随着卫星传感器空间分辨率的不断提高,从高分辨率遥感图象中识别各种目标,成为遥感和图像处理领域的一个重要研究课题。建筑物是城市的主体,又因其表现形式的多样性,建筑物信息的识别和提取是当前高分辨率遥感影像应用的一个热点和难点。高分辨率遥感影像可以提供更多地面目标的形状结构与纹理信息,促使遥感图像处理逐渐从基于象元的分析过渡到基于特征的目标识别。本文基于纹理特征的建筑物信息识别和提取为基于特征的目标识别提供了新思路。　　 本文结合幅度谱分析和频域滤波,对Quickbird卫星图像建筑物纹理特征的识别和提取方法进行了研究。根据结构性纹理的频域特征,针对具有结构性纹理特征的多层建筑物图像,建立其频域纹理识别标志,实现对待识别图像中多层建筑物纹理特征的识别,应用两种滤波分别提取多层建筑物信息的纹理和边缘特征,结合这两个特征实现对多层建筑物信息的提取。本文以多层房屋作为典型的结构性纹理进行分析,为遥感图像目标的频域特征识别和提取奠定了基础。论文主要研究内容和结论包括:　　 一、对纹理图像及建筑物纹理信息的空域特征及其频域表征进行了探讨和分析。结合Wold分解理论,重点对结构性纹理在幅度谱能量的分布进行了分析,结构性纹理的重复性、方向性特征在幅度谱中体现为谱峰所处的频率和方向,指出依据幅度谱中的谱峰可实现对具有结构性纹理的识别和提取。分析建筑物在遥感图像中的成像特征,结合各种类型建筑物信息的频谱特征,发现多层建筑物信息具有结构性纹理特征,因此可以通过频谱法实现对多层建筑物纹理信息的识别和提取。　　 二、建立多层建筑物纹理特征频谱识别标志,运用规则性、重复性和方向三个纹理度量实现图像中多层建筑物纹理特征的识别。在遥感图像上采样多层建筑物图像,通过分析多层建筑物空间纹理特征及其在频域的表征,统计出多层建筑物主频所处的频段,建立多层纹理在幅度谱的识别标志。多层建筑物频谱识别标志的建立有助于与其它结构性建筑物纹理特征相区别,并能缩小谱峰搜索的范围。将待识别图像分割成若干个256×256子图像,选择具有局部最大规则性的子图像,根据其主频所处的频段判断其是否是多层建筑物纹理图像,进而确定主频的方向。在一幅遥感图像中有可能多个结构性纹理,运用子图像的策略,使其仅包含单一的建筑物结构性纹理,有效的避免了多个结构性纹理之间的干扰。　　 三、提取纹理区域信息和纹理边缘实现对多层建筑物的提取。神经心理学对人类视觉系统的研究表明:人类通过视觉观察事物通过两个阶段,首先是直觉阶段,然后是专注阶段。Gabor变换已被证明在2-D测量不准确的情况下,对信号空间域和频率域的最佳描述,Gabor变换可将图像分解为一系列不同频率和方向的通道,实现对纹理特征的分析和提取。结合人类分割纹理的过程,在直觉阶段,构建匹配Gabor滤波器提取多层建筑物所在的谱峰能量,根据其滤波后的幅度响应,实现多层建筑物信息纹理区域的提取。与Gabor滤波器组相比,具有计算量小、提取效果好的特点。在专注阶段,通过低通增强滤波将建筑物形成平坦区域,奇Gabor滤波器具有优异的边缘检测性能,对与滤波垂直的阶跃边缘有最大响应,对平坦区域没有响应,通过奇Gabor滤波器实现建筑物边缘信息提取。将建筑物信息的纹理区域和边缘信息这两个结果相套合实现影像内多层建筑物信息的识别和提取。　　 四、对纹理提取方法和结果进行评价。首先,匹配Gabor滤波进行了分析评价。非周期性噪声对匹配Gabor滤波没有影响,主频间隔较大的周期性噪声对匹配Gabor滤波影响较弱。匹配Gabor滤波与Gabor滤波器组相比更适合提取特定频率和方向的纹理。然后对奇Gabor滤波与Canny边缘梯度做比较,其边缘检测性能与Canny算子相当,并且具有更好的边缘定位能力和角点检测能力,但对噪声敏感,经低通增强滤波后的奇Gabor滤波,能抑制噪声,实现对平坦地物边缘的检测。最后,基于象元数量误差准则对经数学形态学处理后的多层建筑物提取结果进行评价,结果表明本文方法的提取正确率可以达到68-75％;用基于对象方法评价,正确提取率达到92.9-98.7％。　　 论文对多层建筑物信息纹理特征及其频谱特征的分析,对高分辨率遥感图像的频谱分析,地物特征识别和提取具有理论参考价值。利用幅度谱信息提取多层建筑物纹理和边缘特征,并将两者结合实现多层建筑物信息提取,具有明显的实际应用价值。本文所提出的依据主频的纹理识别方法、匹配滤波器的参数设置方法及低通增强滤波算法,在方法和应用上具有重要的参考价值。　　 有待于进一步研究的工作,主要是其它类型建筑物的识别和提取;针对“同频异物”现象,进一步研究如何提高提取精度。