檢測裝置中，還包括；坐標(biāo)轉(zhuǎn)換模塊，用于將所述 目標(biāo)的GIS數(shù)據(jù)的經(jīng)締度坐標(biāo)按照大地坐標(biāo)系轉(zhuǎn)換為地理坐標(biāo)，再將所述地理坐標(biāo)按照投 影坐標(biāo)系轉(zhuǎn)換為圖上坐標(biāo)；W及
[0048] 圖像處理模塊，用于讀取所述目標(biāo)的遙感影像，并采用sobel算子、Roberts算子 或拉普拉斯算子將所述遙感影像進(jìn)行處理得到梯度圖像。
[0049] 在如上所述的多邊形目標(biāo)的變化檢測裝置中，所述緩沖區(qū)構(gòu)建模塊具體用于基于 所述GIS數(shù)據(jù)中目標(biāo)的邊界，W 1個(gè)像素的寬度為半徑建立邊界緩沖區(qū)；W及
[0050] 基于所述GIS數(shù)據(jù)中目標(biāo)的面積確定半徑，構(gòu)建整體緩沖區(qū)，所述半徑為所述面 積的十分之一。
[0051] 在如上所述的多邊形目標(biāo)的變化檢測裝置中，所述像素點(diǎn)集提取模塊具體用于基 于式（2)提取所述邊界緩沖區(qū)中邊界的像素點(diǎn)集：
[0052] PC1 = {(x，y) I (x，y) e buffi} 似 [005引其中，buffi為所述邊界緩沖區(qū)；
[0054] 基于式（3)提取所述整體緩沖區(qū)中非邊界的像素點(diǎn)集：
[00 巧]
(3)
[0056] 其中，buff2為所述整體緩沖區(qū)。
[0057] 在如上所述的多邊形目標(biāo)的變化檢測裝置中，所述梯度集合提取模塊具體用于基 于所提取的像素點(diǎn)集PC1 W及式（4)，從所述目標(biāo)的梯度圖像中提取所述邊界緩沖區(qū)中的 邊界點(diǎn)梯度集合：
[005引 GC1 = {g(x，y) I (X，y) e Ρα} (4)
[0059] 基于所提取的像素點(diǎn)集PC2 W及式巧），從所述目標(biāo)的梯度圖像中提取所述整體 緩沖區(qū)中的非邊界點(diǎn)梯度集合：
[0060] GC2 = {g(x，y) I (X，y) e P蝴 妨 [006。 其中，g(x，y)為點(diǎn)（x，y)的圖像梯度。
[0062] 在如上所述的多邊形目標(biāo)的變化檢測裝置中，所述計(jì)算模塊包括：
[0063] 邊界顯著性計(jì)算單元，用于基于式（6)計(jì)算所述目標(biāo)的邊界顯著性值：
[0064]
(6)
[006引其中，Z表示所述目標(biāo)的邊界顯著性值，nl表示所述邊界緩沖區(qū)中的邊界點(diǎn)梯度 集合GC1的元素個(gè)數(shù)，n2表示所述整體緩沖區(qū)中的非邊界點(diǎn)梯度集合GC2的元素個(gè)數(shù)，μ 1 表示所述邊界緩沖區(qū)中的邊界點(diǎn)梯度集合GC1的均值，μ 2表示所述整體緩沖區(qū)中的非邊 界點(diǎn)梯度集合GC2的均值，S1表示所述邊界緩沖區(qū)中的邊界點(diǎn)梯度集合GC1的標(biāo)準(zhǔn)差，S2 表示所述整體緩沖區(qū)中的非邊界點(diǎn)梯度集合GC2的標(biāo)準(zhǔn)差；
[0066] 平移單元，用于基于式（7)對所述目標(biāo)進(jìn)行平移：
[0067] (X'，y'）= (x+i, y+U (7)
[006引其中，（X'，y'）表示（X，y)平移之后的坐標(biāo)，（i，_j)表示平移量，
[0069] 計(jì)算單元，用于計(jì)算所述目標(biāo)平移后的邊界顯著性值，在一定范圍內(nèi)逐像素點(diǎn)平 移所述目標(biāo)，并分別計(jì)算每次平移后的目標(biāo)的邊界顯著性值，得到所述范圍內(nèi)的邊界顯著 性值的集合，并取所述邊界顯著性值的集合中的最大值作為用于與所述邊界顯著性闊值進(jìn) 行比較的最終邊界顯著性值，其中所述一定范圍根據(jù)所述目標(biāo)的偏移程度來確定，所述邊 界顯著性闊值基于圖像質(zhì)量及目標(biāo)清晰程度來設(shè)定。
[0070] 通過采用上述技術(shù)方案，本發(fā)明的所達(dá)到的有益效果為；本發(fā)明所提供的方法及 裝置主要針對面狀地物，基于GIS數(shù)據(jù)，對比目標(biāo)及背景，不需要設(shè)定絕對的闊值，無需進(jìn) 行復(fù)雜的目標(biāo)識(shí)別，圖像的成像條件不對算法產(chǎn)生影響，極大簡化了算法的參數(shù)設(shè)定，簡單 高效；同時(shí)，本發(fā)明方法消除了地物成像時(shí)由于非正射投影產(chǎn)生的形變，大大提高了檢測的 精度和準(zhǔn)確度，且實(shí)用性強(qiáng)，自動(dòng)化程度高。
【附圖說明】
[0071] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對本發(fā)明實(shí)施例描述中所 需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施 例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)本發(fā)明實(shí)施 例的內(nèi)容和送些附圖獲得其他的附圖。
[0072] 圖1為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的變化檢測方法的流程圖；
[0073] 圖2為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的GIS數(shù)據(jù)的示意圖；
[0074] 圖3為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的邊界緩沖區(qū)的示意圖；
[0075] 圖4為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的整體緩沖區(qū)的示意圖；
[0076] 圖5為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的非邊界緩沖區(qū)的示意圖；W及
[0077] 圖6為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的變化檢測裝置的流程圖。
【具體實(shí)施方式】
[0078] 為使本發(fā)明解決的技術(shù)問題、采用的技術(shù)方案和達(dá)到的技術(shù)效果更加清楚，下面 將結(jié)合附圖對本發(fā)明實(shí)施例的技術(shù)方案作進(jìn)一步的詳細(xì)描述，顯然，所描述的實(shí)施例僅僅 是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域技術(shù)人員在 沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0079] 下面結(jié)合附圖并通過【具體實(shí)施方式】來進(jìn)一步說明本發(fā)明的技術(shù)方案。
[0080] 在發(fā)明中，高分辨率遙感影像，是指相對于目標(biāo)的空間大小的高分辨率影像，目標(biāo) 在影像中由一定數(shù)量的像素組成，目標(biāo)邊界及目標(biāo)內(nèi)部（目標(biāo)的非邊界）所占像素個(gè)數(shù)都 在30個(gè)W上。
[0081] 本發(fā)明所采用的邊界顯著性分析，是判斷目標(biāo)是否發(fā)生變化的核必算法。本發(fā)明 人認(rèn)為目標(biāo)與背景在圖像中的灰度存在差異，目標(biāo)本身及背景本身的差異相對較小，因此 目標(biāo)邊界處的圖像梯度值較大，目標(biāo)內(nèi)部和背景場的梯度值較小，因而兩組梯度值數(shù)據(jù)存 在較大差異。如果目標(biāo)發(fā)生了變化或已經(jīng)不存在，則GIS數(shù)據(jù)中標(biāo)繪的目標(biāo)邊界與目標(biāo)內(nèi) 部所對應(yīng)的梯度值不存在顯著性差異。所W，本發(fā)明中的顯著性分析算法依據(jù)顯著性檢驗(yàn) (Test of statistical si即ificance)原理，判斷目標(biāo)邊界上的梯度相對于目標(biāo)本身及其 鄰域內(nèi)的其他梯度是否具有顯著差異。若存在顯著性差異則認(rèn)為目標(biāo)存在，若不存在顯著 性差異則認(rèn)為目標(biāo)不存在或目標(biāo)已經(jīng)發(fā)生了變化，從而進(jìn)行目標(biāo)的變化檢測。下面W具體 的實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。
[0082] 連施例1
[0083] 如圖1所示，為本發(fā)明一個(gè)實(shí)施例提供的多邊形目標(biāo)的變化檢測方法的流程圖， 本實(shí)施例中，使用GIS多邊形數(shù)據(jù)作為目標(biāo)（其中GIS數(shù)據(jù)中標(biāo)繪了目標(biāo)的輪廓，是目標(biāo) 的歷史數(shù)據(jù)），使用高分辨率遙感影像用于變化檢測（其中高分辨率遙感影像為目標(biāo)的更 新數(shù)據(jù)，為目標(biāo)發(fā)生變化后的遙感影像數(shù)據(jù)）。例如將某地房屋的GIS數(shù)據(jù)作為目標(biāo)，數(shù)據(jù) 格式為shapefile，該房屋所在地區(qū)地震后的高分辨率遙感影像，分辨率為米級(jí)，數(shù)據(jù)格式為 geotiff。
[0084] 該房屋目標(biāo)的變化檢測方法包括如下步驟：
[0085] 步驟S10、讀取目標(biāo)的遙感影像imgO,對該遙感影像采用邊緣檢測算子進(jìn)行處理， W得到梯度圖像imgl。
[0086] 本實(shí)施例中，可W采用如sobel算子對遙感影像進(jìn)行邊緣檢測，Sobel算子由兩個(gè) 卷積核（Gy, Gy)組成，計(jì)算公式如下：
[0087]
( 1 )
[008引每個(gè)像素的梯度大
梯度方向Θ =arctan化化）。
[0089] 此外，本步驟中還可W采用Robeds算子、拉普拉斯算子等進(jìn)行邊緣檢測。且該步 驟可W在步驟S30之前任何時(shí)候進(jìn)行，并不限于在步驟S20之前執(zhí)行。
[0090] 步驟S20、將GIS數(shù)據(jù)中目標(biāo)的坐標(biāo)轉(zhuǎn)換為圖上坐標(biāo)。
[0091] 由于GIS數(shù)據(jù)與遙感影像的來源不同，通常具有不同的地理坐標(biāo)系和投影坐標(biāo) 系，因而需要根據(jù)坐標(biāo)系之間的對應(yīng)關(guān)系將GIS數(shù)據(jù)中的坐標(biāo)點(diǎn)對應(yīng)到遙感影像上的像素 點(diǎn)，W完成矢量與柵格數(shù)據(jù)的疊加。
[009引例如，GIS數(shù)據(jù)的坐標(biāo)為經(jīng)締度坐標(biāo)，遙感影像為WGS84坐標(biāo)系UTM投影，則本步 驟中需要將該經(jīng)締坐標(biāo)按照大地坐標(biāo)系轉(zhuǎn)換為地理坐標(biāo)，再將地理坐標(biāo)按照投影坐標(biāo)系轉(zhuǎn) 換為圖上坐標(biāo)，從而完成GIS數(shù)據(jù)與遙感影像坐標(biāo)的統(tǒng)