EN中文

地球信息科学学报 >

2015 , Vol. 17 >Issue 8: 995 - 1000

DOI: https://doi.org/10.3724/SP.J.1047.2015.00995

无参数高分辨率遥感影像的建筑高度快速提取方法

  • 乔伟峰 , 1, 2, 3 ,
  • 刘彦随 , 1**, * ,
  • 项灵志 2 ,
  • 王亚华 2
展开
  • 1. 中国科学院地理科学与资源研究所,北京 100101
  • 2. 南京师范大学地理科学学院,南京 210023
  • 3. 江苏省地理信息资源开发与利用协同创新中心,南京 210023
*通讯作者：刘彦随(1965-),男,研究员,博导,主要从事土地利用和城乡发展研究。E-mail:

作者简介：乔伟峰(1975-),男,博士后,研究方向为土地遥感和GIS应用。E-mail:

收稿日期: 2014-10-22

  要求修回日期: 2014-11-18

  网络出版日期: 2015-08-05

基金资助

国家自然科学基金项目(41371172、41130748)

中国博士后科学基金项目(2014M561040)

江苏高校优势学科建设工程资助项目(164320H116)

收起

Research on Extracting Building Height Rapidly Based on High-resolution Remote Sensing Images Without Parameters

  • QIAO Weifeng , 1, 2, 3 ,
  • LIU Yansui , 1, * ,
  • XIANG Lingzhi 2 ,
  • WANG Yahua 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. School of Geography Science, Nanjing Normal University, Nanjing 210023, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
*Corresponding author: LIU Yansui, E-mail:

Received date: 2014-10-22

  Request revised date: 2014-11-18

  Online published: 2015-08-05

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

无参数高分辨率遥感影像快速提取建筑高度,在城市建设和土地管理中有重要的现实意义。当前的研究多以已知参数的遥感影像获取,但其提取方法受限制条件多。本文提出以无参数高分辨率遥感影像,综合利用单张影像上的特征点所构成的4类特征线换算建筑高度的方法。4类特征线包括屋顶位移点与其阴影点的连线、建筑高差引起的屋顶像点位移、阴影全长和建筑遮挡后的阴影长。通过已知的少量建筑的实际高度和推导出的4类特征线换算建筑高度的计算模型,可对大量建筑进行快速、精确地高度量算。结合南京市的Google Earth影像进行了验证,结果表明,该方法采用的影像易于获得,综合量算方法大大增加了单张影像上提取建筑高度的可操作性,并解决了量算建筑高度时无相关参数的问题。该方法精度较高,可大面积、快速提取建筑高度,在生产实践中有较大的实用价值。

关键词： 无参数影像; 特征线; 换算模型; 建筑高度; Google Earth

本文引用格式

乔伟峰 , 刘彦随 , 项灵志 , 王亚华 . 无参数高分辨率遥感影像的建筑高度快速提取方法[J]. 地球信息科学学报, 2015 , 17(8) : 995 -1000 . DOI: 10.3724/SP.J.1047.2015.00995

Abstract

There is a pressing need to extract building height rapidly based on high-resolution remote sensing images without parameters in the field of urban construction and land management. Current studies are mostly based on remote sensing images with parameters, however the images used for extraction are difficult to get, and current extraction methods have a lot of restrictions. In this paper, a new method is proposed with the use of four types of characteristic lines. The characteristic lines are comprehensively formed by the characteristic points on a single image, which is used to convert the building height based on high-resolution images without parameters. The four types of characteristic lines include: the connection line of the roof displacement point and roof shadow point, the displacement of the roof image point caused by the building height, the full-length shadow, the remaining length of the shadow excluding the part occluded by building. Four types of calculation model for acquiring building height based on the corresponding characteristic lines are deduced. According to the known heights of a small amount of constructions and using the four calculation models, the relevant parameters of remote sensing images can be derived conversely. Then, we can select the characteristic lines that are extracted most accurately on each building , and use the corresponding model to convert the building height. With the application of this method, a large number of building heights can be calculated quickly and accurately. The method is verified based on Google Earth image in Nanjing city and the results show: the images used in this approach are easy to acquire; the method of comprehensive measurement and calculation does not merely rely on the use of shadow lengths to calculate building height, so it significantly increases the practicality of extracting building height on a single image; it solves the issue that there is no related angle parameters of the sun and the satellite position when calculating the building height. Case study indicated that the precision of the proposed method is high, and it can extract the building height quickly in a large area. Generally, the method proposed in this paper has significant practical value in production applications.

Key words： image without parameters; characteristic line; calculation model; building height; Google Earth

1 引言

当前,世界城市化进程处在不断加速中[1],我国自20世纪90年代至21世纪以来,城市迅速扩张,城市规模达到人类有史以来的最大规模[2],并有继续扩张的趋势,城市规模的扩张伴随着城市建筑的增多和建筑高度的迅速增长。在城市建设、城市土地管理等领域,为支撑城市规划、设计、监测和评价等工作,需进行数字城市的建模,而建筑高度的测算是其重要内容之一[3]。在建筑高度的测算方法中,基于立体像对的方法已相对成熟,可利用立体测量法[4]、DEM模型[5]、几何光学成像模型[6-7]对建筑高度进行量算,但立体像对获取不易,提取过程复杂。因此,以单张影像的建筑高度提取方法成为当前研究的热点。国内外学者基于不同的影像数据和计算模型,对建筑高度提取方法做了大量的探讨[8-13],其中,利用成像姿态和共线方程求解建筑物高度[14-16]和利用阴影长度监测建筑物高度[17-24]是研究的主流。前者量测涉及到卫星和太阳高度角、方位角,以及与建筑物的几何关系、影像的摄影姿态等参数,一般需借助共线方程建立几何关系,最后完成建筑高度的解算;后者根据卫星、太阳的高度角等与阴影的几何关系求解建筑物高度。总的来说,建筑高度的量算中考虑的因素越来越多,量算精度也越来越高。但是,目前研究多以用单张高分辨率影像进行的局部区域内部分建筑高度提取试点。而在实际应用中,一是高分辨率影像不易获取,二是提取方法受限制条件多,不适宜进行大面积的建筑高度的快速、高精度提取,如利用阴影长度检测建筑高度时,阴影长度的准确获取受到诸多限制。因此,本文基于网络容易下载的无参数的高分辨率遥感影像,提出了综合运用建筑物投影和阴影的特征点、特征线段来测算建筑高度的方法,并在实际中进行了应用检验。

2 建筑高度快速提取的基本思路

构建城市三维模型,或是研究城市用地容积率和建筑密度等,需快速地对区域性的大量建筑物高度进行提取。本文提取建筑物高度的基本思路为：
（1）建筑实体反映在影像上包括建筑物的投影及其阴影。某一建筑在影像上存在几类特征点,特征点之间任意组合又可形成几类特征线;
（2）通过卫星成像模型分析,各类特征线长度和建筑高度之比总可通过某几个角的三角函数来表达,这几个角是卫星高度角、太阳高度角、卫星方位角、太阳方位角和建筑物立面交线阴影线与建筑物走向线之间的夹角;
（3）在同一景影像上,在拍摄或扫描的瞬间,我们认为卫星高度角、太阳高度角、卫星方位角、太阳方位角是常数;建筑物立面交线阴影线与建筑物走向线之间的夹角,随各建筑的走向线的不同而不同,但是,在经过配准的影像上,这个角度是可量算的;
（4）分析建筑高度与各类特征线长度之间的换算模型;同时,利用影像上已知的少量建筑的实际高度,及这些建筑实体上的可测特征线长度,反算二者之间的比例系数或拍摄瞬间的各角度参数;
（5）影像上的某一类特征线（如阴影长度）并不是总能方便准确地量测,但对一个未知高度建筑实体,一般总存在其他易于量取的特征线。只要某一类特征线能准确判读,即可运用相应的角度参数和转换模型换算成建筑高度。

3 基于特征线的城市建筑高度计算模型

为了简化计算,假定建筑物垂直于地球表面、建筑物的影子直接投影在地面和影子从建筑物的底部开始的条件成立,当太阳和卫星处于建筑物的同侧时,卫星成像如图1所示。
Fig. 1 Schematic diagram of satellite imaging

图1 卫星成像示意图

图1中MO为建筑的实际高度H,O点为建筑物顶面角点M点的垂直投影点,建筑立面MNPO在地面的投影为BEPO,其地面阴影为ADPO。A点是M点的阴影点,B点是M点在影像上的成像点位置,C点为MN在地面的投影BE和AO相交的点。卫星高度角 ω ＝ ∠ MBO ,太阳高度角 θ ＝ ∠ MAO ,卫星和太阳的方位角分别为α和γ,卫星和太阳的方位角交角是 ∠ BOA ＝ α - γ 。
图1中A、B、O、C点为特征点,可任意组合为AO、BO、AB、AC、BC、CO的6类特征线,通过结合影像分析,BC、CO在影像上很难量测,对此本文不予讨论。在剩余的4类特征线中,AO为阴影全长（l1）,BO为建筑高差引起的建筑顶面角点像点位移（l2）,AB为屋顶角点成像点与其阴影点的连线长（l3）,AC为建筑遮挡后的可见阴影长（l4）。根据4类特征线段分别推导建筑高度的计算模型。式（1）-（10）中,ω为卫星高度角,θ为太阳高度角,α为卫星方位角,γ为太阳方位角,δ为建筑物立面交线阴影线顺时针到建筑物走向线之间的夹角。
（1）利用阴影全长计算建筑物高度（式（1））：
H = AO × tanθ （1）
（2）以建筑高差引起的建筑顶面角点像点位移计算建筑物高度（式（2））：
H = BO × tanω （2）
（3）利用屋顶角点成像点与其阴影点的连线长计算建筑物高度（式（3））：
∠ ABO = α - γ （3）
由余弦定理可得：
A B 2 = A O 2 + B O 2 - 2 ⋅ AO ⋅ BO ⋅ cos ( α - γ ) = H 2 ( ctan θ 2 + ctan ω 2 - 2 ctanθ ⋅ ctanω ⋅ cos ( α - γ ) ) （4）
H = AB ctan θ 2 + ctan ω 2 - 2 ctanθ ⋅ ctanω ⋅ cos ( α - γ ) （5）
（4）利用建筑遮挡后的可见阴影长计算建筑物高度（式（6）、（7））：
∠ BCO = 180 ° - δ （6）
δ = ∠ CBO + ∠ BOC = ∠ CBO + α - γ （7）
由式（6）、（7）可得：
∠ CBO = δ - α + γ （8）
由正弦定理可得：
OC sin ∠ CBO = BO sin ∠ BCO （9）
求得建筑高度H为：
H = AC ⋅ sinδ sinδ tanθ - sin ( δ - α + γ ) tanω （10）
综上,已知l1,建筑高度仅和θ相关;已知l2,建筑高度仅和ω相关;已知l3,建筑高度和ω、θ、α、γ 4个角度相关;已知l4,建筑高度和ω、θ、α、γ、δ 5个角度相关。在高分辨率影像成像过程中,每景影像的范围很小,成像时间很短,而我国又处于中低纬度,所以,整景影像上每个像元的ω、θ、α、γ角度大小可认为相等,因此,式（1）、（2）和（5）可分别简写成式（11）-（13）。
H = l 1 × k 1 （11）
H = l 2 × k 2 （12）
H = l 3 × k 3 （13）
式中,k1,k2,k3为系数。即同一景影像上各个建筑的高度和其阴影全长、建筑高差引起的建筑顶面角点像点位移,以及屋顶角点成像点与其阴影点的连线长均成正比。
当太阳和卫星处于建筑物的异侧时,利用l1、l2和l3推导建筑高度的计算模型均与式（1）、（2）和（5）相同。因太阳和卫星处于建筑物的异侧,所以这时不存在建筑遮挡后的可见阴影长l4。

4 建筑高度的影像快速提取分析

4.1 影像获取及预处理

无参数高分辨率影像一般为图片影像,在各地图网站上可方便地下载。本文以Google Earth影像为例介绍处理流程。Google Earth是美国Google公司于2005年6月推出的全球地理信息系统搜索软件[25],其影像的数据来源是卫星影像与航拍数据的整合,其中,中国国内大、中城市的高分辨率影像主要来自于QuickBird影像和IKONOS影像,其最高空间分辨率分别为0.61 m和1 m。在很多地区,Google Earth还提供历史影像,可满足相关研究进行纵向比较分析或者数据补充工作的需求。但是,Google Earth上下载的影像没有波段信息,也无法获取拍摄时太阳、卫星的各角度参数。
无参数影像从Google Earth上下载后,由于其色彩质量不是很好,不利于特征点、线的提取,故必须利用图像处理软件调整亮度、对比度、色彩平衡等,对影像进行增强处理。图2是对南京新街口部分区域,进行增强处理后的效果比较图。完成增强处理后,利用地形图或正射影像图进行影像的配准,也可采用地面实测点坐标进行配准。配准后可生成直接用于特征点、线提取的底图。
Fig. 2 Comparison of graphs before and after applying the image enhancement

图2 影像增强处理前后对比图

4.2 特征点、线的提取分析

在高分辨率遥感影像上,受影像成像参数和地面复杂程度的影响,4类特征线段量取的难易和准确程度不一,为快速准确获取建筑实际高度,在影像上选择最易准确判读的特征点和特征线,然后以相应计算模型计算建筑高度,4类特征线段在影像上的提取实例如图3所示。4类特征线段的量取难易度分析如表1。
Tab. 1 Difficulty level analysis of characteristic line extractions

表1 特征线段提取难易度分析

特征线段种类 提取影响因素 提取难易度
l1 建筑密集区的建筑阴影易被周围建筑遮挡;当待测建筑物周围有水面和植被时,建筑物阴影和这些低灰度值区不易区分;当太阳和卫星处于建筑同侧时,阴影全长易被建筑本身的投影遮挡 阴影全长提取中问题较多,使用较少
l2 卫星高度角大于80°时屋顶像点位移不明显;当高层建筑下面有裙楼时,屋顶对应的地面点不易确定 提取较方便,使用较多
l3 阴影中的任意角点和与之匹配的屋顶角点成像点选择较方便 提取较方便,使用较多
l4 影响因素和l1提取相近 提取中问题较多,计算中涉及到δ角度,需另外量算,一般不使用
在实际操作过程中,主要对前3种方法进行综合选用,选择量取精度最高的线段进行建筑高度的换算。

4.3 建筑高度的计算

由于无参数影像无法直接获取ω、θ、α、γ等参数,可通过影像上的部分已知建筑高度利用式（1）、（2）反算θ和ω角度,α和γ角可通过在影像上量算图1中的BO和AO的方位角获得。实际操作中,也许某已知高度的建筑影像上的特征线恰好不清晰,因此,可能通过判读影像上的特征线,实测几个建筑高度,以利于角度参数和比例系数的推导。
通过4个角度值可利用式（1）、（2）和（5）和相应的特征线段长计算建筑高度;也可用式（11）、（12）和（13）,根据部分已知建筑高度求k1,k2,k3系数,再通过所量取的其余建筑的l1、l2或l3来计算建筑高度。
值得注意的是,建筑高度和l4不成正比,因此,如果用第4类特征线计算建筑高度,在先反推出ω、θ、α、γ的基础上,还需量算建筑的δ值后方可运用式（10）进行换算。
在Google Earth影像的应用中,实际量算应注意区分Google Earth上每景高分辨率影像的边界,在每景影像上分别计算ω、θ、α、γ等角度参数和k1,k2,k3系数。当影像边界不易区分时,应将影像划分成一定边长的正方形网格,每个网格求一组系数。网格的边长设定为5 km为宜,当相邻网格间的系数值产生突变时,说明2个网格处于不同景影像上,这时应仔细分辨两景影像间的镶嵌线,并严格区分镶嵌线两侧系数值。

4.4 实例的精度检验

以南京市主城区Google Earth影像为例,利用本方法进行建筑高度量算,量算后选取30座建筑与其实际高度进行比较。建筑选取时超高层、高层、小高层、多层均有一定的比例,建筑的实际高度采用激光测距仪TruePulse 200进行测量,实测精度为0.3 m。经分析,量算相对误差范围在0.01%~7.3%,平均误差0.77 m。在较低建筑物的高度量算过程中,其相对误差一般较大,但其对应的绝对误差并不明显。
因受Google Earth上影像分辨率的限制,一般2层以下的低矮建筑不宜通过量取特征线长度来换算高度,在某些必须要考虑这些建筑高度的场合,如研究某区域各地块建筑总面积或建筑容积率的分布变化时,可结合实地查看定性赋予其楼层数,然后按每层3 m换算成建筑高度,这样处理一般不会对分析结果造成大的影响。

5 结语

本方法针对前人研究中所采用的影像不易获取、提取方法限制条件多的问题,在进行大面积建筑高度的提取时,综合运用高分辨率影像中的特征点组合成的4类特征线段,大大增加了单张影像上提取建筑高度的可操作性;解决了利用无参数高分辨率影像量算建筑高度时无太阳、卫星相关角度参数的问题,并可进行快速的量算。经验证该方法达到了较高的量算精度,且经济实用,在城市规划和管理、土地管理、数字城市构建,以及防灾减灾等方面都有较好的应用潜力。
诚然,本文所提出的方法还存在一些不足之处：在建筑物结构较复杂或者建筑物高度较低等情况下,特征点、线提取精度会有所下降,从而影响建筑高度的估算精度;另外,本文采用人工提取特征点、线的操作方法,效率仍有待提高。因此,今后进一步降低特征点、线的提取误差并提高自动化水平,是需深化研究的重点。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
United Nations.World Urbanization Prospects: The 2007 Revision[R]. New York: United Nations, 2008.

[2]
王雷,李丛丛,应清,等.中国1990-2010年城市扩张卫星遥感制图[J].科学通报,2012,57(16):1388-1399.

[3]
乔伟峰. 土地利用视角下的南京城市空间多维扩展研究[D].南京:南京师范大学,2013.

[4]
张祖勋,张剑清.数字摄影测量学[M].武汉:武汉大学出版社,2012.

[5]
张永生,巩丹超.高分辨率遥感卫星应用[M].北京:科学出版社,2004.

[6]
曹治国,陈华.IKONOS卫星图像的快速三维场景重建[J].计算机与数字工程,2006,34(11):9-11,15.

[7]
刘凤德,邱懿.基于左右正射影像的三维量测方法的研究[J].测绘科学,2004,29(7):47-49.

[8]
Cheng F, Thiel K H.Delimiting the building heights in a city from the shadow in a panchromatic SPOT-image: Part 1: Test of forty-two buildings[J]. Remote Sensing, 1995,16(3):409-415.

[9]
Shettigara V K, Sumerling G M.Height determination of extended objects using shadows in SPOT images[J]. Photogrammetric Engineering and Remote Sensing, 1998,64(1):35-43.

[10]
Dare P M.Shadow analysis in high-resolution satellite imagery of urban areas[J]. Photogrammetric Engineering and Remote Sensing, 2005,71(2):169-177.

[11]
高翔,赵冬玲,张蔚.利用高分辨率遥感影像获取建筑物高度信息方法的分析[J].测绘通报,2008(3):41-43.

[12]
张晓美,何国金,王威,等.基于ALOS卫星图像阴影的天津市建筑物高度及分布信息提取[J].光谱学与光谱分析,2011,31(7):2003-2006.

[13]
戚浩平,张利,杨波,等.基于RPC模型的建筑物高度提取技术[J].东南大学学报(自然科学版),2013,43(增刊(Ⅱ)):325-328.

[14]
Chen T E, Shibasaki R.3D modeling and visualization of building in area by linear photogrammetry[C]. In: Proceeding of UM3, Japan,1998.

[15]
王继周,林宗坚,李成名.GIS信息辅助的单影像立体量测[J].测绘科学,2005,30(2):60-63.

[16]
韩艳丽,陈映鹰.单幅航空影像建筑物三维建模研究[J].山东建筑工程学院学报,2005,20(3):17-22.

[17]
何国金,陈刚,何晓云,等.利用SPOT图像阴影提取城市建筑物高度及其分布信息[J].中国图象图形学报A辑, 2001,6(5):425-428.

[18]
谢军飞,李延明.利用IK0NOS卫星图像阴影提取城市建筑物高度信息[J].国土资源遥感,2004(4):4-6.

[19]
张桂芳,单新建,尹京苑,等.单幅高空间分辨率卫星图像提取建筑物三维信息的方法研究[J].地震地质,2007,29(1):180-186.

[20]
田新光,张继贤,张永红.利用QuickBird影像的阴影提取建筑物高度[J].测绘科学,2008,33(2):88-89.

[21]
冉琼,迟耀斌,王智勇,等.基于“北京一号”小卫星影像阴影的建筑物高度测算研究[J].遥感信息,2008(4):18-21.

[22]
刘龙飞,王锐君,董卫平,等.一种快速提取建筑物高度的方法研究[J].遥感技术与应用,2009,24(5):631-634.

[23]
安洁玉,程朋根,丁斌芬.基于Google Earth二维影像获取建筑物高度的方法[J].地理与地理信息科学,2010,26(6):31-33.

[24]
宋仁波,李文慧,王细元,等.基于双张影像的城市建筑物高度提取方法[J].测绘工程,2014,23(9):66-69.

[25]
唐东跃,熊助国,王金丽.GoogleEarth及其应用展望[J].地理空间信息,2008,6(4):110-113.

Options
文章导航

/

〈 〉