利用多时卫星图像和地理空间信息系统的城市非法建筑自动检测外文翻译资料

 2022-08-27 10:19:30

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

利用多时卫星图像和地理空间信息系统的城市非法建筑自动检测

N.哈利利摩丹a，*，德拉瓦尔先生b和哈西c

a理学硕士学位。伊朗德黑兰大学测量与地理空间学院地理信息系统系学生n_khalili@ut.ac.ir

b地质工程公司的卓越中心。测量与地理空间学院灾害管理专业。

德黑兰大学，德黑兰，伊朗-mdelavar@ut.ac.ir

c伊朗德黑兰大学美术学院城市规划学院-hanachee@ut.ac.ir

关键词：自动非法检测、建筑违规行为、多时卫星图像、K均值、地理空间信息系统

摘要：

随着城市人口空前增长和城市发展，面临非法建设(IB)建设的增长趋势。现场访问作为目前使用的IB检测方法，除了成本高外，还需要耗时和人力。因此，需要自动进行IB检测。获取多时卫星图像并利用图像处理技术进行自动变化检测是可用于IB监测的最佳方法之一。本研究提出了一种自动检测IB的方法。利用德黑兰部分研究区域的IRS-P5的双时间半色卫星图像、城市地图和更新的现有建筑空间数据库来检测可疑的IBs。在预处理步骤中，图像被几何测量和辐射测量校正。在下一步中，使用K-means聚类技术检测改变的像素，因为它速度快，用户的干预更少。然后，识别每个建筑物的所有变化像素，并比较具有标准变化阈值的每个建筑物的变化百分比，以检测正在建设中的建筑物。最后，通过检查市政数据库来检测到IBs。将对具有市政数据库的匹配在建建筑进行现场检查，以识别IB。结果显示，图片中出现了343栋建筑中；只有19栋建筑正在建设中，其中3座是无证建筑。此外，k均值变化检测、在建建筑检测和IBs检测的总精度分别为83%、79%和75%。

简介

当前面临城市人口显著增长趋势。为了满足这些不断增加的人口的住房需求，每年都需要建造许多新建筑。显然，建造一座新建筑需要得到市政当局的许可。然而，不幸的是，一些建筑人员没有获得建筑许可，最终以非刚性建筑结束。此外，一些被允许的建筑违反了建筑规则。

建筑违规行为对于可能威胁到城市建筑结构的市政当局来说，是一个重要的问题（萨里米扎德，2012年）。伊朗目前使用的IB监测方法是基于人类操作人员的存在。这种过时的方法很耗时，而且给市政当局造成了过高的成本。此外，它有时也以检查员和施工人员之间的串通而告终。然而，IBs检测应相当成本效益和快速，以防止继续施工。因此，必须存在一种有效的IB监测方法，以降低成本、时间和人力。这种方法应该是自动的和快速的。

准确、精确和最新的空间参考

IB监测和实施预防措施的适当管理和规划需要信息

需要的。获取多时间卫星图像和使用图像处理技术进行自动变化检测是可用于IB监测的最佳方法之一（Bayburt等人，2008年，迄今在伊朗尚未广泛实施）。

与目前使用的方法相比，自动IB监测显著降低了成本，另一方面，它降低了人力资源，从而减少了市政检查员和施工人员之间的勾结。

在建筑检测领域已经进行了广泛的研究。然而，在IB检测领域，已经有一些研究被报道。上述研究的主要依据是建筑变化检测的方法。Ahmad（2005）利用多时间高分辨率IKONOS卫星图像检测到高密度城乡地区的变化。他使图像进行了正交矫正，以使图像测量结果与地面测量结果一致。贝尼代克等人。（2010）引入了一种在遥感图像中构建提取的概率方法。

他们还构建了一个灵活的层次框架，可以从不同的基于基本特征的模块中创建各种建筑外观模型。Chen等人。（2014）提出了一种基于阴影检测的高分辨率遥感图像中建筑物的有效提取方法。在检测到阴影区域后，根据阴影的位置，他们开发了一种自适应策略

*相应的作者。

地理位置和区域增长，以完成建筑的课程检测。卡兰特扎洛斯等人。（2015）开发了一种基于建筑检测技术的模型，该模型能够从无人机(UAV)航空图像和低成本成像传感器中提取和重建建筑。Zhu等人。（2015）提出了一种基于特征线的斜机载图像的建筑检测和重建方法。他们认为，通过提高网格特征线的准确性和对多视图图像特征线的整正，可以改进低质量的模型。Singhal和Radhika（2014）提出了一种利用颜色不变性和精明的边缘检测技术从高分辨率彩色航空图像中检测建筑的方法。Kovacs和（2012）开发了一种自动提取建筑而不管形状的方法，以提高建筑检测的准确性。Xu等人。（2013）提出了一种从两个时代的机载激光扫描仪数据中自动检测和分类建筑物变化的方法，通过在差异图像地图上制定规则来验证这些变化。然后，对差异图像图中属于建筑物的变化进行分类，以检测IB。赫莫西拉等人。（2011）比较和评估了两种主要方法，包括基于阈值和基于对象的分类，用于使用高空间分辨率图像和激光雷达数据进行建筑自动检测和定位。Pang等人。（2014）提出了一种自动方法，将基于对象的分析应用于多时间点云数据来检测建筑变化。他们的目标是确定已经改变的领域，并获取信息。贝伯特等人。（2008）在大伊斯坦布尔市地区使用具有3个月重复率的平板IKONOS图像检测到伊斯坦布尔流域附近的IBs。

如前所述，城市IB的检测量较少

研究了与土地利用变化检测结果的比较。虽然已经提出了一些检测IB的方法，但在郊区没有成功检测到，这意味着结果在定量上并不令人满意。另一方面，在城市地区的检测还没有多少讨论。因此，决定提出一种利用城市地图、多时卫星图像和最新城市财产数据库的自动IB检测方法。

本研究旨在提出一种足够快、成本效益高的IB检测方法。因此，本文提出了一种利用多时间卫星图像和空间最新数据库的自动IB检测方法。在此方法中，会自动检测到正在施工的建筑物。然后，从市政物业数据库中调查一些查询和检索能力，以确定检测到的建筑物为许可/非法建筑物。

第2节介绍了该研究的方法。第3节说明了在德黑兰西部地区进行的一个案例研究。最后，第4节结束了论文。

方法计算方法

建筑违规行为违反城市建设发展法律法规。建筑施工法律法规的歧义是建筑违规的主要原因之一（萨里米扎德，2012年）。

建筑上的违规行为可分为室内和室外的违规行为。停车违规、非刚性建筑、更改建筑地图、改变楼梯和电梯尺寸、改变阳台和露台尺寸、相邻邻居与主管之间的非标准空间

违规行为是一些室内违规行为。此外，IBs（未经市政许可的建筑）、超出市政许可施工、改变巷道、天然气和石油管道缓冲区和集水区建筑（Bayburt等人，2008）和电力线缓冲区是一些户外违规，可以在人力存在下自动监控。

使用多时间卫星图像、自动变化检测和由建筑信息组成的地理空间信息系统，可以在不需要人类操作员物理存在的情况下监控户外违规行为。本研究提出了一种利用变化检测技术实现的IB自动检测方法。

本文在MATLAB软件中编码了几个步骤来检测IBs。在第一步中，将经过几何测量和辐射测量校正的两个卫星图像加载到软件中。在第二步中，使用差分算符使用K-means聚类算法将图像聚类为两个改变和不变的空间段。因此，生成了一个变化的图像贴图。在第三步中，使用生成的更改图像图和确定每个建筑位置的城市地图来确定位于每个多边形中的更改像素和总数量像素。在第四步中，通过计算每个建筑的变化像素与总像素数的比，分别计算每个建筑的变化百分比。然后，检查了一个条件，即如果计算出的百分比超过了标准的变化阈值，则该建筑被视为正在建设中。在第五步中，在检测到正在建造的建筑后，该软件被连接到德黑兰市的一个最新数据库，并检查被检测到的建筑是否获得了建造许可。如果被发现的建筑没有获得建筑许可，违规行为将被报告，该建筑被认为是被怀疑的IB。最后，进行了实地检查，以澄清IBs。图1显示了IB检测的流程图。

在本研究中，我们决定使用k-means聚类

算法（坎贝尔，2006），因为K-means是一种将数据排序成集群的快速方法。另一方面，我们需要一个快速的方法来检测IBs，以防止非法构建。由于我们想要检测到这些变化，两个变化和不变的集群，被考虑聚类整个图像。

数据聚类是一种数据探索技术，允许将具有相似特征的对象分组在一起，以便进行进一步处理（Pham等人，2005）。

k均值聚类算法是一种常用的聚类方法，它被认为是估计一组k群的均值（向量）的一种简单方法。该方法的目的是将未标记的数据划分为K类（Hartigan和Wong，1979；Pham等人，2005）。要使用此方法，需要预先指定数据中的集群数量（Pham等人，2005）。

K-means算法的典型版本执行以下步骤(Cambell，2006)：首先，应该确定集群的数量。其次，初始的集群种子是随机或有意识地选择的，使用一些可用的先验知识。这些种子代表了集群的临时手段。选择两个集群的种子如图2所示。

如果(|新建Si-旧的Si|lt;T)=gt;像素量 没有移动方式 (1)

加载双时间的卫星图像

利用K均值算法生成变化图像图

确定每个建筑中更改的像素和总数

计算更改百分比，并与更改的标准阈值进行比较

检查变更百分比是否大于变更的标准阈值

该建筑没有在建设中

该大楼正在建设中

正在在最新的市政数据库中进行搜索

检查DB中是否存在施工许可证

编号

报告建筑违规情况

不报告建筑违规情况

进行实地考察

是的

是的

编号

其中，新的Si=新的星团i旧Si=星簇i的旧质心T=所考虑的阈值

图2。选择集群种子

图3。将每个对象分配到最近的群集

图1。检测非法建筑物的步骤

在下一步中，计算从每个对象到每个集群的平方欧几里得距离，并将每个对象分配到最近的集群。图3显示了在计算了每个对象与种子群的平方欧几里得距离后，将分配给最近的群的对象。

然后，为每个星团计算新的质心，并将每个种子值替换为各自的星团质心。这些新种子是通过计算每个种子的所有分配对象的平均值来计算的。然后，计算从对象到每个簇的平方欧几里得距离，并将对象分配给具有平方欧几里得距离最小的簇。因此，根据新的记忆转移分配重新计算集群中心。

最后，重复上一步，直到没有像素移动集群，这意味着新的集群质心和旧的质心之间的差应该小于定义的阈值。

案例的

本研究的研究区域位于德黑兰都市区西部的一部分，占地580.125公顷，位于515521.5E、518284E和3953093N、3955193N之间，

UTM区域39N。伊朗首都德黑兰是一个拥有800多万居民的大城市，是伊朗人口最多的城市。考虑到巨大的建筑建设，建筑违规行为将会发生，这意味着在这个城市为IB检测提供了一个良好的假期。显然，由于目前使用的IB检测（现场访问）方法成本昂贵、耗时且不够充分，因此需要使用自动IB检测。因此，我们提出了一种使用多时间卫星图像的自动IB检测方法。

在本研究中，2010年10月3日获得的2010年10月3日，以及1：2000比例的城市地图被用于检测建筑违规行为和正在建设中的建筑。此外，一个包含研究区域现有建筑的最新的市政财产数据库也被用于开发一个地理空间信息系统。

双时间图像和城市地图分别如图4、5和6所示。

图4。在2010年6月3日获得的研究区域的第一张地理参考图像

图5。在2010年10月3日获得的研究区域的第二张地理参考图像

最后，将K-means无监督聚类技术，检测各建筑的所有变化像素，比较各建筑的变化百分比与标准变化阈值，检测违规建筑都编码到MATLAB软件中，以检测学习区域的IB。

对原始图像进行了放射性测量和几何预处理。事实上，在卫星图像中可能会出现三个主要的误差，即传感器误差、几何误差和辐射测量误差（坎贝尔，2006年）。传感器的错误直接取决于传感器的质量。然而，在

几何图形之一与图像或地图坐标系之间的变化有关。此外，辐射测量误差也取决于大气效应、地形效应和图像获取角度的变化（坎贝尔，2006）。

图6。城市地图中的建筑位置

在本研究中，已经进行了传感器纠错。然而，对于几何校正，第一张图像用二度多项式方法对城市地图进行地理调整，用19个地面控制点(GCPs)进行双线性重新采样，精度为1.63米。然后，使用21个GCP、精度为1.17米的GCP将第二图像与第一图像共注册。应该注意的是，GCPs被均匀地分布在整个图像上，以纠正这些图像。

采用归一化技术校正图像进行了相对辐射校正。与其他方法相比，上述方法具有一些优点，即在图像采集时不需要大气数据（坎贝尔，2006）。

适用于具有监督和无监督方法的多时间卫星图像的变化检测。在无监督的方法中，检测改变的像素不需要用户干预。目前，使用最广泛的无监督方法之一是在本研究中实现的k-means方法。

在将K-means聚类技术作为一种自动的和无监督的变化检测方法的实现中，首先，通过像素对像素的比较和使用减法运算符，产生了一个差分图像。然后，考虑了整个卫星图像的集群。由于检测多时间卫星图像的变化对本研究至关重要，因此决定考虑这两个星团。在下一步中，像素在迭代过程中被聚集，直到没有像素

移动

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[405566]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章