建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法     

陈辉  张卡  宿东  王蓬勃 《测绘通报》2019,(9):34-37,72

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题，提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先，利用RPC模型计算建筑物像点位移的方向与卫星成像角度，再将遥感影像进行旋转，使建筑物像点位移沿水平方向；然后，利用Canny算法进行轮廓检测，并构建一定长度的矩形形态学结构元素，对轮廓图像进行形态学开运算，以提取侧面轮廓线，再利用Hough变换与建筑物角点约束，对所提取的轮廓线进一步筛选；最后，根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证，并与阴影法估算建筑物高度进行了对比。试验结果证明，利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m，且实际精度优于使用阴影法进行建筑物高度估算。  相似文献   

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法     

刘波  燕琴  刘恒飞  马磊 《测绘工程》2019,28(2)

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。  相似文献   

钢筋混凝土建筑结构的抗地震破坏倒塌能力评估研究          下载免费PDF全文

汪玉容 《地震工程学报》2018,40(5):919-925

在地震作用下钢筋混凝土建筑结构出现破坏倒塌为地震灾害中的关键,有效评估建筑结构抗地震破坏倒塌能力是建筑结构设计的前提,也是当前建筑结构提高抗震性能与加固的依据。提出变形指标极值、失效判断标准以及钢筋混凝土建筑结构倒塌极限状态判断标准,据此获取倒塌储备系数、倒塌易损性、结构整体超强系数、结构整体延性系数等评估标准。采用Pushover分析法选择相应地震波。依据梁柱线刚比对建筑结构抗倒塌能力的影响,以及柱端弯矩增加系数对建筑结构抗地震破坏倒塌能力的影响,对建筑结构易损性进行分析。结果表明:等跨建筑结构抗地震破坏倒塌能力更强;建筑结构底层是薄弱层,COF值越高,结构越容易倒塌。  相似文献   

结合Faster R-CNN模型的遥感影像建筑物检测     

《测绘科学技术学报》2018,(4)

高分辨率遥感影像场景复杂,其中建筑物目标种类结构各异且存在大量遮挡,现有检测算法使用特征表达性不强。结合Faster R-CNN模型设计一种针对遥感影像的建筑物检测方法。首先通过共享卷积网络获取原始影像的深层特征图;然后结合区域建议网络生成初步检测结果;最后根据Fast R-CNN检测网络对结果进行进一步判定和边界回归。针对困难样本造成的训练中断,对训练策略进行改进,通过近似联合训练的方法对模型参数同步调优。实验结果表明,该方法准确率和召回率明显优于DPM方法,对非训练测试集遥感影像具有较好鲁棒性,有效实现了针对遥感影像的建筑物检测。  相似文献   

智慧城市建筑物数据库建设及应用——以南京市建邺区为例北大核心CSCD     

胡祺  朱荷欢  王芙蓉  邵爱菊  诸敏秋 《测绘科学》2018,(12):158-164

为了满足智慧城市建设和城镇精细化管理的需要,该文对建筑物数据标准、数据采集规范进行了研究,对建筑物实体数据模型、数据分类、编码、采集更新方法、数据库建设和应用、建筑物地理信息服务进行了实践,研发了“智慧建邺建筑物数据库综合应用系统”,并将建筑物基础数据库与财税、人口和物业管理数据进行了关联和挂接,进一步验证和提升了数据库建设的合理性。  相似文献   

基于轻便型移动测量系统的立面测量方法研究     

高航  田茂义 《地理空间信息》2018,(2)

介绍了轻便型移动测量系统的构成及工作原理,提出利用该系统及相关软件进行外业采集和内业点云处理及建筑物立面图件绘制的技术方案,通过工程实例和精度比对验证了轻便型移动测量系统运用在立面数据获取的可行性。  相似文献   

基于U型卷积神经网络的航空影像建筑物检测   总被引：3，自引：2，他引：1  

伍广明  陈奇  Ryosuke SHIBASAKI  郭直灵  邵肖伟  许永伟 《测绘学报》2018,47(6):864-872

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30 km²、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。  相似文献   

基于卷积神经网络的建筑物精细化提取     

黄小赛  李艳  马佩坤  高扬  吴剑亮 《地理空间信息》2018,(3)

现有图像分割方法往往受图像模糊和噪声的影响,提取的轮廓不准确。为了提取建筑物的精确轮廓,提出了一种基于卷积神经网络的集成方法,包括建筑物定位、形状判断、形状匹配等步骤。实验证明,无论是对DSM图像还是多光谱影像,该方法都能获得精确的建筑物轮廓。  相似文献   

AlexNet支持下的地图建筑物形状分类方法     

焦洋洋  刘平芝  刘爱龙  刘松林 《地球信息科学学报》2022,24(12):2333-2341

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提高了2.48%,达到92.32%,对于较为复杂的形状（如T形、十字形）识别也具有更高的精度,查准率分别提高了13.83%和24.53%。实验结果表明本文提出的方法对建筑物形状分类的效果有明显提升,能够实现常见建筑物形状的有效分类,为下一步的建筑物化简、典型化等综合操作打下了基础。  相似文献   

分数阶傅里叶变换联合支持向量机的建筑物变形预测     

古巍  李倩  陈代果 《大地测量与地球动力学》2022,42(12):1239-1245

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。  相似文献