建筑物是城市的重要地物,建筑物三维模型在国土测绘、城市规划、灾害管理、应急响应和其它应用领域扮演着重要的角色。随着“智慧城市”的提出,各行各业对建筑物三维模型(尤其是带有语义信息的建筑物三维模型)的需求日益增加。由于Lidar点云成本远高于高分辨率航空或卫星影像,所以,利用高分影像提取建筑物仍是建筑物提取的重要手段;而相较于垂直航空影像和卫星影像,倾斜航空影像具有建筑物立面可见、遮挡少的特点,是建筑物提取的优质数据源。因此,研究如何利用倾斜航空影像提取建筑物具有重要的研究价值和社会效益。从摄影测量生产流程来看,密集图像匹配(DIM)点云是倾斜摄影测量的重要产品,可以为建筑物提取提供三维特征,在一定程度上弥补了“同物异谱,同谱异物”的缺陷;因此,融合DIM点云特征与影像特征提取建筑物就成了一个值得研究的课题。相较于Lidar点云,DIM点云噪声大、建筑物形态与树木形态区分度小,这些缺陷均对融合DIM点云特征与影像特征提取建筑物造成了困难;基于此,本文重点研究了融合DIM点云特征与影像特征的建筑物提取关键技术。该研究主要包括四个内容:■重点研究了 DIM点云与Lidar点云的差异、DIM点云的分布特征及算法适用性。经实验验证,DIM点云在局部区域内,点到所拟合平面的距离可按正态分布处理。同时,采用基于随机森林的点云监督分类方法分别对DIM点云和Lidar点云进行分类。实验结果表明,适用于Lidar点云的点云分类算法,在DIM点云分类时,分类效果较差。从侧面验证了 DIM点云与Lidar点云的差异。■ 针对渐近不规则三角网加密滤波算法(PTD)忽略密集图像匹配(DIM)点云的标准方差大和密度高、无法穿透植被直达地面,造成对DIM点云的滤波效果差的问题;提出一种改进的适用于DIM点云的PTD滤波算法。在种子点选取阶段,该算法针对DIM点云无法穿透植被、直达地面的特性,提出一种基于建筑物立面的种子点选取策略选取种子点;在三角网加密阶段,当归属于网内的点的密度大于所给阈值时,提出一种新的基于多尺度的迭代加密方案对TIN继续加密。所提算法与PTD算法不同,在整个加密过程中,加密角度阈值先从大到小,在从小到大变化。实验结果表明,改进的PTD算法可以可有效的将DIM点云的地面点与非地面点分离。■提出了一种融合DIM点云三维特征与原始航空影像纹理特征的建筑物检测及建筑物轮廓线正则化方法。所提方法主要分为三个阶段。首先,融合来自倾斜航空影像和DIM点云的特征检测建筑物,获得单个建筑物的掩膜;然后,以检测到的单体建筑物为基本处理单元,结合线匹配算法,检测建筑物边缘;最后,提出一种融合建筑物掩膜轮廓和匹配线段的建筑物轮廓线规则化方法。实验结果表明,在像素层级上,完整性为89%至96%,精确度接近93%。所提方法不仅鲁棒性强,而且可以获得与融合LiDAR点云和影像的建筑物检测方法的相似性能。■ 结合已有语义建模框架,探索了语义化建模的流程。通过融合DIM点云与影像信息,提取了建筑物屋顶语义信息;并在已有语义建模框架下,探讨了倾斜航空影像自动化语义建模流程。本文提出了一种仅基于倾斜航空影像完全自动化提取建筑物的方法。该方法获得了较好的效果,对如何利用倾斜航空影像建模有着重要的意义。