摘要
为了准确提取农村不动产测绘图像的目标轮廓，研究农村不动产测绘三维激光扫描图像轮廓提取方法。应用三维激光扫描技术生成农村不动产测绘图像，采用改进的二维最大熵方法有效分割测绘图像，准确获取图像中农村不动产的目标前景。利用Gabor小波变换获取目标的多尺度特征，从而更全面地理解目标的形态与结构。同时，结合模糊数学理论，深入描述了图像的纹理特征，并通过相似度函数实现了目标轮廓的精确提取。若轮廓存在不连续位置，重新标记并使用模糊数学理论将标记进行连接，最终获得完整的农村不动产测绘图像目标轮廓。测试结果显示：所提方法平均吻合度高于93.4%，容差率低于2.5%，提取结果不仅连续性好，而且平滑度高，为农村不动产测绘提供了有力的技术支持。
引用
[1] 周志林. 农村不动产测绘三维激光扫描图像轮廓提取[J]. 北京测绘, 2025, 39 (02): 177-182.
0 引言
农村不动产涵盖集体土地、建设用地、建筑物、宅基地等，这是关乎民生问题的主要内容，并且对农村产权制度的变更具有重要作用 [1-3] 。农村不动产分布面积较大，涉及范围较广，因此，在对其进行统计时面临较大挑战 [4] 。近几年，三维激光扫描技术作为一种新的测绘技术，能够精准完成实景复制，获取目标的测绘图像，极大地提升了测绘结果的可靠程度，可高效完成空间数据的采集 [5] 。三维激光扫描生成的目标测绘图像中包含目标的全部信息，因此，该技术也成为农村不动产测绘领域主要的测绘方式。如何依据三维激光扫描获取农村不动产测绘图像，提取不动产的轮廓，对不动产的统计具有重要作用 [6] 。
为实现图像中目标轮廓的识别，有文献提出基于深度学习的相关识别算法，该算法主要依据深度卷积网络对图像进行划分和卷积操作后，完成图像中目标轮廓的识别 [7] 。另有文献研究图像传感器（address-event representation,AER）的相关轮廓提取方法，该方法能够对图像进行细致处理，获取所有单像素的轮廓，以此实现整个目标轮廓的提取 [8] 。为了进一步提升轮廓提取效果，本研究采用农村不动产测绘三维激光扫描图像轮廓提取方法，结合三维激光和Gabor小波分析，完成农村不动产测绘图像目标轮廓的提取。
1 农村不动产测绘图像目标轮廓提取
1.1农村不动产测绘图像轮廓提取方法框架
本文针对农村不动产测绘图像轮廓提取，提出农村不动产测绘三维激光扫描图像轮廓提取方法，该方法的技术路线如图1所示。
农村不动产测绘三维激光扫描图像轮廓提取方法整体包含两部分，分别是三维激光扫描和图像轮廓提取，三维技术扫描部分主要依据三维激光扫描仪测绘农村不动产图像；图像轮廓提取部分主要是对三维激光测绘的农村不动产图像进行分割处理后，提取图像中不动产的轮廓。
图1 农村不动产测绘图像目标轮廓提取方法框架
1.2基于三维激光扫描的农村不动产测绘图像生成
三维激光扫描技术能够获取农村不动产物体表面的位置信息以及颜色信息，农村不动产测绘图像生成流程如图2所示。
图2 基于三维激光扫描的农村不动产测绘图像生成
三维激光扫描仪在进行农村不动产测绘过程中，是结合激光传感器、旋转平台以及数码相机完成的 [9] 。其中，不动产物体颜色的获取依据数码相机完成，激光传感器的主要作用是实现农村不动产物体距离测量，其主要利用光的传播和反射特性。获取物体表面和激光发射点的距离L
旋转平台主要对农村不动产物体的角度进行测量。在测量过程中，扫描仪的水平旋转角度和俯仰角度分别用α和θ表示，以激光扫描仪为原点，结合α和θ实现角度测量 [11] 。在此基础上，实现农村不动产物体三维坐标Pi的计算。
依据上述获取的农村不动产物体三维坐标Pi=(xi,yi,zi)结果，以此生成农村不动产物体三维扫描测绘图像I (x,y)，并以该图像为基础，进行图像中农村不动产轮廓提取。
1.3农村不动产目标三维扫描测绘图像分割
获取农村不动产物体三维扫描测绘图像后，为提升农村不动产轮廓的提取精度，本文采用改进的二维最大熵方法，实现该测绘图像的分割处理 [12] 。该分割依据最佳阈值为分割标准，以熵值作为目标函数，最大限度地实现图像中目标区域和背景区域熵和的最大值，以此有效分割农村不动产测绘图像。其中，最佳阈值指的是测绘图像中不动产目标和背景的像素边界。
1.4基于改进Gabor小波分析的不动产目标轮廓提取
完成I (x,y)中农村不动产目标图像后，以Gabor小波技术为主，引入模糊数学理论提取I′(x′，y′)中农村不动产目标轮廓。该方法结合模糊数学理论和Gabor小波技术，以增加对农村不动产目标轮廓边缘特征的识别以及多尺度特征的感应能力，保证轮廓提取效果更佳。
Gabor小波对图片边缘极为敏感，因此，文中采用Gabor小波变换提取I′(x′，y′)中不动产目标轮廓时，能够提取图像中多尺度、多分辨率的特性。因此，其能够精准描述像素周围方向强度的变化信息。
2 实例验证
2.1实验区概况
为验证本文所提方法在农村不动产测绘图像中，对农村不动产目标轮廓的提取效果，以某市的某乡镇为例。该乡镇的总面积147.2 km2，下辖8个村，该乡镇处于丘陵地带，沟壑较多，且存在诸多山区，林木繁多，其不动产整体可分为集体土地、建设用地、建筑物以及宅基地。其中，各类建筑物不动产中，没有层数高于4层的建筑。利用本文所述方法对其进行测绘，并生成测绘图像。在测绘过程中，使用型号为蔡司ZEISS T-SCAN hawk 2的三维激光扫描仪，仪器相关参数如表1所示。
2.2结果与分析 2.2.1基于三维激光扫描的农村不动产测绘图像生成效果测试
利用本文所提方法生成农村不动产测绘图像。由于该乡镇面积较大，其结果仅随机呈现该乡镇的部分农村不动产测绘图像结果，如图3所示。
依据图3的测试结果可知，本文所提方法能够对农村不动产进行扫描，生成测绘图像。而且，生成的图像能够清晰呈现农村不动产的分布情况。因此，本文所提方法能够完成农村不动产的测绘图像生成。
图3 部分农村不动产测绘图像结果
2.2.2测绘图像分割下的不动产目标轮廓提取效果测试
为验证本文方法对农村不动产测绘图像中不动产目标轮廓的提取效果，随机抽取一张农村不动产激光三维测绘图像，采用本文方法对该图像进行分割处理后，提取图像中的建筑目标轮廓，获取轮廓提取结果，如图4所示。
图4 不动产图像轮廓的提取效果
依据图4的测试结果可知，应用本文方法能够完成三维激光扫描获取的农村不动产测绘图像中建筑不动产的轮廓提取。而且，提取的轮廓结果与实际的建筑结构一致，没有发生提取错误现象。同时，提取的轮廓具备良好的连续性以及平滑性。因此，本文所提方法的应用性良好，能够有效实现农村不动产测绘三维激光扫描图像轮廓提取。
2.2.3不动产目标轮廓提取效果对比量化测试
为验证本文所提方法对农村不动产测绘图像轮廓的提取性能，以平均吻合度Q和容差率Si作为评价指标，两者的结果在0%～100%，前者的值越大，表示方法的轮廓提取性能越佳；后者的值越小，表示方法的轮廓提取性能越佳。测试本文的方法、文献 [7]的方法在不同的农村不动产面积下，平均吻合度Q和容差率Si两个指标的结果，如表2所示。
表2 轮廓提取性能测试结果
依据表2的测试结果可知，本文所提方法的轮廓提取的平均吻合度Q指标均在93.4%以上，容差率Si指标均在2.5%以下。而文献 [7]方法的轮廓提取的平均吻合度Q指标低于90%，容差率Si指标高于2.58%。本文方法对测绘图像中不动产目标轮廓的提取性能较好，能够有效提取不动产图像的轮廓。这是因为本文所提方法在进行目标不动产轮廓提取时，是结合模糊数学理论和Gabor小波技术完成的，能够对不连续的轮廓进行重新标记和连接。因此，可最大限度地提升轮廓的提取性能，保证轮廓提取结果的可靠性。
为验证本文方法对农村不动产轮廓的提取效果，测试本文方法的轮廓提取误差。
依据表3的测试结果可知，在3种不同的农村建筑不动产形状下，随着形状面积的逐渐增加，通过采取本文方法对其轮廓进行提取后，提取轮廓的误差均在5 cm以内，可满足应用需求。
3 结束语
农村不动产在统计过程中，为提升统计效率，并保证统计精度，通常会采用测绘的方式进行。但是，不同测绘手段的精度、效率、人员消耗等，也存在较大差异，且测绘方式的差异也会导致测量结果发生偏差。因此，本文为保证农村不动产的测绘精度，研究农村不动产测绘三维激光扫描图像轮廓提取方法。利用三维激光扫描技术生成农村不动产测绘图像，采用改进的二维最大熵方法分割图像前景轮廓和背景；利用Gabor小波技术变换获取轮廓的多尺度特征，实现农村不动产测绘图像中目标轮廓的提取。对该方法的应用效果进行测试后发现，该方法能够完成农村不动产的测绘，并生成测绘图像，并有效实现图像分割，提取图像中目标不动产的轮廓，且提取误差较小，可满足农村不动产统计应用需求。
来源：测绘学术资讯
