基于DOM与DLG模型的建筑物顶部纹理重建

孟丽艳，张 旭，尹鹏飞，宋碧波

（1.河南理工大学 测绘与国土信息工程学院，河南 焦作 454000；2.河南恒旭力创测绘工程有限公司，河南 郑州 450007；3.河南省测绘地理信息局，河南 郑州 450007）

基于DOM与DLG模型的建筑物顶部纹理重建

孟丽艳1，张 旭2，尹鹏飞1，宋碧波3

（1.河南理工大学 测绘与国土信息工程学院，河南 焦作 454000；2.河南恒旭力创测绘工程有限公司，河南 郑州 450007；3.河南省测绘地理信息局，河南 郑州 450007）

提出一种基于DOM快速分割及与DLG模型自动匹配的方式，通过利用区域生长算法及形态学中的开闭运算，以Python脚本语言为开发工具，实现了建筑物顶部纹理的快速重建。实验证明，这种方法简单、快速，适用于大范围场景中建筑物三维快速重建。

DOM区域生长法；开闭运算；Python语言；纹理自动匹配

1 纹理快速构建设计思想

针对建筑物立面纹理设计，本文对DOM进行图像分割并与DLG建立起来的模型进行匹配。其设计思想是：首先选取简单直观的区域分割算法，然后对分割后的影像进行开运算和闭运算，使分割后的影像轮廓变得光滑，再将处理好的正射影像利用坐标匹配的方式，通过程序实现纹理映射自动化。与传统的建筑物顶面纹理映射相比，该方法具有鲜明的特点：①表达了建筑物的真实信息，使建立的三维城市及虚拟城市更逼近真实地物；②采用批量的纹理匹配设计，适用于大范围建筑三维模型的自动重建；③与人工相比，它具有程序简单、速度快、现势性强的特点。

2 建筑物纹理的映射

基于DOM图像分割的建筑物顶面纹理的映射，实质是在3DGIS平台中对整片区域进行影像分割和形态学处理，其核心是将处理好的正射影像自动化或半自动化映射到基于DLG建立的三维模型上。

2.1 正射影像的自动分割

数字影像的表示是一个整数矩阵，其中的每个元素都表示其下标所指位置处的电磁波强度，式（1）表示一个数字影像矩阵，每个值称为每个元素的像素，下标m、n分别表示该像素的行列数。

常见的图像分割方法有边界检测法、阈值分割法、区域增长分割法、基于神经网的分割法、聚类分割法等[6,7]，其中，区域分割算法原理简单直观，可以进行串行计算，对于较均匀的联通目标分割效果较好，适合于轮廓比较明显的地物提取。区域生长的基本思想是将具有相似性质的像素集合起来构成区域。先对每个需要分割的区域找一个种子像素作为生长的起点，然后将重点像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素被包括进来。这样一个区域就长成了。选取建筑物内一个种子点的灰度值，并以此为中心或中心集合与各领域像素灰度值作比较，将小于某一阈值T的像素合并起来并组成新的种子集合，当灰度差值发生剧烈变化时说明区域不能进一步扩张，检测到了建筑物的边界。一般情况下，建筑物形状规则、轮廓明显、相似度高，利用区域增长法具有较好的分割效果。

本文选取许昌市某区域的建筑物为实验对象，如图1所示。利用区域生长法分割建筑，初始种子点的选取非常重要。这里采取人为选取种子点的方法。区域生长的相似性准则选取为图像的灰度值，其中相似的程度T=10，建筑物的提取结果如图2。

图1 建筑物图

图2 初步提取结果

2.2 数学形态学的开闭运算

图2所示的建筑物里面有小的空洞，且边缘是不光滑的伪边缘，这里采取数学形态的处理方法得到光滑的建筑边界。

设G为图像集合，A、B、C、D为结构元素，A^为A关于原点的影像，数学形态学运算是用A对G进行操作。结构元素的原点可以包含在结构元素中，也可以不包含。定义的基本运算有腐蚀、膨胀、开和闭。基本的运算为（以结构元素A为例）：

式（2）表示用A对G膨胀得到的集合；式（3）表示用A对G腐蚀得到的集合；式（4）表示开运算，G先被A腐蚀，再被A膨胀；式（5）表示闭运算，G先被A膨胀，再被A腐蚀。

从几何的角度看，膨胀是对图像进行滤波处理，填充图像空洞，对图像进行“扩张”的行为。腐蚀则是对图像进行滤波处理、分割图像，消除不感兴趣的区域。膨胀和腐蚀是一对偶操作，而开运算和闭运算也是一对关于集合及影响的偶操作。为得到合理的运算，本文经多次运算和对比，选取了合适的结构元素：

其中，A和C是方向上的一对结构元素，而B和D也是X、Y方向上的一对结构元素。对图2所示的建筑物用A和C进行开运算，用B和D进行闭运算，得到如图3所示的提取结果。

图3 最终提取结果

2.3 批量贴图

经过区域生长法的图像分割和形态学的开闭运算后，得到可以直接用于和DLG模型进行匹配的建筑物纹理，经过运算得到大量的建筑物顶面纹理，而DLG模型想要搜索纹理进行，就必须赋予每个建筑物纹理一个记录索引的属性，用以表明建筑物纹理与DLG模型的对应关系（如图4）。索引信息使用坐标的对应关系，生成的纹理文件使用对应要素外框最大坐标“x-y” 进行命名（如表1），在3D Max 中读取每个顶面的坐标信息，与纹理文件命名一致的，判断为相对应的顶部贴图，自动贴在模型顶面上，从而完成一定区域内的纹理图形的映射。

图4 索引信息的建立

表1 影像坐标命名

3 实验分析

本文以Windows XP为平台，以Python脚本语言为开发工具，对许昌市某区域的数据进行处理，对DOM影像的裁切与DLG数字模型的匹配进行实验。其中，实现了快速的影像分割，在3D Max平台上建立了材质库，并使用Python脚本语言实现影像和模型的信息索引。以下是信息索引的部分代码：

s=#()

for i=1 to selection.count do

(s[i]=selection[i])

for x=1 to s.count do (select s[x]

n1=0

n2=0

for m=1 to s[x].numverts do

(n1=n1+s[x].vertices[m].pos.x

n2=n2+s[x].vertices[m].pos.y)

通过影像信息的索引实现了建筑物顶部纹理的自动映射。在图5所示的模型中，能看到利用传统建模方法得到的模型，不具备真实特性。而利用DOM影像裁切的自动化建模方法，可以实现批量及自动化，得到的模型纹理较为真实。

P237.3

B

1672-4623（2015）03-0168-02

10.3969/j.issn.1672-4623.2015.03.059城市建筑物建模主要分为几何建模和纹理建模[1,2]，在建筑物纹理映射中主要包括建筑物的顶部纹理映射和立面纹理映射。传统的顶面纹理映射大多采取手工贴图的方式，但随着建模范围的扩大，用Photoshop等绘图软件对DOM进行手工裁切，然后利用3D Max等三维平台进行贴图，工作量巨大，费时费力。很多研究人员力图采用其他方法来快速获取建筑物纹理，其中包括近些年发展起来的机载LiDAR技术。Alharthy等利用多次回波信息对LiDAR数据进行提取；黄先锋提出逐步剔除非建筑物点的方法[3-5]。但是这些方法对点云的密度要求高，数据处理量庞大。还有一些学者采用低空倾斜摄影测量的方法构建模型，但是生成的模型不够精细，不能体现细节。本文提出一种基于DOM的顶部纹理自动匹配机制，将真实的正射影像映射到建筑物模型上，可有效解决快速建模中纹理映射问题。

2014-04-18。

项目来源：国家自然科学基金资助项目（41001226）。