專利名稱：一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法。
背景技術(shù)：
隨著遙感影像分辨率的逐步提高，居民區(qū)提取已成為一個(gè)熱門研究課題。準(zhǔn)確、快速地提取居民區(qū)可以為土地管理、城市規(guī)劃等市政部門在做土地利用現(xiàn)狀調(diào)查和宏觀規(guī)劃等方面的工作時(shí)提供重要的決策支持。在遙感影像中，居民區(qū)具有覆蓋面廣、地物信息豐富的特點(diǎn)，而且它是一個(gè)隨著時(shí)間動(dòng)態(tài)變化的區(qū)域，人工提取居民區(qū)雖然可以保持較高的準(zhǔn)確度，但是僅依靠人工的監(jiān)測(cè)和分割提取居民區(qū)不僅耗時(shí)而且成本高。因此，自動(dòng)居民區(qū)提取方法越來(lái)越被大家所關(guān)注。目前，國(guó)內(nèi)外許多研究學(xué)者提出了不少關(guān)于居民區(qū)提取的方法，較新且效果較好的圖像分割方法主要有基于灰度共現(xiàn)矩陣(GLCM)的提取方法(參見文獻(xiàn)ff. Fang, ff. Chao, Z. Hong. Residential Area Information Extraction by CombiningChina Airborne SAR and Optical Images.1EEE International Geoscience andRemote Sensing Symposium, 2004.)和基于支持向量機(jī)(SVM)的提取方法(參見文獻(xiàn):L.Bruzzone and L. Carlin. A multilevel context-based system forclassificationof very high spatial resolution images.1EEE Transactions on Geoscience andRemoteSensing, 2006.)。分析現(xiàn)有居民區(qū)提取方法,發(fā)現(xiàn)存在以下兩方面的局限性一方面，大多數(shù)方法都是基于監(jiān)督分類機(jī)制，需要大量訓(xùn)練樣本保證分類精度，干擾因素較多，自動(dòng)化程度有限；另一方面，現(xiàn)有的居民區(qū)提取方法強(qiáng)調(diào)影像整體的紋理、光譜等特征，卻忽略了居民區(qū)的局部特征，如邊緣特征。

發(fā)明內(nèi)容
本發(fā)明目的在于克服上述技術(shù)缺陷，提出了一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，有效提高了遙感影像中居民區(qū)提取的自動(dòng)化程度及提取精度，適用于高分辨率遙感影像分析和處理。一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，包括以下步驟步驟1:影像預(yù)處理；輸入影像，對(duì)影像采用中值濾波去除噪聲，接著利用Mean Shift算法對(duì)影像進(jìn)行平滑濾波；Mean Shift算法由Fukunaga等人于1975年提出，具有良好的保邊緣性，能夠很好的保留影像上居民區(qū)內(nèi)的邊緣特征；步驟2 :邊緣特征提??；采用canny算子檢測(cè)預(yù)處理后影像上的邊緣，將檢測(cè)得到的所有邊緣擬合成直線段；
canny邊緣檢測(cè)算子由John F. Canny于1986年開發(fā)出來(lái)的,主要利用圖像上的灰度梯度進(jìn)行多級(jí)邊緣檢測(cè)；步驟3 :構(gòu)建空間投票矩陣；a)構(gòu)建一個(gè)與原始影像尺寸大小一致的二維矩陣，該矩陣用于記錄圖像上每個(gè)像素點(diǎn)的投票值，矩陣中的每一個(gè)元素為對(duì)應(yīng)圖像上相同位置像素點(diǎn)的投票值；b)計(jì)算每一個(gè)像素點(diǎn)到每條邊緣直線段的空間距離，并通過高斯函數(shù)模型將空間距離轉(zhuǎn)化為該像素點(diǎn)的投票值，再將該像素點(diǎn)的投票值存儲(chǔ)于投票矩陣相同位置上；步驟4 0stu閾值分割步驟；采用Ostu閾值分割方法獲取居民區(qū)投票值與非居民區(qū)投票值的自適應(yīng)分割閾值，并根據(jù)該自適應(yīng)分割閾值對(duì)空間投票矩陣進(jìn)行二值化分割，得到影像中居民區(qū)和非居民區(qū)；較高的投票值的區(qū)域?qū)?yīng)居民區(qū)。相比非居民區(qū)，居民區(qū)的覆蓋區(qū)域內(nèi)擁有更高的邊緣特征密度，故居民區(qū)內(nèi)像素點(diǎn)到所有邊緣的距離總和相對(duì)更小，因此在投票矩陣中表現(xiàn)為，居民區(qū)內(nèi)的像素點(diǎn)擁有較高的投票值，而非居民區(qū)像素點(diǎn)的投票值則偏低。所述步驟2中的檢測(cè)得到的所有邊緣擬合成直線段，其具體處理過程如下1)對(duì)邊緣上的所有像素點(diǎn)按從左至右或從上到下的順序進(jìn)行排序得到邊緣像素點(diǎn)序列Pd，P1,，將每條邊緣的起始像素點(diǎn)作為固定點(diǎn)Po即為點(diǎn)A,選取與固定點(diǎn)間隔一個(gè)像素點(diǎn)的任意像素點(diǎn)為浮動(dòng)點(diǎn)Pn即為點(diǎn)B，兩點(diǎn)構(gòu)成直線段Ii;2)以固定點(diǎn)和浮動(dòng)點(diǎn)之間的所有像素點(diǎn)作為頂點(diǎn)，計(jì)算每個(gè)頂點(diǎn)到直線段^的垂直距離，選取最大垂直距離為a ；3)設(shè)定距離最大容許值為ε，剔除邊緣上的冗余像素點(diǎn)，簡(jiǎn)化邊緣直線，取ε的值為3 5個(gè)像素寬度；a)若ε ,表示頂點(diǎn)距離直線段近,屬于當(dāng)前邊緣上的冗余像素點(diǎn)，如果浮動(dòng)點(diǎn)B為當(dāng)前邊緣線上最后一個(gè)像素點(diǎn)，轉(zhuǎn)到步驟4)，否則，按照像素點(diǎn)排列順序，將與上一個(gè)浮動(dòng)點(diǎn)相鄰的像素點(diǎn)定義為新的浮動(dòng)點(diǎn)B ;Α、B兩點(diǎn)構(gòu)成直線段^ ,然后返回步驟2)；b)若a> ε，表示頂點(diǎn)距離直線段^遠(yuǎn)，屬于當(dāng)前邊緣上的特征像素點(diǎn)，則用直線段替代邊緣折線作為新的邊緣直線，即剔除固定點(diǎn)A和浮動(dòng)點(diǎn)B之間的像素點(diǎn)，將原來(lái)的浮動(dòng)點(diǎn)B作為新的固定點(diǎn)Α，選取當(dāng)前邊緣上與固定點(diǎn)間隔一個(gè)像素點(diǎn)的任意像素點(diǎn)為新的浮動(dòng)點(diǎn)B;若浮動(dòng)點(diǎn)B為當(dāng)前邊緣線上最后一個(gè)像素點(diǎn)，轉(zhuǎn)到步驟4)，否則，選取與固定點(diǎn)間隔一個(gè)像素點(diǎn)的任意像素點(diǎn)作為新的浮動(dòng)點(diǎn)B，Α、Β兩點(diǎn)構(gòu)成直線段，然后返回步驟2)；4)選取下一條邊緣進(jìn)行直線擬合，返回步驟I )，直至所有邊緣被擬合成直線段，直線擬合后的E1邊緣集合表示如下E1 =|q H…,G2 I12J;,--,ζI] Jl,…Jtn 卜其中 Ai 表示第 i 條邊緣,ρ
表示第i條邊緣上的第j條直線段，分別記它的兩個(gè)端點(diǎn)坐標(biāo)為和。所述步驟3中的投票矩陣的具體建立過程如下1)圖像上共有R個(gè)像素點(diǎn)和K條邊緣線段，像素點(diǎn)到邊緣線段的距離用集合Dist-1d1{，d12，…，d1K，d2i，d22，…，d2K，…，dE1，dR2，…，dEK}表不，其中，Ciij-表不弟 i 個(gè)像素點(diǎn)到第j條邊緣的距離，計(jì)算公式如下
權(quán)利要求
1.一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，其特征在于，包括以下步驟 步驟1:影像預(yù)處理； 輸入影像，對(duì)影像采用中值濾波去除噪聲，接著利用Mean Shift算法對(duì)影像進(jìn)行平滑濾波； 步驟2 :邊緣特征提取； 采用canny算子檢測(cè)預(yù)處理后影像上的邊緣，將檢測(cè)得到的所有邊緣擬合成直線段； 步驟3:構(gòu)建空間投票矩陣； a)構(gòu)建一個(gè)與原始影像尺寸大小一致的二維矩陣，該矩陣用于記錄圖像上每個(gè)像素點(diǎn)的投票值，矩陣中的每一個(gè)元素為對(duì)應(yīng)圖像上相同位置像素點(diǎn)的投票值； b)計(jì)算每一個(gè)像素點(diǎn)到每條邊緣直線段的空間距離，并通過高斯函數(shù)模型將空間距離轉(zhuǎn)化為該像素點(diǎn)的投票值，再將該像素點(diǎn)的投票值存儲(chǔ)于投票矩陣相同位置上； 步驟4 =Ostu閾值分割步驟； 采用Ostu閾值分割方法獲取居民區(qū)投票值與非居民區(qū)投票值的自適應(yīng)分割閾值，并根據(jù)該自適應(yīng)分割閾值對(duì)空間投票矩陣進(jìn)行二值化分割，得到影像中居民區(qū)和非居民區(qū)；較高的投票值的區(qū)域?qū)?yīng)居民區(qū)。
2.根據(jù)權(quán)利要求1所述的基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，其特征在于所述步驟2中的檢測(cè)得到的所有邊緣擬合成直線段，其具體處理過程如下 1)對(duì)邊緣上的所有像素點(diǎn)按從左至右或從上到下的順序進(jìn)行排序得到邊緣像素點(diǎn)序列Pci, P1,…Pn,將每條邊緣的起始像素點(diǎn)作為固定點(diǎn)Ptl即為點(diǎn)A,選取與固定點(diǎn)間隔一個(gè)像素點(diǎn)的任意像素點(diǎn)為浮動(dòng)點(diǎn)Pn即為點(diǎn)B，兩點(diǎn)構(gòu)成直線 2)以固定點(diǎn)和浮動(dòng)點(diǎn)之間的所有像素點(diǎn)作為頂點(diǎn)，汁算每個(gè)頂點(diǎn)到直線段的垂直距離，選取最大垂直距離為a; 3)設(shè)定距離最大容許值為ε，取ε的值為3 5個(gè)像素寬度； a)若ε，如果浮動(dòng)點(diǎn)B為當(dāng)前邊緣線上最后一個(gè)像素點(diǎn)，轉(zhuǎn)到步驟4)，否則，按照像素點(diǎn)排列順序，將與上一個(gè)浮動(dòng)點(diǎn)相鄰的像素點(diǎn)定義為新的浮動(dòng)點(diǎn)B ;Α、B兩點(diǎn)構(gòu)成直線^AB，然后返回步驟2); b)若a>ε，則用直線代邊緣折線作為新的邊緣直線，即剔除固定點(diǎn)A和浮動(dòng)點(diǎn)B之間的像素點(diǎn),將原來(lái)的浮動(dòng)點(diǎn)B作為新的固定點(diǎn)A,選取當(dāng)前邊緣上與固定點(diǎn)間隔一個(gè)像素點(diǎn)的任意像素點(diǎn)為新的浮動(dòng)點(diǎn)B ;若浮動(dòng)點(diǎn)B為當(dāng)前邊緣線上最后一個(gè)像素點(diǎn),轉(zhuǎn)至IJ步驟4)，否則，選取與固定點(diǎn)間隔一個(gè)像素點(diǎn)的像素點(diǎn)作為新的浮動(dòng)點(diǎn)B，A、B兩點(diǎn)構(gòu)成直線段^ ,然后返回步驟2); 4)選取下一條邊緣進(jìn)行直線擬合，返回步驟I)，直至所有邊緣被擬合成直線段，直線擬合后的E1邊緣集合表示如下~{ei "Ji…Js2 , _ζ,υ }，其中，ei 表示第 i 條邊緣，^ 表示第i條邊緣上的第j條直線段，分別記它的兩個(gè)端點(diǎn)坐標(biāo)為忍和吞
3.根據(jù)權(quán)利要求2所述的基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，其特征在于所述步驟3中的投票矩陣的具體建立過程如下1)圖像上共有R個(gè)像素點(diǎn)和K條邊緣直線段，像素點(diǎn)到邊緣線段的距離用集合Dist-1d，d12，…，d1K，d2i，d22，…，d2K，…，dE1，dR2，…，dEK}表不，其中，Ciij-表不弟 i 個(gè)像素點(diǎn)到第j條邊緣的距離，計(jì)算公式如下
4.根據(jù)權(quán)利要求3所述的基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，其特征在于所述步驟4中采用Ostu方法獲取居民區(qū)與非居民區(qū)投票值的自適應(yīng)分割閾值，具體步驟如下 1)對(duì)所有投票矩陣中的投票值進(jìn)行排序，用集合V=Iv1, V2,…，Vj表示，其中，L為不同投票值的類別個(gè)數(shù)，令投票值為Vi的像素點(diǎn)個(gè)數(shù)為ri;則總的像素點(diǎn)數(shù)為R=I^r2+…+ιγ ； 2)以第k個(gè)投票值Vk為分界處，將集合V拆分兩個(gè)類，分別為Vtl=Iv1,V2,…，Vk}和V1=Ivm, vk+2, -,vL}，k取值依次為1，2，…，L，依次計(jì)算兩個(gè)類的類間方差
全文摘要
本發(fā)明公開了一種基于邊緣特征的高分辨率遙感影像居民區(qū)提取方法，包括以下步驟步驟1影像預(yù)處理；步驟2邊緣特征提取；步驟3構(gòu)建空間投票矩陣；步驟4Ostu閾值分割步驟；采用Ostu閾值分割方法獲取居民區(qū)投票值與非居民區(qū)投票值的自適應(yīng)分割閾值，并根據(jù)該自適應(yīng)分割閾值對(duì)空間投票矩陣進(jìn)行二值化分割，得到影像中居民區(qū)和非居民區(qū)；該發(fā)明以邊緣特征密度為度量標(biāo)準(zhǔn)，利用高斯函數(shù)建立空間投票矩陣，將空間距離轉(zhuǎn)化投票值，以空間投票機(jī)制提取高分辨遙感影像上的居民區(qū)，有效地解決了居民區(qū)提取中自動(dòng)化程度和提取精度有限的技術(shù)缺陷，適用于高分辨率遙感影像分析和處理。
文檔編號(hào)G06T7/00GK103065296SQ201210544618
公開日2013年4月24日 申請(qǐng)日期2012年12月14日 優(yōu)先權(quán)日2012年12月14日
發(fā)明者陶超, 陳洪, 鄒崢嶸, 金晶, 張?jiān)粕? 馬慧云 申請(qǐng)人:中南大學(xué)