融合高分辨率遥感影像和LiDAR数据的城市复杂地表不透水面提取方法

Due to the complexity and multi-scale features of urban landscape, impervious surfaces are the significant components of urban structure, and its coverage and spatial pattern have been considered as the key index for evaluating urbanization. Impervious surfaces directly affect urban ecosystem health and quality of human settlement. Therefore, improving the accuracy for estimating impervious surfaces has very great theoretical and practical significance. In complex urban area, shadow and occlusion become two challenges for impervious surface estimation based on remote sensing imagery. There are congenital defects with insufficient information for extracting impervious surfaces only using spectral and spatial features derived from high resolution imagery. This project provides a new method for estimating impervious surfaces from complex urban area by fusing multi-source high resolution imagery and airborne LiDAR data. The specific contents are as follows: (1) Extraction of multi-scale homogeneous objects; (2) Description and extraction of multiple features of multi-scale homogeneous objects; (3) Impervious surface extraction model by fusing multi-scale and multiple features layer by layer based on multiple classifiers;(4) Experimental validation in Wuhan to achieve accurate extraction of impervious surface in complex urban area. It is expected this project approaches a novel method to accurately extract impervious surfaces by integrating multi-source high resolution remote sensing imagery and airborne LiDAR data.

由于城市景观结构具有高度的复杂性和多尺度特征，不透水地表作为城市空间结构的重要组成部分，其覆盖度和空间分布已成为衡量城市化水平和环境质量的重要指标，直接影响着城市生态系统健康与人居环境质量。因此，提取高精度不透水面，具有重要的理论与现实意义。在城市复杂地表区域，阴影和遮挡成为影响基于遥感影像提取不透水面的两大挑战，仅使用影像的光谱特征、空间特征来提取不透水面具有信息不足的先天缺陷，本项目提出一种融合高分辨率遥感影像和机载LiDAR数据的城市复杂地表不透水面提取新方法，主要研究内容包括：（1）城市复杂地表多尺度同质区对象提取；（2）多尺度同质区对象多特征的描述和提取；（3）建立多尺度多特征逐层融合的多分类器集成不透水面提取模型；（4）选择武汉市开展实验，实现城市复杂地表不透水面的精确提取。通过本项目的研究，实现一种融合多源高分辨率遥感影像和机载LiDAR数据的城市复杂地表不透水面提取新方法。

由于城市景观结构具有高度的复杂性和多尺度特征，不透水地表作为城市空间结构的重要组成部分，其覆盖度和空间分布已成为衡量城市化水平和环境质量的重要指标，直接影响着城市生态系统健康与人居环境质量。因此，提取高精度不透水面，具有重要的理论与现实意义。.城市复杂地表区域下的阴影和遮挡成为影响基于遥感影像提取精确不透水面的两大挑战。针对仅使用影像的光谱特征、空间特征来提取不透水面具有信息不足的先天缺陷，本项目以探索适用于城市复杂地表的不透水面提取模型为目标，研究遥感图像质量融合和改善、多源遥感多尺度多特征提取和不透水面模型建立等内容。首先，提出基于多源数据的遥感影像云检测、数据重建、配准和多源数据融合算法，获得高质量遥感数据；进一步针对城市复杂地表类型的环境特点，协同多源影像优势的空间/光谱特征，提出基于深度学习的多尺度特征提取方法；在此基础上，利用先进的深度学习方法和稳健的机器学习算法，构建多分类器集成，最大程度利用已有的光谱和空间特征集，实现高精度城市不透水面提取。本项目的研究对于海绵城市规划、水文模型和城市扩张有具体实际的应用价值。