基于多特征协同作用的跨图像建筑物提取方法研究

With the development of remote sensing technology, the spatial resolution of images is constantly improved, and building extraction using high resolution remote sensing images has become research focus. The existing methods of extracting buildings based on remote sensing images are usually used only one image, the building extraction using the images from different sensors was still in the stage of exploration. However, images that cover an area are usually multi-source and come from different sensors. Therefore, the effective utilization of multisource images from different sensors is worthy of our attention. According to the strategy from resident extraction to building extraction, we focus on extracting the common features from different images by the constraint of the extracted residents, and propose to build the theoretic framework of multiple feature synergy based on different images, and put forward a method of building extraction based on multiple feature synergy using different images. The purpose is to improve the efficiency of building extraction and the application value of high resolution remote sensing images. Meanwhile, it provides technical support for the rapid extraction of remote sensing information in emergency response of earthquake disaster.

随着遥感技术的发展，影像的空间分辨率不断提高，利用高分遥感影像进行建筑物提取已经成为建筑物信息获取的重要手段。而现有的基于遥感影像提取建筑物的方法通常仅适用于一幅影像，针对于不同传感器的影像（即跨图像）提取建筑物的研究尚处于探索阶段。然而在实际应用中，覆盖某区域的影像通常是多源的，来自不同的传感器。因此，有效地利用来自不同传感器的多源影像实现建筑物的提取是值得我们关注的。本课题在对现有的遥感影像建筑物提取方法认真梳理的基础上，按照从居民地到建筑物的“由粗到细”的提取策略，在以居民地的提取结果作为场景信息的约束下，挖掘建筑物的跨图像共性特征，拟构建基于跨图像的多特征协同作用的理论框架，提出一种基于多特征协同作用的跨图像建筑物提取方法，以期提高建筑物提取的效率，发挥高分遥感的应用价值，同时为地震灾害应急响应中灾情遥感信息的快速提取提供技术支撑。

现有的基于遥感影像提取建筑物的方法通常仅适用于一幅影像，针对于不同传感器的影像（即跨图像）提取建筑物的研究尚处于探索阶段。然而在实际应用中，覆盖某区域的影像通常是多源的，来自不同的传感器。因此，有效地利用来自不同传感器的多源影像实现建筑物的提取是值得我们关注的。本课题按照从居民地到建筑物的“由粗到细”的提取策略。首先，残余谱模型只能进行小范围的少数居民地提取，对于包含有多个居民点的大范围影像提取的效果较差。为解决该问题，本研究引入基于卷积神经网络的目标检测算法，针对大范围的包含有多个居民地的影像，首先利用Faster RCNN检测定位每个居民地并给出每个居民地的候选框，然后利用残余谱方法实现对每个候选框的居民地进行精细的提取。其次，在以居民地的提取结果作为场景信息的约束下，挖掘建筑物的跨图像共性特征，如形态特征、几何特征、上下文及拓扑关系等特征，构建了基于跨图像的多特征协同作用的理论框架，厘清了协同过程中高分遥感影像中的“像元-过分割体-结构-建筑物”空间信息自下而上的传递机制。中餐馆连锁模型的“选桌子”和“选菜”两个随机过程可以模拟“像元-过分割体-结构-建筑物”的层次空间关系。但实验结果显示多个建筑物存在粘连的情况，为了改善其结果，本研究引入U-net网络为每个建筑物的像素提供其先验概率以提高提取精度。最后，针对建筑物震害损坏的等级评估，本课题提出了一种基于决策树的建筑物震害信息提取方法，通过使用震前和震后的多源遥感影像对建筑物损坏的类型进行分类。将建筑物的损坏类型分为四类，包括基本完好、轻微损坏、部分倒塌和完全倒塌等类型。通过本课题以期提高建筑物提取的效率，发挥高分遥感的应用价值，同时为地震灾害应急响应中灾情遥感信息的快速提取提供技术支撑。