一種用于遙感影像中具有均勻光譜特性的建筑物提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種遙感影像處理領(lǐng)域，具體說(shuō)是一種用于遙感影像中具有均勻光譜 特性的建筑物提取方法。
【背景技術(shù)】
[0002] 建筑物是城市主要地理要素之一，是各種城市專(zhuān)題圖的重要內(nèi)容，研宄建筑物的 提取對(duì)綜合考察城市地理信息環(huán)境具有重要意義。隨著高分辨率遙感影像獲取技術(shù)的快速 發(fā)展，遙感影像的處理、分析和應(yīng)用有了更好的數(shù)據(jù)源，其數(shù)字產(chǎn)品則有了更廣泛、更深入 的應(yīng)用。計(jì)算機(jī)圖像處理技術(shù)、模式識(shí)別、人工智能等方面的都取得不同程度的進(jìn)展，為高 效地提取海量影像中的有效信息提供了可能。但建筑物信息的提取要比其他信息如道路、 水體的獲取難得多，主要原因如下：
[0003] (1)數(shù)據(jù)源主要是二維的遙感影像，大多數(shù)情況下缺少直接的三維數(shù)據(jù)；
[0004] (2)不同的遙感影像常因?yàn)楣庾V范圍、分辨率、傳感器的幾何圖像以及成像條件等 因素的不同而有較大的差異；
[0005] (3)不同種類(lèi)的建筑物其所表現(xiàn)出來(lái)的外觀和紋理細(xì)節(jié)等千變?nèi)f化，表現(xiàn)在遙感 圖像上差異很大，統(tǒng)一的建筑物模型庫(kù)難以建立，這使得信息的自動(dòng)提取變得相當(dāng)困難；
[0006] (4)建筑物所處場(chǎng)景的復(fù)雜性，如對(duì)比度較低時(shí)、房屋相互遮擋、建筑物自身的陰 影以及處在其它地物的陰影等，所以想自動(dòng)地從背景中提取出邊界清晰的建筑物較為困 難。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明提供了一種用于遙感影像中具有均勻光譜特性的建筑物提取方法，可克服 目前高空間分辨率遙感影像中建筑物提取困難的問(wèn)題，可以檢測(cè)遙感影像中具有較為規(guī)則 形狀的建筑物目標(biāo)，無(wú)需人工干預(yù)，自動(dòng)化程度高。
[0008] 為實(shí)現(xiàn)本發(fā)明的目標(biāo)所采用的技術(shù)方案是：方法包括以下步驟：
[0009] 步驟1 :利用鄰域總變分的似然函數(shù)計(jì)算輸入遙感影像imagel中每個(gè)像元的取值 LS，并將每個(gè)取值LS規(guī)格化至區(qū)間[0, 255]，得到影像image2 ;
[0010] 步驟2 :選取閾值T對(duì)對(duì)影像image2進(jìn)行二值化處理，得到二值影像image3 ;
[0011] 步驟3 :對(duì)二值影像image3進(jìn)行標(biāo)注，刪除面積小于Mins的區(qū)域，得到影像 image4 ；
[0012] 步驟4 :計(jì)算影像image4中的每個(gè)標(biāo)注區(qū)域的質(zhì)心，得到由質(zhì)心組成的影像 image5 ；
[0013] 步驟5 :以影像image5中的每個(gè)質(zhì)心作為種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)分割，得到相應(yīng)數(shù) 量的分割對(duì)象，得到由分割對(duì)象組成的影像image6 ;
[0014] 步驟6 :計(jì)算影像image6中各個(gè)分割對(duì)象的最小外接矩形，并以矩形度R和長(zhǎng)寬 比P作為約束條件進(jìn)行建筑物初提??；
[0015] 步驟7 :將分割對(duì)象按對(duì)應(yīng)的建筑物系數(shù)大小進(jìn)行降序排序，得到分割對(duì)象序列 S；
[0016] 步驟8 :將分割對(duì)象序列S的前30 %作為建筑物訓(xùn)練樣本對(duì)象B，將分割對(duì)象序列 S的后30%作為非建筑物訓(xùn)練樣本對(duì)象NB，將分割對(duì)象序列S的中間40%作為待分類(lèi)對(duì)象 C；
[0017] 步驟9 :利用Gabor濾波器對(duì)建筑物訓(xùn)練樣本對(duì)象B、非建筑物訓(xùn)練樣本對(duì)象NB和 待分類(lèi)對(duì)象C提取紋理特征信息，分別得到特征信息fB、fN0Pf。；
[0018] 步驟10 :以fB、fNB作為訓(xùn)練集，對(duì)fC進(jìn)行分類(lèi)。
[0019] 所述的鄰域總變分的似然函數(shù)為：
【主權(quán)項(xiàng)】
1. 一種用于遙感影像中具有均勻光譜特性的建筑物提取方法，其特征在于包括w下步 驟： 步驟1 ;利用鄰域總變分的似然函數(shù)計(jì)算輸入遙感影像imagel中每個(gè)像元的取值LS， 并將每個(gè)取值LS規(guī)格化至區(qū)間[0, 255]，得到影像image2 ; 步驟2 ;選取闊值T對(duì)對(duì)影像image2進(jìn)行二值化處理，得到二值影像images ; 步驟3 ;對(duì)二值影像image3進(jìn)行標(biāo)注，刪除面積小于Min,的區(qū)域，得到影像image4 ; 步驟4 ;計(jì)算影像image4中的每個(gè)標(biāo)注區(qū)域的質(zhì)屯、，得到由質(zhì)屯、組成的影像images ; 步驟5 影像images中的每個(gè)質(zhì)屯、作為種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)分割，得到相應(yīng)數(shù)量的 分割對(duì)象，得到由分割對(duì)象組成的影像image6 ; 步驟6 ;計(jì)算影像images中各個(gè)分割對(duì)象的最小外接矩形，并W矩形度R和長(zhǎng)寬比P作 為約束條件進(jìn)行建筑物初提??； 步驟7 ;將分割對(duì)象按對(duì)應(yīng)的建筑物系數(shù)大小進(jìn)行降序排序，得到分割對(duì)象序列S; 步驟8 ;將分割對(duì)象序列S的前30%作為建筑物訓(xùn)練樣本對(duì)象B，將分割對(duì)象序列S的 后30%作為非建筑物訓(xùn)練樣本對(duì)象NB，將分割對(duì)象序列S的中間40%作為待分類(lèi)對(duì)象C ; 步驟9 ;利用Gabor濾波器對(duì)建筑物訓(xùn)練樣本對(duì)象B、非建筑物訓(xùn)練樣本對(duì)象NB和待分 類(lèi)對(duì)象C提取紋理特征信息，分別得到特征信息fB、fwB和fe; 步驟10 ;Wfe、fwB作為訓(xùn)練集，對(duì)f進(jìn)行分類(lèi)。
2. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于鄰域總變分的似然函數(shù)為：
LS(u(Xc，y。)）越大，表明u(Xc，y。）屬于建筑物區(qū)域可能性越大。
3. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于選取的闊值T通過(guò)0STU算法自動(dòng)確定。
4. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于Min,取影像中建筑物平均面積的1/10。
5. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于矩形度R和長(zhǎng)寬比P分別通過(guò)W下公式計(jì)算：
其中，S。為分割對(duì)象的面積；SC為分割對(duì)象的最小外接矩形的面積；1 1和12分別表示 分割對(duì)象的最小外接矩形的長(zhǎng)和寬，并將矩形度R的下限設(shè)置為0.75,長(zhǎng)寬比P的上限設(shè)置 為4。
6. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于分割對(duì)象的建筑物系數(shù)cofk根據(jù)矩形度R和長(zhǎng)寬比p計(jì)算，且矩形度R和長(zhǎng)寬 比P的權(quán)重各占50%，具體計(jì)算公式為：
其中，MAXc為矩形度的最大取值，MINc為矩形度的最小取值，MAXp為長(zhǎng)寬比的最大取 值，MINp為長(zhǎng)寬比的最小取值，KC為分割對(duì)象的矩形度，KP為分割對(duì)象的長(zhǎng)寬比。
7. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于Gabor濾波器對(duì)分割對(duì)象進(jìn)行3個(gè)尺度，8個(gè)方向的Gabor變換，并對(duì)同一尺度 不同方向的特征取平均得到3個(gè)紋理特征子帶，對(duì)該3個(gè)子帶特征進(jìn)行進(jìn)一步提取，計(jì)算 各個(gè)分割對(duì)象區(qū)域的均值和方差，構(gòu)成一個(gè)6維的特征矢量，作為它們的紋理特征信息。
8. 根據(jù)權(quán)利要求1所述的一種用于遙感影像中具有均勻光譜特性的建筑物提取方法， 其特征在于分類(lèi)方法采用樸素貝葉斯分類(lèi)法。
【專(zhuān)利摘要】本發(fā)明涉及一種用于遙感影像中具有均勻光譜特性的建筑物提取方法。包括如下步驟：步驟1，利用鄰域總變分的似然函數(shù)計(jì)算輸入遙感影像中每個(gè)像元的取值LS；步驟2，進(jìn)行二值化處理；步驟3，進(jìn)行標(biāo)注；步驟4，計(jì)算標(biāo)注區(qū)域的質(zhì)心；步驟5，進(jìn)行區(qū)域生長(zhǎng)分割；步驟6，進(jìn)行建筑物初提?。徊襟E7，獲取分割對(duì)象序列S；步驟8，選取訓(xùn)練樣本；步驟9，提取紋理特征信息；步驟10，進(jìn)行分類(lèi)。解決了高空間分辨率遙感影像中建筑物提取準(zhǔn)確率低的問(wèn)題，達(dá)到完全自動(dòng)化的效果，可以用于遙感影像制圖、地理信息系統(tǒng)的數(shù)據(jù)獲取和自動(dòng)更新。
【IPC分類(lèi)】G06K9-62, G06K9-46
【公開(kāi)號(hào)】CN104794478
【申請(qǐng)?zhí)枴緾N201510220949
【發(fā)明人】施文灶
【申請(qǐng)人】福建師范大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年5月4日