本發(fā)明涉及遙感數(shù)據(jù)應(yīng)用技術(shù)領(lǐng)域，具體涉及一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)。

背景技術(shù)：

遙感數(shù)據(jù)獲取技術(shù)趨向“三多”(多傳感器、多平臺(tái)、多角度)和“三高”(高空間分辨率、高光譜分辨率、高時(shí)相分辨率)。航空航天遙感影像豐富和提高了地理空間信息的獲取手段與更新效率，是地理空間數(shù)據(jù)庫(kù)更新的重要信息源。目前，在高空間分辨率遙感影像理解與分析方面，基于遙感數(shù)據(jù)的地理空間要素提取是遙感科學(xué)研究的熱點(diǎn)之一。

如何充分應(yīng)用高空間分辨率的優(yōu)越性，建立起影像數(shù)據(jù)與目標(biāo)特征之間的機(jī)理聯(lián)系，提高地理空間要素分類精度與提取可靠性，進(jìn)而構(gòu)建及更新地理空間數(shù)據(jù)庫(kù)，對(duì)于地理信息系統(tǒng)應(yīng)用服務(wù)以及正在進(jìn)行的數(shù)字城市建設(shè)和國(guó)情監(jiān)測(cè)具有重要的意義和作用。

綜上，目前迫切需要一種能夠利用遙感數(shù)據(jù)提取出地理空間要素的地理空間要素提取系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)，以提高地理空間要素分類精度與提取可靠性。

本發(fā)明提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)，包括：遙感數(shù)據(jù)獲取模塊、數(shù)據(jù)預(yù)處理模塊、多尺度分割模塊、特征計(jì)算模塊和空間要素提取模塊；其中，

所述遙感數(shù)據(jù)獲取模塊，用于獲取目標(biāo)區(qū)域?qū)?yīng)的原始遙感數(shù)據(jù)；

所述數(shù)據(jù)預(yù)處理模塊，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行預(yù)處理，獲得處理后的遙感數(shù)據(jù)；

所述多尺度分割模塊，用于根據(jù)處理后的所述遙感數(shù)據(jù)，將所述目標(biāo)區(qū)域分割為多個(gè)對(duì)象區(qū)域；

所述特征計(jì)算模塊，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的特征信息；

所述空間要素提取模塊，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

可選的，所述數(shù)據(jù)預(yù)處理模塊，包括：

輻射定標(biāo)單元，用于根據(jù)預(yù)設(shè)的轉(zhuǎn)換關(guān)系將所述原始遙感數(shù)據(jù)中的后向散射系數(shù)轉(zhuǎn)換為輻射亮度值。

可選的，所述數(shù)據(jù)預(yù)處理模塊，包括：

地理編碼單元，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行地理編碼校正。

可選的，所述數(shù)據(jù)預(yù)處理模塊，包括：

濾波單元，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行濾波。

可選的，所述濾波單元，包括：

frost濾波子單元，用于采用frost濾波器對(duì)所述原始遙感數(shù)據(jù)進(jìn)行濾波。

可選的，所述多尺度分割模塊，包括：

區(qū)域合并單元，用于根據(jù)處理后的所述遙感數(shù)據(jù)，采用區(qū)域合并算法，將所述目標(biāo)區(qū)域分割為多個(gè)對(duì)象區(qū)域。

可選的，所述特征計(jì)算模塊，包括：

光譜特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的光譜特征信息；

形狀特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的形狀特征信息；

紋理特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的紋理特征信息。

可選的，所述分類提取模塊，包括：

鄰近分類單元，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，采用最鄰近分類法提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

可選的，所述分類提取模塊，包括：

函數(shù)分類單元，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，采用成員函數(shù)法提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

可選的，所述基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)，還包括：

待提取地理空間要素特征計(jì)算模塊，用于根據(jù)待提取地理空間要素的樣本數(shù)據(jù)，計(jì)算待提取地理空間要素的特征信息。

由上述技術(shù)方案可知，本發(fā)明提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)，包括：遙感數(shù)據(jù)獲取模塊、數(shù)據(jù)預(yù)處理模塊、多尺度分割模塊、特征計(jì)算模塊和空間要素提取模塊。相較于現(xiàn)有技術(shù)，本申請(qǐng)?zhí)峁┑乃龌诟叻中l(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)，通過(guò)各模塊對(duì)遙感數(shù)據(jù)的預(yù)處理、分割和特征計(jì)算，從而能夠有效地提取出想要的地理空間要素，具有較高的分類精度和提取可靠性，進(jìn)而有利于構(gòu)建及更新地理空間數(shù)據(jù)庫(kù)，對(duì)于地理信息系統(tǒng)應(yīng)用服務(wù)以及正在進(jìn)行的數(shù)字城市建設(shè)和國(guó)情監(jiān)測(cè)具有重要的意義和作用。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹。

圖1示出了本發(fā)明第一實(shí)施例所提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)的示意圖；

圖2示出了本發(fā)明實(shí)施例提供的一種frost濾波前的遙感影像效果圖；

圖3示出了本發(fā)明實(shí)施例提供的一種frost濾波后的遙感影像效果圖；

圖4示出了本發(fā)明實(shí)施例提供的一種多尺度分割的流程圖；

圖5示出了本發(fā)明實(shí)施例提供的一種尋找合并對(duì)象的示意圖；

圖6示出了本發(fā)明實(shí)施例提供的一種多尺度分割參數(shù)構(gòu)成圖。

具體實(shí)施方式

下面將結(jié)合附圖對(duì)本發(fā)明技術(shù)方案的實(shí)施例進(jìn)行詳細(xì)的描述。以下實(shí)施例僅用于更加清楚地說(shuō)明本發(fā)明的技術(shù)方案，因此只是作為示例，而不能以此來(lái)限制本發(fā)明的保護(hù)范圍。

需要注意的是，除非另有說(shuō)明，本申請(qǐng)使用的技術(shù)術(shù)語(yǔ)或者科學(xué)術(shù)語(yǔ)應(yīng)當(dāng)為本發(fā)明所屬領(lǐng)域技術(shù)人員所理解的通常意義。

本發(fā)明提供一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)。下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行說(shuō)明。

圖1示出了本發(fā)明第一實(shí)施例所提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)的示意圖。如圖1所示，本發(fā)明第一實(shí)施例提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)包括：遙感數(shù)據(jù)獲取模塊1、數(shù)據(jù)預(yù)處理模塊2、多尺度分割模塊3、特征計(jì)算模塊4和空間要素提取模塊5；其中，

所述遙感數(shù)據(jù)獲取模塊1，用于獲取目標(biāo)區(qū)域?qū)?yīng)的原始遙感數(shù)據(jù)；

所述數(shù)據(jù)預(yù)處理模塊2，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行預(yù)處理，獲得處理后的遙感數(shù)據(jù)；

所述多尺度分割模塊3，用于根據(jù)處理后的所述遙感數(shù)據(jù)，將所述目標(biāo)區(qū)域分割為多個(gè)對(duì)象區(qū)域；

所述特征計(jì)算模塊4，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的特征信息；

所述空間要素提取模塊5，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

隨著遙感技術(shù)及高分辨率數(shù)據(jù)采集技術(shù)的發(fā)展，遙感數(shù)據(jù)的分辨率越來(lái)越高，數(shù)據(jù)類型越來(lái)越豐富，因此，采用高分辨率遙感數(shù)據(jù)提取地理空間要素已成為可能且具有較高的精準(zhǔn)性。

本發(fā)明實(shí)施例中，所述地理空間要素包括任意一種具有獨(dú)立特征的地物，例如居民地、水域、林地、沙漠、農(nóng)田、道路等，利用本申請(qǐng)?zhí)峁┑牡乩砜臻g要素提取系統(tǒng)，可以實(shí)現(xiàn)快速的提取以上任一種地理空間要素的目的，其均在本申請(qǐng)的保護(hù)范圍之內(nèi)。

所述遙感數(shù)據(jù)獲取模塊1用于獲取目標(biāo)區(qū)域?qū)?yīng)的原始遙感數(shù)據(jù)，本發(fā)明實(shí)施例中，以高分遙感數(shù)據(jù)為數(shù)據(jù)源，具體的，所述原始影像可以包括我國(guó)發(fā)射的高分3號(hào)衛(wèi)星采集的雷達(dá)遙感數(shù)據(jù)、加拿大發(fā)射的radarsat-2號(hào)衛(wèi)星采集的雷達(dá)遙感數(shù)據(jù)、我國(guó)高分2號(hào)、5號(hào)衛(wèi)星采集的多光譜遙感數(shù)據(jù)、全色遙感數(shù)據(jù)等，其均在本申請(qǐng)的保護(hù)范圍之內(nèi)。

以radarsat-2號(hào)衛(wèi)星采集的合成孔徑雷達(dá)(sar)遙感數(shù)據(jù)為例，由于sar傳感器輸出的數(shù)值輸出值只是電信號(hào)數(shù)值或模擬量，并不是對(duì)應(yīng)的實(shí)際地物輻射亮度，而且該值受傳感器本身產(chǎn)生誤差的影響存在一定的畸變，所以對(duì)于原始遙感數(shù)據(jù)需要進(jìn)行的第一步處理就是輻射定標(biāo)，即將傳感器輸出的信號(hào)(dn值，即后向散射系數(shù))通過(guò)定量關(guān)系式轉(zhuǎn)化為對(duì)應(yīng)地物的輻射亮度值。在本申請(qǐng)?zhí)峁┑囊粋€(gè)實(shí)施例中，所述數(shù)據(jù)預(yù)處理模塊2，包括：

輻射定標(biāo)單元，用于根據(jù)預(yù)設(shè)的轉(zhuǎn)換關(guān)系將所述原始遙感數(shù)據(jù)中的后向散射系數(shù)轉(zhuǎn)換為輻射亮度值。

具體的，輻射定標(biāo)是保證遙感數(shù)據(jù)可靠性和精確性的重要手段。對(duì)于radarsat-2雷達(dá)影像的sgx產(chǎn)品，影像亮度值和后向散射系數(shù)的轉(zhuǎn)換關(guān)系如下：

其中，a0、aj為雷達(dá)系統(tǒng)自動(dòng)增益控制系數(shù)，由radarsat-2影像的sigma增益偏移參數(shù)文件讀出；ij為每個(gè)像元沿距離方向上的入射角。

所述輻射定標(biāo)單元即可根據(jù)上述轉(zhuǎn)換關(guān)系將所述原始遙感數(shù)據(jù)中的后向散射系數(shù)轉(zhuǎn)換為輻射亮度值。

另外，由于傳感器飛行姿態(tài)(俯仰、偏航)、地球自轉(zhuǎn)、地形起伏等原因使影像中物體相較于地面目標(biāo)發(fā)生幾何畸變，表現(xiàn)為遙感影像的旋轉(zhuǎn)、平移、縮放等變形。這些畸變給sar圖像的應(yīng)用造成了巨大的障礙，為了校正星載sar圖像的幾何畸變，提取sar圖像上的數(shù)據(jù)信息，必須對(duì)星載sar原始圖像進(jìn)行地理編碼，得到校正后的統(tǒng)一的地圖坐標(biāo)系上的標(biāo)準(zhǔn)地理編碼圖像。地理編碼是星載sar圖像的目的在于把星載sar原始圖像投影到指定的地圖坐標(biāo)系上，并校正一些幾何畸變。在本申請(qǐng)?zhí)峁┑囊粋€(gè)實(shí)施例中，所述數(shù)據(jù)預(yù)處理模塊2，包括：

地理編碼單元，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行地理編碼校正。

具體的，所述地理編碼單元可以基于nest軟件結(jié)合dem把原始遙感數(shù)據(jù)投影到wgs84坐標(biāo)系下，實(shí)現(xiàn)對(duì)原始遙感數(shù)據(jù)的地理編碼校正。

此外，合成孔徑雷達(dá)成像時(shí)，雷達(dá)波在反射過(guò)程會(huì)不可避免地產(chǎn)生許多斑點(diǎn)噪聲。斑點(diǎn)噪聲會(huì)對(duì)圖像的空間分辨率產(chǎn)生影響，給圖像解譯和目標(biāo)的判讀帶來(lái)很大的困難。因此為了提高雷達(dá)影像的利用價(jià)值，必須先對(duì)影像進(jìn)行濾波，消除或者減少斑點(diǎn)噪聲。在本發(fā)明提供的一個(gè)實(shí)施例中，所述數(shù)據(jù)預(yù)處理模塊2，包括：

濾波單元，用于對(duì)所述原始遙感數(shù)據(jù)進(jìn)行濾波。

通過(guò)所述濾波單元，可以消除或減少所述原始遙感數(shù)據(jù)中的斑點(diǎn)噪聲。

濾波方式分為三種，空間域增強(qiáng)濾波、卷積濾波和形態(tài)學(xué)濾波?？臻g域增強(qiáng)處理是通過(guò)直接改變圖像中的單個(gè)像元及相鄰像元的灰度值來(lái)增強(qiáng)圖像，這種增強(qiáng)方式往往是有目的的，如增強(qiáng)圖像中的線狀物體細(xì)部部分或者主干部分等；卷積(convolutions)濾波是通過(guò)消除特定的空間頻率來(lái)使圖像增強(qiáng)，根據(jù)增強(qiáng)類型(低頻、中頻和高頻)不同可分為低通濾波、帶通濾波和高通濾波，此外還可以增強(qiáng)圖像某些方向特征的方向?yàn)V波等，它們的核心部分是卷積核。常用卷積核包括高通濾波(highpass)、低通濾波(lowpass)、拉普拉斯算子(laplacian)、方向?yàn)V波(directional)、高斯高通濾波(gaussianhighpass)、高斯低通濾波(gaussianlowpass)、中值濾波(median)、sobel、roberts，還可以自定義卷積核；數(shù)學(xué)形態(tài)學(xué)濾波包括以下類型：膨脹(dilate)、腐蝕(erode)、開啟(opening)、閉合(closing)，它們?cè)谠鰪?qiáng)二值圖像和灰度圖像中各有特點(diǎn)。

在本發(fā)明提供的一個(gè)實(shí)施例中，所述濾波單元，包括：

frost濾波子單元，用于采用frost濾波器對(duì)所述原始遙感數(shù)據(jù)進(jìn)行濾波。

請(qǐng)參考圖2和圖3，其分別為本發(fā)明實(shí)施例提供的一種frost濾波前、后的遙感影像效果圖。由圖可知，通過(guò)所述frost濾波子單元采用frost濾波器對(duì)所述原始遙感數(shù)據(jù)進(jìn)行濾波具有較好的效果，frost濾波器用于雷達(dá)圖像中保留邊緣的情況下，減少斑點(diǎn)。它是按指數(shù)規(guī)律阻尼循環(huán)的均衡濾波，用于局部統(tǒng)計(jì)。參與濾波的像元由到濾波器中心的距離、阻尼系數(shù)和局部變化計(jì)算的值來(lái)代替。濾波的窗口分別采用從3×3到29×29大小不等的窗口進(jìn)行測(cè)試，不同窗口大小的濾波對(duì)噪聲的去除影響甚大。隨著濾波窗口的變化，影像平滑度亦隨之變化，經(jīng)實(shí)驗(yàn)表明，當(dāng)窗口為3×3時(shí)樣區(qū)地物區(qū)分效果最佳。

在本發(fā)明提供的一個(gè)實(shí)施例中，所述多尺度分割模塊3，包括：

區(qū)域合并單元，用于根據(jù)處理后的所述遙感數(shù)據(jù)，采用區(qū)域合并算法，將所述目標(biāo)區(qū)域分割為多個(gè)對(duì)象區(qū)域。

具體的，所述區(qū)域合并單元通過(guò)以下具體的區(qū)域合并算法將所述目標(biāo)區(qū)域分割為多個(gè)對(duì)象區(qū)域：

所述區(qū)域合并單元采用異質(zhì)性最小的區(qū)域合并算法，是自下而上基于區(qū)域生長(zhǎng)合并的分割方法，在分割過(guò)程中相鄰的相似像元被合并成一個(gè)不規(guī)則多邊形對(duì)象，因此對(duì)象的異質(zhì)性f(異質(zhì)性)是不斷增長(zhǎng)的，要確保合并后的對(duì)像的異質(zhì)性小于設(shè)定好的一致性閾值。因?yàn)榉指顣r(shí)相鄰對(duì)象是成對(duì)的生長(zhǎng)合并的，所以要合并的對(duì)象應(yīng)該是相互對(duì)應(yīng)并且是異質(zhì)性最小的。

請(qǐng)參照?qǐng)D4，其為本發(fā)明實(shí)施例提供的一種多尺度分割的流程圖，該流程圖以radarsat-2影像為處理對(duì)象描述了采用區(qū)域合并算法進(jìn)行多尺度分割的流程，具體如下：

在第一次分割時(shí)，以單個(gè)象元為起點(diǎn)，尋找相鄰對(duì)象合并后異質(zhì)性最小的像元，如果找到的像元相鄰像元中合并后異質(zhì)性最小的像元為該像元，異質(zhì)性小于設(shè)定的閾值，則合并這兩個(gè)像元，否則就以找的像元為起點(diǎn)再次尋找，直至找到可以合并的像元，如圖5，其為本發(fā)明實(shí)施例提供的一種尋找合并對(duì)象的示意圖。如果最小的異質(zhì)性小于設(shè)定的閾值，則進(jìn)行第二次分割。循環(huán)進(jìn)行，當(dāng)最小的異質(zhì)性值大于閾值時(shí)，則停止分割。

如果0到11為12個(gè)像元，選擇5作為種子像元，首先計(jì)算5和相鄰像元1、4、6、9像元的異質(zhì)性，如果5和6的異質(zhì)性最小，則6作為種子像元計(jì)算6的相鄰像元2、5、7、10像元的異質(zhì)性，如果6和5的異質(zhì)性最小，則合并5、6像元；如果6和7的異質(zhì)性最小，則7作為種子像元繼續(xù)向下尋找，直至找對(duì)為止。

在第一次分割時(shí)，以單個(gè)象元為起點(diǎn)，尋找相鄰對(duì)象合并后異質(zhì)性最小的像元，如果找到的像元相鄰像元中合并后異質(zhì)性最小的像元為該像元，異質(zhì)性小于設(shè)定的閾值，則合并這兩個(gè)像元，否則就以找的像元為起點(diǎn)再次尋找，直至找到可以合并的像元。如果最小的異質(zhì)性小于設(shè)定的閾值，則進(jìn)行第二次分割。循環(huán)進(jìn)行，當(dāng)最小的異質(zhì)性值大于閾值時(shí)，則停止分割。

多尺度分割中分割參數(shù)的設(shè)置直接決定分割結(jié)果的好壞。如果選擇大的分割參數(shù)，影像中小的地物有可能被分割到大的地物中，如果選擇小的分割尺度，則想象中大的地物有可能分成幾部分，形狀特征會(huì)受到影響。在能區(qū)分不同影像地物的基礎(chǔ)上盡可能以最大的分割尺度來(lái)分割，而在實(shí)際中應(yīng)該根據(jù)實(shí)際的地區(qū)特征以及分類的目的來(lái)設(shè)定。

多尺度分割算法中需要設(shè)置的參數(shù)包括波段的權(quán)重因子、異質(zhì)性因子和分割尺度。其構(gòu)成如圖6所示。

異質(zhì)性f通過(guò)合并后對(duì)象的光譜異質(zhì)性和形狀異質(zhì)性的加權(quán)值計(jì)算的，其中光譜異質(zhì)性和形狀異質(zhì)性的權(quán)重和為1。

f＝w1·hcolor+(1-w1)·hshape

其中：hcolor為光譜異質(zhì)性，hshape為形狀異質(zhì)性，w1為光譜異質(zhì)性權(quán)重。

光譜異質(zhì)性是由對(duì)象像元的光譜值計(jì)算的：

其中：c為影像的波段數(shù)，wc為影像中各波段的權(quán)重，nm為合并后對(duì)象的像元個(gè)數(shù)，σm為合并后對(duì)象的標(biāo)準(zhǔn)方差，n1、n2為合并前兩個(gè)相鄰對(duì)象的像元個(gè)數(shù)，σ1、σ2為合并前兩個(gè)相鄰對(duì)象的標(biāo)準(zhǔn)方差。

形狀異質(zhì)性是由對(duì)象的形狀計(jì)算的：

hshape＝w2·hcom+(1-w2)·hsmooth

其中：w2為緊致度的權(quán)重，hcom為緊致度異質(zhì)性，hsmooth為光滑度異質(zhì)性。

緊致度異質(zhì)性：

其中:nm為合并后對(duì)象的像元個(gè)數(shù)，n1、n2為合并前兩個(gè)相鄰對(duì)象的像元個(gè)數(shù)，em為合并后對(duì)象區(qū)域的實(shí)際邊界長(zhǎng)度，e1、e2為合并前兩個(gè)相鄰對(duì)像區(qū)域的實(shí)際邊界長(zhǎng)度。

光滑度異質(zhì)性:

hsmooth＝nm·em/lm-(n1·e1/l1+n2·e2/l2)

其中：nm為合并后對(duì)象的像元個(gè)數(shù)，n1、n2為合并前兩個(gè)相鄰對(duì)象的像元個(gè)數(shù)，em為合并后對(duì)象區(qū)域的實(shí)際邊界長(zhǎng)度，e1、e2為合并前兩個(gè)相鄰對(duì)像區(qū)域的實(shí)際邊界長(zhǎng)度，lm為包含合并后影像區(qū)域范圍的矩形邊界長(zhǎng)度，l1、l2為包含合并前影像區(qū)域范圍的兩個(gè)矩形邊界長(zhǎng)度。

在所述多尺度分割模塊3對(duì)遙感數(shù)據(jù)進(jìn)行分割后，遙感數(shù)據(jù)的單元變成了同質(zhì)像元組成的不規(guī)則多邊形對(duì)象。

本發(fā)明實(shí)施例中，所述特征計(jì)算模塊4，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的特征信息，以便能夠根據(jù)各對(duì)象區(qū)域的特征信息提取地理空間要素，對(duì)象區(qū)域的特征包括三種：光譜特征、形狀特征、紋理特征。光譜特征包括均值、灰度比值、標(biāo)準(zhǔn)差等；形狀特征包括面積、長(zhǎng)寬比等；紋理特征包括灰度共生矩陣方差等。

在本發(fā)明提供的一個(gè)實(shí)施例中，所述特征計(jì)算模塊4，包括：

光譜特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的光譜特征信息；

形狀特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的形狀特征信息；

紋理特征計(jì)算單元，用于計(jì)算各個(gè)所述對(duì)象區(qū)域的紋理特征信息。

具體的，光譜特征描述影像對(duì)象的光譜信息，與對(duì)象的像素值有關(guān)，包括影像對(duì)象特征的均值、方差、亮度值等。所述光譜特征計(jì)算單元用于計(jì)算以下光譜特征信息：

1)均值(mean)：

(1)layer1，2，3，4：圖層1，2，3，4的對(duì)象亮度平均值。

其中：n為對(duì)象v中像元的個(gè)數(shù)，k為圖層(1,2,3,4)，ck(x,y,k)為k圖層的(x,y)像元值。

(2)brightness：亮度值。

其中：w^b是所有圖層亮度值權(quán)重的和；是圖層k的權(quán)重；是對(duì)象v的k圖層強(qiáng)度平均值

(3)max.diff.：最大的兩個(gè)圖層的平均值差

其中：是i圖層強(qiáng)度平均值；是j圖層強(qiáng)度平均值；是對(duì)象v的亮度平均值。

2)標(biāo)準(zhǔn)差(standarddeviation)：

layer1，2，3，4：圖層1，2，3，4的對(duì)象標(biāo)準(zhǔn)差。

其中：ck(x,y,k)為k圖層的(x,y)像元值；是是對(duì)象v的k圖層強(qiáng)度平均值；n為對(duì)象v中像元的個(gè)數(shù)。

3)貢獻(xiàn)率(ratio)：

第l層的貢獻(xiàn)率是一個(gè)影像對(duì)象的第l層的平均值除上所有光譜層的平均值的總和。

其中：是圖層k的權(quán)重；是對(duì)象v的k圖層強(qiáng)度平均值。

4)最小像素值(min.pixelvalue)：

5)最大像素值(max.pixelvalue)：

6)歸一化植被指數(shù)(ndvi)：

ndvi＝(nir-r)/(nir+r)

其中：nir為近紅外波段,r為紅光波段。

形狀特征是描述地物本身在影像上變現(xiàn)出來(lái)的形狀方面的信息，及分割后影像對(duì)象的形狀信息，包括面積、邊界長(zhǎng)、長(zhǎng)寬比、形狀指數(shù)等。所述形狀特征計(jì)算單元用于計(jì)算以下形狀特征信息：

1)面積(area)：

av＝n×u²

其中：n為對(duì)象v中像元的個(gè)數(shù)；u為像元大小

2)長(zhǎng)寬比(length/width)：

對(duì)象的長(zhǎng)和寬的比值，有兩種方法計(jì)算，一般會(huì)取兩者中較小的結(jié)果作為特征值。

(1)等于協(xié)方差矩陣特征值的比率，其中在較大的特征值為分子:

(2)用邊界框來(lái)近似。

其中：協(xié)方差矩陣為x為對(duì)象v所有像元的x坐標(biāo)，y為對(duì)象v所有像元的y坐標(biāo)；邊界框的長(zhǎng)度為a，寬度為b，面積為a·b，f為填充度，即對(duì)象v面積av除以邊界框的總面積a·b。

3)長(zhǎng)度(length)

長(zhǎng)度使用邊界框近似中計(jì)算得到的長(zhǎng)寬比來(lái)計(jì)算。

4)寬度(width)

寬度也使用邊界框近似中計(jì)算得到的長(zhǎng)寬比來(lái)計(jì)算。

5)邊界長(zhǎng)度(borderlength)

邊界長(zhǎng)度定義為圖像的邊緣。包括內(nèi)、外邊界，即對(duì)象內(nèi)有環(huán)或洞的邊緣長(zhǎng)度也要算上。

bv＝bo+bi

其中bo為對(duì)象外部邊界，bi為內(nèi)部邊界。

6)不對(duì)稱性(asymmetry)

對(duì)象越長(zhǎng)，它的不對(duì)稱性越高。對(duì)于一個(gè)影像對(duì)象來(lái)說(shuō)，可近似與一個(gè)橢圓。不對(duì)稱性可表示為橢圓的短軸和長(zhǎng)軸的長(zhǎng)度比。隨著不對(duì)稱性的增加而特征值增加。

7)邊界指數(shù)(borderindex)

該指數(shù)描述了影像對(duì)象邊界不規(guī)則性，邊界越表現(xiàn)為鋸齒狀，邊界指數(shù)也就越高。

其中：bv是對(duì)象v的邊界長(zhǎng)度；lv是對(duì)象v的長(zhǎng)度；wv是對(duì)象v的寬度。

8)形狀指數(shù)(shapeindex)

該指數(shù)描述影像對(duì)象邊界的平滑度，影響對(duì)象邊界越平滑，形狀指數(shù)越低。

其中：bv是對(duì)象v的邊界長(zhǎng)度；av為對(duì)象v的面積。

9)緊致度(compactness)

描述了對(duì)象的緊致度，和邊界指數(shù)類似，但是該指數(shù)是基于面積的，

其中：lv是對(duì)象v的長(zhǎng)度；wv是對(duì)象v的寬度；n為對(duì)象v的像元個(gè)數(shù)。

紋理特征是反映像素空間分布的特征，通常在局部上呈現(xiàn)為不規(guī)則，但是在宏觀上有規(guī)律。紋理通常被描述為在局部窗口內(nèi)影像灰度級(jí)之間的空間分布及空間互相關(guān)系?；叶裙采仃嚍楝F(xiàn)在最常用的一種紋理統(tǒng)計(jì)分析方法?；叶裙采仃囀绞潜硎緦?duì)象中像素灰度級(jí)出現(xiàn)頻率空間分布的矩陣，在不同的空間方向存在著不同的灰度共生矩陣，共有四個(gè)方向(0°、45°、90°、135°)是常用的方向。遍歷影像對(duì)象像元并且將像素值出現(xiàn)的次數(shù)放到256*256的矩陣中，其中像元值和鄰居像素值作為行列號(hào)，像素值取特定圖層得像素值或者所有層的平均值。然后標(biāo)準(zhǔn)化該矩陣(該對(duì)像素值出現(xiàn)的次數(shù)/所有像素值出現(xiàn)的次數(shù))，所以灰度共生矩陣中的值在0-1范圍內(nèi)。標(biāo)準(zhǔn)的灰度共生矩陣是對(duì)稱的，對(duì)角線上的值表示灰度級(jí)相同的像素對(duì)出現(xiàn)的頻率，離著對(duì)角線越遠(yuǎn)，說(shuō)明該對(duì)像素的灰度級(jí)相差越大。

灰度共生矩陣提供了影像灰度方向、間隔和變化幅度的信息，但是它并不能直接提供區(qū)別紋理的特性，因此需要在灰度共生矩陣的基礎(chǔ)上提取用來(lái)定量描述紋理特征的統(tǒng)計(jì)屬性。常用的用于提取遙感影像中的紋理信息的特征統(tǒng)計(jì)量主要有：同質(zhì)性(homogeneity)、對(duì)比度(conrast)、非相似性(dissimilarty)、熵(entropy)、均值(mean)、方差(variance)、角二階矩(angularsecondmoment)、相關(guān)性(correlation)等，所述紋理特征計(jì)算單元用于計(jì)算以下紋理特征信息(以下公式中，i是指所在矩陣中的行數(shù)，j是指所在矩陣中的列數(shù)，vi,j是指矩陣第i行第j列的值，pi,j指矩陣標(biāo)準(zhǔn)化后第i行第j列的值，n是行或列的總數(shù))：

(1)灰度共生矩陣同質(zhì)性(glcm_homogeneity)

也叫逆差距，是影像對(duì)象灰度均勻性的的量，如果圖像局部的灰度均勻，同質(zhì)性取值越大。

(2)灰度共生矩陣對(duì)比度(glcm_conrast)

反映圖像中影像對(duì)象灰度變化總量，在圖像對(duì)象中，像元的灰度級(jí)相差越大，對(duì)象的對(duì)比度就越大，對(duì)象的視覺效果越清晰。

(3)灰度共生矩陣非相似性(glcm_dissimilarty)

與對(duì)比度相似，但是呈線性增長(zhǎng)。影像對(duì)象的對(duì)比度越高，非相似度越高。

(4)灰度共生矩陣均值(glcm_mean)

指的是影像對(duì)象的紋理的規(guī)則程度，紋理越雜亂無(wú)章，毫無(wú)規(guī)則性，值就越小；相反，越有規(guī)律，值就越大

(5)灰度共生矩陣方差(glcm_variance)

反映影像對(duì)象像元值與均值變差的度量，當(dāng)影響對(duì)象中灰度變化越大，方差越大。

(6)灰度共生矩陣熵(glcm_entropy)

描述影像對(duì)象所有的信息量的度量，是測(cè)量灰度級(jí)分布的隨機(jī)性的特征參數(shù)，表達(dá)了影像對(duì)象中紋理的復(fù)雜程度。紋理越復(fù)雜，值越大；反之，紋理越均勻，值越小。

(7)灰度共生矩陣角二階矩(glcm_angularsecondmoment)

影像對(duì)象灰度分布均勻性的度量。當(dāng)灰度共生矩陣中的元素分布比較集中于主對(duì)角線附近時(shí)，說(shuō)明影響對(duì)象灰度分布均勻，該值相應(yīng)較大；相反，如果共生矩陣的所有值均相等，則該值較小。

(8)灰度共生矩陣相關(guān)性(glcm_correlation)

描述灰度共生矩陣行或列元素之間的相似程度，反映某種灰度值沿某方向的延伸長(zhǎng)度，若延伸越長(zhǎng)，相關(guān)性越大。

基于上述特征計(jì)算模塊4計(jì)算的各個(gè)所述對(duì)象區(qū)域的特征信息，所述所述空間要素提取模塊5即可根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

在本發(fā)明提供的一個(gè)實(shí)施例中，所述分類提取模塊，包括：

鄰近分類單元，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，采用最鄰近分類法提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

采用最鄰近分類法對(duì)各對(duì)象區(qū)域進(jìn)行分類，即可提取出于與待提取地理空間要素屬于同一類別的對(duì)象區(qū)域，完成地理空間要素的提取。最鄰近分類方法是利用訓(xùn)練樣本對(duì)象來(lái)選擇對(duì)象特征，與傳統(tǒng)的監(jiān)督分類相似，選擇訓(xùn)練區(qū)作為樣本對(duì)象，統(tǒng)計(jì)樣本對(duì)象的各地類訓(xùn)練樣本的特征，以這個(gè)特征為中心，計(jì)算各未分類的對(duì)象的用于分類的特征與特征中心的距離，如果距離樣本類的特征中心最近，則被分到那個(gè)類別。當(dāng)?shù)匚锾卣鞑幻黠@，無(wú)法描述其特征空間時(shí)，適合使用最鄰近距離法。

在本發(fā)明提供的一個(gè)實(shí)施例中，所述分類提取模塊，包括：

函數(shù)分類單元，用于根據(jù)各個(gè)對(duì)象區(qū)域的特征信息，采用成員函數(shù)法提取出符合待提取地理空間要素的特征信息的對(duì)象區(qū)域，完成地理空間要素的提取。

成員函數(shù)法分類方法是通過(guò)影像對(duì)象本身以及對(duì)像間的特征屬性，計(jì)算隸屬度函數(shù)，獲得相應(yīng)區(qū)域特征的模糊化值，建立規(guī)則模型來(lái)進(jìn)行影像分類，選擇特征時(shí)應(yīng)當(dāng)選擇待分類類別最顯著的特征加入規(guī)則庫(kù)，而且不能加入太多，過(guò)多的規(guī)則會(huì)影響分類精度。根據(jù)規(guī)則庫(kù)中的規(guī)則對(duì)各對(duì)象區(qū)域進(jìn)行分類，進(jìn)而提取出于與待提取地理空間要素屬于同一類別的對(duì)象區(qū)域，完成地理空間要素的提取。

在上述實(shí)施例中，都需要首先明確待提取地理空間要素的特征信息，才能夠提取出于與待提取地理空間要素屬于同一類別的對(duì)象區(qū)域，因此，在本發(fā)明提供的一個(gè)實(shí)施例中，

在本發(fā)明提供的一個(gè)實(shí)施例中，所述的基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)還包括：

待提取地理空間要素特征計(jì)算模塊4，用于根據(jù)待提取地理空間要素的樣本數(shù)據(jù)，計(jì)算待提取地理空間要素的特征信息。

在本發(fā)明提供的一個(gè)具體的實(shí)施例中，基于遙感數(shù)據(jù)獲取模塊1、數(shù)據(jù)預(yù)處理模塊2、多尺度分割模塊3、特征計(jì)算模塊4和空間要素提取模塊5，采用c++語(yǔ)言開發(fā)了地理空間要素自動(dòng)提取系統(tǒng)，通過(guò)人機(jī)交互定義的分割尺度、顏色權(quán)重、波段比重、緊致度權(quán)重等參數(shù)進(jìn)行遙感數(shù)據(jù)的多尺度分割，進(jìn)而以分割獲得的對(duì)象區(qū)域?yàn)榛究臻g單元進(jìn)行地理空間要素的提取，通過(guò)計(jì)算待提取地理空間要素的特征信息，進(jìn)而可以基于radarsat-2影像實(shí)現(xiàn)對(duì)地理空間要素的自動(dòng)快速提取。

具體應(yīng)用中，以居民地提取為例：

首先對(duì)經(jīng)過(guò)采取二階概率統(tǒng)計(jì)的影像數(shù)據(jù)進(jìn)行波段選取，經(jīng)反復(fù)實(shí)驗(yàn)，以協(xié)同性、均值、相異性進(jìn)行rgb組合效果較好，協(xié)同性、均值和相異性采用的最佳窗口是5×5、3×3和3×3，其次，對(duì)進(jìn)行rgb合成的影像進(jìn)行多尺度分割，相關(guān)參數(shù)為：分割尺度為30，形狀指數(shù)為0.5，緊湊度指數(shù)權(quán)重為0.4。

通過(guò)比對(duì)原radarsat-2影像，并結(jié)合高分2號(hào)遙感影像，對(duì)分割結(jié)果進(jìn)行相關(guān)參數(shù)選取，通過(guò)對(duì)居民地樣本要素協(xié)同性、均值和相異性3個(gè)波段的亮度值、標(biāo)準(zhǔn)差等信息進(jìn)行統(tǒng)計(jì)分析，最終選取均值協(xié)同性、均值和相異性亮度值和長(zhǎng)寬比四個(gè)參數(shù)，實(shí)現(xiàn)居民地提取。

以道路提取為例：

首先對(duì)經(jīng)過(guò)采取二階概率統(tǒng)計(jì)的影像數(shù)據(jù)進(jìn)行波段選取，經(jīng)反復(fù)實(shí)驗(yàn)，以方差、均值、對(duì)比度進(jìn)行rgb組合效果較好，方差、均值和對(duì)比度采用的最佳窗口是3×3、3×3和4×4，其次，對(duì)進(jìn)行rgb合成的影像進(jìn)行多尺度分割，相關(guān)參數(shù)為：分割尺度為40，形狀指數(shù)為0.7，緊湊度指數(shù)權(quán)重為0.5。

通過(guò)比對(duì)原radarsat-2影像，并結(jié)合高分2號(hào)遙感影像，對(duì)分割結(jié)果進(jìn)行相關(guān)參數(shù)選取，通過(guò)對(duì)道路樣本要素協(xié)同性、均值和相異性3個(gè)波段的亮度值、標(biāo)準(zhǔn)差等信息進(jìn)行統(tǒng)計(jì)分析，最終選取均值協(xié)同性、均值和相異性亮度值和長(zhǎng)寬比四個(gè)參數(shù)，實(shí)現(xiàn)道路的提取。

在本說(shuō)明書的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書中，對(duì)上述術(shù)語(yǔ)的示意性表述不必須針對(duì)的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說(shuō)明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。

需要說(shuō)明的是，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個(gè)實(shí)施例的系統(tǒng)、方法和計(jì)算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能和操作。在這點(diǎn)上，流程圖或框圖中的每個(gè)方框可以代表一個(gè)模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個(gè)或多個(gè)用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意，在有些作為替換的實(shí)現(xiàn)中，方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如，兩個(gè)連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時(shí)也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個(gè)方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動(dòng)作的專用的基于硬件的系統(tǒng)來(lái)實(shí)現(xiàn)，或者可以用專用硬件與計(jì)算機(jī)指令的組合來(lái)實(shí)現(xiàn)。

本發(fā)明實(shí)施例所提供的基于高分衛(wèi)星遙感數(shù)據(jù)的地理空間要素提取系統(tǒng)可以是計(jì)算機(jī)程序產(chǎn)品，包括存儲(chǔ)了程序代碼的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實(shí)施例中所述的方法，具體實(shí)現(xiàn)可參見方法實(shí)施例，在此不再贅述。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、系統(tǒng)和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、系統(tǒng)和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。以上所描述的系統(tǒng)實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，又例如，多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些通信接口，系統(tǒng)或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。

所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：u盤、移動(dòng)硬盤、只讀存儲(chǔ)器(rom，read-onlymemory)、隨機(jī)存取存儲(chǔ)器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

最后應(yīng)說(shuō)明的是：以上各實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說(shuō)明書的范圍當(dāng)中。