一种基于遥感图像的建筑高度计算方法、装置和设备
文献发布时间:2024-04-18 19:54:45
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于遥感图像的建筑高度计算方法、装置和设备。
背景技术
建筑在电力电网中承载着相当大的灵活资源潜力,例如空调及其他电力设备的电力资源配置,因此计算城市建筑容积容量具有重要意义,除了需要具体的地面建筑占地面积,还需要提取精确的建筑高程。
目前,对于多尺度建筑高度的监测基于区域性研究方法,包括摄影测量立体定位、移动激光雷达扫描点云数据的建筑物三维模型建模方法,然而,发明人发现现有技术至少存在如下问题:现有的测量方法具有区域性数据量大、大范围面积实用性弱,和受到植被、水体等非建筑物的干扰等局限;以及基于机器学习应用于地理空间数据的常用方法,其中除了面对非建筑物在卫星图像中的干扰之外,卫星图像中通常存在的光谱异质性,以及阴影与非阴影区域特征的相似性使得建筑阴影检测具有挑战性;由于单次时间的遥感图像中的自然环境固定,意味着太阳高度、检测地区的纬度、建筑阴影投影形状在每张高光谱图像中的属性是固定的,仅在一种时间范围内估计的建筑高度与真实高度有偏差。因此,亟待一种精准、简便的建筑高度测量方法。
发明内容
本发明实施例的目的是提供一种基于遥感图像的建筑高度计算方法、装置和设备,基于多个子时序遥感图像的阴影足迹变化来实现对建筑高度的测量,提高了对建筑高度测量的精准性和简便性,有利于为建筑地区的电力资源配置提供参考。
为实现上述目的,本发明实施例提供了一种基于遥感图像的建筑高度计算方法,包括:
获取包含待测建筑的多时序遥感图像数据,并根据所述多时序遥感图像数据划分得到若干个子时序遥感图像;
对每一所述子时序遥感图像进行稳像处理和阴影特征增强处理;
根据处理后的每一所述子时序遥感图像,提取所述待测建筑在太阳光线投影下的阴影变化足迹;
根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度。
作为上述方案的改进,所述根据所述多时序遥感图像数据划分得到若干个子时序遥感图像,具体包括:
计算与纬度变化相关的太阳高度时序数据;
根据所述太阳高度时序数据,对所述多时序遥感图像数据进行划分得到若干个子时序遥感图像,以使每一所述子时序遥感图像中待测建筑在太阳光线投影下的阴影变化程度相同或相近。
作为上述方案的改进,所述对每一所述子时序遥感图像进行稳像处理,包括:
采用同名点匹配算法对每一所述子时序遥感图像进行特征点匹配;
采用预设的有理函数模型对所述子时序遥感图像进行图像优化和补偿;
对所述子时序遥感图像采用区域网平差算法进行优化,及采用旋转与错切算法进行校正,以得到稳像处理后的子时序遥感图像。
作为上述方案的改进,对每一所述子时序遥感图像进行阴影特征增强处理,包括:
采用预设的滤波器的局部相位和幅度响应来增强所述子时序遥感图像中显示的阴影,直至预设的参数差值基本不变;其中,所述预设的滤波器是根据卫星图像光谱和空间特征设计得到的;
采用预设的主动优化活动轮廓分割模型对所述子时序遥感图像进行处理,以对所述子时序遥感图像进行阴影边缘的描绘和阴影效果的增强;
对描绘的阴影边缘的初始曲线进行水平集初始化,得到增强后的阴影边缘;
采用预设的区分因子将所述子时序遥感图像中的水体区域过滤出,得到阴影特征增强处理后的子时序遥感图像;其中,所述区分因子指的是作为所述子时序遥感图像中阴影区域与水体区域进行比较的因子,所述区分因子通过遥感图像光谱特征的方差阈值确定得到。
作为上述方案的改进,所述根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度,具体包括:
根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算每一所述子时序遥感图像对应的所述待测建筑的高度数据;
根据所有所述子时序遥感图像对应的所述待测建筑的高度数据,采用概率论数据统计的算法,得到所述待测建筑的高度的最优解。
作为上述方案的改进,所述根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算每一所述子时序遥感图像对应的所述待测建筑的高度数据,具体包括:
根据所述太阳高度角和所述子时序遥感图像,判断太阳和拍摄所述时序遥感图像的卫星传感器与所述待测建筑的关系;
当所述太阳和所述卫星传感器位于所述待测建筑的同侧时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
当所述太阳和所述卫星传感器之间的方位角大于180°时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
AB=BD×tanα;
当所述太阳和所述卫星传感器之间的方位角处于0°~180°之间时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
其中,α为太阳高度角,β为卫星传感器仰角,γ为太阳方位角,δ为卫星传感器方位角,ε为所述待测建筑方向与所述待测建筑的阴影沿顺时针方向投影形成的夹角;AB为所述待测建筑的高度数据,BC为所述待测建筑在太阳光线下投影的阴影长度,BD为所述待测建筑投影的阴影总长度,CD为所述子时序遥感图像上可观测的阴影长度;DE为所述子时序遥感图像中可观测的投影阴影长度。
作为上述方案的改进,在所述提取所述待测建筑在太阳光线投影下的阴影变化足迹之后,且在根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度之前,所述方法还包括:
判断所述待测建筑是否处于复杂地形或密集区域;其中,所述复杂地形指的是所述待测建筑在所述子时序遥感图像中的阴影投影面的标高与水平投影面的标高不相等;所述密集区域指的是所述待测建筑在所述子时序遥感图像中的阴影与相邻的建筑占地范围重叠;
当所述待测建筑处于复杂地形时,将阴影线的两端作为缓冲区,得到缓冲区内的等高线高程,再将标高分配到渔网线的末端,以校正阴影长度;
当所述待测建筑处于密集区域时,采用阴影正则化提取对所述子时序遥感图像进行处理,以矫正阴影长度。
作为上述方案的改进,在所述计算所述待测建筑的高度之后,所述方法还包括:
根据所述待测建筑的高度和所述待测建筑在时序遥感图像中的占地面积,计算所述待测建筑的容积;
根据目标区域内每一所述待测建筑的容积,计算所述目标区域所需的能量供应量;其中,所述能量供应量包括供热量和供冷量;
根据所述目标区域所需的能量供应量,评估所述目标区域的建筑空间中空调配置规模的合理性。
本发明实施例还提供了一种基于遥感图像的建筑高度计算装置,包括:
遥感图像获取模块,用于获取包含待测建筑的多时序遥感图像数据,并根据所述多时序遥感图像数据划分得到若干个子时序遥感图像;
图像处理模块,用于对每一所述子时序遥感图像进行稳像处理和阴影特征增强处理;
阴影变化足迹提取模块,用于根据处理后的每一所述子时序遥感图像,提取所述待测建筑在太阳光线投影下的阴影变化足迹;
建筑高度计算模块,用于根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度。
本发明实施例还提供了一种基于遥感图像的建筑高度计算设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的基于遥感图像的建筑高度计算方法。
与现有技术相比,本发明公开的基于遥感图像的建筑高度计算方法、装置和设备,通过获取包含待测建筑的多时序遥感图像数据,并根据所述多时序遥感图像数据划分得到若干个子时序遥感图像;对每一所述子时序遥感图像进行稳像处理和阴影特征增强处理;根据处理后的每一所述子时序遥感图像,提取所述待测建筑在太阳光线投影下的阴影变化足迹;根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度。采用本发明实施例的技术手段,设计了多个时间序列追踪高光谱图像中建筑阴影足迹的方案,进而估计连续多个子时序遥感图像中的建筑高度,最终得出待测建筑的高度值,能有效避免一种时间范围内估计的建筑高度与真实高度有偏差的情况,提高了对建筑高度测量的精准性和简便性,有利于为建筑地区的电力资源的能耗与能效计算提供数据基础,从而为电力资源的配置起到重要作用。
附图说明
图1是本发明实施例提供的一种基于遥感图像的建筑高度计算方法的流程示意图;
图2是本发明实施例中建筑物每小时在水平地面上投影的阴影变化足迹;
图3是本发明实施例中太阳和卫星传感器的位置关系图;
图4是本发明实施例中阴影投影面和水平投影面的标高关系图。
图5是本发明实施例提供的一种优选的基于遥感图像的建筑高度计算方法的流程示意图;
图6是本发明实施例提供的一种基于遥感图像的建筑高度计算装置的结构示意图;
图7是本发明实施例提供的一种基于遥感图像的建筑高度计算设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明实施例提供的一种基于遥感图像的建筑高度计算方法的流程示意图,本发明实施例提供了一种基于遥感图像的建筑高度计算方法,适用于多尺度多时间序列的地理数据,具体通过步骤S11至S14执行:
S11、获取包含待测建筑的多时序遥感图像数据,并根据所述多时序遥感图像数据划分得到若干个子时序遥感图像;
S12、对每一所述子时序遥感图像进行稳像处理和阴影特征增强处理;
S13、根据处理后的每一所述子时序遥感图像,提取所述待测建筑在太阳光线投影下的阴影变化足迹;
S14、根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度。
在本发明实施例中,首先获取卫星传感器拍摄的包含待测建筑的遥感图像数据,对所述遥感图像数据,将整个时序分成多个子时序,对每个子时序遥感图像预处理,包括稳像处理和阴影特征增强处理,利用语义分割模型识别高分辨影像中建筑和阴影对象,并制作多时序建筑阴影变化足迹;进而,利用太阳高度角、建筑阴影长度与形状、及其建筑对象的几何关系进行建筑高度估算。
采用本发明实施例的技术手段,设计了多个时间序列追踪高光谱图像中建筑阴影足迹的方案,进而估计连续多个子时序遥感图像中的建筑高度,最终得出待测建筑的高度值,能有效避免一种时间范围内估计的建筑高度与真实高度有偏差的情况,提高了对建筑高度测量的精准性和简便性,有利于为建筑地区的电力资源的能耗与能效计算提供数据基础,从而为电力资源的配置起到重要作用。
作为优选的实施方式,本发明实施例在上述实施例的基础上进一步实施,其中,步骤S11中,也即所述根据所述多时序遥感图像数据划分得到若干个子时序遥感图像,具体包括以下步骤:
计算与纬度变化相关的太阳高度时序数据;
根据所述太阳高度时序数据,对所述多时序遥感图像数据进行划分得到若干个子时序遥感图像,以使每一所述子时序遥感图像中待测建筑在太阳光线投影下的阴影变化程度相同或相近。
具体地,参见图2,是本发明实施例中建筑物每小时在水平地面上投影的阴影变化足迹,在与太阳方位角α相反的方向上移动障碍物轮廓的距离会产生阴影足迹轮廓,阴影足迹对于计算在特定时间被阴影的确切地面面积是有用的。设太阳在空间直角坐标系中原点的位置,在xOy平面内(黄道平面)发出太阳光;地球在xOy平面内绕太阳作圆周运动,冬至日在(R,0,0)的位置,此时地心指向北极的方向为
也就是说正午太阳直射点的纬度随时间变化的规律为:
这里α>0指北纬,α<0指南纬。由此得到与纬度变化相关的太阳高度时序数据。
进一步地,由于太阳高度速度影响阴影足迹变化速度,因此在等分时序的遥感图像上阴影变化程度不同,从而影响等分时序情况下的阴影检测和高度测量精度;因此为了让每份子时序的遥感图像建筑阴影变化程度相近,提升建筑高度测量精度,本发明实施例提供了相应的时序分配算法。其中,太阳赤纬以δ表示,观测地地理纬度用φ表示,地方时(时角)以t表示,有太阳高度角η的计算公式:
sinη=sinφ·sinδ+sinφ·cosδ·cost;
黄赤交角计算公式:
此处N是从年度开始所经历的天数,N=0是协调世界时1月1日的午夜12点(也就是日期部分的序号是从1开始),推算出太阳高度角与一天中时间t的关系:
基于此,在得到与纬度变化关系的太阳高度时序数据后,再结合关于图像时序分配算法,对所述多时序遥感图像数据进行划分得到若干个子时序遥感图像,以使每一所述子时序遥感图像中待测建筑在太阳光线投影下的阴影变化程度相同或相近。
作为优选的实施方式,本发明实施例在上述实施例的基础上进一步实施,步骤S12中,所述对每一所述子时序遥感图像进行稳像处理,包括:
采用同名点匹配算法对每一所述子时序遥感图像进行特征点匹配;
采用预设的有理函数模型对所述子时序遥感图像进行图像优化和补偿;
对所述子时序遥感图像采用区域网平差算法进行优化,及采用旋转与错切算法进行校正,以得到稳像处理后的子时序遥感图像。
具体地,所述同名点匹配算法为SIFT匹配算法或RANSAC算法。
在一种实施方式下,为得到稳定精确的同名点,本发明实施例采用SIFT算法(Scale Invariant Feature Transform,尺度不变特征转换算法)提取特征点,并利用优先k-d树寻找每个特征点的最近邻和次近邻特征点完成匹配工作。
在另一种实施方式下,经过RANSAC算法(Random Sample Consensus,随机采样一致算法)完成匹配点筛选,以得到稳定高精度的同名点对。
进一步地,所述有理函数模型包括相邻时序映射模型、RFM模型或有理函数补偿模型,其中,相邻时序映射模型:
其中,n表示第n个子时序的图像,n+i(i≠0)表示相邻时序下一个图像。
RFM模型:在进行时序间映射模型的构建时,本发明实施例借助了图像的RFM模型(RationalFunctionModel,优化有理函数模型)及其像方补偿模型,采用了两个比例多项式完成了像方坐标到物方坐标的相互变换。如下式所示:
上两式一共有四个多项式,其形式基本一致,如下式所示:
P
+a
+a
+a
其中,P=NUM,DEN;i=S,L。四个多项式的参数组合成RPC参数(RationalPolynomial Coefficients几何定位模型参数)。以上公式的归一化参数是(S,L,B,V,H),其归一化公式分别为S=(s-s0)/Ss,L=(l-l0)/ls,B=(b-b0)/bs,V=(v-v0)/vs,H=(h-h0)/hs:其中,(s,l)为像平面坐标,(b,v,h)为地面点WGS-84大地经纬度坐标(s0,l0,b0,v0,h0)为归一化偏移因子,(ss,ls,bs,vs,hs)为归一化缩放因子。
由RFM模型比例多项式,可以得到从影像坐标到地面点坐标的RFM模型正向变换公式,以及从地面点坐标到影像坐标的RFM模型反向变换公式,如下所示:
(b
上式中,RFM’(s,l,h)和RFM(b,v,h)分别是RFM模型的正算函数和反算函数。
有理函数补偿模型:RFM模型包含两种补偿模型,物方补偿,可用以降低遥感卫星传感器误差和抵消航空过程中的飞行轨迹误差,从而减少几何定位模型参数带来的系统误差,因此对有理函数进行补偿优化。
物方补偿模型直接对地面点坐标进行补偿:
其中,(b
进一步地,区域网平差处理包括:计算每张影像的外方位参数和加密点坐标。少量控制点对同一个测量区域内RFM模型的有理函数像方补偿参数进行解算,从而实现将同一测区内不同影像的定位坐标进行统一。构建加密点误差函数线性化方程:
其中,F
同理,构建控制点误差函数线性化方程后得到对应矩阵方程式:V=At-l
对上述公式利用最小二乘平差对区域网平差的坐标误差函数进行结算,并对仿射变换参数的增量进行迭代计算,直到该数值增量达到一定范围。
旋转与错切校正策略包括:绕任意指定锚点(x
错切变换矩阵:
作为优选的实施方式,本发明实施例在上述实施例的基础上进一步实施,其中,步骤S12中,也即对每一所述子时序遥感图像进行阴影特征增强处理,包括:
采用预设的滤波器的局部相位和幅度响应来增强所述子时序遥感图像中显示的阴影,直至预设的参数差值基本不变;其中,所述预设的滤波器是根据卫星图像光谱和空间特征设计得到的;
采用预设的主动优化活动轮廓分割模型对所述子时序遥感图像进行处理,以对所述子时序遥感图像进行阴影边缘的描绘和阴影效果的增强;
对描绘的阴影边缘的初始曲线进行水平集初始化,得到增强后的阴影边缘;
采用预设的区分因子将所述子时序遥感图像中的水体区域过滤出,得到阴影特征增强处理后的子时序遥感图像;其中,所述区分因子指的是作为所述子时序遥感图像中阴影区域与水体区域进行比较的因子,所述区分因子通过遥感图像光谱特征的方差阈值确定得到。
在本发明实施例中,对遥感图像建筑投影阴影使用特征增强算法。首先,利用根据卫星图像光谱和空间特征设计的自定义滤波器的局部相位和幅度响应,以增强阴影并减少强度异质性。其一般形式如下:
x
其中,θ为滤波器相对于x轴的旋转角度,f为局部频率,滤波器以原点为中心,高斯函数沿x、y轴的标准差分别为σ
所实现的滤波器与卫星图像进行卷积后,需要得到两个区域图像,分别呈现阴影和非阴影区域。为了实现这一点,Gabor滤波函数的参数和f应选择最合适的值,使两点之间的距离最大化,并使用以下方程实现:
其中dij特征点(xi,y),(xj,yj)之间的欧氏距离。因此通过最大化上述目标函数来优化Gabor滤波器参数。当每一组生成的参数各自的差值保持不变时,该过程终止。
接着,使用主动优化活动轮廓分割模型(OAC模型)描绘图像阴影边缘和增强阴影效果。在主动优化轮廓分割模型(OAC,optimized active contour model)利用该滤波器来描绘和突出阴影,阴影区域的辐射特性可以用一个全局常数来表示。利用I(x,y)图像进行建筑阴影轮廓C的检测,OAC模型的定义如下:
其中,λ
进一步地,对描绘的阴影初始曲线进行水平集初始化,从而基本得到增强后的阴影,对于水平集的演化,零水平集被描述为时间的函数:
基于水平集函数,初始曲线放置在待评价图像:
Φ
该模型采用以下正向有限差分格式,对初始曲线进行演化,并对卫星图像中的阴影进行检测:
Φ
Φ
进一步地,由于水体的辐射特征与阴影非常相似,需要利用遥感图像光谱特征的方差阈值作为阴影区域与水体表面比较的区分因子,最后采用全局方差阈值来过滤出水体区域。
作为优选的实施方式,本发明实施例在上述实施例的基础上进一步实施,步骤S14中,所述根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度,具体包括:
根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算每一所述子时序遥感图像对应的所述待测建筑的高度数据;
根据所有所述子时序遥感图像对应的所述待测建筑的高度数据,采用概率论数据统计的算法,得到所述待测建筑的高度的最优解。
具体地,所述根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算每一所述子时序遥感图像对应的所述待测建筑的高度数据,具体包括:
根据所述太阳高度角和所述子时序遥感图像,判断太阳和拍摄所述时序遥感图像的卫星传感器与所述待测建筑的关系;参见图3,是本发明实施例中太阳和卫星传感器的位置关系图,具体包括图3(a)至图3(c)。
参见图3(a),当所述太阳和所述卫星传感器位于所述待测建筑的同侧时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
参见图3(b),当所述太阳和所述卫星传感器之间的方位角大于180°时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
AB=BD×tanα;
参见图3(c),当所述太阳和所述卫星传感器之间的方位角处于0°~180°之间时,所述子时序遥感图像对应的所述待测建筑的高度数据为:
其中,α为太阳高度角,β为卫星传感器仰角,γ为太阳方位角,δ为卫星传感器方位角,ε为所述待测建筑方向与所述待测建筑的阴影沿顺时针方向投影形成的夹角;AB为所述待测建筑的高度数据,BC为所述待测建筑在太阳光线下投影的阴影长度,BD为所述待测建筑投影的阴影总长度,CD为所述子时序遥感图像上可观测的阴影长度;DE为所述子时序遥感图像中可观测的投影阴影长度。
优选地,在所述提取所述待测建筑在太阳光线投影下的阴影变化足迹之后,为了避免遥感图像中待测建筑的阴影存在变形等情况导致计算高度不准确,在根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度之前,还需要对待测建筑的阴影进行校正,所述方法还包括:
判断所述待测建筑是否处于复杂地形或密集区域;其中,所述复杂地形指的是所述待测建筑在所述子时序遥感图像中的阴影投影面的标高与水平投影面的标高不相等;所述密集区域指的是所述待测建筑在所述子时序遥感图像中的阴影与相邻的建筑占地范围重叠;
当所述待测建筑处于复杂地形时,将阴影线的两端作为缓冲区,得到缓冲区内的等高线高程,再将标高分配到渔网线的末端,以校正阴影长度;
当所述待测建筑处于密集区域时,采用阴影正则化提取对所述子时序遥感图像进行处理,以矫正阴影长度。
具体地,参见图4,是本发明实施例中阴影投影面和水平投影面的标高关系图,包括图4(a)和图4(b)。复杂地形下的阴影长度校正包括阴影投影面的标高高于水平投影面的标高,以及阴影投影面的标高小于水平投影面的标高两种情况:
参见图4(a),当阴影投影面的标高高于水平投影面的标高时,阴影长度结果由以下公式进行校正:
其中,EG为图像中测量的阴影长度,HF为实际阴影长度,h、h1和h2分别为建筑物的底面和阴影末端的高度。
参见图4(b),当阴影投影面的标高小于水平投影面的标高时,阴影长度结果由以下公式进行校正:
其中,FH是图像的总测量阴影长度,GE是实际阴影长度。
由于建筑分布密集程度、太阳高度角及其赤纬方位、遥感卫星方位角等,密集区域的建筑阴影可能会遮挡相邻建筑,实际投影形状和建筑占地范围会相互重叠。针对这种情况,提出密集区域建筑阴影长度校正的解决方法,具体包括:
阴影的正则化提取:首先,为建筑矢量边界制作包络矩形,并按比例缩放;其次,从包络矩形中得到角坐标,根据太阳方位角和角坐标生成切割线;然后,通过切割线和重叠阴影裁剪正则化阴影;最后,根据太阳的方位角方向对建筑和正则化阴影进行匹配,同时,将建筑围护结构矩形的缩放比减小,直至所有建筑与阴影匹配,可用于计算建筑高度。
或,结合渔网和保塔准则计算阴影长度:该方法包括两部分,也即鱼网线的生成和粗差的消除。鱼网线生成包括:对建筑物产生的阴影进行编号后,根据太阳方位角构造鱼网线;最后将鱼网线与阴影叠加得到阴影线。消除粗差包括:求阴影平面上每条切割线长度的残差:V
作为优选的实施方式,参见图5,是本发明实施例提供的一种优选的基于遥感图像的建筑高度计算方法的流程示意图,本发明实施例在上述实施例的基础上进一步实施,在步骤S14,也即在所述计算所述待测建筑的高度之后,所述方法还包括步骤S15至S17:
S15、根据所述待测建筑的高度和所述待测建筑在时序遥感图像中的占地面积,计算所述待测建筑的容积;
S16、根据目标区域内每一所述待测建筑的容积,计算所述目标区域所需的能量供应量;其中,所述能量供应量包括供热量和供冷量;
S17、根据所述目标区域所需的能量供应量,评估所述目标区域的建筑空间中空调配置规模的合理性。
基于上述优化后的建筑高度,进行后续广域空调能源消耗计算和能源结果评估。首先,对该区域范围内空调提供能量进行定量分析,先计算出每个建筑容积:
V
其中,E(H
Q=k
其中k
q″
接着评估空调能源转化效率,空调系统所需能源消耗转化为冷量和热量的难易程度不同,因而分别根据建筑物所需的冷量或热量,使用空调能源转化系统评价指标来衡量是否符合节能评估。空调耗热量和耗冷量的能质系数分别为:
其中,T0—室外空气温度(K),T—室内空气温度(K)
最后使用能源转化系统评价指标ECC(Energy Conversion Coefficient)来考察和检验空调冷热源形式的合理性:
其中,∑Q
评估空调电源输配能耗指标,设计空调输配电能系数TDC(Transfer andDistribution Coefficient),确定其风系统和水系统在单位耗电量下所能输送和分配的冷热量。
Ep为建筑空调冷冻泵、采暖泵全年总电耗(kWh);Ef为建筑空调箱、新风机组全年总电耗(kWh)。根据《公共建筑节能评审标准》,当TDC≥5时,说明该地区空调电源在电力系统中输送和分配的能源耗电程度基本符合节能要求。
根据时序分析预测空调规模周期性规律,对每个遥感图像限定地区范围内的空调规模定量数据,进行多时序季节周期性、周周期性、日周期性的规律分析,采用ARIMA(p,d,q)预测模型(Autoregressive Integrated Moving Average model):
其中与X
本发明实施例提供了基于多个子时序遥感图像的阴影足迹变化的建筑高度精准测量方案,进而根据该方法进行建筑容积结果的推测,为尤其是城市常见的密集建筑地区范围内空调电力资源配置提供参考。
参见图6,是本发明实施例提供的一种基于遥感图像的建筑高度计算装置的结构示意图,本发明实施例提供了一种基于遥感图像的建筑高度计算装置20,包括:
遥感图像获取模块21,用于:获取包含待测建筑的多时序遥感图像数据,并根据所述多时序遥感图像数据划分得到若干个子时序遥感图像;
图像处理模块22,用于对每一所述子时序遥感图像进行稳像处理和阴影特征增强处理;
阴影变化足迹提取模块23,用于根据处理后的每一所述子时序遥感图像,提取所述待测建筑在太阳光线投影下的阴影变化足迹;
建筑高度计算模块24,用于根据每一所述子时序遥感图像的时间点对应的太阳高度角和所述阴影变化足迹,计算所述待测建筑的高度。
采用本发明实施例的技术手段,设计了多个时间序列追踪高光谱图像中建筑阴影足迹的方案,进而估计连续多个子时序遥感图像中的建筑高度,最终得出待测建筑的高度值,能有效避免一种时间范围内估计的建筑高度与真实高度有偏差的情况,提高了对建筑高度测量的精准性和简便性,有利于为建筑地区的电力资源的能耗与能效计算提供数据基础,从而为电力资源的配置起到重要作用。
需要说明的是,本发明实施例提供的一种基于遥感图像的建筑高度计算装置用于执行上述实施例的一种基于遥感图像的建筑高度计算方法的所有流程步骤,两者的工作原理和有益效果一一对应,因而不再赘述。
参见图7,是本发明实施例提供的一种基于遥感图像的建筑高度计算设备的结构示意图,本发明实施例提供了一种基于遥感图像的建筑高度计算设备30,包括处理器31、存储器32以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项实施例所述的基于遥感图像的建筑高度计算方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
- 一种基于遥感图像和地理信息系统的文地率计算方法
- 一种设备安装高度要求鉴定装置
- 一种还款金额的计算方法、装置及电子设备
- 基于建筑信息模型的净空高度计算方法及相关装置
- 建筑物高度及占地面积计算方法、装置、设备及存储介质