关键词:
遥感图像
建筑物
边缘检测
非下采样轮廓波变换
张量分解
摘要:
常见的边缘检测及语义分割技术在遥感图像中获取的建筑物边缘不够精细,且不能反映出建筑物屋顶的细节信息。针对上述问题,提出基于非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)与张量分解相结合的边缘检测技术,以获取包括屋顶在内的建筑物细节边缘特征。首先,利用NSCT进行图像分解,得到不同尺度和角度的精细子带系数;其次,对子带系数进行位置编码,得到相应位置的二阶对称张量,再将同一位置的不同尺度、不同角度的张量进行加权求和完成特征融合;最后,根据谱理论进行张量分解,得到图像的边缘特征。实验结果表明:与双向级联网络(bi-directional cascade network,BDCN)等5种方法相比,所提方法的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)指标均优于其他方法,其中PSNR和SSIM较基于深度学习的BDCN方法分别提升1.20和0.03,且检测结果能够更准确细致地反映出建筑物的边界及屋顶的边缘信息,可对建筑物的类型和风格研判提供更好的支持。