现有常规分类识别建筑物的提取方法容易受到周围复杂环境的干扰而导致错误检测，造成建筑物的边界存在不规则、与真实形状不符等问题。针对此问题，提出一种基于主方向的建筑物轮廓优化方法。首先，依据影像和建筑物特征对建筑物初始提取结果进行预处理，剔除非建筑物图斑和散乱线段。然后，结合建筑物正外接矩形判定建筑物主方向，并利用主方向对建筑物对象进行轮廓重构，得到初步规则化结果。最后，结合初始建筑物提取结果，计算边界特征强度，进一步降低规则化后的偏差，实现建筑物轮廓的深度优化。此外，通过与其他方法进行对比，对相关参数进行讨论分析。结果表明：相较于对比方法，所提方法能够有效提高建筑物初始提取结果的完整性和规则化程度，并且能够对不同大小与复杂度的建筑物进行细节优化，从而获得更高的优化精度；所提方法可作为建筑物提取后优化的参考方法。

针对高分辨率遥感影像中分类法提取的建筑物轮廓不规则问题,设计了一种逐级优化规整建筑物轮廓的方法。根据分类验证思想提取的建筑物的初始结果,首先提取建筑物初始轮廓进行多边形拟合,获取与建筑物轴线倾斜程度相一致的最佳拟合外接矩形,然后将建筑物轮廓线段与最佳拟合外接矩形边界进行等分并比较两者之间的单向Hausdorff距离,对距离较小且满足替换条件的轮廓线段等分点利用对应的最佳拟合外接矩形边界等分点进行替换,实现轮廓初步的规整优化;接着利用Shi--Tomasi算法对建筑物局部无法规整的复杂轮廓区域进行特征角点提取、匹配、排序与剔除,进一步对边缘特征点进行有序连接与重构,实现轮廓深度的优化,最终提高边缘表达准确度和提取精度。通过对多幅遥感影像进行实验对比分析,结果表明本文方法不仅适用于不同分类方法提取的建筑物结果的轮廓优化,有效提高建筑物轮廓的边缘表达精度,而且相比于轮廓优化参照方法,逐级优化能更准确地适应复杂建筑物轮廓的细节变化,优化的精度整体较优,使建筑物边缘的准确性、规整程度得到有效改善,能更真实准确地反映建筑物的真实形状。

分类法提取建筑物因易受到错误检测的影响而存在边缘锯齿、形状不规则等问题。提出了一种利用符合建筑物轮廓及轴向的最佳外接矩形和Hausdorff距离综合优化建筑物轮廓的方法。首先利用偏移阴影分割分类方法提取建筑物,对建筑物边界进行多边形拟合;然后用获取拟合结果的最小外接矩形判断建筑物轴向,以选择最佳的外接矩形,并将最佳外接矩形和建筑物轮廓进行逐段等分,计算线段之间的Hausdorff距离,并根据替换规则选择性地用外接矩形边线段进行边界替代,以进一步进行规整优化,最终提高了边缘表达的准确度和提取精度。对多幅遥感影像进行实验,并与其他提取方法进行对比,结果表明:所提方法的总体精度均不同程度地优于参照方法,建筑物边缘的准确性、规整程度及最终精度均得到了有效改善,更真实、准确地反映了建筑物的真实形状。