● 摘要
建筑物检测是高分辨率遥感图像目标检测中重要的研究课题之一。研究建筑物检测对其它类型地面目标的检测和分类问题具有普遍指导意义。水平集分割方法以其独特的优势在很多领域取得了较好的效果，但在遥感图像中的目标检测刚刚起步，仍然处于探索阶段。本文研究了水平集方法在建筑物检测中的优势和特点，提出了将基于像素和面向对象相结合的建筑物检测方案。使用基于像素检测方法对遥感图像背景进行简化。分别利用树木和草坪的视觉颜色特征进行树木和草坪的检测，利用阴影区域灰度特征进行阴影的检测，用目标填充法屏蔽上述目标对后续分割的影响，简化图像背景，加快了后续水平集方法的演化速度，减少了后续分割的虚警对象。利用水平集方法分割图像中建筑物目标。结合建筑物本身的灰度、颜色、边缘特征，从初始轮廓、能量方程、演化过程三方面对原始CV(Chan-Vese)模型进行改进，针对目标灰度级一致、与背景灰度级差别较大的两相高分辨率遥感图像，实现灰度均匀的疑似建筑物对象的分割。在此基础上，针对多相高分辨率遥感图像，即目标灰度级不同或灰度较不均匀、有的目标与背景灰度级接近的图像，提出CV树形分层结构。以改进后的CV模型为核心算法，经初始化水平集函数、分割子目标层上的目标、合并目标三个步骤，分割灰度级不同或灰度不均匀的疑似建筑物对象。为了减少误检，在完成疑似建筑物对象分割后，根据分割出对象的面积、位置关系、几何形状特征，通过设置面积阈值、判断对象与阴影的位置关系、利用基于形状特征的分类器识别三种方法排除虚警目标。研究结果表明，本文方法的检测成功率较高，虚警率较低，可以应用于高分辨率遥感图像中建筑物目标的检测。