一種針對多元遙感數(shù)據(jù)的房屋矢量化方法
【專利摘要】本發(fā)明公開了一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，包括以下步驟：獲取需要處理的可以代表房屋位置、形狀的信息；采用八鄰域邊緣追蹤得到有序的邊緣點，同時生成房屋邊緣二值圖像，邊緣點為“1”，非邊緣點為“0”；利用Radon變換結(jié)合主軸分析得到房屋的兩個相互正交的主要方向；將房屋的邊緣線分割成三類邊緣線段：第一主方向類、第二主方向類、不定向類；對第一主方向類和第二主方向類的邊緣線段的精確定位；計算相鄰邊緣線段的拐角點；生成矢量化的房屋邊界線。本發(fā)明可避免房屋規(guī)則化過程中選擇初始點和處理順序的麻煩和不利影響，還可減弱房屋提取結(jié)果誤差的影響，可獲取與房屋外形較為吻合、有效、規(guī)則化的房屋輪廓信息。
【專利說明】
一種針對多元遙感數(shù)據(jù)的房屋矢量化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，屬于圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 作為一種主要地理空間研究信息，房屋（也稱建筑物)對二維地圖的更新、智慧城 市的構(gòu)建、違章建筑的監(jiān)管等具有重要意義。遙感技術(shù)的不斷發(fā)展使得自動矢量化提取遙 感數(shù)據(jù)中房屋信息成為可能。
[0003]多元遙感數(shù)據(jù)包括:影像數(shù)據(jù)、LiDAR數(shù)據(jù)、DEM、DSM等數(shù)據(jù)。由于多種因素的干擾， 目前從多元遙感數(shù)據(jù)中提取的房屋斑塊(邊緣線)往往與房屋實際形狀不符，需要對其進(jìn)行 后處理一一去噪、規(guī)則化等。
[0004] 中國專利文獻(xiàn)CN 104156988 A公開的建筑物輪廓規(guī)則化方法，主要利用現(xiàn)代房屋 相鄰輪廓邊界與正交的特性，基于迭代最小外包矩形進(jìn)行房屋輪廓信息規(guī)則化，主要針對 LiDAR數(shù)據(jù)中獲得的房屋點集。
[0005] 中國專利文獻(xiàn)CN 104200212 A公開的建筑物外邊界線提取方法，主要利用道格拉 斯算法和最小二乘直線擬合法，結(jié)合房屋的兩個主要方向，以擬合直線方向的長度、擬合直 線與兩個主要方向之間的差值等閾值參數(shù)來完成房屋邊界線的規(guī)則化，對初始房屋提取結(jié) 果的精度依賴性較高。
[0006] 中國專利文獻(xiàn)CN 102938066 B公開的重建建筑物外輪廓多邊形的方法，針對DSM 數(shù)據(jù)和影像數(shù)據(jù)，利用兩種數(shù)據(jù)的互補(bǔ)特性對房屋輪廓進(jìn)行重建。
[0007] 無論是LiDAR數(shù)據(jù)，還是DSM數(shù)據(jù)，均具有準(zhǔn)確的高程信息。高程是房屋區(qū)別與其周 圍地物(道路、車輛、植被)的重要特征，保障了房屋提取結(jié)果的精度不至于太低。然而，準(zhǔn)確 的高程信息并不易獲取，這也導(dǎo)致利用多元遙感數(shù)據(jù)(尤其是只采用影像數(shù)據(jù)的情況)提取 的房屋鋸齒狀變形較為嚴(yán)重，現(xiàn)有的房屋輪廓信息后處理方法適用性不強(qiáng)。因此，如何對不 同種類的多元遙感數(shù)據(jù)中提取的房屋(斑塊、邊緣線、邊界線等)進(jìn)行矢量化，減弱房屋提取 結(jié)果的影響顯得尤為重要。
[0008] 現(xiàn)有技術(shù)尤其是規(guī)則化方法需要面臨最佳起始點、最佳處理順序的選擇問題，不 同的起始點和處理順序可能帶來完全不同的規(guī)則化結(jié)果。現(xiàn)有技術(shù)需要設(shè)置太多的閾值， 自動化程度不高。此外，現(xiàn)有技術(shù)主要針對房屋提取結(jié)果精度較好的情況，直接對提取結(jié)果 進(jìn)行后處理，而實際應(yīng)用中房屋提取結(jié)果往往并不理想，目前仍然缺乏有效的針對不同種 類影像數(shù)據(jù)中房屋的后處理方法。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明正是針對現(xiàn)有技術(shù)存在的不足，提供一種針對多元遙感數(shù)據(jù)的房屋矢量化 方法，可避免房屋規(guī)則化過程中選擇初始點和處理順序的麻煩和不利影響，還可減弱房屋 提取結(jié)果誤差的影響，可獲取與房屋外形較為吻合、有效、規(guī)則化的房屋輪廓信息，可對多 元遙感數(shù)據(jù)(LiDAR數(shù)據(jù)、DEM、DSM、航空影像數(shù)據(jù)、衛(wèi)星影像數(shù)據(jù)、無人機(jī)影像數(shù)據(jù)等）的提 取結(jié)果進(jìn)行后處理。
[0010] 為解決上述問題，本發(fā)明所采取的技術(shù)方案如下： 一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，包括以下步驟： 步驟1，獲取需要處理的可以代表房屋位置、形狀的信息； 步驟2,獲取房屋邊緣:采用八鄰域邊緣追蹤得到有序的邊緣點，同時生成房屋邊緣二 值圖像，邊緣點為"Γ，非邊緣點為"0" ； 步驟3,利用Radon變換結(jié)合主軸分析得到房屋的兩個相互正交的主要方向； 步驟4,將房屋的邊緣線分割成三類邊緣線段:第一主方向類、第二主方向類、不定向 類； 步驟5,對第一主方向類和第二主方向類上的所有邊緣點在其法方向上進(jìn)行模板匹配， 尋找最佳匹配點來完成對第一主方向類和第二主方向類的邊緣線段的精確定位； 步驟6,在準(zhǔn)確獲取第一主方向類和第二主方向類的邊緣線段上邊緣點的基礎(chǔ)上，計算 相鄰邊緣線段的拐角點； 步驟7，生成矢量化的房屋邊界線。
[0011] 本發(fā)明與現(xiàn)有技術(shù)相比較，本發(fā)明的實施效果如下： 本發(fā)明所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，以檢測或提取的房屋斑塊 (或房屋點集、邊緣線)作為已知數(shù)據(jù)，在基于擴(kuò)展理論對房屋邊緣線段進(jìn)行多類分割的 基礎(chǔ)上，針對不同遙感數(shù)據(jù)的房屋提取結(jié)果分別進(jìn)行相應(yīng)的處理:對房屋提取精度較高的 情況，利用房屋形狀這一先驗知識，結(jié)合直線擬合求拐角點；對房屋提取精度不高的情況， 利用影像數(shù)據(jù)在邊緣處有較高的采樣率這一特征，構(gòu)建自適應(yīng)的邊緣模板對每一條邊緣線 段進(jìn)行精確定位，在獲取準(zhǔn)確邊緣線段的基礎(chǔ)上，結(jié)合直線擬合求拐角點；可獲取與房屋外 形較為吻合、有效、規(guī)則化的房屋輪廓信息。
[0012] 本發(fā)明所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法主要具有以下特點和進(jìn) 步之處： 1、利用房屋大多具有主要方向的特征，以Radon變換結(jié)合主軸分析取代傳統(tǒng)的Hough變 換來檢查房屋的兩個垂直的主要方向，計算量少，檢測結(jié)果快捷，有效。
[0013] 2、針對邊緣線分段問題，引入多類分割思想將其轉(zhuǎn)化為能量函數(shù)的最小化問題， 這樣既考慮了每一個邊緣點的方向信息，也利用了相鄰邊緣點趨于同一類的這一先驗知 識，可以實現(xiàn)近似全局最優(yōu)的分類結(jié)果，通過將原始拐角點及鋸齒狀變形區(qū)域分為不定方 向類，可避免了選擇初始點和處理順序的麻煩和不利影響。此外，整個邊緣線段的多類分割 過程是全自動的，不需要對參數(shù)進(jìn)行太多的調(diào)整。
[0014] 3、針對房屋邊緣線的鋸齒狀變形導(dǎo)致房屋提取精度不高的情況，通過與影像數(shù)據(jù) 相結(jié)合，采用構(gòu)建的自適應(yīng)邊緣模板對分類后的邊緣線段分別進(jìn)行精確定位，記錄定位后 邊緣線段的中心點坐標(biāo)和其主要方向，可減弱了房屋提取結(jié)果誤差的影響。
【附圖說明】
[0015] 圖1為本發(fā)明所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法的技術(shù)路線圖； 圖2為本發(fā)明所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法的流程示意圖； 圖3為本發(fā)明【具體實施方式】步驟1中獲取房屋的示意圖； 圖4為本發(fā)明【具體實施方式】步驟2中獲取房屋邊緣的示意圖； 圖5為本發(fā)明【具體實施方式】步驟3中獲取房屋主要方向的示意圖； 圖6為本發(fā)明【具體實施方式】步驟5中邊緣模板構(gòu)建的示意圖； 圖7為本發(fā)明【具體實施方式】步驟5中截取對應(yīng)局部圖像的示意圖； 圖8為本發(fā)明【具體實施方式】中房屋邊緣線多類分割后的示意圖； 圖9為本發(fā)明【具體實施方式】中房屋矢量化結(jié)果的示意圖； 圖10為本發(fā)明【具體實施方式】中房屋矢量化結(jié)果與實拍影像疊加的示意圖。
【具體實施方式】
[0016] 下面將結(jié)合具體的實施例來說明本發(fā)明的內(nèi)容。
[0017] 如圖1和圖2所示，本實施例所述一種針對多元遙感數(shù)據(jù)的房屋矢量化方法具體流 程如下： 步驟1，獲取需要處理的房屋。
[0018] 如圖3所示，此處所述的房屋可以是采用各種手段得到的房屋候選點，也可以是房 屋斑塊、房屋邊界線等可以代表房屋位置、形狀的信息:例如利用多尺度分割結(jié)合支持向量 機(jī)分割得到的房屋斑塊、利用點云分割技術(shù)和α-shapes算法得到的房屋點集外輪廓線、利 用活動輪廓方法得到的房屋邊緣線等。
[0019] 步驟2,獲取房屋邊緣。
[0020] 如圖4所示，此處主要進(jìn)行兩步：一是采用八鄰域邊緣追蹤得到有序的邊緣點，主 要用于后續(xù)的步驟4、步驟5和步驟6;二是生成房屋邊緣二值圖像，邊緣點為"1"，非邊緣點 為 "0"。
[0021]步驟3,如圖5所示，利用Radon變換結(jié)合主軸分析得到房屋的兩個相互正交的主要 方向。
[0022] 具體步驟如下： 31)對初始輪廓線圖像進(jìn)行Radon變換得到一個累加數(shù)列，投影角度Θ為0°~179° ;累加 數(shù)列中，行表示投影角度Θ，列表示投影累計值。
[0023] 32)去除每一列中小于2的累計值(包含最大值），以減少計算量。
[0024] 33)將每一列的最大值和次大值相加作為這一列的的最終值，生成一個1x180的數(shù) 組。
[0025] 34)將數(shù)組分成兩組:一組角度范圍是0°~89°，另一組角度范圍是90°~179° ;接 著將第二部分的投影累計值與對應(yīng)的第一部分投影累計值相加，即0°+90°，1°+91°，……， 89°+179°，從而得到第一部分0°~89°新的角度累計值。
[0026] 35)最后依據(jù)角度累加值對角度θ(〇°~89°)進(jìn)行重新排序，取最大值0max作為第一 主方向，此時第二主方向為9max+90°。
[0027] 步驟4,對房屋的邊緣線進(jìn)行邊緣線段的多類分割。
[0028] 此處所述邊緣線段多類分割是指將房屋的邊緣線分割成三類邊緣線段:第一主方 向類、第二主方向類、不定向類。
[0029] 具體步驟如下： 41)計算每個邊緣點的局部方向：采用以當(dāng)前點P為中心，取依次取與其相鄰的半徑R范 圍內(nèi)的輪廓點，即2R+1個點進(jìn)行主成分分析，以第一主成分作為當(dāng)前點P的法向量(a，b)，計 算當(dāng)前點的局部方向。
[0030] local a-i?,e￡r{|j)- arct3ti{ls/a) (1) 42)計算連接每一個邊緣點分別與兩個頂點（θ，θ+90)的T鏈的權(quán)重。
其中，__和分別為點ρ屬于第一主方向g類和第二主方向料雜類需要付出 的代價。系數(shù)科為斷開T鏈的一個懲罰系數(shù)。參數(shù)為常數(shù)。
[0032] 43)計算連接點p與不確定類的T鏈的權(quán)重為：
其中，由于這一類的方向是不確定的，我們以一個固定值知作為斷開點P與不確定類連 接需要付出的代價。
[0033] 44)計算相連邊緣點之間N鏈的權(quán)重。
[0034] 根據(jù)相鄰邊緣點趨于同一類的這一先驗知識，如果相鄰邊緣點被分為同一類，這 兩點之間的N鏈并沒有被破壞，那么N鏈的權(quán)重為0;如果相鄰邊緣點未被分為同一類，則必 須進(jìn)行懲罰，懲罰值與這兩個點的局部方向密切相關(guān)，相應(yīng)的計算公式如下：
其中，系數(shù)4為相鄰邊緣點沒有被分為同一類的懲罰系數(shù)，也是引入輔助節(jié)點的懲罰 系數(shù)。Wiyk)即為將相鄰邊緣點分成不同類別需要付出的代價。
[0035] 45)邊緣線段分割的能量函數(shù)形式為：
式中，S表示一棟房屋所有邊緣點的集合，N為邊緣點的鄰域系統(tǒng)，本文均采用八鄰域。 ?是邊緣線的一種分割結(jié)果。為分割結(jié)果中邊緣點P所屬類別，有三個標(biāo)記值："Γ、"2"、 "3"，分別表示第一主方向類、第二主方向類、不定方向類。
[0036] 在構(gòu)建好能量函數(shù)的基礎(chǔ)上，利用α-擴(kuò)展算法對能量函數(shù)進(jìn)行解算以將房屋邊緣 線分割為三類邊緣線段。
[0037] 步驟5,利用模板匹配方法，對邊緣線段進(jìn)行精確定位。
[0038] 此處所述邊緣線段是指在邊緣線多類分割中被分為第一主方向類和第二主方向 類的邊緣線段。因為不定方法類主要由鋸齒狀噪聲、拐角點及其周圍相鄰點組成，因此只對 第一主方向類和第二主方向類進(jìn)行精確定位。由于同一邊緣線段中各邊緣點出現(xiàn)偏差情況 的不同，采用對每一條邊緣線段(第一主方向類和第二主方向類)上的所有邊緣點在其法方 向上進(jìn)行模板匹配，尋找最佳匹配點來完成對該邊緣線段的精確定位。
[0039] 詳細(xì)步驟： 51)邊緣線段的選取：按照順時針方向，依次選取每一條邊緣線段％16廣。深為房屋邊 緣線中第一主方向類和第二主方向類的邊緣線段數(shù)目之和，假設(shè)邊緣線段的方向為t 52)邊緣模板的構(gòu)建:如圖6所示，首先構(gòu)建初始邊緣模板Mask;然后旋轉(zhuǎn)模板至模板中 邊緣方向為?，且II區(qū)域?qū)?yīng)背景，I區(qū)域?qū)?yīng)房屋。
[0040] 53)從第一個邊緣點開始，依次選取每一個邊緣點； 54 )如圖7所示，將邊緣模板Mask的中心點對準(zhǔn)候選邊緣點，截取對應(yīng)的局部圖像，計算 并記錄模板與局部圖像之間的相關(guān)系數(shù)P以及差值離。圖6所示模板中，差值_可表示為：
式中，分別表示與模板I和II區(qū)域?qū)?yīng)的局部圖像區(qū)域的像素個數(shù)。/是圖像窗 口。f和敘分別表示圖像窗口中與模板I和II區(qū)域?qū)?yīng)的像素集合。
[0041 ] 55)將模板對準(zhǔn)候選邊緣點，沿邊緣線段的法方向（θ+90° )，在半徑R(R=〖|j:，如SR= 〇.13，R=8)的范圍內(nèi)進(jìn)行平移，同時計算模板與相應(yīng)局部圖像之間的相關(guān)系數(shù):P以及差值 鮮。
[0042] 56)記錄最佳匹配窗口中心的X，Y坐標(biāo)，相關(guān)系數(shù)，差值，邊緣線方向，邊緣線所屬 類別。最佳匹配窗口具有最大的差值_銳_，且其相關(guān)系數(shù):P:大于指定閾值辦（例如，辦_ __=: 0.5)。如果P < Pr或者A/n <心/r，則認(rèn)為未找到最佳匹配窗口，刪除此時記錄的信息。 [0043] 57)返回步驟53)，重復(fù)進(jìn)行，直到處理完所有的候選邊緣點為止。
[0044] 58)判斷邊緣線段是否應(yīng)刪除。在進(jìn)行模板匹配的過程中，假設(shè)一條邊緣線段上的 點全部被移除，也就是均沒有找到符合條件的匹配點，如果該線段同時滿足以下三個條件， 則保留其內(nèi)原始點坐標(biāo)： 該邊緣線段的長度大于^，（即1.5米）； (D該邊緣線段與相鄰的邊緣線段屬于不同類； 急)其相鄰的兩個邊緣線段屬于同一類。
[0045] 59)返回步驟51)，選取下一條邊緣線段，重復(fù)進(jìn)行，直到處理完所有的邊緣線段為 止。
[0046]步驟6,計算拐角點。
[0047] 在獲取準(zhǔn)確邊緣線段上邊緣點的基礎(chǔ)上，計算相鄰邊緣線段的拐角點。
[0048] 61)針對所有定位后邊緣線段，依次選取每一條邊緣線； 62 )計算定位后邊緣線段的重心（)。以邊緣線段所屬方向奮和重心（知％ )表示當(dāng) 前邊緣線段，記錄直線參數(shù)(3???) i9); 63) 計算邊緣線段的長度藏，!為圖像空間中的線段長度，SR為影像的空間分 辨率； 64) 若￡簽，則返回步驟61)。否則繼續(xù)進(jìn)行，計算每個點？Kx，y)到相應(yīng)線段的距離色：
如果_方也(1=[0.5/SR]，則刪除此時的邊緣點(X，y)。
[0049] 65)返回步驟62)，直到所有邊緣點滿足Dis玄d ; 66)返回步驟61)，重復(fù)進(jìn)行，直到處理完所有邊緣線段為止。
[0050] 67)計算相鄰邊界線段之間的拐角點（威，辦），相鄰兩條邊界線段的直線參數(shù)分別 為(??，_)，（褐鑛幽:，_:M):
其中，參數(shù)S是為保證分母不為零。
[0051] 步驟7，生成矢量化的房屋邊界線。
[0052] 71)依次連接每個拐角點，獲取所有邊界點(《 3 )。點S1 (綠，議），S2(χ·3，_)之間 直線參數(shù)的計算公式如下：
其中，點(茶30是點S1和S2之間的房屋邊緣點。
[0053] 72)坐標(biāo)轉(zhuǎn)換。由于實驗過程是在數(shù)字圖像坐標(biāo)系中進(jìn)行的，矢量化的房屋邊界需 要重新賦予坐標(biāo)。已知實驗圖的左上角（χ，γ)，所有房屋邊界線轉(zhuǎn)換后的坐標(biāo)(氧彳υ為： X = X: + X - ?;爹=_v + F ~.:i。
[0054] 本實施例中房屋邊緣線多類分割后的示意圖、房屋矢量化結(jié)果的示意圖、以及房 屋矢量化結(jié)果與實拍影像疊加的示意圖可見附圖8至10。
[0055] 以上內(nèi)容是結(jié)合具體的實施例對本發(fā)明所作的詳細(xì)說明，不能認(rèn)定本發(fā)明具體實 施僅限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前 提下，還可以做出若干簡單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明保護(hù)的范圍。
【主權(quán)項】
1. 一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，包括W下步驟： 步驟1，獲取需要處理的可W代表房屋位置、形狀的信息； 步驟2,獲取房屋邊緣:采用八鄰域邊緣追蹤得到有序的邊緣點，同時生成房屋邊緣二 值圖像，邊緣點為"Γ，非邊緣點為"0"; 步驟3,利用Radon變換結(jié)合主軸分析得到房屋的兩個相互正交的主要方向； 步驟4,將房屋的邊緣線分割成Ξ類邊緣線段：第一主方向類、第二主方向類、不定向 類； 步驟5,對第一主方向類和第二主方向類上的所有邊緣點在其法方向上進(jìn)行模板匹配， 尋找最佳匹配點來完成對第一主方向類和第二主方向類的邊緣線段的精確定位； 步驟6,在準(zhǔn)確獲取第一主方向類和第二主方向類的邊緣線段上邊緣點的基礎(chǔ)上，計算 相鄰邊緣線段的拐角點； 步驟7，生成矢量化的房屋邊界線。2. 如權(quán)利要求1所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，步驟3包 括W下步驟： 31) 對初始輪廓線圖像進(jìn)行Radon變換得到一個累加數(shù)列，投影角度目為0°~179%累加 數(shù)列中，行表示投影角度Θ，列表示投影累計值； 32) 去除每一列中小于2的包含最大值的累計值，W減少計算量； 33) 將每一列的最大值和次大值相加作為運一列的的最終值，生成一個1x180的數(shù)組； 34) 將數(shù)組分成兩組：一組角度范圍是0°~89°，另一組角度范圍是90°~179%接著將 第二部分的投影累計值與對應(yīng)的第一部分投影累計值相加，即0° +90°，1° +91°，……，89° + 179°，從而得到第一部分0°~89°新的角度累計值； 35) 最后依據(jù)角度累加值對角度θ(〇°~89°)進(jìn)行重新排序，取最大值作為第一主方 向，此時第二主方向為0max+9〇°。3. 如權(quán)利要求2所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，步驟4包 括W下步驟： 41) 計算每個邊緣點的局部方向：采用W當(dāng)前點P為中屯、，取依次取與其相鄰的半徑R范 圍內(nèi)的輪廓點，即2R+1個點進(jìn)行主成分分析，W第一主成分作為當(dāng)前點P的法向量(a,b)，計 算當(dāng)前點的局部方向： 扭C圧!為濤玲磅均釋麵I ; 42) 計算連接每一個邊緣點分別與兩個頂點（θ，θ+90)的T鏈的權(quán)重：其中，茲灣郝務(wù):夢爭攤分別為點Ρ屬于第一主方向i類和第二主方向掙辜得扭類需要付出 的代價，系數(shù)私為斷開T鏈的一個懲罰系數(shù)，參數(shù)醉?為常數(shù)； 43) 計算連接點Ρ與不確定類的Τ鏈的權(quán)重為：其中，由于方向不確定因而W固定值.?作為斷開點P與不確定類連接需要付出的代價； 44) 計算相連邊緣點之間N鏈的權(quán)重：根據(jù)相鄰邊緣點趨于同一類的運一先驗知識，如 果相鄰邊緣點被分為同一類，運兩點之間的N鏈并沒有被破壞，那么N鏈的權(quán)重為0;如果相 鄰邊緣點未被分為同一類，則必須進(jìn)行懲罰，懲罰值與運兩個點的局部方向密切相關(guān)，相應(yīng) 的計算公式如下：其中，系數(shù).Ss為相鄰邊緣點沒有被分為同一類的懲罰系數(shù)，也是引入輔助節(jié)點的懲罰系 數(shù)，嗎動縣即為將相鄰邊緣點分成不同類別需要付出的代價； 45) 邊緣線段分割的能量函數(shù)形式為：式中，S表示一棟房屋所有邊緣點的集合，N為邊緣點的鄰域系統(tǒng)，本文均采用八鄰域，/ 是邊緣線的一種分割結(jié)果，疾為分割結(jié)果中邊緣點P所屬類別，有Ξ個標(biāo)記值："Γ、"2"、 "滬，分別表示第一主方向類、第二主方向類、不定方向類； 在構(gòu)建好能量函數(shù)的基礎(chǔ)上，利用α-擴(kuò)展算法對能量函數(shù)進(jìn)行解算W將房屋邊緣線分 割為Ξ類邊緣線段。4.如權(quán)利要求3所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，步驟5包 括W下步驟： 51) 邊緣線段的選取:按照順時針方向，依次選取每一條邊緣線段i;-e <￥，旋為房屋邊緣 線中第一主方向類和第二主方向類的邊緣線段數(shù)目之和，假設(shè)邊緣線段的方向為奮； 52) 邊緣模板的構(gòu)建:首先構(gòu)建初始邊緣模板Mask;然后旋轉(zhuǎn)模板至模板中邊緣方向為 @，且II區(qū)域?qū)?yīng)背景，I區(qū)域?qū)?yīng)房屋； 53) 從第一個邊緣點開始，依次選取每一個邊緣點； 54) 將邊緣模板Mask的中屯、點對準(zhǔn)候選邊緣點，截取對應(yīng)的局部圖像，計算并記錄模板 與局部圖像之間的相關(guān)系數(shù)及差值幾f，差值褒/可表示為：式中，幾、驅(qū)分別表示與模板I和II區(qū)域?qū)?yīng)的局部圖像區(qū)域的像素個數(shù)，/是圖像窗 口，《和猿分別表示圖像窗口中與模板I和II區(qū)域?qū)?yīng)的像素集合； 55) 將模板對準(zhǔn)候選邊緣點，沿邊緣線段的法方向（θ+90° )，在半徑R的范圍內(nèi)進(jìn)行平 移，其中R=[fl，同時計算模板與相應(yīng)局部圖像之間的相關(guān)系數(shù)Ρ助及差值避f; 56) 記錄最佳匹配窗口中屯、的Χ，Υ坐標(biāo)，相關(guān)系數(shù)，差值，邊緣線方向，邊緣線所屬類別， 最佳匹配窗口具有最大的差值且其相關(guān)系數(shù)Ρ大于指定闊值熱，如果肖《綻或者 <取，則認(rèn)為未找到最佳匹配窗口，刪除此時記錄的信息； 57) 返回步驟53)，重復(fù)進(jìn)行，直到處理完所有的候選邊緣點為止； 58) 判斷邊緣線段是否應(yīng)刪除:在進(jìn)行模板匹配的過程中，假設(shè)一條邊緣線段上的點全 部被移除，也就是均沒有找到符合條件的匹配點，如果該線段同時滿足W下Ξ個條件，則保 留其內(nèi)原始點坐標(biāo)： 惠該邊緣線段的長度大于i;;; 望)該邊緣線段與相鄰的邊緣線段屬于不同類； 堇其相鄰的兩個邊緣線段屬于同一類； 59)返回步驟51)，選取下一條邊緣線段，重復(fù)進(jìn)行，直到處理完所有的邊緣線段為止。5. 如權(quán)利要求4所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，步驟6包 括W下步驟： 61) 針對所有定位后邊緣線段，依次選取每一條邊緣線； 62) 計算定位后邊緣線段的重屯、(?.鼓），W邊緣線段所屬方向愚和重屯、0:。>沉)表示當(dāng)前 邊緣線段，記錄直線參數(shù)(％，:翁> S); 63) 計算邊緣線段的長度￡，&. = !我繊，I為圖像空間中的線段長度，SR為影像的空間分辨 率. 64) 若抗籃1濃，則返回步驟61)，否則繼續(xù)進(jìn)行，計算每個點g(x，y)到相應(yīng)線段的距離凌：如果殺芬運，d=[0.5/SR]，則刪除此時的邊緣點(X，y); 65) 返回步驟62)，直到所有邊緣點滿足泣S立-d ; 66 )返回步驟61 )，重復(fù)進(jìn)行，直到處理完所有邊緣線段為止； 67)計算相鄰邊界線段之間的拐角點（X!':，於），相鄰兩條邊界線段的直線參數(shù)分別為（ 斬躬.，馬），（灰編帶卒吉，瑟編）：其中，參數(shù)S是為保證分母不為零。6. 如權(quán)利要求5所述的一種針對多元遙感數(shù)據(jù)的房屋矢量化方法，其特征是，步驟7包 括W下步驟： 71) 依次連接每個拐角點，獲取所有邊界點（％方)，點S1(洶I，斜)，S2(紛，縛)之間直線 參數(shù)的計算公式如下：其中，點巧茶)是點S1和S2之間的房屋邊緣點； 72) 坐標(biāo)轉(zhuǎn)換：由于實驗過程是在數(shù)字圖像坐標(biāo)系中進(jìn)行的，矢量化的房屋邊界需要重 新賦予坐標(biāo)，已知實驗圖的左上角α，Υ)，所有房屋邊界線轉(zhuǎn)換后的坐標(biāo)（?,5Μ為： .?. = .?-斗方一主；X = V 冬 F - 1。
【文檔編號】G06K9/00GK106096497SQ201610360575
【公開日】2016年11月9日
【申請日】2016年5月28日
【發(fā)明人】孫金彥, 王春林, 錢海明, 黃祚繼, 周杰, 宋強(qiáng)
【申請人】安徽?。ㄋ炕春铀瘑T會）水利科學(xué)研究院