AI自动提取建筑：遥感解译新手实战教程
遥感解译实战教程正式启动！许多初学者反馈，希望从具体操作中掌握GeoAI在遥感领域的落地方法。本期聚焦最高频且易上手的场景：利用AI自动提取建筑轮廓。
全程无需复杂代码或高深理论，仅需免费工具和公开数据。按步骤操作，零基础用户也能获得有效输出。此外，我们将逐一解析实操中的常见陷阱与关键细节，干货密集。
01 明确目标：为何学习AI建筑提取？（实际应用场景）
建筑提取是遥感解译的核心应用之一，广泛涉及自然资源调查、城市规划及智慧城市建设。
✅ 替代人工目视判读，效率显著提升——人工提取1平方公里需1天，AI仅需10分钟；
✅ 覆盖多场景需求：违建排查、城市扩张监测、灾后建筑损毁评估；
✅ 新手入门首选：流程清晰、工具简易，快速掌握“数据→预处理→AI识别→优化”完整链路。
02 前期准备（免费工具+公开数据，零成本启动）
无需付费软件或复杂数据集，准备好以下三项即可直接操作：
① 工具（两个核心，专为新手优化）：
▫️ GIS工具：QGIS（免费开源，推荐过，安装后无需额外配置）；
▫️ AI工具：ENVI 5.6+（内置深度学习模块，学生可申请免费授权，或使用在线版本替代）。
② 数据（公开免费，一分钟内可下载）：
▫️ 遥感影像：从USGS下载Landsat 9（30m分辨率）或Sentinel-2（10m分辨率，细节更优）；
▫️ 辅助数据（可选）：OpenStreetMap建筑矢量数据（用于结果验证，新手可暂不下载）。
③ 前期注意事项 ⚠️：优先选择无云区域影像（云量＜10%），防止云层遮盖影响识别精度；下载后保存为TIFF格式，便于工具读取。
03 核心实操：AI自动提取建筑（6步完成，附细节解析）
关键环节！每步均标注操作细节，初学者无需反复试错，跟随步骤一次即可获得结果。配合流程总览图，直观明了。
实操流程总览：
➡️ 第一步：数据下载与加载（USGS+QGIS）
➡️ 第二步：影像预处理（去云+裁剪+辐射校正，核心步骤）
➡️ 第三步：ENVI深度学习模块配置
➡️ 第四步：AI模型选择与训练（新手免调参）
➡️ 第五步：建筑自动提取与结果导出
✅ 第六步：结果优化与验证
Step 1：数据下载与加载（约5分钟）
1. 访问USGS官网（无需注册），搜索目标区域（如某城市核心区），筛选条件设为“Landsat 9”“云量＜10%”，下载TIFF格式文件；
2. 启动QGIS，点击“添加栅格图层”，导入下载的遥感影像，检查坐标系（默认WGS84即可，新手无需修改）。
Step 2：影像预处理（至关重要，直接决定识别精度）
此步骤为关键所在，可有效减少AI识别中的误判与漏判，新手务必重视：
1. 去云处理：在QGIS中，打开“栅格→波段运算”，输入去云公式（新手直接复制：(B4-B3)/(B4+B3)，可增强建筑与背景对比度）；
2. 裁剪影像：使用“裁剪栅格”工具，框选目标区域（减少冗余数据，提升AI处理速度），另存为新TIFF文件；
3. 辐射校正：启动ENVI，导入裁剪后的影像，选择“辐射校正→大气校正”，使用默认参数完成校正（消除影像偏差）。
Step 3：ENVI深度学习模块配置（约3分钟）
1. 打开ENVI，切换至“Deep Learning”模块（点击顶部菜单栏）；
2. 导入预处理后的影像，选择“Image Classification”（图像分类），点击“Create Training Data”（创建训练数据）。
Step 4：AI模型选择与训练（新手免调参）
无需手动搭建模型，直接使用ENVI内置预设，大幅降低操作难度：
1. 模型选择：在训练数据界面，选择“U-Net”模型（专为建筑分割设计，精度高、速度快）；
2. 标注样本（简单操作）：在影像上，使用“标注工具”框选10～20个建筑区域作为训练样本，再框选10个非建筑区域（如道路、植被）；
3. 启动训练：设置迭代次数（新手设为80次即可），点击“Start Training”，等待10～15分钟（时长因影像大小而异）。
Step 5：建筑自动提取与结果导出
1. 训练完成后，点击“Infer”（推理），导入预处理后的完整影像，启动AI识别；
2. 识别完成后，生成建筑分割结果（白色代表建筑，黑色代表非建筑）；
3. 导出结果：保存为TIFF格式，再导入QGIS，转换为矢量文件（.shp格式），便于后续分析。
Step 6：结果优化与验证（新手必须操作）
1. 优化：在QGIS中使用“消除细小多边形”工具，剔除误判的小区域（如面积小于10平方米的光斑）；
2. 验证：与原始影像对照，手动修正漏判或误判的建筑区域；若存在OpenStreetMap建筑数据，可叠加对比以提升精度。
???? 代码补充（新手友好，复制后可直接运行，用于快速优化结果）：
# 使用GDAL+OpenCV优化建筑提取结果（去除细小噪声）
# 新手友好版，每行均有详细注释，复制即可直接运行
import gdal # 导入遥感影像读取与处理的核心库
import cv2 # 导入用于图像处理与噪声消除的库
import numpy as np # 导入用于数值计算的库