摘要

為了準(zhǔn)確提取農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像的目標(biāo)輪廓，研究農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取方法。應(yīng)用三維激光掃描技術(shù)生成農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像，采用改進(jìn)的二維最大熵方法有效分割測(cè)繪圖像，準(zhǔn)確獲取圖像中農(nóng)村不動(dòng)產(chǎn)的目標(biāo)前景。利用Gabor小波變換獲取目標(biāo)的多尺度特征，從而更全面地理解目標(biāo)的形態(tài)與結(jié)構(gòu)。同時(shí)，結(jié)合模糊數(shù)學(xué)理論，深入描述了圖像的紋理特征，并通過(guò)相似度函數(shù)實(shí)現(xiàn)了目標(biāo)輪廓的精確提取。若輪廓存在不連續(xù)位置，重新標(biāo)記并使用模糊數(shù)學(xué)理論將標(biāo)記進(jìn)行連接，最終獲得完整的農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像目標(biāo)輪廓。測(cè)試結(jié)果顯示：所提方法平均吻合度高于93.4%，容差率低于2.5%，提取結(jié)果不僅連續(xù)性好，而且平滑度高，為農(nóng)村不動(dòng)產(chǎn)測(cè)繪提供了有力的技術(shù)支持。

引用

[1] 周志林. 農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取[J]. 北京測(cè)繪, 2025, 39 (02): 177-182.

0 引言

農(nóng)村不動(dòng)產(chǎn)涵蓋集體土地、建設(shè)用地、建筑物、宅基地等，這是關(guān)乎民生問(wèn)題的主要內(nèi)容，并且對(duì)農(nóng)村產(chǎn)權(quán)制度的變更具有重要作用 [1-3] 。農(nóng)村不動(dòng)產(chǎn)分布面積較大，涉及范圍較廣，因此，在對(duì)其進(jìn)行統(tǒng)計(jì)時(shí)面臨較大挑戰(zhàn) [4] 。近幾年，三維激光掃描技術(shù)作為一種新的測(cè)繪技術(shù)，能夠精準(zhǔn)完成實(shí)景復(fù)制，獲取目標(biāo)的測(cè)繪圖像，極大地提升了測(cè)繪結(jié)果的可靠程度，可高效完成空間數(shù)據(jù)的采集 [5] 。三維激光掃描生成的目標(biāo)測(cè)繪圖像中包含目標(biāo)的全部信息，因此，該技術(shù)也成為農(nóng)村不動(dòng)產(chǎn)測(cè)繪領(lǐng)域主要的測(cè)繪方式。如何依據(jù)三維激光掃描獲取農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像，提取不動(dòng)產(chǎn)的輪廓，對(duì)不動(dòng)產(chǎn)的統(tǒng)計(jì)具有重要作用 [6] 。

為實(shí)現(xiàn)圖像中目標(biāo)輪廓的識(shí)別，有文獻(xiàn)提出基于深度學(xué)習(xí)的相關(guān)識(shí)別算法，該算法主要依據(jù)深度卷積網(wǎng)絡(luò)對(duì)圖像進(jìn)行劃分和卷積操作后，完成圖像中目標(biāo)輪廓的識(shí)別 [7] 。另有文獻(xiàn)研究圖像傳感器（address-event representation,AER）的相關(guān)輪廓提取方法，該方法能夠?qū)D像進(jìn)行細(xì)致處理，獲取所有單像素的輪廓，以此實(shí)現(xiàn)整個(gè)目標(biāo)輪廓的提取 [8] 。為了進(jìn)一步提升輪廓提取效果，本研究采用農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取方法，結(jié)合三維激光和Gabor小波分析，完成農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像目標(biāo)輪廓的提取。

1 農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像目標(biāo)輪廓提取

1.1農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像輪廓提取方法框架

本文針對(duì)農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像輪廓提取，提出農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取方法，該方法的技術(shù)路線如圖1所示。

農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取方法整體包含兩部分，分別是三維激光掃描和圖像輪廓提取，三維技術(shù)掃描部分主要依據(jù)三維激光掃描儀測(cè)繪農(nóng)村不動(dòng)產(chǎn)圖像；圖像輪廓提取部分主要是對(duì)三維激光測(cè)繪的農(nóng)村不動(dòng)產(chǎn)圖像進(jìn)行分割處理后，提取圖像中不動(dòng)產(chǎn)的輪廓。

圖1 農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像目標(biāo)輪廓提取方法框架
1.2基于三維激光掃描的農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像生成

三維激光掃描技術(shù)能夠獲取農(nóng)村不動(dòng)產(chǎn)物體表面的位置信息以及顏色信息，農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像生成流程如圖2所示。

圖2 基于三維激光掃描的農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像生成

三維激光掃描儀在進(jìn)行農(nóng)村不動(dòng)產(chǎn)測(cè)繪過(guò)程中，是結(jié)合激光傳感器、旋轉(zhuǎn)平臺(tái)以及數(shù)碼相機(jī)完成的 [9] 。其中，不動(dòng)產(chǎn)物體顏色的獲取依據(jù)數(shù)碼相機(jī)完成，激光傳感器的主要作用是實(shí)現(xiàn)農(nóng)村不動(dòng)產(chǎn)物體距離測(cè)量，其主要利用光的傳播和反射特性。獲取物體表面和激光發(fā)射點(diǎn)的距離L

旋轉(zhuǎn)平臺(tái)主要對(duì)農(nóng)村不動(dòng)產(chǎn)物體的角度進(jìn)行測(cè)量。在測(cè)量過(guò)程中，掃描儀的水平旋轉(zhuǎn)角度和俯仰角度分別用α和θ表示，以激光掃描儀為原點(diǎn)，結(jié)合α和θ實(shí)現(xiàn)角度測(cè)量 [11] 。在此基礎(chǔ)上，實(shí)現(xiàn)農(nóng)村不動(dòng)產(chǎn)物體三維坐標(biāo)Pi的計(jì)算。

依據(jù)上述獲取的農(nóng)村不動(dòng)產(chǎn)物體三維坐標(biāo)Pi=(xi,yi,zi)結(jié)果，以此生成農(nóng)村不動(dòng)產(chǎn)物體三維掃描測(cè)繪圖像I (x,y)，并以該圖像為基礎(chǔ)，進(jìn)行圖像中農(nóng)村不動(dòng)產(chǎn)輪廓提取。

1.3農(nóng)村不動(dòng)產(chǎn)目標(biāo)三維掃描測(cè)繪圖像分割

獲取農(nóng)村不動(dòng)產(chǎn)物體三維掃描測(cè)繪圖像后，為提升農(nóng)村不動(dòng)產(chǎn)輪廓的提取精度，本文采用改進(jìn)的二維最大熵方法，實(shí)現(xiàn)該測(cè)繪圖像的分割處理 [12] 。該分割依據(jù)最佳閾值為分割標(biāo)準(zhǔn)，以熵值作為目標(biāo)函數(shù)，最大限度地實(shí)現(xiàn)圖像中目標(biāo)區(qū)域和背景區(qū)域熵和的最大值，以此有效分割農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像。其中，最佳閾值指的是測(cè)繪圖像中不動(dòng)產(chǎn)目標(biāo)和背景的像素邊界。

1.4基于改進(jìn)Gabor小波分析的不動(dòng)產(chǎn)目標(biāo)輪廓提取

完成I (x,y)中農(nóng)村不動(dòng)產(chǎn)目標(biāo)圖像后，以Gabor小波技術(shù)為主，引入模糊數(shù)學(xué)理論提取I′(x′，y′)中農(nóng)村不動(dòng)產(chǎn)目標(biāo)輪廓。該方法結(jié)合模糊數(shù)學(xué)理論和Gabor小波技術(shù)，以增加對(duì)農(nóng)村不動(dòng)產(chǎn)目標(biāo)輪廓邊緣特征的識(shí)別以及多尺度特征的感應(yīng)能力，保證輪廓提取效果更佳。

Gabor小波對(duì)圖片邊緣極為敏感，因此，文中采用Gabor小波變換提取I′(x′，y′)中不動(dòng)產(chǎn)目標(biāo)輪廓時(shí)，能夠提取圖像中多尺度、多分辨率的特性。因此，其能夠精準(zhǔn)描述像素周圍方向強(qiáng)度的變化信息。

2 實(shí)例驗(yàn)證

2.1實(shí)驗(yàn)區(qū)概況

為驗(yàn)證本文所提方法在農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像中，對(duì)農(nóng)村不動(dòng)產(chǎn)目標(biāo)輪廓的提取效果，以某市的某鄉(xiāng)鎮(zhèn)為例。該鄉(xiāng)鎮(zhèn)的總面積147.2 km2，下轄8個(gè)村，該鄉(xiāng)鎮(zhèn)處于丘陵地帶，溝壑較多，且存在諸多山區(qū)，林木繁多，其不動(dòng)產(chǎn)整體可分為集體土地、建設(shè)用地、建筑物以及宅基地。其中，各類建筑物不動(dòng)產(chǎn)中，沒(méi)有層數(shù)高于4層的建筑。利用本文所述方法對(duì)其進(jìn)行測(cè)繪，并生成測(cè)繪圖像。在測(cè)繪過(guò)程中，使用型號(hào)為蔡司ZEISS T-SCAN hawk 2的三維激光掃描儀，儀器相關(guān)參數(shù)如表1所示。

2.2結(jié)果與分析 2.2.1基于三維激光掃描的農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像生成效果測(cè)試

利用本文所提方法生成農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像。由于該鄉(xiāng)鎮(zhèn)面積較大，其結(jié)果僅隨機(jī)呈現(xiàn)該鄉(xiāng)鎮(zhèn)的部分農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像結(jié)果，如圖3所示。

依據(jù)圖3的測(cè)試結(jié)果可知，本文所提方法能夠?qū)r(nóng)村不動(dòng)產(chǎn)進(jìn)行掃描，生成測(cè)繪圖像。而且，生成的圖像能夠清晰呈現(xiàn)農(nóng)村不動(dòng)產(chǎn)的分布情況。因此，本文所提方法能夠完成農(nóng)村不動(dòng)產(chǎn)的測(cè)繪圖像生成。

圖3 部分農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像結(jié)果
2.2.2測(cè)繪圖像分割下的不動(dòng)產(chǎn)目標(biāo)輪廓提取效果測(cè)試

為驗(yàn)證本文方法對(duì)農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像中不動(dòng)產(chǎn)目標(biāo)輪廓的提取效果，隨機(jī)抽取一張農(nóng)村不動(dòng)產(chǎn)激光三維測(cè)繪圖像，采用本文方法對(duì)該圖像進(jìn)行分割處理后，提取圖像中的建筑目標(biāo)輪廓，獲取輪廓提取結(jié)果，如圖4所示。

圖4 不動(dòng)產(chǎn)圖像輪廓的提取效果

依據(jù)圖4的測(cè)試結(jié)果可知，應(yīng)用本文方法能夠完成三維激光掃描獲取的農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像中建筑不動(dòng)產(chǎn)的輪廓提取。而且，提取的輪廓結(jié)果與實(shí)際的建筑結(jié)構(gòu)一致，沒(méi)有發(fā)生提取錯(cuò)誤現(xiàn)象。同時(shí)，提取的輪廓具備良好的連續(xù)性以及平滑性。因此，本文所提方法的應(yīng)用性良好，能夠有效實(shí)現(xiàn)農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取。

2.2.3不動(dòng)產(chǎn)目標(biāo)輪廓提取效果對(duì)比量化測(cè)試

為驗(yàn)證本文所提方法對(duì)農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像輪廓的提取性能，以平均吻合度Q和容差率Si作為評(píng)價(jià)指標(biāo)，兩者的結(jié)果在0%～100%，前者的值越大，表示方法的輪廓提取性能越佳；后者的值越小，表示方法的輪廓提取性能越佳。測(cè)試本文的方法、文獻(xiàn) [7]的方法在不同的農(nóng)村不動(dòng)產(chǎn)面積下，平均吻合度Q和容差率Si兩個(gè)指標(biāo)的結(jié)果，如表2所示。

表2 輪廓提取性能測(cè)試結(jié)果

依據(jù)表2的測(cè)試結(jié)果可知，本文所提方法的輪廓提取的平均吻合度Q指標(biāo)均在93.4%以上，容差率Si指標(biāo)均在2.5%以下。而文獻(xiàn) [7]方法的輪廓提取的平均吻合度Q指標(biāo)低于90%，容差率Si指標(biāo)高于2.58%。本文方法對(duì)測(cè)繪圖像中不動(dòng)產(chǎn)目標(biāo)輪廓的提取性能較好，能夠有效提取不動(dòng)產(chǎn)圖像的輪廓。這是因?yàn)楸疚乃岱椒ㄔ谶M(jìn)行目標(biāo)不動(dòng)產(chǎn)輪廓提取時(shí)，是結(jié)合模糊數(shù)學(xué)理論和Gabor小波技術(shù)完成的，能夠?qū)Σ贿B續(xù)的輪廓進(jìn)行重新標(biāo)記和連接。因此，可最大限度地提升輪廓的提取性能，保證輪廓提取結(jié)果的可靠性。

為驗(yàn)證本文方法對(duì)農(nóng)村不動(dòng)產(chǎn)輪廓的提取效果，測(cè)試本文方法的輪廓提取誤差。

依據(jù)表3的測(cè)試結(jié)果可知，在3種不同的農(nóng)村建筑不動(dòng)產(chǎn)形狀下，隨著形狀面積的逐漸增加，通過(guò)采取本文方法對(duì)其輪廓進(jìn)行提取后，提取輪廓的誤差均在5 cm以內(nèi)，可滿足應(yīng)用需求。

3 結(jié)束語(yǔ)

農(nóng)村不動(dòng)產(chǎn)在統(tǒng)計(jì)過(guò)程中，為提升統(tǒng)計(jì)效率，并保證統(tǒng)計(jì)精度，通常會(huì)采用測(cè)繪的方式進(jìn)行。但是，不同測(cè)繪手段的精度、效率、人員消耗等，也存在較大差異，且測(cè)繪方式的差異也會(huì)導(dǎo)致測(cè)量結(jié)果發(fā)生偏差。因此，本文為保證農(nóng)村不動(dòng)產(chǎn)的測(cè)繪精度，研究農(nóng)村不動(dòng)產(chǎn)測(cè)繪三維激光掃描圖像輪廓提取方法。利用三維激光掃描技術(shù)生成農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像，采用改進(jìn)的二維最大熵方法分割圖像前景輪廓和背景；利用Gabor小波技術(shù)變換獲取輪廓的多尺度特征，實(shí)現(xiàn)農(nóng)村不動(dòng)產(chǎn)測(cè)繪圖像中目標(biāo)輪廓的提取。對(duì)該方法的應(yīng)用效果進(jìn)行測(cè)試后發(fā)現(xiàn)，該方法能夠完成農(nóng)村不動(dòng)產(chǎn)的測(cè)繪，并生成測(cè)繪圖像，并有效實(shí)現(xiàn)圖像分割，提取圖像中目標(biāo)不動(dòng)產(chǎn)的輪廓，且提取誤差較小，可滿足農(nóng)村不動(dòng)產(chǎn)統(tǒng)計(jì)應(yīng)用需求。

來(lái)源：測(cè)繪學(xué)術(shù)資訊