一种基于SVM的无人机影像中单个建筑物的角点检测方法

2017-11-07 03:49:31李灵芝李百寿沈宇臻
测绘通报 2017年10期
关键词:分类检测模型

李灵芝,李百寿,2,沈宇臻,许 锐

(1. 桂林理工大学测绘地理信息学院,广西 桂林 541004; 2. 广西空间信息与测绘重点实验室,广西 桂林 541004; 3. 南宁市勘察测绘地理信息院,广西 南宁 530022)

一种基于SVM的无人机影像中单个建筑物的角点检测方法

李灵芝1,李百寿1,2,沈宇臻1,许 锐3

(1. 桂林理工大学测绘地理信息学院,广西 桂林 541004; 2. 广西空间信息与测绘重点实验室,广西 桂林 541004; 3. 南宁市勘察测绘地理信息院,广西 南宁 530022)

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将“建筑物块”从影像中提取出来,对“建筑物块”区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。

支持向量机;Harris算子;建筑物;角点检测

由于无人机影像具有较高的空间定位精度与地面分辨率,近年来在我国城市基础地理信息管理、城市规划等社会生产生活领域有广泛的应用[1-2]。

无人机影像的地面分辨率已经达到了毫米级,甚至更高,建筑物在该影像上的尺度、波谱、纹理特征与常规星载、机载遥感影像上的特征有一定区别,几何形状特征与普通高分影像相比更加显著。……

登录APP查看全文

猜你喜欢
分类检测模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用