基于QuickBird卫星影像阴影的青岛市建筑物高度提取

黄 蓉，李 丹，乔相飞

(青岛市勘察测绘研究院，山东青岛266032)

一、引 言

随着数字城市的急速发展，如何快速建立起三维城市模型已经成为当前越来越重要的研究任务之一。国内外许多学者都相继提出了各自的解决方法，如Cheng和Thiel利用SPOT全色影像中的建筑物阴影对建筑物高度进行了估算[1];何金国等也利用SPOT影像中的建筑物阴影以北京市为例进行了建筑物高度的提取及分级，抽样验证准确率达80%以上[2];董玉森等利用全色高分辨率卫星影像数据中阴影信息进行建筑物高度计算的原理和方法，并结合专家分类系统，研究了如何对建筑物阴影信息进行提取和分析，进而确定建筑物的高度信息[3];谢军飞等在分析IKONOS卫星图像上建筑物阴影与实际高度关系的基础上，较为准确的提取了城市建筑物高度信息[4];冉琼等基于“北京一号”小卫星影像阴影进行了建筑物高度的测算研究[5]。从这些方法可以看出，航空遥感应用的理论和技术方法越来越趋于成熟，应用也越来越广泛，但是在城市调查中，由于它的投资大、成本高，已经成为制约其广泛应用的一个重要因素。

随着高分辨率民用卫星逐渐商业化运行，实时、高精度、可靠的遥感数据越来越受到大家的广泛认可与重视。在城市变化监测、城市管理与规划等方面，高分辨率遥感影像数据应用的范围越来越广。从高分辨率遥感影像中提取建筑物的信息已经成为建立三维城市模型的重要信息来源。

国内外在研究城市建筑物信息提取时，除了建立了众多的数学模型，采用的数据源也多种多样，有航空及航天光学图像、雷达图像、SAR图像以及激光测距图像。目前，提取建筑物通常有3种方法：利用单幅影像方法、利用数字高程模型方法、结合影像和DEM，其中利用单幅影像提取建筑物高度的方法主要有3种：① 利用单张航片提取建筑物高度;②利用有理函数模型，提取建筑物高度;③ 利用影像阴影提取建筑物的高度。本文利用单幅影像，研究如何利用面向对象分类方法，对高分辨遥感影像数据中的建筑物阴影信息进行提取，进而确定建筑物的高度信息。

二、城市建筑物高度提取原理

由于太阳光照和地形因素的影响，阴影在遥感影像上是比较常见的部分，它主要表现为低亮度值，在彩色影像上比较容易识别。当太阳光照射在建筑物上时，所形成的阴影包含了建筑物的三维信息，通过阴影的特征分析可以大概确定出建筑物的模型。在研究中，为了简化计算，假设以下条件是成立的：

1)建筑物所处地区地面平坦，结构简单且垂直于地表;

2)建筑物的影子直接投影在地面上，没有其他建筑物的干扰;

3)阴影从建筑物的底部开始算起。

在不考虑太阳方位角对建筑物阴影影响的情况下，太阳高度角、卫星高度角与建筑物阴影及高度的相对几何关系可以分以下几种情况。

1．太阳和卫星位于建筑物的同侧

由图1可知，阴影的成像部分为L2=S-L1，则建筑物的阴影长度为

由此推导出建筑物的高度

式中，α为卫星高度角，β为太阳高度角。

图1 太阳、卫星高度角和地面建筑物阴影之间的关系(同侧)

2．太阳和卫星位于建筑物的两侧

由图2可知，当卫星高度角α(即所成图像为星下点)或者卫星传感器扫描方向与太阳照射方向相反时，则可以观测到建筑物影子的全部，此时建筑物阴影的长度为

由此推导出建筑物的高度

图2 太阳、卫星高度角和地面建筑物阴影之间的关系(异侧)

当遥感影像的分辨率大于5m时，则需要考虑太阳方位角的影响，此时公式(1)、(2)可改写为公式(3)、(4)，式中γ为太阳方位角：

令

则有

因此，从理论上讲，只要能够得到卫星参数信息和建筑物阴影的长度信息，就可以计算出建筑物的高度。在某些特殊情况下，如果无法获得卫星成像时的参数信息，可以通过获得当地某一建筑物的实际高度，或者通过获得建筑物的层数来估算出建筑物的高度，就可以反推出常数k的值，通过公式(3)或者(4)运算获取其他建筑物的高度信息。

三、影像数据处理

建筑物高度信息提取工作流程图如图3所示。

图3 建筑物高度信息提取工作流程图

1．数据预处理

本文所选的数据为2010年3月青岛市李沧区金华路街道办的遥感影像，包括多光谱影像数据(2．4m)和全色影像数据(0．6 m)。考虑到全色波段图像分辨率较高，但是灰度图像上阴影一般表现为低辐射亮度，不容易被提取;而多光谱数据虽然可组合成RGB图像，但分辨率较低。综合考虑全色波段和多光谱图像的特点，为了提高影像的分辨率又不丢失颜色特征信息，本文对全色与多光谱数据选择Pansharp方法进行融合，它是基于统计原理，利用最小方差技术对参与融合波段的灰度值进行最佳匹配并利用此原理调整单个波段的灰度分布以减少融合结果的颜色偏差，从而较好地解决了这一问题。

2．影像的分类与阴影的提取

目前，阴影提取的方法有很多，但这些方法并不能很好地适用于建筑物高度的提取，主要原因是：①干扰阴影提取的噪声有很多，比如树木、水系等，这些都不易与阴影进行区分;② 基于像元的分类方法，由于该方法是以单个像元为分类对象，所以阴影提取的结果存在“椒盐”现象。本文采用面向对象的分类方法，该方法是随着高分辨率卫星数据的出现而出现的，经过多次验证，这种分类方法在高分辨率卫星数据信息提取时具有很大的优越性。此方法总体可以分为3个过程：① 影像分割;②影像合并;③影像阴影信息的提取。

1)影像的分割：利用基于边缘分割算法对图像进行分割，根据边缘压缩的不同情况，获得多尺度分割结果。分割参数的设定对分割结果的影响很大，经过反复验证，所选分割尺度设置为40．0，分割情况见图4。

图4 分割结果

2)影像的合并：在分割的基础上，依据周围对象的光谱、纹理形状等特征的不同进行合并，直到超过设定阈值为止，本试验设置合并尺度为60，合并情况见图5。

图5 合并结果

3)影像阴影信息的提取：在影像分割合并的基础上，本文采用的是监督分类的方法进行分类。对影像进行建筑物阴影样本与非阴影样本的选择，根据所选样本，将影像分为建筑物阴影部分与非阴影部分，阴影提取结果见图6。

图6 阴影提取结果

四、建筑物高度提取和精度分析

1．建筑物高度获取

本文在阴影长度的求解方法上并没有选择用像元个数乘以分辨率得出阴影长度的传统思想，而是利用算法直接求解出阴影的长度。其基本思想是利用了第二节城市建筑物高度提取原理。步骤如下。

1)利用遥感影像的元数据获取影像拍摄时的太阳高度角，根据太阳高度角推算出建筑物与阴影之间的角度关系。

2)根据推算的建筑物与阴影的角度关系，利用程序生成有一定间隔的、平行于阴影边线的阴影长度量测线。量测线的计算生成方法是求解楼高精度的最主要因素。

3)将阴影面与阴影长度量测线求交，获取与阴影面相交的量测线。一般情况下为了保证精度一个阴影面应包含N(N＞=8)条量测线(N的大小取决于量测线的间隔大小，可自行设置调整)。

4)根据空间关系为每条求交后的量测线赋所属阴影面的ID值。

5)计算求交后的量测线长度，求取每个阴影中量测线(去除长度中的最大值和最小值)的平均值，以该值作为阴影的实际长度。

2．精度评定

利用上述方法提取试验区域房屋阴影共332个，利用竣工资料获取房屋楼高值共计66个点位，其中误差大于1m的共有4个点位，误差在0．5m～1m的共有19个点位，误差小于0．5m的共有43个点位，求得误差绝对值的中误差为±0．549m。图7显示了该实验区66幢建筑物的计算高度与实测高度的对比结果。

图7 建筑物的计算高度与实测高度

五、结束语

由以上结果可以看出，利用阴影提取的建筑物高度误差范围在0．5m到1m之间的占94．3%，完全符合目前数字城市三维模型建立、城市建筑规划等方面的要求，具有较好的实用性。利用面向对象的分类方法提高了阴影的提取精度，自动化的阴影长度计算很好地解决了手动量算所带来的误差。

对于利用卫星遥感影像进行建筑物高度测量，影像的几何分辨率是影响测量精度的主要因素之一。除此之外，当建筑物阴影落到绿地、水系等较暗的地物上时会造成阴影的错误判断，或者当高层建筑物的阴影叠加在一起引起阴影提取的失败。此外，对于结构比较复杂的建筑物，也存在一些问题，比如，复杂屋顶上一些阴影的存在使得建筑物屋顶与阴影不好区分，从而影响了建筑物高度提取精度。因此，在进行下一步的研究工作时，要充分考虑建筑物的实际情况，使阴影提取的自动化和精度都得到进一步的提高。

[1]CHENG F，THIEL K H．Delimiting the Building Heights in a City from the Shadow in Panchromatic SPOT-Image-Part1-Test of Forty Two Buildings[J]．Int J．Remote Sensing，1995，16(3)：409-415．

[2]何国金，陈刚，何晓云，等．利用SPOT图像阴影提取城市建筑物高度及其分布信息[J]．中国图象图形学报，2001，6(5)：426-428．

[3]董玉森，詹云军，杨树文．利用高分辨率遥感图像阴影信息提取建筑物高度[J]．咸宁师专学报，2002，22(3)：93-96．

[4]谢军飞，李延明．利用IKONOS卫星图像阴影提取城市建筑物高度信息[J]．国土资源遥感，2004(4)：4-6．

[5]冉琼，迟耀斌，王智勇，等．基于“北京一号”小卫星影像阴影的建筑物高度测算研究[J]．遥感信息，2008(4)：18-21．