• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      衛(wèi)星遙感影像的違章建筑監(jiān)控研究

      2021-05-30 02:55:10
      工程技術研究 2021年7期
      關鍵詞:圖斑梯度分辨率

      軍委后勤保障部房地產資源管理中心,北京 100390

      隨著我國房地產經濟的快速發(fā)展,多種樣式的違章建筑受利益驅動而層出不窮,制約著社會現(xiàn)代化建設。傳統(tǒng)違章建筑監(jiān)測多采用人工巡查方式,工作量大、效率低,特別是在相對偏遠、植被覆蓋茂密的地區(qū),違章建筑易被遮擋,難以及時發(fā)現(xiàn),因而如何快速、有效地識別違章建筑,及時采取相關措施制止違法行為,是房地產管理部門亟待解決的重點問題。由于衛(wèi)星遙感技術具有周期短、成本低、實效性高、視野廣等特點,長期以來,我國有關部門和研究機構運用衛(wèi)星數(shù)據(jù)在土地資源調查、生態(tài)環(huán)境保護等方面進行了應用研究,取得了預期成效。

      隨著我國遙感技術的高速發(fā)展,大量國產遙感衛(wèi)星成功發(fā)射,衛(wèi)星采集的影像數(shù)據(jù)分辨率逐漸提高,采樣周期逐漸變短,目前有海量的高分辨率衛(wèi)星影像數(shù)據(jù)可供使用,通過采取多期遙感數(shù)據(jù)的影像處理、空間分析、違章建筑圖斑識別提取等數(shù)據(jù)處理方法,不僅可建立相應的數(shù)據(jù)管理平臺,還可實現(xiàn)違章建筑自動識別,做到早發(fā)現(xiàn)、早制止、早處理,從而為有關部門在違章建筑監(jiān)督管理方面提供決策輔助和技術保障。

      1 國產衛(wèi)星影像數(shù)據(jù)選取

      目前,在用國產遙感衛(wèi)星按分辨率劃分主要有三大類,分別為影像分辨率為0.5m的高景一號衛(wèi)星,影像分辨率為0.8m的高分二號、北京二號衛(wèi)星,影像分辨率為2m的高分一號、高分六號、資源三號、天繪一號等衛(wèi)星。此外,天繪二號、高分七號等遙感衛(wèi)星已相繼成功發(fā)射,后續(xù)也將提供相應的高分辨率衛(wèi)星影像數(shù)據(jù),因此在用國產遙感衛(wèi)星已能夠提供滿足違章建筑監(jiān)測不同需求的海量衛(wèi)星影像數(shù)據(jù)。

      在選擇衛(wèi)星影像數(shù)據(jù)時,需根據(jù)不同的監(jiān)測需求選取合適的分辨率影像。通常情況下,對于城郊地區(qū),主要監(jiān)測有無較大范圍的違章建筑群或工業(yè)廠房區(qū)、主干道路建設等目標,可每3個月選取分辨率為2m的衛(wèi)星遙感影像作為數(shù)據(jù)源;對于市區(qū)繁華地區(qū)或新建工業(yè)園區(qū),主要監(jiān)測有無單棟建筑物、零星廠房、城市支路等目標,可每1個月選取分辨率為0.8m的衛(wèi)星影像作為數(shù)據(jù)源;當監(jiān)測重點關注建筑物有無違規(guī)改擴建、城市道路邊界區(qū)域細節(jié)特性時,選取分辨率為0.5m的衛(wèi)星影像作為數(shù)據(jù)源。

      2 違章建筑監(jiān)測關鍵技術

      利用衛(wèi)星遙感影像進行違章建筑監(jiān)測的主要技術路線如圖1所示。首先,利用多期歷史衛(wèi)星影像數(shù)據(jù)和現(xiàn)有批復文件、規(guī)劃方案、設計圖紙等資料建立房屋管理現(xiàn)狀基礎數(shù)據(jù)庫,然后根據(jù)監(jiān)管需求對重點監(jiān)管和一般監(jiān)管區(qū)域,分別每隔1個月、3個月獲取該地區(qū)國產衛(wèi)星遙感影像;其次,對多期遙感影像進行數(shù)據(jù)處理,以獲取高質量的衛(wèi)星正射影像,并利用相應的空間分析工具(如GIS系統(tǒng))進行空間分析和差值圖斑提?。蛔詈?,結合提取的圖斑信息進行人工現(xiàn)場核查,并及時更新基礎數(shù)據(jù)庫信息,便于違章建筑日常監(jiān)控。

      圖1 主要技術路線圖

      2.1 基礎數(shù)據(jù)庫的建立

      首先,根據(jù)多期衛(wèi)星影像數(shù)據(jù),通過對衛(wèi)星影像進行幾何校準、輻射增強、圖像分割、影像裁剪等數(shù)據(jù)處理,獲取監(jiān)測區(qū)域內已有地物衛(wèi)星正射影像;其次,結合規(guī)劃、設計等資料,對基礎數(shù)據(jù)庫中地物進行識別篩選,提取合法建筑物圖斑入庫;最后,建立房管圖斑基礎數(shù)據(jù)庫,并根據(jù)規(guī)劃、設計、批復等資料,及時更新數(shù)據(jù)庫信息,以此用于多期遙感影像空間分析、違章建筑圖斑提取及房地產日常管理。

      2.2 影像配準

      不同時段獲取的同一地區(qū)衛(wèi)星遙感影像稱為多時相影像,受衛(wèi)星軌道周期、拍攝時天氣條件等影響,多時相影像間存在成像自身條件引起的誤差。在進行目標特征提取檢測時,需要對原始遙感影像進行幾何校正、輻射增強及影像配準等預處理,預處理后的遙感影像精度會影響最終的結果精度。

      影像配準時,常采用基于目標特征的方式,首先,通過最小二乘算法對同一范圍內的影像灰度數(shù)據(jù)進行統(tǒng)計分析,可計算得出影像最佳匹配點;其次,建立參考控制點,利用像素級校準后的控制點信息對多幅影像數(shù)據(jù)進行幾何配準,可進一步消除幾何配準誤差,確保影像之間嚴格幾何對應關系;最后,將匹配后的影像數(shù)據(jù)作為基礎,可用于后續(xù)的影像范圍內的特征目標識別和提取。

      2.3 特征目標提取

      圖像分割處理直接影響違章建筑判讀的準確性。受噪聲和影像細密紋理的影響,可利用高分辨率遙感影像進行圖像分割。提取邊界時常用分水嶺算法,該算法可準確、快速地提取完整邊界,獲得準確的封閉連通輪廓。

      高分辨率的遙感影像地物信息復雜多樣,采用分水嶺算法時梯度統(tǒng)計特性有較大差異,比如分布集中的建筑物群區(qū)域,其梯度和方差差值較大,而簡單的田地區(qū)域,其梯度和方差差值較小,因此對梯度影像進行累計概率分析時,可將設定累計概率值作為閾值進行分割。在梯度和方差差值大的區(qū)域,設定較小的閾值,其他區(qū)域則設定較大的閾值,為減少單一閾值設定對分割效果的影響,可通過高斯濾波對梯度影像進行區(qū)域性梯度趨勢分析,并以此來調整分割閾值,進而準確提取多時相影像差異圖斑。

      2.4 空間分析

      通常建筑物發(fā)生變化的類型主要有原有建筑物消失以及新建建筑物、現(xiàn)有建筑物形狀變化,在多時相影像差異圖斑中表現(xiàn)為圖斑消失、新增圖斑、圖斑邊界特征變化,根據(jù)影像處理后獲取的矢量化圖斑數(shù)據(jù),再結合已有批復文件、規(guī)劃方案、設計圖紙等資料,利用空間疊置分析檢查新增和消失圖斑,并利用變化矢量分析檢驗圖斑邊界特征變化。根據(jù)分析結果結合遙感影像進行人工內業(yè)判讀,將變化圖斑分類為拆除、新建、改建圖斑,并根據(jù)不同監(jiān)測需求,輔助人工現(xiàn)場監(jiān)管。

      3 監(jiān)測實例

      文章選取云南城郊部分區(qū)域的資源三號影像為數(shù)據(jù)源,監(jiān)測該區(qū)域內建筑物違章情況。影像獲取時間為2018年6月,通過對原始數(shù)據(jù)進行幾何校正、輻射增強、大氣校正等數(shù)據(jù)處理后,利用分水嶺算法提取特征地物邊界及紋理,目標特征分析結果如圖2所示。由圖像分割結果圖可知,目標范圍內田地、建筑及內部細節(jié)的邊界被較為準確地提取出來了,通過對圖像分割后的影像進行差異化分析可提取出多期影像間的變化圖斑,結合該區(qū)域建筑物基礎數(shù)據(jù)庫信息,進一步判讀、比對變化圖斑,最終獲取到了疑似違章建筑圖斑,再通過人工現(xiàn)場復查,有效識別出了較大面積的違章建筑物或構筑物。

      圖2 目標特征分析結果圖

      4 結束語

      文章利用衛(wèi)星遙感影像進行了違章建筑監(jiān)測的實踐,結合多時相國產衛(wèi)星遙感影像數(shù)據(jù)和違章建筑圖斑的特點,在圖像分割處理和空間分析方面設計了相應的數(shù)據(jù)處理流程和方法,并結合實例對該方法的可行性進行了分析,驗證了該方法的可行性,為利用衛(wèi)星遙感影像數(shù)據(jù)進行違章建筑監(jiān)測提供了可行的技術方案和數(shù)據(jù)處理方法。

      猜你喜歡
      圖斑梯度分辨率
      地理國情監(jiān)測中異形圖斑的處理方法
      北京測繪(2022年9期)2022-10-11 12:25:14
      一個改進的WYL型三項共軛梯度法
      基于C#編程的按位置及屬性值自動合并圖斑方法探究
      綠色科技(2021年5期)2021-11-28 14:57:37
      一種自適應Dai-Liao共軛梯度法
      土地利用圖斑自動檢測算法研究
      EM算法的參數(shù)分辨率
      一類扭積形式的梯度近Ricci孤立子
      原生VS最大那些混淆視聽的“分辨率”概念
      基于深度特征學習的圖像超分辨率重建
      自動化學報(2017年5期)2017-05-14 06:20:52
      一種改進的基于邊緣加強超分辨率算法
      合江县| 深泽县| 蒲江县| 庆安县| 兴和县| 太白县| 山西省| 博罗县| 江门市| 汾阳市| 阿拉善盟| 贵港市| 沙湾县| 宝鸡市| 万年县| 仙居县| 嘉祥县| 加查县| 聊城市| 长宁区| 锦州市| 佛坪县| 蒙山县| 全椒县| 江达县| 申扎县| 英德市| 尼勒克县| 景洪市| 稻城县| 镇赉县| 天全县| 呈贡县| 吉水县| 长阳| 徐州市| 玛多县| 瑞金市| 德阳市| 平利县| 门源|