【正文】 間中的點(diǎn)對(duì)應(yīng)新參數(shù)空間中的一條正弦曲線，原來的點(diǎn)一直線對(duì)偶性變成了點(diǎn)—正弦曲線對(duì)偶性。此時(shí)，檢測(cè)在圖像空間中共線的點(diǎn)需要在參數(shù)空間里檢測(cè)正弦曲線的交點(diǎn)，即讓取遍軸上所有可能的值，并根據(jù)式(424)計(jì)算出對(duì)應(yīng)的。根據(jù)二者的值完成對(duì)二維累加數(shù)組的的累加。不論直線的斜率如何變化，和都是在有限的范圍內(nèi)取值。由于每條直線在結(jié)果圖中的正負(fù)半平面各出現(xiàn)一次，因此只需在正半平面取值。經(jīng)典Hough變換在極坐標(biāo)下的算法描述：(1) 讀入二值邊緣圖像(2) 初始化累加矩陣(3) 設(shè)置尺度系數(shù)，以控制累加矩陣的大小。(4) 對(duì)于每一個(gè)邊緣像素點(diǎn)，代入下式計(jì)算下列參數(shù)： (5) 根據(jù)所得參數(shù)，經(jīng)過對(duì)的處理，如取整或根據(jù)事先設(shè)定的尺度系數(shù)，完成對(duì)累加矩陣的累加運(yùn)算： Hough變換最大優(yōu)點(diǎn)是抗噪聲能力強(qiáng)，在較低的信噪比條件下，對(duì)能夠?qū)懗鰯?shù)學(xué)表達(dá)式的直線或曲線均可檢測(cè)到。它的缺點(diǎn)是：需要先作圖像二值化及邊緣檢測(cè)（或是細(xì)化）等圖像處理操作，導(dǎo)致原始圖像許多信息將損失。并且會(huì)產(chǎn)生過度連接的問題，不但提高了時(shí)間復(fù)雜度，而且產(chǎn)生的虛假線段對(duì)目標(biāo)直線段的提取造成了干擾。 經(jīng)典Hough變換實(shí)驗(yàn)結(jié)果 圖412 哈佛大學(xué)建筑群圖像圖413 建筑群圖像Hough變換 圖414 西安石油大學(xué)新校區(qū)圖像圖415 新校區(qū)圖像Hough變換圖像中的直線段提取結(jié)果如上圖所示，將直線段連接后可大致描繪出建筑物輪廓。由上圖實(shí)驗(yàn)結(jié)果可以看出，經(jīng)典Hough變換容易導(dǎo)致原始圖像許多信息損失。并且會(huì)產(chǎn)生過度連接的問題，不但提高了時(shí)間復(fù)雜度，而且產(chǎn)生的虛假線段對(duì)目標(biāo)直線段的提取造成了干擾。 本章小結(jié)本章提出了基于邊緣特征的建筑物輪廓提取算法，首先對(duì)邊緣檢測(cè)技術(shù)進(jìn)行了介紹，包括邊緣的分析以及關(guān)于梯度的概念。并介紹了常用的邊緣檢測(cè)算子，進(jìn)行編程實(shí)現(xiàn)后通過比較發(fā)現(xiàn)Canny算子在抑制噪聲和邊緣提取方面效果都比較理想，在加入噪聲的圖像中進(jìn)行試驗(yàn)，Canny 算子的這一性能更能容易體現(xiàn)出來，而且得到的邊緣較清晰，連續(xù)性好。因此采用Canny算子進(jìn)行隨后的直線段提取。在第三節(jié)中介紹了經(jīng)典Hough變換算法并編程實(shí)現(xiàn)。并由實(shí)驗(yàn)結(jié)果得出，經(jīng)典Hough變換容易導(dǎo)致原始圖像許多信息損失。并且會(huì)產(chǎn)生過度連接的問題，不但提高了時(shí)間復(fù)雜度，而且產(chǎn)生的虛假線段對(duì)目標(biāo)直線段的提取造成了干擾。該種方法仍需要改進(jìn)。5 總結(jié)與展望 總結(jié)本文針對(duì)高分辨率衛(wèi)星圖像中建筑物輪廓提取技術(shù)做了系統(tǒng)的研究，包括研究背景介紹、國(guó)內(nèi)外研究現(xiàn)狀、圖像預(yù)處理技術(shù)、邊緣輪廓提取技術(shù)，并設(shè)計(jì)實(shí)現(xiàn)了不同復(fù)雜場(chǎng)景圖像中建筑物區(qū)域提取的處理算法。在“緒論”部分，系統(tǒng)的總結(jié)了建筑物圖像識(shí)別的研究背景與研究意義，并針對(duì)國(guó)內(nèi)外的研究現(xiàn)狀提出了自己的研究思路與研究方向。第二章從理論上介紹了建筑物圖像預(yù)處理，包括建筑物的特征分析與常用的圖像增強(qiáng)算法。包括灰度變換算法與直方圖變換算法，并對(duì)兩種算法編程實(shí)現(xiàn)，對(duì)結(jié)果進(jìn)行分析，通過比較實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，采用線性灰度變換方法增強(qiáng)圖像對(duì)比度的效果較好，它能根據(jù)圖像內(nèi)容調(diào)整圖像的對(duì)比度，調(diào)整后灰度直方圖形狀變化不大。而直方圖均衡化不考慮圖像內(nèi)容只是將直方圖進(jìn)行均衡化處理，使直方圖均衡化后圖像看起來亮度過高。所以本文使用線性灰度變換增強(qiáng)圖像對(duì)比度。為下兩章的輪廓提取奠定了基礎(chǔ)。第三章中系統(tǒng)的研究了基于灰度特征的建筑物輪廓提取算法，首先對(duì)圖像進(jìn)行基于灰度的閾值分割后將圖像二值化，并通過二值數(shù)學(xué)形態(tài)學(xué)中的開啟與閉合運(yùn)算解決二值圖像中的孔洞填充問題。最后通過邊緣檢測(cè)提取建筑物的輪廓，實(shí)驗(yàn)發(fā)現(xiàn)這種算法具有較好的效果，但對(duì)有遮擋的建筑物的遮擋部分提取效果有待增強(qiáng)。第四章中系統(tǒng)的研究了基于邊緣特征的建筑物輪廓提取算法，首先對(duì)邊緣檢測(cè)技術(shù)進(jìn)行了介紹，包括邊緣的分析以及關(guān)于梯度的概念。并介紹了常用的邊緣檢測(cè)算子，進(jìn)行編程實(shí)現(xiàn)后通過比較發(fā)現(xiàn)Canny算子在抑制噪聲和邊緣提取方面效果都比較理想，在加入噪聲的圖像中進(jìn)行試驗(yàn)，Canny 算子的這一性能更能容易體現(xiàn)出來，而且得到的邊緣較清晰，連續(xù)性好。因此采用Canny算子進(jìn)行隨后的直線段提取。在第三節(jié)中介紹了經(jīng)典Hough變換算法并編程實(shí)現(xiàn)。在通過兩種方法進(jìn)行建筑物的識(shí)別與輪廓提取后，發(fā)現(xiàn)基于灰度特征的建筑物輪廓提取算法效果較好，而基于邊緣特征的算法容易導(dǎo)致原始圖像許多信息損失。并且會(huì)產(chǎn)生過度連接的問題，不但提高了時(shí)間復(fù)雜度，而且產(chǎn)生的虛假線段也對(duì)目標(biāo)直線段的提取造成了干擾。通過本文的研究發(fā)現(xiàn)，可以將基于灰度特征的建筑物提取與基于邊緣特征的建筑物提取兩種方法進(jìn)行融合，通過對(duì)提取后的圖像進(jìn)行單個(gè)像素點(diǎn)的相加，這樣既有了基于灰度特征提取的避免圖像中無(wú)關(guān)信息干擾的優(yōu)點(diǎn)，也具有了基于邊緣特征的直線提取的優(yōu)點(diǎn)。這可以作為今后的一個(gè)研究方向。 展望受到時(shí)間限制，本文只對(duì)部分類型建筑物的提取做了較為深入的研究，而且提出的方法也存在一些局限，離實(shí)用化還有很大的差距。今后將在以下幾個(gè)方面進(jìn)一步研究： (1)對(duì)更多類型的建筑物建立描述模型，如不同影像分辨率、不同場(chǎng)景的城市和鄉(xiāng)村建筑物，建筑物在這些不同情況下呈現(xiàn)不同的特征。尋找不同類型的建筑物有效的穩(wěn)定的提取方法。(2)建筑物的識(shí)別是進(jìn)行提取的關(guān)鍵，加強(qiáng)對(duì)對(duì)識(shí)別過程的研究。采用影像分割的方法提取建筑物是識(shí)別建筑物的發(fā)展方向，研究更加適合建筑物的影像分割算法有望更好的解決建筑物提取這一問題。(3)研究彩色圖像的邊緣檢測(cè)算法，以更多的利用光譜信息。將圖像分割與邊緣檢測(cè)結(jié)合起來，充分利用兩者的優(yōu)點(diǎn)?？傊獙?shí)現(xiàn)高分辨率圖像中地物的自動(dòng)識(shí)別與精確提取還有很長(zhǎng)的路要走，充滿了困難和挑戰(zhàn)。隨著數(shù)學(xué)、計(jì)算機(jī)學(xué)、模式識(shí)別和人工智能等學(xué)科的發(fā)展和測(cè)繪學(xué)科自身的進(jìn)步，高分辨率圖像的分析和目標(biāo)提取識(shí)別的理論和應(yīng)用必將產(chǎn)生新的突破，遙感影像的分析和目標(biāo)自動(dòng)提取識(shí)別必將成為現(xiàn)實(shí)，從而為遙感應(yīng)用、GIS 數(shù)據(jù)的更新、GIS 的應(yīng)用、制圖自動(dòng)化等提供有利的條件。參考文獻(xiàn)[1] and , Detecting Buildings in Aerial Images[J], Computer Vision, Graphics and Image Processing, 41(2) ,Feb 1988:131152.[2] , , Methods for exploiting the relationship between building and their shadows in aerial imagery[J], IEEETrans. System,Man,(6)1989：5641575.[3] and , Building detection and description from a single intensity image[J], Computer Vision and Image Understanding 72(2),1998,101121.[4] 趙潔，[J].計(jì)算機(jī)技術(shù)與發(fā)展，2008，18(11):243246.[5] 李巍岳，胡志斌等. 利用邊緣檢測(cè)對(duì)高分辨率影像中建筑物的提取研究[J].遙感技術(shù)與應(yīng)用，2009，24（4）:502506.[6] 王大瑩,程新文等. 在MATLAB平臺(tái)下基于數(shù)學(xué)形態(tài)學(xué)對(duì)LIDAR數(shù)據(jù)進(jìn)行建筑物邊緣提取[J].測(cè)繪科學(xué)，2010，35（1）:172173.[7] 王永剛,[J].國(guó)土資源遙感，2010(1):4953.[8] 王波，[J].城市勘測(cè)，2011(2):112114.[9] 趙月云,[J].城市勘測(cè),2012(2):120125.[10] 趙國(guó)慶，[J].水利工程與建筑工程學(xué)報(bào),2012,10(1):105108.[11] [J].科學(xué)出版社,2001.[12] K. Ramar, S. Arumugam, Enhancement of Noisy and Blurred Images: Fuzzy Operator Approach. Advances in Modeling and Analysis[M],1999,(1):4960.[13] 章毓晉. 圖像工程上冊(cè): 圖像處理和分析[M]. 北京: 清華大學(xué)出版社, 2003. 8797.[14] N. Otsu, A threshold selection method from graylevel histogram[J], IEEE Transactions on System Man Cybernetics,1979,9(1):6266.[15] 王強(qiáng),馬利莊. 圖像二值化時(shí)圖像特征的保留[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2000,746750.[16] 章毓晉. 圖像工程中冊(cè): 圖像處理和分析[M]. 北京: 清華大學(xué)出版社, 2005. 368398.[17] 陳光，遙感圖像中建筑物識(shí)別與變化檢測(cè). 南京理工大學(xué)碩士學(xué)位論文，2005.[18] 秦襄陪，鄭賢中等. Matlab圖像處理寶典[M]. 北京: 電子工業(yè)出版社，.[19] HOHN CANNY , MEMBER IEEE canny_A Computational Approach to Edge Detection[J]. Pattern Analysis and Machine Intelligence,1986,8:679698.[20] 周俊等，基于區(qū)域分割合并的建筑物半自動(dòng)提取方法[J]. 海洋測(cè)繪,2004,1：5860.[21] Milan S onka,Vacalav Hlavac,Roger Boyle Image Processing, Analysis, and Machine Vision[M], 人民郵電出版社，2002,7590.[22] 孫亞兵. 城市CCD圖像關(guān)鍵目標(biāo)區(qū)域提取相關(guān)技術(shù)研究. 中國(guó)海洋大學(xué)碩士學(xué)位論文，2008.[23] R. Nevatia, K. Price. Locating Structures in Aerial Images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1982,4(5):476484.[24] ,R. Weiss. TokenBased Extraction of Straight Lines[J]. IEEE Transactions on System, Man Cybernetics,1989,19(7):15811594.[25] J. Burns, A. Hanson. Extraction Straight Lines[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1986,8(4):425455.[26] . Method and means for recognizing plex patterns[M]. ., patent, .[27] 章毓晉. 圖像工程中冊(cè): 圖像處理和分析[M]. 北京: 清華大學(xué)出版社, 2005. 107115.致謝四年的讀書生活在這個(gè)季節(jié)即將劃上一個(gè)句號(hào)，而于我的人生卻只是一個(gè)逗號(hào)，我將面對(duì)又一次征程的開始。四年的求學(xué)生涯在師長(zhǎng)、親友的大力支持下，走得辛苦卻也收獲滿囊，在論文即將付梓之際，思緒萬(wàn)千，心情久久不能平靜。 偉人、名人為我所崇拜，可是我更急切地要把我的敬意和贊美獻(xiàn)給一位平凡的人，我的畢業(yè)論文指導(dǎo)老師朱冰老師。我不是您最出色的學(xué)生，而您卻是我最尊敬的老師。您治學(xué)嚴(yán)謹(jǐn)，學(xué)識(shí)淵博，思想深邃，視野雄闊，為我營(yíng)造了一種良好的精神氛圍。授人以魚不如授人以漁，置身其間，耳濡目染，潛移默化，使我不僅接受了全新的思想觀念，樹立了宏偉的學(xué)術(shù)目標(biāo)，領(lǐng)會(huì)了基本的思考方式，從論文題目的選定到論文寫作的指導(dǎo),經(jīng)由您悉心的點(diǎn)撥,再經(jīng)思考后的領(lǐng)悟,常常讓我有“山重水復(fù)疑無(wú)路,柳暗花明又一村”。感謝我的爸爸媽媽，焉得諼草，言樹之背；養(yǎng)育之恩，無(wú)以回報(bào)，你們永遠(yuǎn)健康快樂是我最大的心愿。在論文即將完成之際，我的心情無(wú)法平靜，從開始進(jìn)入課題到論文的順利完成，有多少可敬的師長(zhǎng)、同學(xué)、朋友給了我無(wú)言的幫助，在這里請(qǐng)接受我誠(chéng)摯謝意!同時(shí)也感謝學(xué)院為我提供良好的做畢業(yè)設(shè)計(jì)的環(huán)境。最后再一次感謝所有在畢業(yè)設(shè)計(jì)中曾經(jīng)幫助過我的良師益友和同學(xué)，以及在設(shè)計(jì)中被我引用或參考的論著的作者。 整理分享