首页 >  硕士论文 > 计算机硕士毕业论文 >   正文

计算机硕士毕业论文:基于电子地图的建筑物大小估算方法研究

添加时间:2018-01-31 18:02:16   浏览:次   作者: www.dxlwwang.com
专业论文资料, 搜索论文发表论文代写论文网为你解忧愁!详情请咨询我们客服。
获取免费的论文资料? 欢迎您,提交你的论文要求,获取免费的帮助

第一章 绪 论

 
1.1 研究背景和研究意义
随着手机等移动通信设备的普及到现在物联网时代的来临,移动通信技术在过去十几年得到了快速的发展。从前几年使用的 3g 通信技术,现在作为主流技术的 4g 通信技术,到如今已经进行小范围测试,在不远的未来很快就会进行大范围推广并且在生活中使用的 5g 通信技术,移动通信技术不断地发展不仅促进了社会的进步,国民经济的发展,也很大程度地改变了人们传统的生活方式,解决了人们过去在社会生活中的遇到的难题。值得一提的是,移动通信技术通过基站进行信号中转与传播,信号传播的效果不仅仅与基站的组成硬件有关,也受基站周围建筑物的影响。传统的 3g,4g 通信技术都是使用大基站对信号进行传输,这些大基站一般建在高楼的屋顶,城市中的建筑物对其信号的传播影响较小,在基站布局时,我们很少考虑建筑物的大小对其的影响,主要考虑的是基站覆盖的范围以及附近的人口密度,随着 5g 通信技术的到来,一切都将改变,因为 5g 技术使用的基站都是小基站,也称为微基站,微基站可以安装在路灯上,公交站牌以及任何不起眼的角落,因为基站较小,功率也变弱,这时候建筑物的面积、高度等因素就会对微基站进行信号传播产生影响从而影响通信质量。如何选择好的地点对微基站进行安装以减少建筑物对其信号传播的影响,这就需要获取安放地点周围的建筑物高度与面积等信息,所以快速的对周围的建筑物进行高度、面积等属性进行统计越来越受到人们的关注,也是推广 5g 技术对微基站进行选址需要解决的问题。由于城市中建筑物密集,以及数量巨大,人工测量的方法低效并且更新不够及时。随着互联网的发展,电子地图越来与普及,人们可以随时通过网站获取某一建筑物的高分辨率卫星照片,因此通过电子地图对建筑物属性提取的方法越来越受到欢迎。本文主要基于市面上的电子地图,通过对电子地图中建筑物轮廓以及建筑物阴影的提取,进而确定建筑物的大小等信息,为微基站的选址以及改善通信质量提供数据支持。
..........
 
1.2 国内外发展现状
想要通过电子地图对建筑物的面积进行估算,我们首先要获取卫星遥感地图中建筑物的轮廓。国内外的学者提出通过用图像处理法对遥感卫星图像所包含的信息进行分提取,然后再利用机器视觉[1],人工智能[2]等方法实现建筑物的轮廓的识别与提取,优点是不需要其他辅助信息,所以具有更好的应用前景。 张桂芳、单新建[3]等人同时提出了如何获取建筑物面积的方法,将阴影边界分为靠近建筑物的建筑物阴影边界与远离建筑物的地表阴影边界,因为建筑物阴影边界总是与建筑物的实际的建筑物轮廓相连接,通过对建筑物阴影边界的确定就可以找到建筑物的角点,针对直角边界建筑物,通过对已有的建筑物阴影边界和相邻像素点之间的方位关系,采用对称处理的方法补出整个轮廓,计算面积,针对普通边界建筑物,采取点生长法沿着垂直边界主方向下的方向进行点生长,获得建筑物的轮廓以及面积。在对建筑物高度进行估算的研究方面,很多学者提出了通过获取卫星遥感图像中建筑物的阴影,以及拍摄图像时卫星、太阳的参数对建筑物的高度进行估算的方法。通过对卫星遥感图像中建筑物的阴影区域进行分析可知,在同一幅卫星遥感图像中,阴影区观察起来更暗一些。通过对图像的灰度直方图进行分析可以看到,在灰度直方图中域的灰度值对比非阴影区域的灰度值更小一些,一般可以找到一个灰度阈值明显的将阴影区域与非阴影区域分割开来,因为阴影区域与非阴影区域的灰度值相差很大,阴影区域的灰度值更小一些。并且在一幅卫星遥感图像中,不同地物所投射出的阴影区域都在一个比较小的灰度值范围内波动,都是比较暗的部分,灰度值也相近。可以认为电子地图中高分辨率影像中建筑物的阴影都集中在一个灰度值范围内,如果可以通过对图像灰度值进行分析,准确的估算出阴影灰度值的范围,那么我们便可以通过这个灰度值范围对图像中的阴影进行提取,在提取完阴影之后,可以运用二值形态学[4]与灰度形态学算法[5]对提取出的阴影结果中面积比较小的噪声点进行去噪处理,同时对提取的阴影轮廓进行修复,使得提取的结果更加准确。Huertas 与 Nevatia[6]提出通过对卫星遥感图像中建筑物的阴影区域灰度值进行人工测量的方法,对于不同的图像,可以计算不同的阴影灰度阈值,可以通过这个阈值对阴影进行分割,但是这种方法效率低。KaewTraKulPong[7]和 Tasi[8]提出了利用阈值自动检测阴影的方法。田新光、张继贤[9]等借鉴了编程语言中对象的概念,通过对建筑物、阴影以及其他地物的特征进行分析,从而将三者区分为不同的对象,利用这一方法对阴影进行提取,从而解决了目前采用固定阈值方法对阴影进行提取很难自动地去除一些噪声的问题。随着科技的进步,彩色图像的处理技术也得到了飞速地发展。相对于灰度图像,彩色图像包含着更多的图像信息。根据彩色图像包含着更多的信息这一点,王树根和王军利[10]等提出了一种通过对彩色图像的红色分量通道 R,绿色分量通道 G,蓝色分量通道 B,进行统计与分析从而对建筑物的阴影进行提取的方法。
........
 
第二章 轮廓提取的基本算法
 
2.1 引言
利用卫星遥感图像对建筑物的高度,面积进行估算,需要对建筑物的轮廓以及阴影的轮廓进行提取。对于面积估算来说,在这里我们首先需要对建筑物的轮廓进行准确的提取,在提取了建筑物的轮廓之后,我们可以通过使用漫水算法对轮廓进行填充,统计填充的像素点数对建筑物的面积进行估算。对于高度,我们通过提取的阴影轮廓去计算阴影的长度,然后通过分析建筑物的高度与阴影长度、太阳方位角,太阳高度角,卫星方位角,卫星高度角等参数之间的关系对建筑物高度进行估算。所以无论是计算建筑物的高度还是建筑物的大小,我们都需要对建筑物与阴影的轮廓进行提取,只有在提取了建筑物轮廓与阴影的前提下才能更好的计算建筑物高度与面积。本文先研究了如何对图像进行分割,然后利用轮廓跟踪等方法提取建筑物轮廓,等到建筑物轮廓提取完毕后,通过建筑物的面积阈值及长宽比阈值分析法对噪声进行剔除,使用面积阈值法对面积远远小于建筑物的噪声进行剔除,利用长宽比阈值法对光谱特征和面积与建筑物相似的道路噪声进行剔除。对阴影轮廓进行提取时,首先提出了一种动态计算阴影分割阈值的方法对分割阈值进行计算,得到一个较为合理的区分前景与背景的阴影阈值,利用这个阴影分割阈值对图像进行分割提取建筑物的阴影,然后利用建筑物阴影与建筑物轮廓总是相邻的这种位置关系,在阴影周围使用点生长法提取附近的地物,通过判断该地物是否是建筑物来对提取的阴影进行筛选,如果附近的地物是建筑物,那么该阴影一定是真正的建筑物的阴影,如果该地物不是建筑物,那么该阴影应该是噪声,通过提取到的真正的建筑物的阴影对上面提取的建筑物轮廓结果进行修正,最后可以较为精确的得到建筑物轮廓以及阴影轮廓。本章先介绍了对建筑物的轮廓及阴影轮廓进行提取所使用的基本算法。
..........
 
2.2 卫星遥感图像分割技术
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提取感兴趣目标的技术和过程[18]。对卫星遥感图像进行处理时,我们可以根据区域中的颜色特征、形状特征、纹理[19]特征对图像进行区分,将图像中的各个像素点映射为多维特征空间中一个向量[20],通过对向量的聚类从而完成分割。使用这种方式对图像进行分割的结果如图 2-1 所示。基于边缘的方法同样可以对卫星遥感图像进行分割,通过对图像的边缘检测,也就是检测图像的灰度值或者图像的其他属性时,值的大小发生了突变,这些突然变化的位置,表现了一个区域的终结,同时,这也是另一个区域开始的位置,区分两个区域的不连续的位置称为边缘,不同的区域灰度不同,可以看到明显的边缘存在于边界处,这种方法就是基于边缘的图像分割方法,利用这个方法可以对图像进行分割,但是这种方法也有缺点,就是这种方法只是对区域的边缘进行了描绘,根据边缘并不能对轮廓内部进行提取与标识,在图像处理中很少用到,在本文我们也不会使用这种方法。最适合特征空间分析的方法是聚类方法,特征空间[19]聚类法对图像进行分割原理是用相应的特征空间点去表示卫星遥感图像中对应的像素点,在特征空间对相应的不同的特征进行聚类从而完成对相应的像素点进行聚类,再在原图像上进行显示,以此来得到分割结果。传统的聚类方法需要在先验概率已知的情况下才能对目标进行聚类,需要人工的参与,并不能自动对图像中的像素点进行聚类分析。因为卫星遥感图像包含的信息比较多,数据量比较大,不适合用传统的聚类方法[22],适合不需要预先对类别数目进行设置,不需要对先验概率进行设置的具有自动性的非参数聚类方法。Mean Shift[23]是一种非参数聚类方法,并且不需要先验知识,通过对目标数据进行估算自动对数据进行聚类,适合对卫星遥感图像这种包含很大数据量的图像进行自动分割。在图像处理领域,通常用 Mean shift来对图像进行平滑和分割,因为该方法不需要人工干预,自动化程度高,可以得到令人满意的效果。Fukunaga[24]等人在 1975 年一篇关于如何估计概率密度梯度函数的文章中,第一次提出了 Mean Shift 这个概念,最早的时候,Mean Shift 指的是一个向量,就是偏移的均值向量。但是现在随着 Mean Shift 理论的改变,它的含义也有了改变,在本文中 Mean Shift 指代一个迭代过程:首先我们计算出当前像素点相对于其他样本点的平均偏移量值,然后将当前像素点移动到我们上一步中计算的平均偏移值处,抑制迭代下去直到满足结束条件。Cheng[25]将 Mean Shift技术进行了扩展,提出了使用权重系数来对不同的点进行重要程度衡量。基于上述扩展后,Mean Shift 有了更广泛的应用。针对于图像的平滑与分割,Comaniciu等人[26][27]使用 Mean Shift 的针对图像的属性分析来对其进行处理,得到了很好的效果。对灰度图像进行分割也可以使用 Otsu 阈值技术,Otsu 阈值技术[28]是比较经典的阈值分割技术之一。
...........
 
第三章 建筑物轮廓提取...........15
3.1 引言.......15
3.2 轮廓提取..........16
3.2.1 图像分割............16
3.2.2 轮廓提取与筛选............26
3.3 轮廓提取效果分析.......32
3.4 本章小结...........34
第四章 建筑物的阴影轮廓提取...........35
4.1 引言.......35
4.2 卫星遥感图像中阴影的提取方法.......35
4.2.1 阴影的性质........35
4.2.2 阴影的轮廓提取............36
4.2.3 阴影轮廓的筛选............41
4.3 建筑物轮廓提取结果进行修正...........44
4.4 本章小结...........45
第五章 建筑物高度及面积的估算.......47
5.1 引言.......47
5.2 建筑物高度的估算方法...........48
5.2.1 阴影长度的估算方法....48
5.2.2 计算建筑物高度的公式............55
5.3 建筑物面积的估算方法...........56
5.4 建筑物面积以及高度估算的结果及分析.......57
5.4.1 建筑物面积的估算结果............57
5.4.2 建筑物高度的估算结果............58
5.5 小结.......59
 
第五章 建筑物高度及面积的估算
 
5.1 引言
通过上面对建筑物轮廓提取以及建筑物阴影的提取的实现,我们现在可以通过这两个条件对建筑物的高度以及面积进行估算。本章主要讲解如何利用这些息对卫星遥感图像中建筑物的属性进行提取,为社会发展提供服务。如何获取建筑物的高度信息,国内外的研究者提出了很多不同的方法。最早的方法是利用基本的地形图与建筑设计图纸,2DGIS 数据库,或者使用三维扫描成像系统来获取。前面的两种方法很难获取数据源,并且即使获取了数据源,通过这两种方法来获取的高度准确度也不高,第三种方法利用三维扫描成像系统来对建筑物高度进行估算需要大量的人力物力,费时费力,并且很难大面积的推广。随着各种高分辨遥感卫星(QuickBird, SPOT, IKONOS)的发射,通过卫星遥感图像来获取城市建筑物属性及信息的能力越来越强,国内外专家也试图通过卫星遥感卫星图像来获取建筑物的高度信息,Irvin与Mckeown通过对航空图像的分析,提出了建筑物的阴影与高度的关系;何国金[39]等也以 SPOT 影像为实验数据,提出了对建筑物高度进行估算的方法,对卫星遥感图像中的建筑物高度进行了估算与分析。通过二维的遥感卫星图像对建筑物的高度进行估算的方法主要有两个研究方向[40]:第一种方法是利用立体像对来对建筑物的高度进行估算,利用立体像对技术来解决建筑物估算高度的方法有自动空中三角测量,数字高程模型(DEM)自己采集,立体测图等技术,这些方法可以很好的计算建筑物的高度。第二个研究方向利用卫星遥感图像建筑物阴影与建筑物高度的关系进行估算,从单幅卫星遥感影像出发,研究估算建筑物高度的方法。在本文中,通过分析卫星遥感图像中建筑物的阴影长度、建筑物的高度、太阳、卫建、筑物的主方向等参数之间的几何关系,推导出利用上述参数对建筑物的高度进行估算的公式,利用此公式对建筑物的高度进行了估算。在对建筑物阴影长度进行计算时,对原有的角点间最短距离法进行了改进,在角点对数目大于一定值时,对具有最大距离与最小距离的角点对进行删除,排除了部分异常角点对,并且设计了一对一的角点对统计模式,将一对多或多对多角点对造成的误差排除。然后利用第三章提取到的建筑物的轮廓,使用漫水算法对轮廓进行填充,通过对填充像素点的个数来估算建筑物的面积。
\
........
 
总结
 
本文主要讨论了如何通过卫星遥感图像对其中的建筑物进行面积以及高度估算,重点研究内容如下:
1.对遥感卫星图像进行图像分割,主要使用聚类的思想对建筑物进行平滑,尽量将图像内的前景背景分离出来,去掉噪声点,再将此图像变成灰度图像,然后根据图像的灰度信息计算出最优阈值,利用此阈值对图像进行二值化处理,得到前景(需要提取的建筑物)与背景,能够有效的将卫星遥感图像汇总大部分非建筑物进行剔除,利用图像形态学运算对小的噪声点进行剔除,并且对图像的边缘进行平滑,同时也研究了不同大小的结构元素对建筑物优化的影响,这样便于后面对图像的轮廓进行提取。在对轮廓进行提取后,为了优化提取效果,我们采用了面积阈值以及长宽比阈值双重判定的方法对图像中的噪声进行剔除,这样就可以将道路这类很难剔除的噪声点进行剔除,提取的轮廓更加准确。
2.研究如何对建筑物的阴影进行提取,提出了利用阴影的光谱特征自动计算阴影分割阈值的方法对建筑物阴影进行提取,然后使用建筑物与阴影位置关系的点生长法对阴影的提取结果进行优化,最后利用优化后的阴影提取结果对上面的建筑物轮廓提取结果进行修正。
3.研究通过建筑物轮廓对建筑物面积进行估算以及通过建筑物的阴影长度对建筑物的高度进行估算的方法,在计算阴影长度时,使用了近似矩形通过周长面积反推阴影长度的计算方法,同时改进了通过角点最短距离法求阴影长度的方法,并且对这两种方法进行了对比与分析,最后对本文所采用的计算建筑物高度以及面积的方法进行了数据测试,通过与实际数据对比,对建筑物面积的估算的准确率为 94.16%,高度估算的准确率为 90.40%。
4.对本文理论研究进行实践,实现了一个前端基于 Bootstrap 框架采用最新的HTML5 编写,后台使用 WampServer 服务器集成环境,前后台通过 Ajax 的 B/S 模式的系统,把本文所实现的通过卫星遥感图像对建筑物的高度以及面积进行估算的方法进行推广,服务于大众。
..........
参考文献(略)

提供海量毕业论文,论文格式,论文格式范文,留学生论文,商务报告相关资料检索服务。
本论文由代写论文网整理提供 /
需要专业的学术论文资料,请联系我们客服
本文地址:/jsj/6586.html
论文关键字:计算机硕士毕业论文 建筑物阴影提取 连通区域分析