基于主动轮廓模型在未配准光学影像与机载 LiDAR 数据上的无监督自动建筑物提取
计算机视觉与模式识别
2019-09-19 v1 图像与视频处理
摘要
城市场景中建筑物的自动提取已成为摄影测量与遥感领域日益受关注的课题，尤其是自 1990 年代中期 LiDAR 系统出现以来。然而在现实中，由于建筑物尺寸与形状的复杂性以及周边环境的干扰，该任务仍极具挑战。主动轮廓模型（俗称蛇模型）已在计算机视觉与图像处理的诸多应用中广泛使用，也被用于从航空/卫星影像中提取建筑物。受现有蛇模型在建筑物提取方面局限性的启发，本文提出一种无监督且全自动的蛇模型，利用光学影像与未配准的机载 LiDAR 数据集提取建筑物，无需人工初始点或训练数据。所提方法能够从复杂环境中提取颜色各异的建筑物，并取得较高的总体精度。
引用
@article{arxiv.1907.06206,
title = {Unsupervised Automatic Building Extraction Using Active Contour Model on Unregistered Optical Imagery and Airborne LiDAR Data},
author = {Thanh Huy Nguyen and Sylvie Daniel and Didier Gueriot and Christophe Sintes and Jean-Marc Le Caillec},
journal= {arXiv preprint arXiv:1907.06206},
year = {2019}
}
备注
PIA19 - Photogrammetric Image Analysis 2019 which will be held in conjunction with MRSS19 - Munich Remote Sensing Symposium 2019 on September 18th-20th, 2019 in Munich, Germany. Proceeding: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences