專利名稱：一種基于遙感影像的識別方法
技術領域：
本發(fā)明涉及遙感對地觀測識別領域，特別涉及一種基于遙感圖像的識別方法，其適用于利用遙感影像對城市土地進行土地識別等調查。
背景技術：
掌握城市用地的使用現(xiàn)狀是開展城市規(guī)劃和建設工作的必備基礎。遙感解譯和實地踏勘是目前開展現(xiàn)狀調查的主要方法。從發(fā)展趨勢來看，遙感將會發(fā)揮更為重要的作用。 但是隨著高分辨率傳感器技術的發(fā)展，衛(wèi)星遙感圖像的空間分辨率越來越高，圖像的內容和形式也隨之發(fā)生了很大的改變，圖像的空間信息越來越豐富，這給傳統(tǒng)的圖像識別分類技術帶來了新的挑戰(zhàn)。在遙感對地觀測領域，土地覆蓋/ 土地類型識別是一項基礎應用。長期以來主要根據(jù)地物的光譜物理特性對多光譜遙感數(shù)據(jù)進行分類。由于傳統(tǒng)影像的空間分辨率比較低，含有大量混合像元，存在同物異譜、異物同譜等現(xiàn)象，使得能夠準確且穩(wěn)定識別出的類型比較少，尤其是難以細分城市用地，無法滿足城市規(guī)劃和建設部門日常工作需要，只能用作宏觀趨勢性分析。隨著分辨率提升至1米甚至小于1米，通過遙感影像能表現(xiàn)出的地物類型越來越豐富，往往需要對圖像進行分割，如專利文獻1(CN101710387A)中公開了一種高分辨率遙感圖像智能分類方法，其通過將之前獲得的全色圖像的圖像分割結果空間映射得到多光譜圖像的分割結果，并對欠分割的全色圖像的分割區(qū)域進行再分割，生成區(qū)域的特征空間，然后采用分類器設計并實現(xiàn)圖像分類，其有效地解決了圖像欠分割區(qū)域所存在影響圖像分類精度的問題。但是其無法有效地將土地的現(xiàn)狀進行識別及標識，仍舊需要人工目視判讀方式按照城市規(guī)劃需要對圖像進行識別和標識，但是工作量大，周期長，對解譯人員要求高，亟需利用計算機進行輔助分類?；诿嫦驅ο笥跋穹治龇椒?Object Oriented Image Analysis)，雖然能夠自動或半自動從高分辨率遙感影像中提取出建筑、植被和水域等基本地物要素，進而識別出地表某些區(qū)域的土地使用類型，但很難按行業(yè)標準實現(xiàn)大區(qū)域的土地類型識別。究其原因，主要是由于行業(yè)標準多以用地的功能屬性為主，遙感影像反映的是物理屬性，而物理屬性與功能屬性之間不存在一一對應關系，現(xiàn)實中混雜著大量的同物異類和異類同物現(xiàn)象。例如 《城市用地分類與規(guī)劃建設用地標準》(GBJ 137-90)規(guī)定，綠地作為大類G與居住用地R并存，同時也以居住用地的三級小類R14出現(xiàn)；又如公共綠地Gl是指向公眾開放，有一定游憩設施的綠化用地，包括其范圍內的水域，此時水域將和植被一起被歸類為Gl，而不是獨立的水域類型E1。所以，單純依靠影像進行計算機判讀分類難以滿足相關行業(yè)的應用需求。

發(fā)明內容
以實地踏勘方式調查城市用地現(xiàn)狀的成本很高，難以短周期性形式持續(xù)開展。人工解譯遙感影像的方法雖然有所改善，但是工作量依然較大，對人員要求高?，F(xiàn)有基于計算機判讀的土地類型識別更進一步提高了工作效率，但識別結果不符合城市規(guī)劃等行業(yè)標準。本發(fā)明旨在克服這個難點，在利用面向對象影像分析方法識別出基本地物要素的基礎上，通過引入先驗信息實現(xiàn)用地性質和地塊邊界的準確判定，在高效識別標識的基礎上使最終結果符合需求。為實現(xiàn)該目的，本發(fā)明提供了一種基于遙感影像的識別方法，該方法包括以下步驟從遙感影像中提取矢量地物要素；將矢量地物要素分割為若干個矢量地物要素集合； 根據(jù)先驗信息而獲得行業(yè)類型，并將該行業(yè)類型添加到該先驗信息中；將先驗信息中的行業(yè)類型映射為土地類型，并將該土地類型添加到該先驗信息中；將先驗信息與矢量地物要素或矢量地物要素集合進行空間疊加分析，確定兩者的寄宿關系；根據(jù)先驗信息確定矢量地物要素或矢量地物要素集合的屬性；根據(jù)矢量地物要素或矢量地物要素集合的屬性進行聚類，得到相鄰同類矢量地物要素的凸包；對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結果。優(yōu)選地，所述將矢量地物要素分割為若干個矢量地物要素集合是利用道路網(wǎng)進行分割的。為了實現(xiàn)該目的，本發(fā)明還提供了一種基于遙感影像的識別方法，該方法包括以下步驟從遙感影像提取矢量地物要素，并將包含土地類型的先驗信息與矢量地物要素進行空間疊加分析，確定兩者的寄宿關系；根據(jù)先驗信息確定矢量地物要素的屬性；根據(jù)矢量地物要素的屬性進行聚類，得到相鄰同類矢量地物要素的凸包；對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結果。優(yōu)選地，該先驗信息為興趣點信息。優(yōu)選地，該屬性包括名稱、地址和土地類型。優(yōu)選地，該遙感影像為高分辨率遙影像。優(yōu)選地，該方法用于對城市土地使用類型的識別。本發(fā)明有效地提高遙感圖像的識別性能，提升效率，更好地符合需要。


通過下面結合附圖對本發(fā)明的一個優(yōu)選實施例進行的描述，本發(fā)明的技術方案及其技術效果將變得更加清楚，且更加易于理解。其中圖1示出了本發(fā)明的基于遙感影像的識別方法的流程圖。圖2示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的原始遙感影像。圖3示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的所提取的建筑要素。圖4示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的土地邊界。圖5示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的標識結果圖。
具體實施例方式先驗信息可優(yōu)選為興趣點信息，即POI (Points Of Interesting,興趣點)信息。 POI信息是反映現(xiàn)狀的點狀空間數(shù)據(jù)，其包含豐富的語義信息且該語義信息符合認知習慣。 POI信息通常包括名稱、地址、簡介和坐標等四項內容，例如北京大學人民醫(yī)院位于北京市西城區(qū)西直門南大街11號，是綜合性三級甲等醫(yī)院，地理坐標為(116. 34，39. 93)?，F(xiàn)以POI信息為例對本發(fā)明的方法進行說明。圖1示出了本發(fā)明的基于遙感影像的識別方法的流程圖。如圖1所示，本發(fā)明的基于遙感影像的識別方法優(yōu)選包括八個步驟，需要說明的是，本發(fā)明的基于遙感影像的識別方法在不脫離本發(fā)明的思想的情況下可包含這八個步驟的全部或部分。第1步，從遙感影像中提取矢量地物要素。采用面向對象分析方法，從遙感影像(尤其是高分辨率遙感影像)中提取出地物要素，包括建筑、水域、植被、裸土、陰影和道路等六類。同時將各地物要素矢量化，記錄坐標存為矢量數(shù)據(jù)，并賦予相應的類型編號，例如建筑為1，水域為2，植被為3，裸土為4，陰影為 5，道路為6，從而獲得矢量地物要素。第2步，將矢量地物要素分割為若干個矢量地物要素集合。利用矢量道路網(wǎng)數(shù)據(jù)對影像中提取的矢量地物要素進行空間分析，將與矢量道路網(wǎng)相交的道路要素剔除，減少后續(xù)計算量，并將矢量地物要素分割為若干個矢量地物要素
皇A
朱口 ο第3步，根據(jù)先驗信息而獲得行業(yè)類型，并將該行業(yè)類型添加到該先驗信息中。POI信息中的一部分可經(jīng)過適當處理而轉換為行業(yè)類型，并可將該行業(yè)類型添加到POI信息中。例如，使用文本分類技術可將POI的名稱和簡介等信息轉換為行業(yè)類型。通常，POI信息中的名稱和簡介含有專有名詞，其體現(xiàn)了該POI信息所屬行業(yè)的特征，例如“醫(yī)院”和“三級甲等”表明屬于醫(yī)療衛(wèi)生行業(yè)。因而可通過選取若干樣本進行訓練， 建立專有名詞與行業(yè)類型之間的分類模型，但專有名詞所用的詞庫應當覆蓋常見的行業(yè)類型名稱，例如“大學”、“醫(yī)院”、“小區(qū)”等。其中以教育行業(yè)為例，“大學”、“學院”、“中學”、 “幼兒園”等均可根據(jù)這些專有名詞判定為教育行業(yè)。該方法保證了語義信息的準確性，可提升識別轉換精度。第4步，將先驗信息中的行業(yè)類型映射為土地類型，并將該土地類型添加到該先驗信息中。城市規(guī)劃等部門所設計的用地分類標準與行業(yè)類型有關，因而可通過行業(yè)類型來判斷土地類型。本發(fā)明的方法根據(jù)映射規(guī)則，將行業(yè)類型轉換為土地類型，并添加到POI信息中。該映射規(guī)則例如優(yōu)選為行業(yè)和土地類型的對照表，例如該對照表可通過人工梳理建立。當已知行業(yè)類型時，通過檢索對照表得到相應的土地類型，從而確定包含該行業(yè)類型的 POI信息所對應的土地類型，并將該土地類型添加到該POI信息中。例如“人民醫(yī)院”屬于醫(yī)療衛(wèi)生行業(yè)，從而判定包含“醫(yī)療衛(wèi)生行業(yè)”行業(yè)類型的POI信息屬于規(guī)劃用地的C5類土地類型，而“汽車制造”屬于大中型機械制造工業(yè)，從而判定包含“大中型機械制造工業(yè)” 屬于規(guī)劃用地的M3類土地類型。第5步，將先驗信息與矢量地物要素或矢量地物要素集合進行空間疊加分析，確定兩者的寄宿關系。將POI信息和矢量地物要素集合疊加在一起，若POI信息落在矢量地物要素集合內部則稱為矢量地物要素是POI信息的宿主，并采用數(shù)據(jù)庫記錄兩者間的寄宿關系，由此可根據(jù)矢量地物要素或矢量地物要素集合檢索寄宿其內部的POI信息，也可根據(jù)POI信息檢索出作為其宿主的矢量地物要素或矢量地物要素集合。POI信息以抽象的點反映現(xiàn)狀，而矢量地物要素和矢量地物要素集合所對應的地塊都是面狀的多邊形，所以為了實現(xiàn)土地類型識別，需要通過空間疊加分析來建立POI信息和矢量地物要素或矢量地物要素集合的關聯(lián)。但疊加后的POI信息通常只會落在其中的一個矢量地物要素上。例如指向“XX公園”的POI信息落在了公園內的水域上，而周邊大片的綠地也屬于該公園，即與POI信息空間相交的矢量地物要素只是POI信息指代對象的子集。因此，要想實現(xiàn)最終的土地類型識別需要解決POI信息指代對象與空間相交的矢量地物要素之間的匹配問題。優(yōu)選地可采用分治、歸并等方式來匹配POI信息和矢量地物要素1)先構造矢量地物要素集合，如上根據(jù)矢量道路網(wǎng)對矢量地物要素分割所獲得的矢量地物要素集合，然后再進行POI信息與矢量地物要素集合的匹配，這可以有效的減少計算量和匹配時間。2)不同的POI信息指代對象在是否獨立占地及占地規(guī)模等指標方面有著不同的統(tǒng)計特性，例如ATM機通常不會獨立占地，此類POI對用地分類基本沒有貢獻，可以過濾掉。 為此，可選擇一個典型區(qū)域統(tǒng)計分析POI信息指代對象的兩項指標，作為判斷是否需要擴大匹配POI信息空間鄰近矢量地物要素的依據(jù)。如上述指向公園的POI信息落在了水域上，考慮到公園的特點可擴大匹配范圍，搜索與水域相鄰的矢量地物要素，從而匹配到周邊的植被等矢量地物要素。3)不論哪種行業(yè)土地類型標準，城市土地的用途多數(shù)還是以建筑為載體。POI信息則隱含了很多建筑本體的信息，例如POI信息中的地址為“XX路XX號XX大廈XX室”，與之匹配的建筑要素即為“XX大廈”，地址是“XX路XX號”。這些信息為語義上的邏輯推理提供了支撐，如多棟建筑都具有形如“XX小區(qū)XX號樓”的名稱，則可計算語義相似度來判定這些樓屬于同一地塊。4)空間相鄰且土地類型相同的矢量地物要素需要近一步歸并形成更大的地塊。除道路相隔外，相鄰地塊之間應該享有公共邊界而無縫隙，即扣除道路占地外，地塊的集合等價于研究區(qū)。第6步，根據(jù)先驗信息確定矢量地物要素或矢量地物要素集合的屬性，該屬性包括名稱、地址和土地類型。通過寄宿關系數(shù)據(jù)庫，找出同一矢量地物要素或同一矢量地物要素集合上的所有 POI信息，根據(jù)它們的名稱、地址和土地類型來確定作為宿主的矢量地物要素或矢量地物要素集合的屬性，優(yōu)選地，該確定原則是以出現(xiàn)頻次高低為準，高頻信息將賦予給該地物。例如，同一建筑上有三個POI信息，其中兩個的地址都是“南禮士路66號”，則該建筑的地址即為“南禮士路66號”。第7步，根據(jù)矢量地物要素或矢量地物要素集合的屬性進行聚類，得到相鄰同類矢量地物要素的凸包。從任一矢量地物要素開始搜索，判斷與其相鄰矢量地物要素的土地類型和地址是否一致，如果一致則標記兩者為同一地塊，直到周邊沒有可歸并的矢量地物要素為止。對該地塊離散化為點集，求該點集的凸包，該凸包包含這些相鄰同類矢量地物要素。第8步，對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結果。對凸包進行圖形整飾，使之形成較為規(guī)則的多邊形并與相鄰凸包之間共邊，無縫隙，最后將土地類型賦予給其，從而得到土地類型識別結果。因此，本發(fā)明的基于遙感影像的識別方法通過將遙感影像與先驗信息進行結合而實現(xiàn)了對于相同類型土地進行合并、識別和標識，由此實現(xiàn)對土地類型的最終識別?，F(xiàn)結合圖2-5以北京市2010年0. 5米的World ViewII遙感數(shù)據(jù)為影像源為例， 按照《城市用地分類與規(guī)劃建設用地標準》(GBJ 137-90)對城市的土地類型進行識別。圖2示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的原始遙感影像。 其以北京市2010年0. 5米的World View-II遙感數(shù)據(jù)為影像源，并采用的POI信息是參考 Sogou網(wǎng)絡地圖后手工采編得到。圖3示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的所提取的建筑要素。其采用eCognition軟件對World View-II數(shù)據(jù)進行面向對象分類，提取出建筑要素。圖4示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的土地邊界。如圖所示，由POI信息所含的“玉淵潭南路9號院XX號樓”信息可以判斷其行業(yè)類型為住宅，對應的規(guī)劃土地類型為居住用地R。由于用途相同且POI信息的名稱具有明顯的規(guī)律性，都屬于玉淵潭南路9號院，所以這些建筑要素屬于同一集合，歸并后得到要素的凸包即為用地邊界。圖5示出了用于示范性說明本發(fā)明的基于遙感影像的識別方法的標識結果圖。圖 5中，粗實線區(qū)域就是識別出的土地類型為居住用地R的地塊。對于所屬技術領域的技術人員而言，隨著技術的發(fā)展，本發(fā)明構思可以不同方式實現(xiàn)。本發(fā)明的實施方式并不僅限于以上描述的實施例，而且可在權利要求的范圍內進行變化。
權利要求
1.一種基于遙感影像的識別方法，該方法包括以下步驟 從遙感影像中提取矢量地物要素；將矢量地物要素分割為若干個矢量地物要素集合； 根據(jù)先驗信息而獲得行業(yè)類型，并將該行業(yè)類型添加到該先驗信息中； 將先驗信息中的行業(yè)類型映射為土地類型，并將該土地類型添加到該先驗信息中； 將先驗信息與矢量地物要素或矢量地物要素集合進行空間疊加分析，確定兩者的寄宿關系；根據(jù)先驗信息確定矢量地物要素或矢量地物要素集合的屬性； 根據(jù)矢量地物要素或矢量地物要素集合的屬性進行聚類，得到相鄰同類矢量地物要素的凸包；對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結果。
2.如權利要求1所述的識別方法，其特征在于，所述將矢量地物要素分割為若干個矢量地物要素集合是利用道路網(wǎng)進行分割的。
3.一種基于遙感影像的識別方法，該方法包括以下步驟從遙感影像提取矢量地物要素，并將包含土地類型的先驗信息與矢量地物要素進行空間疊加分析，確定兩者的寄宿關系；根據(jù)先驗信息確定矢量地物要素的屬性；根據(jù)矢量地物要素的屬性進行聚類，得到相鄰同類矢量地物要素的凸包；對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結^ ο
4.如權利要求1-3中任一所述的識別方法，其特征在于，該先驗信息為興趣點信息。
5.如權利要求1-3中任一所述的識別方法，其特征在于，該屬性包括名稱、地址和土地類型。
6.如權利要求1-3中任一所述的識別方法，其特征在于，該方法采用文本分類技術通過名稱和簡介信息來識別土地類型。
7.如權利要求1-3中任一所述的識別方法，其特征在于，該遙感影像為高分辨率遙影像。
8.如權利要求1-3中任一所述的識別方法，其特征在于，該方法用于對城市土地使用類型的識別。
全文摘要
一種基于遙感影像的識別方法，該方法包括以下步驟從遙感影像提取矢量地物要素，并將包含土地類型的先驗信息與矢量地物要素進行空間疊加分析，確定兩者的寄宿關系；根據(jù)先驗信息確定矢量地物要素的屬性；根據(jù)矢量地物要素的屬性進行聚類，得到相鄰同類矢量地物要素的凸包；對凸包進行圖形整飾，并對其賦予土地類型，從而得到識別結果。本發(fā)明采用先驗信息與遙感影像相結合，以有效識別土地類型。
文檔編號G06K9/46GK102521598SQ20111042110
公開日2012年6月27日 申請日期2011年12月16日 優(yōu)先權日2011年12月16日
發(fā)明者吳運超, 王碧輝, 黃曉春 申請人:北京市城市規(guī)劃設計研究院