一种在高分辨率遥感影像中识别建筑物的方法技术

技术编号:19343538 阅读:20 留言:0更新日期:2018-11-07 14:24
本发明专利技术公开一种在高分辨率遥感影像中识别建筑物的方法,通过建立位置异质性处理器,可以分析影像中一个位置与另外一个位置在一定邻域范围内的异质性,进而通过建立像元规律性过滤器实现像元关键特征的提取,并基于训练数据对影像中的每一个像元是否隶属于建筑物进行判断,实现高精确度的高分辨率遥感影像中提取建筑物的提取。本发明专利技术可以遥感影像分辨率较高的情况下,输入一个包含建筑物和非建筑物样本集,就可以实现高精度的建筑物提取。

A method for identifying buildings in high resolution remote sensing images

The invention discloses a method for identifying buildings in high-resolution remote sensing images. By establishing a position heterogeneity processor, the heterogeneity between one location and another location in a certain neighborhood can be analyzed, and the key features of pixels can be extracted by establishing a regularity filter of pixels. The training data can judge whether each pixel in the image belongs to the building or not, and extract the building from high-resolution remote sensing image with high accuracy. In the case of high resolution of remote sensing image, the invention can input a sample set containing buildings and non-buildings to realize high-precision building extraction.

【技术实现步骤摘要】
一种在高分辨率遥感影像中识别建筑物的方法
:本专利技术公开一种在高分辨率遥感影像中识别建筑物的方法,实现了高精确度的高分辨率遥感影像中提取建筑物的提取,属于遥感影像处理领域。
技术介绍
:高分辨率遥感影像可以提供清晰的地物细节信息,为大范围的制图、土地利用变化监测提供有力的数据保障。通过在高分辨率遥感影像中识别建筑物有效监控城市的建筑发展趋势、进行精确的地籍调查、发现违建和违法问题,具有重要的实际应用价值。当前的技术在遥感影像中识别建筑物的方法主要包括以下几类:一、引入训练数据集,利用传统的支持向量机、神经网技术对影像中的像元进行逐个的分类,由于高分辨率遥感影像具有较高的类内异质性,单一的像元在波段值上较难与其他地物区分,所以此类方法分类精度较低,获得的结果影像通常较为混乱。二、基于视觉特征的词袋模型(BovW)的场景分类方法,此类方法虽然可以获得较高分类精度,但是由于BovW方法属于场景分类,不能逐个像元的对影像进行提取,所以无法精确的定位影像中的建筑。三、是基于深度学习卷积神经网的方法,此类方法虽然效果较好,但是需要远远超过输入遥感影像本身量级的样本来训练深度网络,单纯的对一景影像分类代价十分巨大,而且当新的影像中包含神经网未知的(如屋顶颜色、方向)的建筑时,还需要补充大量样本进行计算。因此需要引入一种方法,可以基于像元及其领域的异质以及少量训练样本性找到建筑物像元与非建筑物像元的差别,精确的在高分辨率遥感影像中确定建筑物的位置。
技术实现思路
:针对现有技术提出的问题,本专利技术提出了一种在高分辨率遥感影像中提取建筑物的方法。通过建立位置异质性处理器,可以分析影像中一个位置与另外一个位置在一定邻域范围内的异质性,进而通过建立像元规律性过滤器实现像元关键特征的提取,并基于训练数据对影像中的每一个像元是否隶属于建筑物进行判断,实现高精确度的高分辨率遥感影像中提取建筑物的提取。本专利技术所述的一种在高分辨率遥感影像中识别建筑物的方法,包括以下步骤:S1.输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列,指定跨度阈值SpanNum;输入由SampleNum个样本点构成样本集TestSet;S101,输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列;S102,指定跨度阈值SpanNum;跨度阈值的取值区间为[5,10],默认值为5;S103,在影像上选取SampleNum个样本点构成样本集TestSet;TestSet为一个SampleNum个样本集合{p1,p2,p3,..pSampleNum},对于其中任意一个样本pi其内容为pi={hs,ls,lable,character},其中hs表示pi在影像中所处行,ls表示pi在影像上所在处列,label的值为1或者-1,其中1表示pi所在位置为建筑物,-1表示pi所在位置为非建筑物,样本规律性特征character为4个元素的数组;S2.建立影像位置异质性处理器HeteroOperator;HeteroOperator需要输入两个位置点px1和px2,输出为异质性差值HeteroDifference;S201,建立影像位置异质性处理器HeteroOperator;HeteroOperator的输入为两个位置点px1和px2;px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列,px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列;S202,设置异质性差值HeteroDifference=0;S203,设置行暂存变量counterI=0;S204,设置列暂存变量counterJ=0;S205,取出Image上(行为hs1-2+counterI,列为ls1-2+counterJ)的像元,并存储在变量Pixel1中;S206,取出Image上(行为hs2-2+counterI,列为ls2-2+counterJ)的像元,并存储在变量Pixel2中;S207,计算Pixel1与Pixel2的差距diff,计算公式如下:S208,计算HeteroDifference=HeteroDifference+diff;S209,计算counterJ=counterJ+1;S210,如果counterJ<(SpanNum/2)则转到S205,否则转到S211;S211,计算counterI=counterI+1;S212,如果counterI<(SpanNum/2)则转到S204,否则转到S213;S213,计算HeteroDifference=tanh(HeteroDifference);S214,输出异质性差值HeteroDifference;S3,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter,输出为该位置的规律性数组Regular:S301,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter;PixelFilter的内容为PixelFilter={hsP,lsP},其中hsP表示PixelFilter在影像中所处的行,lsP表示PixelFilter在影像中所处的列;S302,计算过滤范围参数filterscope=round(SpanNum/4+0.5);其中round为进行四舍五入;S303,构建模板数组一mask1=[-filterscope,-filterscope,filterscope,filterscope],模板数组二mask2=[-filterscope,filterscope,-filterscope,filterscope];mask1和mask2为数组,两个数组均包含4个元素,数组的下标为从1到4;S304,构建规律性数组Regular=[0,0,0,0];temp为数组,数组均包含4个元素,数组的下标为从1到4;S305,循环变量counterP=1;S306,建立px2变量,px2的hs2=hsP,px2的ls2=lsP;S307,建立px1变量,px1的hs1=hsP+SpanNum×mask1[counterP],px1的ls1=lsP+SpanNum×mask2[counterP];其中mask1[counterP]表示mask1的第counterP个元素,mask2[counterP]表示mask2的第counterP个元素;S308,输入px1和px2,执行影像位置异质性处理器HeteroOperator,获得HeteroDifference;S309,Regular[counterP]=HeteroDifference;其中Regular[counterP]表示Regular的第counterP个元素;S310,counterP=counter+1;S311,如果counterP<=4则转到S306,否则转到S312;S312,输出Regular;S4,通过Filter处理TestS本文档来自技高网...

【技术保护点】
1.一种在高分辨率遥感影像中识别建筑物的方法,包括以下步骤:S1. 输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列,指定跨度阈值SpanNum;输入由SampleNum个样本点构成样本集TestSet;S101,输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列;S102,指定跨度阈值SpanNum;跨度阈值的取值区间为[5,10],默认值为5;S103,在影像上选取SampleNum个样本点构成样本集TestSet;TestSet为一个SampleNum个样本集合{p1,p2,p3,..pSampleNum},对于其中任意一个样本pi其内容为pi={hs,ls,lable,character},其中hs表示pi在影像中所处行,ls表示pi在影像上所在处列,label的值为1或者‑1,其中1表示pi所在位置为建筑物,‑1表示pi所在位置为非建筑物,样本规律性特征character为4个元素的数组;S2. 建立影像位置异质性处理器HeteroOperator;HeteroOperator需要输入两个位置点px1和px2,输出为异质性差值HeteroDifference;S201,建立影像位置异质性处理器HeteroOperator;HeteroOperator的输入为两个位置点px1和px2;px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列,px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列;S202,设置异质性差值HeteroDifference=0;S203, 设置行暂存变量counterI=0;S204, 设置列暂存变量counterJ=0;S205,取出Image上(行为hs1‑2+counterI,列为ls1‑2+counterJ)的像元,并存储在变量Pixel1中;S206,取出Image上(行为hs2‑2+counterI,列为ls2‑2+counterJ)的像元,并存储在变量Pixel2中;S207,计算Pixel1与Pixel2的差距diff,计算公式如下:...

【技术特征摘要】
1.一种在高分辨率遥感影像中识别建筑物的方法,包括以下步骤:S1.输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列,指定跨度阈值SpanNum;输入由SampleNum个样本点构成样本集TestSet;S101,输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列;S102,指定跨度阈值SpanNum;跨度阈值的取值区间为[5,10],默认值为5;S103,在影像上选取SampleNum个样本点构成样本集TestSet;TestSet为一个SampleNum个样本集合{p1,p2,p3,..pSampleNum},对于其中任意一个样本pi其内容为pi={hs,ls,lable,character},其中hs表示pi在影像中所处行,ls表示pi在影像上所在处列,label的值为1或者-1,其中1表示pi所在位置为建筑物,-1表示pi所在位置为非建筑物,样本规律性特征character为4个元素的数组;S2.建立影像位置异质性处理器HeteroOperator;HeteroOperator需要输入两个位置点px1和px2,输出为异质性差值HeteroDifference;S201,建立影像位置异质性处理器HeteroOperator;HeteroOperator的输入为两个位置点px1和px2;px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列,px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列;S202,设置异质性差值HeteroDifference=0;S203,设置行暂存变量counterI=0;S204,设置列暂存变量counterJ=0;S205,取出Image上(行为hs1-2+counterI,列为ls1-2+counterJ)的像元,并存储在变量Pixel1中;S206,取出Image上(行为hs2-2+counterI,列为ls2-2+counterJ)的像元,并存储在变量Pixel2中;S207,计算Pixel1与Pixel2的差距diff,计算公式如下:S208,计算HeteroDifference=HeteroDifference+diff;S209,计算counterJ=counterJ+1;S210,如果counterJ<(SpanNum/2)则转到S205,否则转到S211;S211,计算counterI=counterI+1;S212,如果counterI<(SpanNum/2)则转到S204,否则转到S213;S213,计算HeteroDifference=tanh(HeteroDifference);S214,输出异质性差值HeteroDifference;S3,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter,输出为该位置的规律性数组Regular:S301,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter;PixelFilter的内容为PixelFilter={hsP,lsP},其中hsP表示PixelFilter在影像中所处的行,lsP表示PixelFilter在影像中所处的列;S302,计算过滤范围参数filterscope=round(SpanNum/4+0.5);其中round为进行四舍五入;S303,...

【专利技术属性】
技术研发人员:潘欣赵健孙宏彬
申请(专利权)人:长春工程学院
类型:发明
国别省市:吉林,22

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1