基于DOM與DLG模型的建筑物頂部紋理重建

孟麗艷，張 旭，尹鵬飛，宋碧波

（1.河南理工大學 測繪與國土信息工程學院，河南 焦作 454000；2.河南恒旭力創測繪工程有限公司，河南 鄭州 450007；3.河南省測繪地理信息局，河南 鄭州 450007）

基于DOM與DLG模型的建筑物頂部紋理重建

孟麗艷1，張 旭2，尹鵬飛1，宋碧波3

（1.河南理工大學 測繪與國土信息工程學院，河南 焦作 454000；2.河南恒旭力創測繪工程有限公司，河南 鄭州 450007；3.河南省測繪地理信息局，河南 鄭州 450007）

提出一種基于DOM快速分割及與DLG模型自動匹配的方式，通過利用區域生長算法及形態學中的開閉運算，以Python腳本語言為開發工具，實現了建筑物頂部紋理的快速重建。實驗證明，這種方法簡單、快速，適用于大范圍場景中建筑物三維快速重建。

DOM區域生長法；開閉運算；Python語言；紋理自動匹配

1 紋理快速構建設計思想

針對建筑物立面紋理設計，本文對DOM進行圖像分割并與DLG建立起來的模型進行匹配。其設計思想是：首先選取簡單直觀的區域分割算法，然后對分割后的影像進行開運算和閉運算，使分割后的影像輪廓變得光滑，再將處理好的正射影像利用坐標匹配的方式，通過程序實現紋理映射自動化。與傳統的建筑物頂面紋理映射相比，該方法具有鮮明的特點：①表達了建筑物的真實信息，使建立的三維城市及虛擬城市更逼近真實地物；②采用批量的紋理匹配設計，適用于大范圍建筑三維模型的自動重建；③與人工相比，它具有程序簡單、速度快、現勢性強的特點。

2 建筑物紋理的映射

基于DOM圖像分割的建筑物頂面紋理的映射，實質是在3DGIS平臺中對整片區域進行影像分割和形態學處理，其核心是將處理好的正射影像自動化或半自動化映射到基于DLG建立的三維模型上。

2.1 正射影像的自動分割

數字影像的表示是一個整數矩陣，其中的每個元素都表示其下標所指位置處的電磁波強度，式（1）表示一個數字影像矩陣，每個值稱為每個元素的像素，下標m、n分別表示該像素的行列數。

常見的圖像分割方法有邊界檢測法、閾值分割法、區域增長分割法、基于神經網的分割法、聚類分割法等[6,7]，其中，區域分割算法原理簡單直觀，可以進行串行計算，對于較均勻的聯通目標分割效果較好，適合于輪廓比較明顯的地物提取。區域生長的基本思想是將具有相似性質的像素集合起來構成區域。先對每個需要分割的區域找一個種子像素作為生長的起點，然后將重點像素周圍鄰域中與種子像素有相同或相似性質的像素合并到種子像素所在的區域中。將這些新像素當作新的種子像素繼續進行上面的過程，直到再沒有滿足條件的像素被包括進來。這樣一個區域就長成了。選取建筑物內一個種子點的灰度值，并以此為中心或中心集合與各領域像素灰度值作比較，將小于某一閾值T的像素合并起來并組成新的種子集合，當灰度差值發生劇烈變化時說明區域不能進一步擴張，檢測到了建筑物的邊界。一般情況下，建筑物形狀規則、輪廓明顯、相似度高，利用區域增長法具有較好的分割效果。

本文選取許昌市某區域的建筑物為實驗對象，如圖1所示。利用區域生長法分割建筑，初始種子點的選取非常重要。這里采取人為選取種子點的方法。區域生長的相似性準則選取為圖像的灰度值，其中相似的程度T=10，建筑物的提取結果如圖2。

圖1 建筑物圖

圖2 初步提取結果

2.2 數學形態學的開閉運算

圖2所示的建筑物里面有小的空洞，且邊緣是不光滑的偽邊緣，這里采取數學形態的處理方法得到光滑的建筑邊界。

設G為圖像集合，A、B、C、D為結構元素，A^為A關于原點的影像，數學形態學運算是用A對G進行操作。結構元素的原點可以包含在結構元素中，也可以不包含。定義的基本運算有腐蝕、膨脹、開和閉。基本的運算為（以結構元素A為例）：

式（2）表示用A對G膨脹得到的集合；式（3）表示用A對G腐蝕得到的集合；式（4）表示開運算，G先被A腐蝕，再被A膨脹；式（5）表示閉運算，G先被A膨脹，再被A腐蝕。

從幾何的角度看，膨脹是對圖像進行濾波處理，填充圖像空洞，對圖像進行“擴張”的行為。腐蝕則是對圖像進行濾波處理、分割圖像，消除不感興趣的區域。膨脹和腐蝕是一對偶操作，而開運算和閉運算也是一對關于集合及影響的偶操作。為得到合理的運算，本文經多次運算和對比，選取了合適的結構元素：

其中，A和C是方向上的一對結構元素，而B和D也是X、Y方向上的一對結構元素。對圖2所示的建筑物用A和C進行開運算，用B和D進行閉運算，得到如圖3所示的提取結果。

圖3 最終提取結果

2.3 批量貼圖

經過區域生長法的圖像分割和形態學的開閉運算后，得到可以直接用于和DLG模型進行匹配的建筑物紋理，經過運算得到大量的建筑物頂面紋理，而DLG模型想要搜索紋理進行，就必須賦予每個建筑物紋理一個記錄索引的屬性，用以表明建筑物紋理與DLG模型的對應關系（如圖4）。索引信息使用坐標的對應關系，生成的紋理文件使用對應要素外框最大坐標“x-y” 進行命名（如表1），在3D Max 中讀取每個頂面的坐標信息，與紋理文件命名一致的，判斷為相對應的頂部貼圖，自動貼在模型頂面上，從而完成一定區域內的紋理圖形的映射。

圖4 索引信息的建立

表1 影像坐標命名

3 實驗分析

本文以Windows XP為平臺，以Python腳本語言為開發工具，對許昌市某區域的數據進行處理，對DOM影像的裁切與DLG數字模型的匹配進行實驗。其中，實現了快速的影像分割，在3D Max平臺上建立了材質庫，并使用Python腳本語言實現影像和模型的信息索引。以下是信息索引的部分代碼：

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)

通過影像信息的索引實現了建筑物頂部紋理的自動映射。在圖5所示的模型中，能看到利用傳統建模方法得到的模型，不具備真實特性。而利用DOM影像裁切的自動化建模方法，可以實現批量及自動化，得到的模型紋理較為真實。

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為幾何建模和紋理建模[1,2]，在建筑物紋理映射中主要包括建筑物的頂部紋理映射和立面紋理映射。傳統的頂面紋理映射大多采取手工貼圖的方式，但隨著建模范圍的擴大，用Photoshop等繪圖軟件對DOM進行手工裁切，然后利用3D Max等三維平臺進行貼圖，工作量巨大，費時費力。很多研究人員力圖采用其他方法來快速獲取建筑物紋理，其中包括近些年發展起來的機載LiDAR技術。Alharthy等利用多次回波信息對LiDAR數據進行提??；黃先鋒提出逐步剔除非建筑物點的方法[3-5]。但是這些方法對點云的密度要求高，數據處理量龐大。還有一些學者采用低空傾斜攝影測量的方法構建模型，但是生成的模型不夠精細，不能體現細節。本文提出一種基于DOM的頂部紋理自動匹配機制，將真實的正射影像映射到建筑物模型上，可有效解決快速建模中紋理映射問題。

2014-04-18。

項目來源：國家自然科學基金資助項目（41001226）。