基于資源三號影像的建筑物高度信息提取方法

趙志明， 周小成， 付乾坤， 汪小欽

(1.福州大學福建省空間信息工程研究中心,福州 350002；2.空間數據挖掘與信息共享教育部重點實驗室，福州 350002)

基于資源三號影像的建筑物高度信息提取方法

趙志明1,2， 周小成1,2， 付乾坤1,2， 汪小欽1,2

(1.福州大學福建省空間信息工程研究中心,福州 350002；2.空間數據挖掘與信息共享教育部重點實驗室，福州 350002)

建筑物高度信息的獲取是高分辨率遙感影像信息提取研究中的熱點問題之一。該文提出了一套結合面向對象分類方法的建筑物高度反演技術方法。首先，利用建筑物和陰影的形態學指數，通過面向對象分類方法提取建筑物輪廓和陰影信息；然后，采用相交線平均法計算陰影長度；最后，根據陰影長度和建筑物高度的幾何關系模型計算建筑物高度。采用西安市的國產資源三號(ZY-3)衛星遙感數據進行提取試驗，通過171棟建筑物的實際測量高度對結果進行驗證，獲得了91.23%的總體精度，顯示出該方法在建筑物高度信息提取研究方面具有一定的現實意義。

資源三號(ZY-3)；形態學建筑物指數；形態學陰影指數；面向對象分類；建筑物高度；陰影長度

0 引言

利用高分辨率遙感影像提取建筑物信息是遙感數據智能解譯的重要工作內容之一，可以為城市建設規劃、常規地圖制作、城區分析、地籍制圖等高精度城市范圍內的應用提供可靠資料[1]。城區高分辨率遙感影像中建筑物和道路占了影像內容的80%左右。建筑物作為城區影像地物類別中的主要內容，其信息提取對充分利用和挖掘影像信息有著重要意義[2]。

城市建筑區高度信息作為建筑物信息的主要內容，對城市人口估算、監測違章建筑及城市三維建模等至關重要。目前建筑物高度提取的傳統方法主要有：地形圖結合建筑物設計圖紙或GIS數據庫的方法、利用GPS及全站儀等儀器野外測量的方法、利用航空影像立體像對獲取建筑物高度的方法。雖然這些方法技術上很成熟，但是數據獲取成本高且費時費力，數據處理復雜，不適用于大范圍城市建筑物高度信息的提取[3]。隨著高分辨率衛星遙感影像的出現，影像中的陰影信息更加豐富，采用一定的方法對陰影進行提取，并根據陰影成像的幾何關系模型計算建筑物高度的方法已發展成為建筑物高度提取的主流[4]。但是這種方法目前存在的主要問題是陰影輪廓提取和陰影長度計算。陰影輪廓提取的準確度和陰影長度計算的精度影響著建筑物高度反演結果的精度，并且還限制大范圍城市建筑物高度信息提取的廣泛應用性。主要因為這些研究方法不能充分有效地利用高分辨率遙感影像包含的信息，使提取效率和精度很難滿足要求。針對高分辨率目標識別問題，面向對象分類方法為高分辨率遙感影像信息的快速提取提供了新途徑[5]。

本文使用西安市國產高分辨率資源三號(ZY-3)影像數據，經過傳統的遙感影像預處理后，構建形態學建筑物指數(morphological building index，MBI)和陰影指數(morphological shadow index，MSI)，并結合多尺度優化分割和面向對象分類技術提取高分辨率遙感影像建筑物及其陰影輪廓；在此基礎上，采用一種易操作、高效率、高精度的方法計算建筑物陰影長度，并建立建筑物高度與其陰影成像的幾何關系模型，結合太陽和衛星的方位角、高度角反演建筑物高度信息；最后，利用傳統方法測量的研究區建筑物高度數據對該方法提取的建筑物高度信息進行精度評價，取得了較好的應用效果。

1 技術方法

根據研究目的和數據源情況，本文研究所建立的技術流程如圖1所示。主要包括構建形態學建筑物和陰影指數、建筑物和陰影輪廓提取以及建筑物高度反演3個部分。

圖1 技術流程圖Fig.1 Flow chart of technique

1.1 形態學建筑物指數和陰影指數

MBI和MSI是最近發展起來的在高分辨率遙感影像上自動顯示建筑物及其陰影的方法。其基本思想是在建筑物光譜-結構特征和形態學算子之間建立一定關系。陰影在空間上與建筑物是很鄰近的，可以將建筑物到陰影的距離作為影像上提取建筑物的一種空間約束條件。構建MBI和MSI要考慮亮度、局部對比度、尺寸、方向性以及形狀等方面因子的影響。建筑物光譜-結構特征(對比度、尺寸及方向性等)由一系列線性結構元素重構的頂帽微分形態特征表示，以表現結構的明暗局部對比[6-8]。

Huang和Zhang[6]提出的應用改良算法構建MBI和MSI的基本運算過程是：首先，計算亮度，即計算多光譜影像中每個像素的最大灰度值；其次，對灰度圖像進行開、閉運算，實現形態學中的白、黑帽變換；然后，根據線性結構元素長度的取值，構建微分形態學剖面(differential morphological profile,DMP)；最后，求DMP的平均值，構建MBI和MSI。MBI和MSI作為建筑物和陰影提取的關鍵特征，可以有效地減少錯分誤差，同時又不增加遺漏誤差。

1.2 建筑物和陰影的提取

利用面向對象分類技術對高分辨率遙感影像的建筑物和陰影進行提取。首先，使用一定的分割算法對遙感影像進行最優尺度分割，將影像分割成內部同質性較好、局部異質性較大的影像對象。然后，利用影像對象的特征屬性，結合建筑物及陰影指數選擇一定范圍內的閾值，并對影像進行分類，從而提取出建筑物和陰影類別[9-11]。

1.2.1多尺度影像的分割

采用基于區域生長的多尺度分割算法進行影像分割，使分割形成的影像對象平均異質性在局部得到最小化。多尺度影像分割從任一像元開始，采用自下而上的區域合并算法形成特征基元，小的對象經過多步驟合并形成大的對象。對象是否合并的判斷標準是相鄰對象的異質性。當異質性超過設定閾值時，停止合并。異質性主要考慮對象的光譜異質性和形狀異質性。形狀異質性用光滑度和緊致度來衡量[12]。在該算法中，異質性閾值越大，最終得到的圖像對象越大，因此可以將這種閾值看成是尺度。對于高分辨率遙感影像使用單一尺度進行分割就會出現過分割或欠分割的現象。多尺度影像分割是采用不同尺度參數對影像進行分割，產生多個影像對象圖層，最后根據分割的效果選擇最優尺度分割的對象圖層[13-14]。

1.2.2特征提取

影像分割后形成了具有同質斑塊的對象層，與此同時影像對象具有了光譜、形狀、紋理及層次結構等特征。通過分析歸一化差值植被指數(normalized difference vegetation index，NDVI)、歸一化水體指數(normalized water index，NDWI)、MBI和MSI，選擇最優特征及閾值來提取目標對象。

首先，使用NDVI把研究區遙感影像分為植被區和非植被區；然后，在非植被區利用NDWI和對象的亮度值特征提取水體；最后，利用MSI和亮度特征在非植被區提取陰影[15]。

在建筑物陰影提取的基礎上，創建建筑物的類描述并選擇使用MBI、面積、亮度及類間距離等特征。依據上述特征規則人工交互式地選定閾值，并采并用決策樹分析方法進行建筑物提取。根據選定的對象特征及其閾值，按照對象提取的先后順序提取出陰影和建筑物。

1.3 建筑物高度的反演

1.3.1陰影長度的計算

陰影長度計算是利用陰影反演建筑物高度的關鍵，陰影長度計算的精度直接影響著建筑物高度估算的準確性。為了提高陰影長度計算的精度，本文采用一種易行高效的計算方法：①利用類似創建魚網的算法創建線狀圖層，保證線狀要素與太陽方向(可根據影像拍攝時太陽方位角獲得)一致且每2個線狀要素間隔1個像元；②裁剪出線狀圖層與影像提取出的陰影輪廓面狀圖層相重疊的局部線狀要素，使每簇局部線狀要素完全與相應的陰影輪廓相吻合；③采用像元個數乘以影像分辨率的方法[16]，計算每個陰影的局部線狀要素的長度；④運用算法找出每一個陰影的局部線狀要素長度的眾數，去除無效值，求出平均值。

1.3.2建筑物高度的提取

遙感影像上的建筑物陰影是一種特殊的噪聲，它提供了關于建筑物、太陽及衛星之間的幾何關系信息。為了簡化計算，假設建筑物處于平原地帶、無地形因素的干擾且建筑物結構比較簡單，而且垂直地表。遙感影像成像時，CCD傳感器進行逐行逐像元掃描，在整個掃描過程中，由于成像時間很短，每景影像的范圍很小，且由于我國處于中緯度，所以可以認為每個像元的太陽高度角和方位角，衛星高度角和方位角與影像中心像元一致[3]

當太陽和衛星在建筑物同側時，太陽高度角和方位角、衛星高度角和方位角與建筑物高度、陰影的幾何關系如圖2所示。

圖2 太陽和衛星高度角、方位角與建筑物陰影之間的關系Fig.2 Relationship between building’s shadow and the azimuth, zenith of satellite and sun

(1)

整理得，建筑物高度H為

(2)令

(3)

則，化簡后得建筑物高度H為

H=KL。

(4)

由于在影像預處理過程中對原始遙感影像進行了正射糾正，可認為太陽方位角與衛星方位角相等，即消除了太陽方位角和衛星方位角的影響，進一步簡化計算建筑物高度H的系數K，即

K=tan-1β-tan-1α。

(5)

當太陽和衛星在建筑物的異側或者衛星拍攝的遙感影像為正視影像時，建筑物房頂角點M的陰影在影像上的投影位置點M′和在影像上成像的位置M″也分別位于建筑物的兩側。此時，建筑物房頂角點在影像上的成像對建筑物陰影沒有影響，即可認為M″點與O點完全重合。那么，這種情況下建筑物高度H的計算公式進一步簡化為

H=Ltanβ。

(6)

因此，從理論上講，只要知道太陽和衛星的高度角、方位角以及影像上的建筑物房頂角點及其陰影的距離，就可以計算出建筑物的高度。

2 實驗分析

為驗證本文所提出方法的有效性，利用西安市區ZY-3全色正視影像和多光譜影像作為數據源進行試驗分析。ZY-3全色正視影像空間分辨率2.1m，數據處理過程中不需要做正射糾正。

研究區全色遙感影像大小為682像素×896像素，如圖3(a)所示。從構建的形態學建筑物指數特征圖像(圖3(b))上可以清楚地看出，建筑物區域影像變得很亮，而非建筑物區域影像變得很暗，增強了建筑物與其周圍區域影像的異質性；同樣地，構建的形態學陰影指數特征圖像(圖3(c))上陰影區域影像變得很亮，而非陰影區域影像變得很暗，也達到了增強陰影與其周圍區域影像異質性的目的。

(a) 研究區全色影像(上)(b) 形態學建筑物指數特征圖(c) 形態學陰影指數特征圖像(上)及其放大影像(下) 像(上)及其放大影像(下)及其放大影像(下)

圖3 研究區全色影像、形態學建筑物和陰影指數特征圖像

Fig.3 Panchromatic image of study area，feature image of morphological building and shadow index

本實驗運用多尺度分割算法對影像進行了分割，經過反復的實驗對比，最終采用的分割參數如表1所示。

表1 多尺度分割參數Tab.1 Multi-scale segmentation parameters

分割形成最理想的對象層后，用面向對象分類方法提取建筑物及陰影的輪廓信息，使用的特征及其閾值分別如表2所示。

表2 特征提取及其閾值Tab.2 Feature extraction and its thresholds

①Dshadow為陰影的距離特征；Brightness為亮度值。

實驗結果如圖4所示。

(a) 陰影輪廓(b) 建筑物輪廓 (c) 建筑物高度(d) 建筑物三維顯示結果

圖4 實驗結果

Fig.4 Experimental results

從圖4可以看出，位于研究區中間部分的別墅群沒有提取出陰影，這與ZY-3衛星影像的空間分辨率有關。別墅建筑物高度(小于12 m)一般在2 m左右空間分辨率的影像上產生的陰影表現約為1個像元，因此很難從影像上提取出來。

本次實驗在研究區中提取了帶有陰影的171棟建筑物高度，將利用全站儀實地測量獲得的建筑物高度信息作為驗證數據，對比本實驗方法計算的建筑物高度結果，統計如表3所示。

表3 建筑物高度提取精度和提取誤差統計Tab.3 Precision and error statistics of building height extraction

從表3可以看出，建筑物高度提取平均誤差為正，且提取結果比較偏大的基本上都是高層建筑物。這是由于當衛星和太陽分別在建筑物兩側時，建筑物陰影在遙感影像上表現為低亮度值，比較容易識別。但此時建筑物“陰影”表現在影像上低亮度值區域并非實際意義上的建筑物陰影，即建筑物的落影，它還包括了建筑物的本影(背光墻面)在內。由于在計算高層建筑物高度信息時摻入了建筑物本影的影響，因而導致反演結果大多偏大。

雖然從表3看到最小誤差與最大誤差相差較大，但誤差分布在5.7～18.36 m區間的建筑物個數為15，且誤差越大的點就是表示離擬合線越遠的點。一方面，從圖5可清楚看到誤差較大的點大多位于建筑物高度較大的位置且數量極少，大部分點都很接近擬合線，建筑物測量高度與計算高度的相關系數為0.958 3，說明二者有很好的線性相關性；另一方面，由表3可得，對于樣本數171棟建筑物求得的誤差絕對值的平均值為3.19 m，平均相對誤差7.03%，這都正好肯定了本研究方法的穩定性和可靠性。因此對于空間分辨率在2 m左右的衛星遙感數據，按最小1個像元誤差計算，建筑物高度提取的臨界誤差為±5.7 m，即高度提取精度為±5.7 m。根據表3的統計可以得到建筑物高度提取精度為91.23%，這對于較大范圍城市建筑物高度提取具有一定的參考價值。

圖5 研究區建筑物高度散點圖Fig.5 Scatter diagram of building height in the study area

3 結論

1)本文基于ZY-3衛星影像進行城市建筑物高度提取，利用形態學建筑物-陰影指數作為關鍵特征，應用多尺度優化分割和面向對象分類技術提取建筑物及其陰影，并提出一種計算建筑物陰影長度的高效率、高精度的方法。相對于已有的建筑物信息提取方法，本研究系統地給出陰影長度計算和利用陰影提取建筑高度信息的基本過程。該方法具有操作簡單靈活、快捷高效及提取精度較高等優勢。

2)ZY-3衛星影像適用于中高層及高層建筑物的高度信息提取。對于高度小于12 m的低層建筑物，其高度難以反演；對于超高層建筑物(大于100 m)，由于受到本影的影響比較大，反演出的建筑物高度往往比真實值偏大。下一步工作是要把本研究方法推廣至其他衛星遙感數據，并對應用結果進行對比。

3)隨著遙感影像分辨率的提高，該方法具有應用于更大范圍城市建筑物信息提取和變化檢測的前景。實現半自動、甚至全自動地計算陰影長度以及把陰影信息附加給相關建筑物的技術，對于城市大范圍建筑物高度信息提取至關重要，這方面還需要做進一步研究。

[1] 趙銀娣,王信信,白楊.結合形態學重建的高分辨率遙感圖像建筑物提取[J].測繪通報,2012(s1):253-254. Zhao Y D,Wang X X,Bai Y.High resolution remote sensing image building extraction in combination with morphological reconstruction[J].Bulletin of Surveying and Mapping,2012(s1):253-254.[2] 張波,王超,張紅,等.SAR影像建筑物提取與高度反演研究綜述[J].遙感技術與應用,2012,27(4):496-503. Zhang B,Wang C,Zhang H,et al.A review on building extraction and reconstruction from SAR image[J].Remote Sensing Technology and Application,2012,27(4):496-503.

[3] 王京衛,郭秋英,鄭國強.基于單張遙感影像的城市建筑物高度提取研究[J].測繪通報,2012(4):15-17. Wang J W,Guo Q Y,Zheng G Q.Research on urban building height extraction from single satellite image[J].Bulletin of Surveying and Mapping,2012(4):15-17.

[4] Dahiya S,Garg P K,Jat M K,et al.Object oriented approach for building extraction from high resolution satellite images[C]//2013 IEEE 3rd International Advance Computing Conference.Ghaziabad:IEEE,2013:1300-1305.

[5] Licciardi G A,Villa A,Dalla M M,et al.Retrieval of the height of buildings from WorldView-2 multi-angular imagery using attribute filters and geometric invariant moments[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(1):71-79.

[6] Huang X,Zhang L P.A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery[J].Photogrammetric Engineering and Remote Sensing,2011,77(7):721-732.

[7] Huang X,Zhang L.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.

[8] 王永剛,馬彩霞,劉慧平.基于數學形態學的建筑物輪廓信息提取[J].國土資源遙感,2010,22(1):49-54.doi:10.6046/gtzyyg.2010.01.08. Wang Y G,Ma C X,Liu H P.Building outline information extraction based on mathematical morphology[J].Remote Sensing for Land and Resources,2010,22(1):49-54.doi:10.6046/gtzyyg.2010.01.08.

[9] Luan Q Z,Ye C H,Long J.Review of buildings information extraction based on single high-resolution remote sensing images[C]//2010 3rd International Congress on Image and Signal Processing.Yantai:IEEE,2010:2245-2250.

[10]Benarchid O,Raissouni N,Adib S E,et al.Building extraction using object-based classification and shadow information in very high resolution multispectral images[J].Canadian Journal on Image Processing and Computer Vision,2013,4(1):1-8.

[11]Byun Y G,Han Y K,Chea T B.A multispectral image segmentation approach for object-based image classification of high resolution satellite imagery[J].KSCE Journal of Civil Engineering,2013,17(2):486-497.

[12]周小成,汪小欽,駱劍承,等.結合對象關系特征的高分辨率衛星影像建筑物識別方法[J].國土資源遙感,2008,20(4):27-31.doi:10.6046/gtzyyg.2008.04.07. Zhou X C,Wang X Q,Luo J C,et al.The method for extraction of buildings from high resolution satellite images in association with relevant features of object[J].Remote Sensing for Land and Resources,2008,20(4):27-31.doi:10.6046/gtzyyg.2008.04.07.

[13]張立民,張建廷,徐濤.基于對象的最優尺度建筑物信息提取方法[J].計算機應用研究,2012,29(12):4789-4792. Zhang L M,Zhang J T,Xu T.Object-based building extraction with optimal image segmentation scales[J].Application Research of Computers,2012,29(12):4789-4792.

[14]王愛萍,王樹根,吳會征.利用分層聚合進行高分辨率遙感影像多尺度分割[J].武漢大學學報:信息科學版,2009,34(9):1055-1058. Wang A P,Wang S G,Wu H Z.Multiscale segmentation of high resolution satellite imagery by hierarchical aggregation[J].Geomatics and Information Science of Wuhan University,2009,34(9):1055-1058.

[15]Liu W,Yamazaki F.Object-based shadow extraction and correction of high-resolution optical satellite images[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2012,5(4):1296-1302.

[16]田新光,張繼賢,張永紅.利用QuickBird影像的陰影提取建筑物高度[J].測繪科學,2008,33(2):88-89,77. Tian X G,Zhang J X,Zhang Y H.Extraction of heights of buildings in city from shadows in QuickBird image[J].Science of Surveying and Mapping,2008,33(2):88-89,77.

(責任編輯：邢宇)

Method for extraction of building height information based on ZY-3 image

ZHAO Zhiming1,2， ZHOU Xiaocheng1,2， FU Qiankun1,2， WANG Xiaoqin1,2

(1.SpatialInformationResearchCenterofFujianProvince,FuzhouUniversity，Fuzhou350002，China; 2.KeyLaboratoryofSpatialDateMiningandInformationSharingofMinistryofEducation，Fuzhou350002,China)

The extraction of the information of building height from the high-resolution remote sensing image is a hot research topic in the study of the information extraction. This paper proposes a set of building height inversion techniques in combination with the object-oriented classification method. First of all, through the object-oriented classification method, the building outline and shadow information are extracted by using morphological building and shadow indices; and then, the intersection line average method is employed to calculate the length of the shadow; finally, the height of building is calculated according to the geometric relation model between the shadow length and the building height. The proposed method was validated on domestic ZY-3 satellite remote sensing data of Xi’an City, and the overall accuracy of 91.23% was obtained by verifying the result using the actual measuring height of 171 buildings. The results achieved by the authors have a certain practical significance for the study of building height information extraction.

ZY-3；morphological building index；morphological shadow index；object-oriented classification；building height；shadow length

2014-04-17；

2014-08-14

國家自然科學青年基金項目“結合互信息和遺傳算法特征選擇的多層次面向對象影像分類”(編號：41201427)資助。

10.6046/gtzyyg.2015.03.04

趙志明，周小成，付乾坤,等.基于資源三號影像的建筑物高度信息提取方法[J].國土資源遙感,2015,27(3):19-24.(Zhao Z M，Zhou X C，Fu Q K,et al.Method for extraction of building height information based on ZY-3 image[J].Remote Sensing for Land and Resources,2015,27(3):19-24.)

TP 75

A

1001-070X(2015)03-0019-06

趙志明(1988-)，男，碩士研究生，主要研究方向為遙感信息處理與應用。Email：zzming2014@163.com。

周小成(1977-)，男，副研究員，碩士生導師，主要研究方向為高分辨率遙感信息提取。Email: zhouxc@fzu.edu.cn。