遥感影像反演建筑高度

建筑高度信息在多个领域具有重要应用价值如城市局部气候[2,3]、建筑能耗评估[4,5]、城市污染扩散[6,7]、城市碳排放评估[8,9]、地震感知[10]以及城市三维重建[11].因此在大范围内进行建筑高度提取对于全面理解城市开发至关重要。遥感技术是建筑高度提取中最常用的方法。通常建筑高度通过三种方法提取机载光探测与测距LiDAR、侧视雷达图像和高分辨率光学图像。机载激光雷达实现高精度测量[12]。这些算法通过点云分类算法提取建筑物及其高度[13,14]或利用数字地图上的建筑足迹在三维空间中重建建筑[15]。然而机载激光雷达在覆盖范围上存在限制和高昂成本。利用侧视雷达图像的算法通常需要从数字地图或其他来源获得建筑足迹[16,17,18,19]。然而由于侧向几何结构雷达图像通常记录的是多种微波散射机制的混合信号导致建筑高度提取的不确定性相对较高[20]。相比之下光学卫星影像采集效率高空间细节丰富因此广泛应用于建筑高度提取。对于单张光学卫星图像通常采用基于阴影的方法来提取建筑高度。该方法利用太阳、卫星、建筑屋顶和影像中阴影之间的关系来提取建筑高度 [21,22,23,24,25]。然而基于阴影的方法在建筑物矮小或阴影被其他物体遮挡时在建筑高度提取时面临困难[26]。传统逐像素密集匹配SGM算出来的 DSM建筑边缘是 “斜坡虚化” 的平顶、弱纹理屋顶的高程普遍偏低不准。它的思路很直接 ——放弃逐像素匹配把整栋楼的屋顶轮廓当成一个整体来匹配直接钉死屋顶顶面的精准高程从根源解决边缘失真问题。传统方法每个像素高度都不准平均之后误差依然存在这个方法屋顶高程是整体匹配出来的精准值地面高程是滤波后的稳定值两者做差就是单栋楼的精准高度不受边缘虚化像素的干扰。对于立体图像一种常见方法是通过密集匹配生成DSM并将建筑基址或屋顶投影到DSM上以提取建筑高度。Liu 等人[27]利用半全局匹配SGM[28]生成DSM在DSM上采用形态学过滤[29]生成DEM最终利用nDSM内的最大值作为建筑高度推导归一化DSMnDSM。Wang 等人 [30] 通过更精确的布料模拟滤波器CSF方法改进了 DEM 生成 [31]。为了解决SGM算法生成的DSM中屋顶高程缺失的问题Zhang等人[26]提出了一种等高线约束的屋顶匹配算法用于建筑高度提取。随着深度学习的快速发展深度学习方法已被广泛应用于密集匹配[32,33,34]为建筑高度提取开辟了新可能。例如Chen 等人[35]利用深度学习算法生成的DSM进行建筑高度提取。端到端深度学习方法也被提出用于构建立体图像中的高度提取。曹等人[36]设计了3不网络中提取建筑物及其高度从多视角、多光谱图像中。该方法不依赖密集匹配算法但需要已知的建筑高度数据进行训练。为提高建筑高度估算准确性我们提出了一种等高线匹配增强型建筑高度提取方法。我们没有直接在DSM上叠加建筑等高线而是使用等高线匹配算法获得更准确的屋顶高程和地面过滤从而从DSM生成DEM从而获得更稳健的地面高程。首先给定的建筑等高线可以是地面空间内也可以是GF-7反向图像并与GF-7前向图像进行等高线匹配并可利用匹配建筑屋顶之间的几何关系提取屋顶高程。其次可以从DEM中提取建筑周围的地面高程DEM会过滤GF-7立体图像生成的DSM。GF-7多光谱图像被用于提高地面滤波的准确性。最后屋顶高度与地面高度的差值代表建筑高度。本文的主要贡献如下提出了一种对象级轮廓匹配算法以提取屋顶平面高程。与像素级密集匹配可以在DSM中生成平滑过渡不同提出的算法以屋顶为对象可以克服屋顶复杂的细节中断。提出了一种考虑地质类型的地表过滤方法用于地表高程抽取。大多数现有的地面滤波算法专为具备多回波的LiDAR云点设计直接应用于卫星DSM生成的DSM时无法产生良好的DEM。在我们的新算法中我们使用多光谱图像辅助识别地面滤波算法中的非基点和不准确基点。传统的提取城市建筑高度的方法包括利用对立体图像进行密集匹配算法生成数字表面模型DSM。然而对于城市建筑密集匹配算法面临的不连续性问题使得高层建筑及周边地区的立面高度不准确。绿带中树木造成的遮挡使得准确提取建筑周围的地面高程变得困难。为解决这些问题提出了一种通过轮廓匹配增强的高分7GF-7立体图像构建高度提取方法。首先提出了一种轮廓匹配算法以从GF-7图像中提取建筑屋顶的准确高度。其次DSM采用了地面过滤算法生成数字高程模型DEM并可从该DEM中提取地面高程。屋顶高度与地面高度的差值代表建筑高度。经典多视角立体匹配建筑高度反演论文1. 轮廓匹配增强的高分七号立体影像建筑高度提取论文Urban Building Height Extraction from Gaofen-7 Stereo Satellite Images Enhanced by Contour Matching发表Remote Sensing (SCI), 2024作者Yunfan Cui 等武汉大学核心方法针对传统密集匹配在建筑边缘视差不连续、高程失真的问题提出轮廓匹配优化的立体测高方案设计专属轮廓匹配算法直接在 GF-7 前后视立体影像中匹配建筑屋顶轮廓线精准获取屋顶顶面高程采用布料模拟滤波CSF对初始 DSM 进行地面点滤波生成高精度 DEM屋顶高程减去对应地面高程得到单栋建筑的精准高度。创新与精度解决了密集匹配在高层建筑边缘、遮挡区域的高程平滑失真问题在广州英德、西安两地验证高度精度优于传统 SGM 方法中误差控制在米级以内适配我国国产高分七号卫星数据。2. 基于 GF-7 线阵立体影像的建筑高度 VLL 匹配法论文Building Height Extraction Based on Satellite GF-7 High-Resolution Stereo Image发表ISPRS Annals, 2024核心方法基于 GF-7 卫星前视 / 后视 CCD 线阵立体成像几何采用物方空间投影匹配VLL思路在后视影像上人工 / 自动提取建筑屋顶轮廓设定高程搜索区间与步长通过 RFM 有理函数模型将后视轮廓逐高程投影到前视影像以 PSNR 作为窗口相似度指标相似度最高的高程即为屋顶高程最终计算建筑高度。精度表现在高分辨率场景下建筑高度估计误差可控制在 3 米以内适合小范围高精度建筑高度提取。3. 卫星多视角立体匹配基准方法 S2P论文An automatic and modular pipeline for stereo reconstruction from satellite images发表ISPRS Journal of Photogrammetry and Remote Sensing, 2014作者De Franchis 等核心方法经典的卫星多视立体重建流水线是后续深度学习方法的基准对比对象基于 RPC 模型完成核线校正与影像重采样采用半全局匹配SGM计算视差图生成初始 DSM通过多视角融合与三角测量优化高程精度输出大尺度数字表面模型。学术价值奠定了卫星多视角立体三维重建的标准流程是 MVS3D 等基准数据集的核心基线方法。三、深度学习多视角卫星影像建筑高度反演核心论文1. MVSR3D端到端多视角语义三维重建框架论文MVSR3D: An End-to-End Framework for Semantic 3-D Reconstruction Using Multiview Satellite Imagery发表IEEE Transactions on Geoscience and Remote Sensing (TGRS, 顶刊), 2025作者Xuejun Huang 等武汉大学核心方法首个实现多视角卫星影像下语义分割与高度估计端到端联合训练的框架双流架构分割分支基于 SAM 改进的 MVSAM 模块引入核线交叉注意力ECA沿核线方向融合多视角特征提升建筑分割的跨视角一致性高度分支基于经典 MVS 架构构建代价体并正则化回归高程。跨任务交互机制SAM 特征引导模块SAM-FG用建筑语义特征约束高度估计的空间范围减少非建筑区域的高程噪声高程引导稀疏提示生成器EGSPG用高度梯度信息优化建筑边缘分割精度。性能表现在 DFC19、SpaceNet4 数据集上2.5m 阈值的 mIoU3 指标比传统多任务方法提升 37%~45%同时提升建筑分割与高度反演精度。2. SP-MVS结构保持的边缘感知高度估计网络论文A Structure-Preserving Multiview Stereo Network for Edge-Aware Height Estimation From Satellite Images发表TGRS, 2025核心方法针对建筑边缘高度模糊、轮廓平滑的通病提出结构保持的 MVS 网络三分支结构编码器结合 U-Net 骨干与卷积块注意力模块提取多尺度纹理与边缘特征引入 Mamba 驱动的代价体正则化模块以低计算量建模长程跨视角依赖优化大场景高度图的全局一致性设计多阶段边缘 - 纹理一致性损失监督网络在建筑轮廓处保持高程突变避免边缘虚化。创新价值首次将 Mamba 架构引入卫星 MVS 的代价体正则化同时解决了高层建筑边缘精度退化问题在 WHU-TLC、US3D 数据集上达到 SOTA 水平。3. TS-SatMVSNet坡度感知的大尺度地形多视角立体网络论文TS-SatMVSNet: Slope Aware Height Estimation for Large-Scale Earth Terrain Multi-view Stereo发表arXiv, 2025核心方法面向大尺度卫星影像地形与建筑混合场景的高度估计采用由粗到精的多尺度代价体构建策略降低大场景计算开销引入坡度感知模块针对山地、斜坡等地形修正深度估计偏差提升复杂地形下的建筑高度基准面精度在 MVS3D 基准数据集上达到 SOTA1.0m 阈值完整度 60.635%高程中误差 0.353mRMSE 2.898m。4. A-SATMVSNet注意力感知的卫星多视角立体匹配网络论文An attention-aware multi-view stereo matching network based on satellite imagery发表FES_A, 2023代码开源https://github.com/MVSer/A-SATMVSNet核心方法基于有理多项式相机RPC模型构建卫星影像的投影几何适配卫星大斜视成像特性引入注意力机制增强多尺度特征提取强化建筑等显著目标的特征匹配能力采用从粗到精的深度预测范式逐步优化高度图分辨率与精度。5. Sat-DN深度与法向监督的多视角卫星隐式曲面重建论文Sat-DN: Implicit Surface Reconstruction from Multi-View Satellite Images with Depth and Normal Supervision发表arXiv, 2025核心方法将 NeRF 隐式建模思路引入卫星多视角三维重建基于 RPC 模型建模光线投射过程采用多分辨率哈希网格编码空间位置通过 MLP 预测 SDF 与颜色用预训练深度模型预测相对深度结合卫星影像三角测量得到的稀疏点云标定真实尺度的稠密深度监督从深度图提取边缘信息对非边缘区域施加平面平滑约束提升建筑顶面的高程平整度。四、视觉语言三维形态感知与建筑高度融合前沿论文该方向对应 “视觉语言三维形态感知” 的研究主题是当前遥感三维领域的新兴前沿核心是利用视觉语言大模型VLM的语义理解、常识推理与零样本泛化能力辅助建筑三维形态感知与高度反演。1. Geo3DVQA面向航空影像三维地理空间推理的 VLM 基准论文Geo3DVQA: Evaluating Vision-Language Models for 3D Geospatial Reasoning from Aerial Imagery发表WACV 2026 (计算机视觉顶会)核心方法与贡献构建首个面向遥感影像的三维视觉语言问答基准包含 11 万组问答对覆盖 16 类任务包含高程推理、天际线分析、建筑高度比较等三维形态感知任务任务分为三个难度层级单特征推理、多特征联合推理、应用级空间分析系统评测 10 个主流 VLMGPT-4o 准确率仅 28.6%Gemini-2.5-Flash 为 33.0%而领域微调后的 Qwen2.5-VL-7B 达到 49.6%证明通用 VLM 在遥感三维推理上存在显著短板领域适配是关键路径。研究价值定义了 “视觉语言 遥感三维形态感知” 的任务范式验证了 VLM 具备从单 / 多视角影像中推理建筑相对高度、三维空间关系的潜力是后续高度反演可解释化、零样本化的基础。2. MultiSight面向多视角遥感影像的协同理解视觉语言模型论文MultiSight: A Vision-Language Model for Collaborative Understanding of Multiview Remote Sensing Images发表IEEE, 2026核心方法专门针对多视角遥感影像设计的 VLM 架构可支撑多视角下的建筑三维形态与高度推理自适应多图像 - 文本编码融合模块同时输入多个视角的卫星影像与任务文本提示多视角注意力模块捕捉不同视角影像的特征关联建模同一建筑在不同视角下的几何一致性可支持建筑高度估算、三维结构描述、遮挡区域补全等下游任务实现跨视角的协同语义与几何推理。3. Sat2RealCity几何感知的卫星影像三维城市生成框架论文Sat2RealCity: Geometry-Aware and Appearance-Controllable 3D Urban Generation from Satellite Imagery发表arXiv, 2025核心方法融合 MLLM 多模态大模型与三维生成技术实现从卫星影像到带高度信息的三维城市模型生成OSM 空间先验策略从空间拓扑到建筑实例引导三维几何生成提供结构约束MLLM 驱动的语义引导生成管线桥接卫星影像的语义理解与几何重建外观引导可控建模机制实现精细纹理与建筑高度的联合生成输出的三维建筑模型包含精准高度属性。4. SAM 3D 遥感建筑三维重建基准评测论文SAM 3D for 3D Object Reconstruction from Remote Sensing Images发表arXiv, 2025核心方法系统评测通用三维基础模型 SAM 3D 在遥感单 / 多视角建筑重建中的表现提出 “分割 - 重建 - 拼接” 管线先用 SAM 分割出单栋建筑再用 SAM 3D 逐建筑重建三维形态最后拼接成城市场景实验证明通用三维基础模型在遥感顶视场景下屋顶几何一致性优于传统方法但立面细节仍有不足验证了 “通用视觉大模型 遥感领域适配” 的技术路线可行性是视觉语言三维感知落地的重要路径。5. 零样本 LiDAR 建筑检测与高度推理论文Zero-Shot Detection of Buildings in Mobile LiDAR using Language Vision Model发表ISPRS Archives, 2024核心方法将视觉语言模型的零样本能力引入三维点云建筑高度分析通过球面投影将三维 LiDAR 点云转换为二维全景图衔接 2D VLM利用 Grounded SAM 实现零样本建筑检测结合点云高程直接计算建筑高度无需领域训练数据即可实现建筑检测与高度估算精度达到 IoU 0.85为少样本 / 零样本卫星建筑高度反演提供了参考范式。五、单目与多源融合代表性补充论文以下方法虽以单目或多源数据为主但核心思想可直接迁移至多视角场景具有重要参考价值。1. GeoFormerSentinel 影像建筑高度与轮廓联合估计论文GeoFormer: A Swin Transformer-Based Framework for Scene-Level Building Height and Footprint Estimation from Sentinel Imagery发表arXiv, 2026核心方法基于 Swin Transformer 的多任务框架仅用 Sentinel-1/2 公开影像与开源 DEM同步输出 100m 网格的建筑高度与建筑占地率采用地理块划分策略保证训练测试空间独立性避免数据泄露在全球 54 个城市验证建筑高度 RMSE 3.19m跨洲迁移仍保持 3.5m 精度是大尺度高度反演的 SOTA 方案。2. 免训练的建筑相对高度估计方法论文A training-free method for estimating the relative height of buildings发表ISPRS Archives, 2025作者武汉大学团队核心方法完全无需标注训练直接利用通用深度大模型实现建筑高度估计采用 Depth Anything V2 作为通用相对深度估计基础模型分块处理大尺寸卫星影像提出高度加权图优化算法通过 Levenberg-Marquardt 优化拼接各块深度保持空间连续性设计视角偏差滤波器结合形态学得到的地形 DEM将相对深度转换为绝对建筑高度。性能表现在武汉 0.5m 分辨率 Google 卫星影像上验证建筑高度 R² 达到 0.73显著优于同期监督学习方法解决了标注数据匮乏地区的高度反演难题。3. BiMamba3D单幅遥感影像建筑提取与高度估计交叉任务网络论文Cross-Task Mamba Network for Building Extraction and Height Estimation from Single-View Remote Sensing Images发表ISPRS Archives, 2025核心方法基于 MambaVision 骨干的双任务网络同步完成建筑语义分割与像素级高度估计设计跨任务信息交互模块CMM分割的边界信息引导高度估计的边缘优化高度梯度信息辅助分割的实例分离Mamba 架构有效捕捉建筑全局结构提升高层建筑的高度估计稳定性。六、核心方法深度解析1. 多视角卫星影像高度反演的几何基础成像模型卫星遥感普遍采用有理函数模型RFM/RPC替代严格成像几何通过有理多项式描述物方坐标与像方坐标的映射关系视差与高程转换同一建筑在不同视角影像上的像素位置差称为视差结合 RPC 模型与基线参数可通过前方交会计算物方三维坐标得到屋顶绝对高程建筑高度计算建筑高度 屋顶高程 - 对应地面高程地面高程通过 DEM 获取DEM 可来自公开数据如 SRTM、AW3D30或从 DSM 滤波得到。2. 传统立体匹配技术路线核心步骤核线校正 → 代价计算 → 代价聚合如 SGM → 视差优化 → 高程反演 → DSM 生成 → 地形滤波 → nDSM建筑高度核心瓶颈弱纹理屋顶匹配困难、高层建筑边缘视差不连续、遮挡区域出现匹配空洞精度依赖影像分辨率与基线角度。3. 深度学习 MVS 技术路线特征提取用 CNN/Transformer 提取多视角影像的多尺度深度特征代价体构建根据相机参数将不同视角的特征投影到参考视角的视差平面构建三维代价体代价正则化通过 3D 卷积、Transformer 或 Mamba 对代价体进行平滑优化消除匹配噪声深度回归沿深度维度计算期望得到稠密深度 / 高度图后处理结合语义分割掩码提取建筑区域减去 DEM 得到最终建筑高度。4. 视觉语言三维形态感知技术路线语义先验注入用 VLM 识别建筑类型、结构特征为高度估计提供常识约束如居民楼层高约 3m多视角协同推理输入多个视角影像通过 VLM 的多图理解能力推断遮挡区域的建筑形态补全高度信息可解释性输出不仅输出高度数值还能生成高度推理的自然语言描述支撑决策分析零样本 / 少样本适配借助通用大模型的泛化能力在缺少标注数据的区域快速迁移部署。七、研究趋势与展望通用大模型与遥感三维深度融合从 “专用网络” 向 “基础模型 领域微调” 转型视觉语言大模型将成为三维形态感知的核心语义引擎多模态多视角一体化光学、SAR、LiDAR 多源数据与多视角几何深度融合实现全天候、全场景的高精度建筑高度反演从像素级高度到结构化三维建模高度估计不再停留于二维高度图而是直接输出 LoD2 级结构化建筑三维模型包含屋顶结构、立面信息大尺度全球覆盖基于公开卫星数据与基础模型实现全球范围的建筑高度标准化制图支撑城市可持续发展与气候变化研究。