小编点评

**遥感影像推知建筑物高度** **步骤一：获取高度数据** * 打开QGIS软件，选择“获取数据”>“Google Earth”选项卡。 * 在“获取数据”窗口中，输入“汉习楼船：建筑栅格数据共享第19期【2019-027】”（qq.com）”。 * 点击“获取”。 **步骤二：获取遥感影像** * 选择“影像”>“获取数据”>“Google Earth”选项卡。 * 在“获取数据”窗口中，输入“Google Earth”和“汉习楼船”。 * 点击“获取”。 **步骤三：数据准备** * 将高度数据和遥感影像合并到一起。 * 使用QGIS将遥感影像裁剪为与高度数据相同的范围。 **步骤四：建筑物数据提取** * 在遥感影像中，使用QGIS提取建筑物区域的像素值。 * 将建筑物区域的像素值与高度数据相比较，将高度值作为建筑物高度的估计值。 **步骤五：数据清理和整理** * 筛选出高度值大于建筑高度阈值的像素。 * 将这些像素设置为“建筑物”。 * 删除高度值小于建筑高度阈值的像素。 * 合并所有建筑物数据，得到最终的建筑物高度数据集。 **步骤六：数据保存** * 将最终的建筑物高度数据集保存为“.shp”格式。

正文

1. 概述

利用遥感影像推知建筑物高度是一经典研究，现有很多学者利用机器学习的方式，利用现有数据进行训练从而构建模型

本文旨在记述使用QGIS进行建筑物高度与遥感影像数据集的获取与制作

如果不想自己动手，公开的可以选择以下数据集：

• 中国典型城市建筑物实例数据集 (scidb.cn)

• Seyed-Ali-Ahmadi/Awesome_Satellite_Benchmark_Datasets: Supplementary material for our paper "THERE IS NO DATA LIKE MORE DATA" is provided. (github.com)

• study.rsgis.whu.edu.cn/pages/download/building_dataset.html

• wenhwu/awesome-remote-sensing-change-detection: List of datasets, codes, and contests related to remote sensing change detection (github.com)

• chrieke/awesome-satellite-imagery-datasets: 🛰️ List of satellite image training datasets with annotations for computer vision and deep learning (github.com)

显然，满足具有高度又是国内数据的寥寥无几，最后，推荐下面这个数据集：

• zhnny/ImageryDataset (github.com)

2. 高度数据

获取地址：汉习楼船：建筑栅格数据共享第19期【2019-027】 (qq.com)

数据切片，尺寸512*512像素（或者自定义）

使用QGIS以及GDAL的重新分割瓦片

后处理：

使用GDAL，删除没有值的瓦片，删除尺寸不是512*512的瓦片（原始图像的边缘部分）

3. 遥感数据

使用QGIS下载Google的瓦片底图，下载范围为高度图的范围（直接右键->另存为，即可下载）

使用QGIS及GDAL的重新分割瓦片

后处理：

根据高度图被删除的瓦片，删除影像图对应的瓦片

4. 建筑数据

高度数据并不完整，可能有的区域是有建筑的，但是高度图中没有，所以需要把这种影像中有建筑然而高度图中没有的瓦片去除

思路是利用提取的建筑数据，与高度图对比，将有建筑却没有高度的瓦片去除

建筑数据来源：国家青藏高原科学数据中心 (tpdc.ac.cn)

先使用QGIS进行裁剪，裁剪范围为高度图范围

再使用QGIS及GDAL的重新分割瓦片

根据高度图删除的瓦片，删除建筑物图对应的瓦片

依次识别高度图与建筑物瓦片，去除建筑物瓦片中有值而高度图中无值或者差异很大的瓦片（可用OpenCV等传统图像处理库）

最后剩下的影像图和高度图，为最终处理结果

5. 总结

总结来说，流程如下

值得一提的是，处理过程中的产生数据量是较大的，通常是几十个G以上，处理时需要保证硬盘存储充足