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
【技術領域】
[0001] 本發明涉及一種遙感影像處理領域，具體說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】
[0002] 建筑物是城市主要地理要素之一，是各種城市專題圖的重要內容，研宄建筑物的 提取對綜合考察城市地理信息環境具有重要意義。隨著高分辨率遙感影像獲取技術的快速 發展，遙感影像的處理、分析和應用有了更好的數據源，其數字產品則有了更廣泛、更深入 的應用。計算機圖像處理技術、模式識別、人工智能等方面的都取得不同程度的進展，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)數據源主要是二維的遙感影像，大多數情況下缺少直接的三維數據；
[0004] (2)不同的遙感影像常因為光譜范圍、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)不同種類的建筑物其所表現出來的外觀和紋理細節等千變萬化，表現在遙感 圖像上差異很大，統一的建筑物模型庫難以建立，這使得信息的自動提取變得相當困難；
[0006] (4)建筑物所處場景的復雜性，如對比度較低時、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，所以想自動地從背景中提取出邊界清晰的建筑物較為困 難。
【發明內容】
[0007] 本發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題，可以檢測遙感影像中具有較為規則 形狀的建筑物目標，無需人工干預，自動化程度高。
[0008] 為實現本發明的目標所采用的技術方案是：方法包括以下步驟：
[0009] 步驟1 :利用鄰域總變分的似然函數計算輸入遙感影像imagel中每個像元的取值 LS，并將每個取值LS規格化至區間[0, 255]，得到影像image2 ;
[0010] 步驟2 :選取閾值T對對影像image2進行二值化處理，得到二值影像image3 ;
[0011] 步驟3 :對二值影像image3進行標注，刪除面積小于Mins的區域，得到影像 image4 ；
[0012] 步驟4 :計算影像image4中的每個標注區域的質心，得到由質心組成的影像 image5 ；
[0013] 步驟5 :以影像image5中的每個質心作為種子點進行區域生長分割，得到相應數 量的分割對象，得到由分割對象組成的影像image6 ;
[0014] 步驟6 :計算影像image6中各個分割對象的最小外接矩形，并以矩形度R和長寬 比P作為約束條件進行建筑物初提取；
[0015] 步驟7 :將分割對象按對應的建筑物系數大小進行降序排序，得到分割對象序列 S；
[0016] 步驟8 :將分割對象序列S的前30 %作為建筑物訓練樣本對象B，將分割對象序列 S的后30%作為非建筑物訓練樣本對象NB，將分割對象序列S的中間40%作為待分類對象 C；
[0017] 步驟9 :利用Gabor濾波器對建筑物訓練樣本對象B、非建筑物訓練樣本對象NB和 待分類對象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作為訓練集，對fC進行分類。
[0019] 所述的鄰域總變分的似然函數為：
【主權項】
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計算輸入遙感影像imagel中每個像元的取值LS， 并將每個取值LS規格化至區間[0, 255]，得到影像image2 ; 步驟2 ;選取闊值T對對影像image2進行二值化處理，得到二值影像images ; 步驟3 ;對二值影像image3進行標注，刪除面積小于Min,的區域，得到影像image4 ; 步驟4 ;計算影像image4中的每個標注區域的質屯、，得到由質屯、組成的影像images ; 步驟5 影像images中的每個質屯、作為種子點進行區域生長分割，得到相應數量的 分割對象，得到由分割對象組成的影像image6 ; 步驟6 ;計算影像images中各個分割對象的最小外接矩形，并W矩形度R和長寬比P作 為約束條件進行建筑物初提取； 步驟7 ;將分割對象按對應的建筑物系數大小進行降序排序，得到分割對象序列S; 步驟8 ;將分割對象序列S的前30%作為建筑物訓練樣本對象B，將分割對象序列S的 后30%作為非建筑物訓練樣本對象NB，將分割對象序列S的中間40%作為待分類對象C ; 步驟9 ;利用Gabor濾波器對建筑物訓練樣本對象B、非建筑物訓練樣本對象NB和待分 類對象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作為訓練集，對f進行分類。
2. 根據權利要求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為：
LS(u(Xc，y。)）越大，表明u(Xc，y。）屬于建筑物區域可能性越大。
3. 根據權利要求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0STU算法自動確定。
4. 根據權利要求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. 根據權利要求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和長寬比P分別通過W下公式計算：
其中，S。為分割對象的面積；SC為分割對象的最小外接矩形的面積；1 1和12分別表示 分割對象的最小外接矩形的長和寬，并將矩形度R的下限設置為0.75,長寬比P的上限設置 為4。
6. 根據權利要求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， 其特征在于分割對象的建筑物系數cofk根據矩形度R和長寬比p計算，且矩形度R和長寬 比P的權重各占50%，具體計算公式為：
其中，MAXc為矩形度的最大取值，MINc為矩形度的最小取值，MAXp為長寬比的最大取 值，MINp為長寬比的最小取值，KC為分割對象的矩形度，KP為分割對象的長寬比。
7. 根據權利要求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濾波器對分割對象進行3個尺度，8個方向的Gabor變換，并對同一尺度 不同方向的特征取平均得到3個紋理特征子帶，對該3個子帶特征進行進一步提取，計算 各個分割對象區域的均值和方差，構成一個6維的特征矢量，作為它們的紋理特征信息。
8. 根據權利要求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， 其特征在于分類方法采用樸素貝葉斯分類法。
【專利摘要】本發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計算輸入遙感影像中每個像元的取值LS；步驟2，進行二值化處理；步驟3，進行標注；步驟4，計算標注區域的質心；步驟5，進行區域生長分割；步驟6，進行建筑物初提取；步驟7，獲取分割對象序列S；步驟8，選取訓練樣本；步驟9，提取紋理特征信息；步驟10，進行分類。解決了高空間分辨率遙感影像中建筑物提取準確率低的問題，達到完全自動化的效果，可以用于遙感影像制圖、地理信息系統的數據獲取和自動更新。
【IPC分類】G06K9-62, G06K9-46
【公開號】CN104794478
【申請號】CN201510220949
【發明人】施文灶
【申請人】福建師范大學
【公開日】2015年7月22日
【申請日】2015年5月4日