个区域，对其进行滤波处理：
>> i=imread('da1.pcx');
>> j=roipoly(i);%选定一区域
>> h=fspecial('unsharp'); %设定滤波算子
>> j1=roifilt2(h,i,j); %进行滤波处理
>> j2=roipoly(i);
>> h=fspecial('unsharp');
>> j3=roifilt2(h,i,j2);
>> j4=medfilt2(j3);
>> j5=medfilt2(i);%对指定区域滤波后再进行中值滤波
>> j6=roipoly(j5);
>> j7=roifilt2(h,j5,j6);
>> h1=fspecial('log');%选用log算子
>> j8=roifilt2(h1,j5,j6);
>> h2=fspecial('laplacian'); %选用laplacian算子
>> j9=roifilt2(h2,j5,j6);
>> figure,imshow(j9);%显示滤波后选定区域处理结果
从以上的结果可以看出，我们所作的这些处理对指定的房屋突出有一定的作用，根据需要对图像进行特定区域的选取，也不失为一种好的方法。（图１）
图（１）
总的看来，运用灰度拉伸图像进行滤波处理，得到的结果效果比较好。
2、图像分割
从总体上说，图像分割就是把图像分成若干有意义的区域（部分）的处理技术。例如，如输入的是地形航空照片或地貌遥感图像，则就需要检析出山区、平原、水域、森林、城市、道路等。这些从图像与中分离出来的“目标”便是图像分割的对象。图像分割的方法有多种，如依据工作对象来分，可分为点相关分割和区域相关分割；按算法分类，可分为阈值法、界线检测法、匹配法、跟踪法等。本文采用了图像边缘提取、区域增长和数学形态学等的分割方法用于图像的分割。
1）边缘检测
图像边缘是图像局部特性不连续性（灰度突变、颜色突变等）的反映，它标志着一个区域的终结和另一个区域的开始。边缘提取首先检出图像局部特性的不连续性，然后再将这些不连续的边缘像素连成完备的边界。
2）逻辑运算提取
通常可以根据目标的形状不同来检测目标或对其分类，因此，形状描述是图像分析中重要内容之一。目标的形状可以用一些独立的参数或参数组合进行描述，也可以借助于其邊界进行描述。数学形态学处理的对象主要是二值图像。二值图像操作由其特殊的性质，由于二值图像处理相对简单，很多图像处理应用问题都可以转化为二值图像问题。
基于特征的逻辑运算：利用二值图像的逻辑运算，可以从图像中提取出感兴趣的物体。
经过综合运用对图像进行处理。
i=imread('da1.pcx');%读入图像
调用imcomplement函数对图像进行求补运算，然后调用im2bw函数对图像进行阈值截取并显示分割结果以获取图像中的微小物体。
>> i1=imcomplement(i);
>> bw=im2bw(i1,graythresh(i1));
抽取原始图像中较大物体，首先对图像进行形态关闭，然后进行形态开启操作，从而达到删除图像中某些小对象的目的，这里选择了一个半径为6的圆盘形结构元素。
>> se=strel('disk',6);
>> i2=imclose(bw,se);
>> i3=imopen(i2,se);
得到一幅包含小对象的图像和包含大对象的图像，对这两幅图像进行逻辑“与”操作，从而得到所有的小对象。存放于一幅图中显示如图（２）所示。
>> j=bw&i3;
>> subplot(2,2,1),imshow(i);
>>subplot(2,2,2),imshow(i1);
>> subplot(2,2,3),imshow(bw);
>> subplot(2,2,4),imshow(j);
图（２）
结果显示已经将道路和房屋分开了，对于提取黑色屋顶建筑物这一方向已达到了满意的效果。
三、存在问题：
通过对图像处理知识的了解，经过试验，从提取的结果与原始图像的对比来看，存在以下几个问题：
(1)暗部信息的提取不够完整，主要原因在于建筑物阴影部分的信息未能有效提取。
(2)所提取建筑物的形状不够完整，主要表现在提取的建筑物形状并非完整的矩形。
(3)其他无关信息在图像上并未完全剔除，主要是道路、水泥空地等人工下垫面的波谱信息与屋顶、墙面等灰度范围一致，且形态上无本质区别，从而造成提取过程中无法将其有效排除。
(4)有个别房屋的信息损失严重，发现是由于这些房屋的屋顶材料与所提取房屋屋顶不同。
正是这一系列的因素导致了个别建筑物的绝大部分被当作其他地物被剔除，造成失真。为减少提取过程中信息的损失和误差,应尽可能做到：提取之前应分析相应区域内的不同建筑类型,应建立尽可能详细分类体系；在条件许可的情况下，可考虑先采用其他的一些手段去除无关的信息(如绿地、水体、裸地等)，而后再进行建成筑物的提取，效果会更好。
参考文献:
[1].夏德深、傅德胜. 现代图像处理技术与应用. 东南大学出版社. 2002
[2].华瑞林. 遥感制图. 南京大学出版社. 1990
[3].詹庆明、肖映辉. 城市遥感技術
[4].王熙法、庄镇泉、王东生. C语言图像处理程序设计. 中国科学技术大学出版社. 1994
[5].孙兆林. MatLab 6.x 图像处理. 清华大学出版社. 2002
[6].遥感导论
[7].MatLab 图像处理
[8].徐建华. 图像处理与分析. 科学出版社. 1992
[9].万发贯. 遥感图像数字处理. 华中理工大学出版社. 1991
[10].程宏煌等. 图像分割方法综述. 电信快报. 2000,10,39-41
[11].赵锋、赵荣椿. 文理分割及特征提取方法综述. 中国体视学与图像分析. 1998,3(4): 238-245
[12].石登荣、裘季冰. 人工干预下全彩色航片建筑信息的提取. 上海师范大学学报（自然科学版）. 2001,30(4): 79-82
作者简介：胡雅娴（1980--），女，工程师，主要从事测绘工程等工作。