结合形态学重建的高分辨率遥感图像建筑物提取

赵银娣，王信信，白 杨

(中国矿业大学环境与测绘学院，江苏徐州221116)

一、引 言

从高分辨率遥感图像中提取建筑物是遥感数据智能解译的重要研究内容之一，广泛应用于城市规划、地图制图、环境监测、防灾减灾等领域。但由于建筑物屋顶材质各异、外形结构复杂多变、且易受周边复杂环境的干扰，至今尚未形成一套系统全面的高分辨率遥感图像建筑物提取方法与技术，学者们通常根据具体的应用需求开展相关研究[1-3]。数学形态学是基于集合论，利用形状、大小可变的“结构元素”探测图像中感兴趣目标[4]的一门学科，现已成为模式识别中的热点。本文针对城区人字形屋顶的建筑物，设计一种结合形态学重建的高分辨率遥感图像建筑物提取方法。

二、算法流程

设计的结合形态学重建的高分辨率遥感图像建筑物提取算法主要由形态学重建滤波处理、人字形屋脊线检测、建筑物阴影检测和建筑物屋顶重构等4个步骤组成，见图1。

1．形态学重建滤波

采用形态学开闭重建对输入图像进行平滑滤波处理，去除所有小于结构元素的目标。形态学重建滤波是在测地膨胀和测地腐蚀的基础上定义的。首先定义结构元素对输入图像进行腐蚀操作得到标记图像，然后以原始图像作为掩膜图像对标记图像进行形态学开重建。在此基础上，对开重建后的图像进行膨胀，将膨胀运算得到的结果作为掩膜图像，对开重建后的图像进行形态学闭重建。

2．人字形屋脊线检测

(1)屋脊线主方向检测

人字形屋脊线通常呈直线形态，且受其他地物影响相对较小。对形态学重建滤波后的图像进行边缘检测后，利用Hough变换检测建筑物屋脊线的主方向。

图1 本文算法流程

(2)不同尺度下的线段检测综合

定义屋脊线主方向上的大尺度和小尺度线形结构元素，分别从边缘图像中提取大尺度和小尺度直线段，并对小尺度直线段提取结果利用形态学闭运算进行断点修复。此时大尺度直线段包含在小尺度直线提取结果图中。然后以小尺度线段结果图作为掩膜图像，对大尺度直线段结果图进行二值形态学开重建，完成不同尺度下的检测线段综合。

(3)屋脊线确定

由于屋脊线两侧屋顶光照条件不同，向阳面屋顶和背阴面屋顶在遥感图像中明暗度对比明显，以屋脊线为分界线。利用位于屋脊线两侧的向阳面屋顶与背阴面屋顶的亮度差异，采用阈值法从尺度综合后的线段中屋脊线。

3．建筑物阴影检测

(1)基于高次多项式拟合直方图的阴影检测

高分辨率遥感图像由于地物的复杂性其直方图以呈现多峰多谷的形态为主，而遥感图像中的阴影区域通常对应于直方图的最左侧峰附近。因此，本文采用高次多项式线性拟合方法估计直方图谷点，以直方图谷点为阈值，对形态学重建滤波后的图像进行二值化提取阴影信息，并去除植被、水体等其他暗目标的干扰。

(2)基于形态学重建滤波的分水岭分割

计算形态学重建滤波后的图像的梯度，对梯度图像再次进行形态学开闭重建，用以消除梯度图像中的小区域极值，从而构建较大区域的“集水盆地”。然后基于阈值法去除弱边缘后，采用分水岭分割方法[5]获得分割结果。

(3)建筑物阴影确定

为了去除阴影检测的不确定性，首先对直方图谷值提取的阴影信息进行腐蚀运算，后与分水岭分割结果进行与运算得到中间结果，以分割后的图像作为掩膜图像，对中间结果进行形态学开重建，从而获取相对“纯净”阴影对象。

4．建筑物屋顶重构

为了关联提取到的阴影与屋脊线信息，首先将阴影标记图向逆光方向平移两个像素，并求与原阴影标记图的并集后取反，得到阴影种子点。为了去除植被阴影的影响，针对植被阴影的小尺度和不连续性，利用面积阈值进行滤除。然后将阴影种子图作为标记图像，以分水岭分割图像为掩膜图像进行形态学开重建，生成与屋脊线连通的对象，提取人字形屋顶。

三、试验结果

采用徐州南三环区域的QuickBird高分辨率遥感图像对本文设计算法进行验证，图像大小为2402像素×2402像素，试验结果见图2。图2(a)是对原始图像运用半径为3个像素的盘状结构元素进行形态学重建滤波后的结果;图2(b)是采用9次多项式对图2(a)进行直方图拟合结果;图2(c)是建筑物阴影检测结果;图2(d)是人字形屋脊建筑物提取结果与输入全色图像的叠加显示，建筑物提取结果用提取屋顶的最小外接矩形来表示对人字形屋脊建筑物提取结果进行定量评价。通过目视解译制作参考数据，与实际提取结果进行比较，图2(d)中人字形屋脊建筑物提取的正确率达到85．5%。

图2 QuickBird全色图像建筑物提取

四、结束语

本文针对高分辨率遥感图像中的人字形屋顶建筑物，设计了一种结合形态学重建的建筑物提取方法。该方法首先对原始图像进行形态学重建滤波处理，然后在分析遥感图像中建筑物光谱和几何特征的基础上，通过定义屋脊线主方向上的线形结构元素从滤波处理后的图像中分别检测出建筑物的屋脊线，与此同时，基于直方图谷点阈值法和分水岭分割法获取建筑物阴影信息，最后利用形态学开重建建立屋脊线与建筑物阴影两者之间的关联，完成建筑物提取。试验结果表明：本文算法能够有效提取高分辨率遥感图像中主方向上的人字形屋顶建筑物。未来的工作将考虑多方向、圆形等其他屋顶形状的建筑物提取。

[1]陶超，谭毅华，蔡华杰，等．面向对象的高分辨率遥感影像城区建筑物分级提取方法[J]．测绘学报，2010，39(1)：39-45．

[2]黎树禧，宋杨，李长辉，等．利用DSM以及彩色遥感航空影像快速提取建筑物目标信息[J]．测绘通报，2012(1)：33-35．

[3]HUANG X，ZHANG L P．Morphological Building/Shadow Index for Building Extraction From High-Resolution Imagery Over Urban Areas[J]．IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2012，5(1)：161-172．

[4]PESARESIM，BENEDIKTSSON JA．A New Approach for the Morphological Segmentation of High-Resolution Satellite Imagery[J]．IEEE Transactions on Geoscience and Remote Sensing，2001，39(2)：309-320．

[5]潘婷婷．数学形态学和分水岭算法在遥感图像目标识别中的应用研究[D]．无锡：江南大学，2008．