【基于模板匹配方法的房屋提取】模板匹配
摘要：该文提出的方法，使用模板匹配的方式在高分辨率遥感影像中提取房屋。通过对相关系数的调整来实现对相似房屋的提取。实验结果表明该方法提取模板对应及其相似的房屋具有可行性。
关键词：房屋提取；模板匹配；高分辨率
中图分类号：TP391 文献标识码：A文章编号：1009-3044(2007)18-31703-02
The Building Extraction Based on Model Match
HUANG Xue-qing1,LI Jian-wei1,YAN Yong-long1,LI Ren-zhuo1,HE Wei2
(1.Key Lab of Optoelectronic Technology & Systems, Ministry of Education, Chongqing University, Chongqing 400030, China;2.Chongqing Communications institute,chongqing 400035,China)
Abstract:The paper presents a method of model match to extract the building from high-resolution remote sensing image.The similar building can be extracted by adjust correlation coefficient. The result indicates that the method is feasible to extract the building.
Key words:building extraction;Model match;High-resolution
1 引言
房屋提取在制图和相片判读等技术中有着传统的应用。随着社会的进步，科学的发展，房屋提取逐渐的在城市规划、虚拟现实等技术中有了新的要求。
由于高分辨率遥感影像的出现，使得影像中的房屋信息更加丰富，细节更加突出。对本来难以建立的房屋模型提出了更高的要求。
本文通过一种模板匹配的方法在高分辨率遥感影像中提取具有一定形状和灰度特征的房屋。
2 模板匹配
文中使用到了图像匹配的知识，图像匹配是在图像中寻找所关心的目标物。在计算机图像处理中常用到两种匹配方法，即全图匹配和特征匹配。全图匹配，是把目标的每一个像元对图像的每一个离散像元都做相关匹配以寻找图像中有无该目标。特征匹配则仅仅对该目标的某些特征如幅度、直方图、频率系数以及点、线的几何特征等做匹配和相关运算。显然，后者的工作量少的多，因此理解目标的速度可以大大提高。
为了从图像中确定出是否存在某个目标物，可以把某个目标从该图像中预先分割出来作为一个全局描述的模板（样板），然后去搜索在该幅图片中是否有和该模板所描述的目标物相同或相似的。从刚才的取样中我们会知道和样板完全相同的目标物只有一个，而原图像中还有许多和该样板中目标物近似的地物，这就需要用一个相关程度来确定在什么范围内该地物能被看作与样板所显示的地物属同类，并且将该地物提取出来。
具体来说，根据图2.1中样板与全图的关系把他们之间的相关性这样表示：
式中w1为w(j-m,k-n)形成的向量。
以上考虑图像本身的像元与目标像元之间的相关性，若考虑像元相互见的相关性，则还应考虑f和w1的协方差矩阵，并需要把f和w1分别进行白化处理，然后再用向量的相关公式。
由公式可知道若通过计算R（m,n）=1时即表示以该点为顶点范围大小为M×N的区域正是处理前所选择的模板区域。如果将R（m,n）的值限定在某个范围内就可以把相似的房屋提取出来。
全局匹配的用途很多，常用的医学减影技术DSA就是医学诊断重要的手段。
3 实验及结果分析
在高分辨率卫星影像中提取房屋。首先需要在一幅高分辨率卫星影像中选定一个房屋作为一个样板，并将其分割出来如下图（图2）：
下面所要做的事就是使用不同的方法实现房屋的提取。
根据全局样板匹配公式处理图像接下来就是要对原图像(图2)进行处理了：
设样板的宽度为tx，高度为ty。模板中的灰度我们可用一个数组来表示，则数组的长度就为tx×ty，设该数组所表示的模板中任意一点的灰度值为T[i]，并求出样板灰度值的平方和设Tw。在原图像中选定和样板大小相同的区域，在该区域进行计算并求灰度值的平方和Tf，并计算摸板和原图同样大小区域内灰度乘积之和记为Tfw.,根据公式(2)计算相关系数R。
图2 原图及样板选取(白框内为被选模板)
如何选择原图像中样板的开始位置，首先从原图像的第一个灰度值开始，这个灰度值可以看作是对应样板里面第一个灰度值的位置，根据这个起点，在原图像中选择和样板的长度、宽度同样大小的范围进行计算，依次计算出不同的相关系数R，根据相关系数的大小判断原图像中的该区域是否为房屋。
我们需要把系数R限定在某个误差范围内，因为选定的样板所代表的是一类房屋的共性，相关系数是反映这些房屋之间联系的一个数字，只要数字小于某个值就可以把这个区域作为房屋提取出来。实验结果如图3所示。
图3使用了双模板进行提取所以结果中可以看到横向和纵向两中不同类型的结果，因此可以得到结论当综合使用不同形状和方向的模板进行提取出可以得到相应类型的房屋。
4 结论
该文通过上面的研究实现了在高分辨率遥感影像中房屋的提取。但还存在着一些问题：（1）房屋的提取结果对模板类型要求过高，并且没有一个统一的模板能够代表所有的房屋类型。（2）在处理过程中仅仅使用到了图像的灰度信息，而丰富的纹理信息却没有使用到。当使用该方法对某一地区的高分辨率遥感影像进行房屋提取时，通过分析该地区的房屋类型和特点提取出有代表性的不同模板，并制作成数据库。在纹理信息的使用方面可以使用边缘提取的方法确定可能为房屋的区域，然后综合模板提取的方法除去不是房屋的区域，使该方法具有更高的可靠性和准确性。
参考文献：
[1]容观澳.计算机图象处理[M]. 北京：清华大学出版社，2000.
[2]孙家柄.遥感原理与应用[M]. 武汉：武汉大学出版社，2003.
[3]章毓晋.图象分割[M]. 北京：科学出版社，2001.
[14]文沃根. 高分辨率IKONOS卫星影像及其产品特性[J]. 遥感信息，2001（1）：37-38.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文