建筑物是城市区域最重要的地物之一,建筑物的精确提取对城市规划、三维建模、人口估计及地形图的制作与更新有重要意义。因而,这在遥感图像处理领域是较为热门的研究方向,同时,更为精准、高效、自动化地对建筑物进行提取也是研究中的难点与挑战。无人机航空摄影测量与LiDAR(Light Detection and Ranging)技术的不断完善给获取更为精确的地面三维坐标及其他各类地理信息提供了有力的支持,同时也为建筑物提取提供了大量可用数据。本文以高分辨率航空影像和LiDAR点云这两类数据为基础,将高分辨率航空影像中丰富的光谱纹理特征与LiDAR点云中精确的高程几何特征相结合,综合两者优势,根据建筑物区别于其他地物的特征,实现对城市建筑物的自动提取。论文的主要研究工作如下:(1)对点云进行预处理并生成DSM网格。原始点云含有较多噪声,因而采用统计滤波的方法去除高噪声点和低噪声点。根据高分影像的尺寸,生成同样大小的格网,对点云进行空间插值得到DSM网格,并对DSM进行平滑作为后续处理的基础数据,同时由于与影像大小一致,因而可以根据网格坐标将两种数据进行融合。(2)基于高分影像提取植被和建筑物的光谱特征。通过分析植被的波谱特征,分别构造基于IR-R-G三通道影像和R-G-B三通道影像的植被指数,分析各植被指数在本文研究数据中的特点,采用最大类间方差法(Otsu法)对植被指数进行阈值分割,提取植被区域并进行精度评价,选择最优植被指数制作植被掩膜,为后续建筑物提取排除植被干扰。通过分析建筑物在影像中的光谱纹理特征,采用形态学建筑物指数MBI及增强型形态学建筑物指数EMBI对建筑物进行检测,分析两种指数的检测结果,发现EMBI的建筑物检测结果更加准确,但由于阴影干扰,完整性较差,故对EMBI检测出的建筑物面片标记各质心点,为后续建筑物提取提供更多有利信息。(3)基于概率投票和形态学区域生长提取建筑物。根据建筑物明确的边缘特征,采用Canny算子在DSM网格中进行边缘定位,并根据建筑物边缘的高程特征,对各边缘点采用一定的策略进行筛选,获得有效的空间投票点。利用核密度估计对各投票点进行概率投票统计,得到局部极大值点,与EMBI得到的建筑物面片质心点一同作为种子点,通过对种子区域不断迭代加粗轮廓进行形态学区域生长。根据建筑物屋顶平面的高程特点设置适当的高差阈值,对生长区域进行判断,对各种子点生长得到的目标区域合并且精细化后处理得到最终的建筑物提取结果。(4)基于以上研究工作,以MATLAB R2014a为软件平台,对Vaihingen地区和咸宁地区的五组数据进行算法实验验证,通过对建筑物提取结果的精度分析及与不同算法之间的对比分析,验证了本文算法的可行性、可靠性,以及在提取较大面积建筑物时表现出的高完整性、高准确性与高质量。