一种城市建成区边界自动提取方法技术

本发明专利技术涉及一种城市建成区边界自动提取方法，尤指应用于高分辨率全色遥感影像进行城市建成区边界自动提取，属于城市规划领域。本发明专利技术首先对影像进行直方图均值拉伸处理，然后基于边缘检测算子提取城市建成区的边缘密度合理区，并基于灰度共生矩阵和神经网络算法提取其纹理特征合理区，再将边缘密度的合理区和纹理特征的合理区进行与操作得到城市建成区的候选区，然后使用分块密度过滤方法和数学形态学方法进行精提取，最后使用数学形态学方法将边界进行光滑处理并提取出城市建成区边界。本发明专利技术能有效处理具有多个中心且空地水域面积较大的区域，弥补当前已有方法的不足，且提取的城市建成区边界具有较高的精度。

【技术实现步骤摘要】
一种城市建成区边界自动提取方法
本专利技术涉及一种城市建成区边界自动提取方法，尤指应用于高分辨率全色遥感影像进行城市建成区边界自动提取，本方法充分利用城市建成区在高分辨率全色遥感影像中的边缘密度特征和纹理特征，有效地实现了城市建成区边界的提取，属于城市规划领域。
技术介绍
城市建成区的范围反映的是一个城市发展的规模，是城市规划中一个十分重要的指标。城市建成区的面积也是计算城市的人口密度、公共设施水平、城市单位面积产值和城市扩张系数等一系列指标的基础。准确提取城市建成区边界，是研究城市空间格局变化、城市扩张和城市驱动力分析等问题的关键，对城市经济发展、城市规划、土地资源管理等许多方面也起着重要的作用。目前关于城市建成区范围的概念还没有统一的标准。在仅以遥感影像为数据源进行研究的前提下，“城市建成区边界”一般指通过遥感影像提取的城市建成区边界，即城市行政范围内经过征用的土地和实际建设发展起来的非农业生产用地的边界。以往通过人工方式从遥感影像上提取城市建成区边界虽然准确率高，但效率低且成本耗费大，导致了数据更新延迟等问题。近年来关于全色影像上城市建成区的提取研究有所增加，这些提取方法大致可以分为两类。一类是基于区域增长方法的半自动提取方法，它首先需要人为确定出城市建成区的数目，为每一块城市建成区人为设置种子点或区域，其方法的关键在于确定用于分割识别的相似性判据。这类方法对居民地这类单一类型的提取效果较好，但城市建成区是由建筑物、道路、绿地、水域及空地等多种地物类型相互延续、相互交错而构成的复杂混合体，仅通过选择种子并设置合适的阈值进行区域生长十分困难。另一类方法则主要是基于分类的思想，根据光谱和纹理特征进行分类并作进一步处理以达到提取城市建成区的目的。第一种有效的方法是采用分层方法，先根据纹理能量测度提取出候选区域，然后使用建筑物的直线方向特性和边缘密度特性进行提取，但该方法只适于单个中心且空地与水域面积较少的全色影像。随后又有学者针对中低分辨率影像，提出基于模糊集理论和贝叶斯准则的分类方法，对中低分辨率全色影像的提取效果较好，但对高分辨率影像的效果未知；也有学者使用基于Gabor滤波的方法，自动确定最佳中心频率来检测居民地，，该方法无需训练样本，但其需要计算多个中心频率下整幅影像在4个方向上的滤波，这对一个城市区域大小的高分辨率遥感图像而言运算量太大，不适用于城市建成区边界的提取。传统城市建成区边界提取方法或者仅适于单个中心且空地与水域面积较少的全色影像，或者仅证明对中低分辨率遥感影像有效，或者运算量太大，不能处理具有多个中心或空地水域面积较大的高分辨率全色影像，均具有一定的局限性。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题；提供了一种使提取的城市建成区边界精度更高；并能有效处理具有多个中心且空地水域面积较大的区域，从而弥补当前已有方法的不足的一种城市建成区边界自动提取方法。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种城市建成区边界自动提取方法，其特征在于，包括以下步骤：步骤1，针对高分辨率(分辨率一般在5m以内)的全色遥感影像，要求影像的信噪比高，无明显云层覆盖，对影像进行直方图均值拉伸处理；步骤2，对步骤1得到的预处理影像采用边缘检测算子提取出影像的边缘密度合理区；步骤3，对步骤1得到的预处理影像基于灰度共生矩阵和神经网络算法提取出影像的纹理特征合理区；步骤4，对步骤2得到的边缘密度合理区和步骤3得到的纹理特征合理区进行与操作运算，即取两者的共同部分，得到城市建成区的候选区；步骤5，对步骤4得到的城市建成区候选区采用分块密度过滤处理和数学形态学等方法进行精提取，提取出内部封闭完整且达到设定面积规模（具体大小需根据具体城市人为设定）的城市建成区初步提取结果；步骤6，对步骤5得到的影像采用数学形态学方法对城市建成区边界进行光滑处理并提取边界。在上述的一种城市建成区边界自动提取方法，所述步骤2中，采用边缘检测算子提取边缘密度合理区的步骤包括：步骤2.1，采用边缘检测算子对步骤1得到的预处理影像提取影像的边缘特征，得到边缘特征影像；步骤2.2.对边缘特征影像采用Otsu自动阈值分割法进行二值化处理；步骤2.3.对二值化得到的影像进行分块密度过滤处理。在上述的一种城市建成区边界自动提取方法，所述步骤2.2的具体操作包括以下子步骤：步骤2.21，设边缘特征影像的象元取值范围为[0,…,W],总象元数为N，灰度值为r的象元个数为nr，则灰度值r的概率pr=nr/N，灰度阈值K，其中，0≤K≤W；然后将影像分为两类，即灰度为[0,…,K]的象元构成一类，记为D0；灰度值为[K+1,…,W]的象元构成另一类，记为D1；步骤2.22，先计算整幅影像的灰度均值μ：μ=P0(k)μ0(K)+P1(k)μ1(K)，其中P0(K)为D0类的概率，P1(K)为D1类的概率，μ0(K)为D0类所有象元的灰度均值，μ1(K)为D1类所有象元的灰度均值，具体计算公式如下：P1(k)=1-P0(k)再根据影像的灰度均值μ计算两类的类间距离平方步骤2.23，将阈值K在[0,…,M]范围内依次取值，使为最大值的阈值K0即为所求的最佳阈值；步骤2.24，根据所求的最佳阈值，将影像分为[0,…,K0]的像元值均设为0，将[K0+1,…,M]的像元值均设为1，得到的影像即为二值化影像。在上述的一种城市建成区边界自动提取方法，所述步骤2.3的具体操作包括以下子步骤：步骤2.31，对影像进行分块，即将其划分为N*N大小的若干个子区域影像；步骤2.32，计算子区域影像中像元值为1的象元密度ρ，即用每个子区域影像中的像元值为1的象元个数除以子区域影像的总象元个数；步骤2.33，比较计算的密度值ρ与设置的密度阈值T的大小，若ρ不小于T则将该子区域影像的像元值均设为1，否则设为0。在上述的一种城市建成区边界自动提取方法，所述步骤3中，所述的基于灰度共生矩阵和神经网络算法提取纹理特征合理区的步骤包括：步骤3.1，将影像进行量化为指定的灰度级，并设置纹理方向，步长大小和扫描窗口的大小，计算影像的灰度共生矩阵，并归一化；步骤3.2，计算8个纹理指标值，每个纹理指标对应一个波段，得到具有8个波段的纹理特征影像，具体而言，取则基于GLCM提取的8个纹理特征统计量计算公式如下：均值：mean=∑∑i*p(i,j)对比度：con=∑∑(i-j)2*p(i,j)2角二阶矩：asm=∑∑p(i,j)2协同性：hom=∑∑p(i,j)/[1-(i-j)2]方差：std=∑∑(i-μ)2*p(i,j)熵：ent=∑∑p(i,j)*logp(i,j)相关性：cor=∑∑[(i-μ)(j-μ)p(i,j)2]/σ2相异性：dis=∑∑i*(i,j)；步骤3.3，神经网络分类，选择一定数量的城市本文档来自技高网...

【技术保护点】
一种城市建成区边界自动提取方法，其特征在于，包括以下步骤：步骤1，针对高分辨率的全色遥感影像，要求影像的信噪比高，无明显云层覆盖，对影像进行直方图均值拉伸处理；步骤2，对步骤1得到的预处理影像采用边缘检测算子提取出影像的边缘密度合理区；步骤3，对步骤1得到的预处理影像基于灰度共生矩阵和神经网络算法提取出影像的纹理特征合理区；步骤4，对步骤2得到的边缘密度合理区和步骤3得到的纹理特征合理区进行与操作运算，即取两者的共同部分，得到城市建成区的候选区；步骤5，对步骤4得到的城市建成区候选区采用分块密度过滤处理和数学形态学等方法进行精提取，提取出内部封闭完整且达到设定面积规模的城市建成区初步提取结果；步骤6，对步骤5得到的影像采用数学形态学方法对城市建成区边界进行光滑处理并提取边界。

【技术特征摘要】
1.一种城市建成区边界自动提取方法，其特征在于，包括以下步骤：步骤1，针对高分辨率的全色遥感影像，要求影像的信噪比高，无明显云层覆盖，对影像进行直方图均值拉伸处理；步骤2，对步骤1得到的预处理影像采用边缘检测算子提取出影像的边缘密度合理区；步骤3，对步骤1得到的预处理影像基于灰度共生矩阵和神经网络算法提取出影像的纹理特征合理区；步骤4，对步骤2得到的边缘密度合理区和步骤3得到的纹理特征合理区进行与操作运算，即取两者的共同部分，得到城市建成区的候选区；步骤5，对步骤4得到的城市建成区候选区采用分块密度过滤处理和数学形态学等方法进行精提取，提取出内部封闭完整且达到设定面积规模的城市建成区初步提取结果；步骤5所述采用分块密度过滤处理和数学形态学等方法进行精提取的步骤包括：步骤5.1，步骤4得到的城市建成区候选区往往不是封闭、完整的区域，而会显得比较破碎，区域之间存在缝隙和空洞，因此考虑采用密度过滤的方式对密度较大的区域进行填充，采用分块密度过滤处理，得到城市建成区的中心区域；步骤5.2，将城市建成区候选区和城市建成区中心区域进行或操作运算，这样得到的候选区其中心部分更加完整；步骤5.3，上步骤得到的城市建成区仍往往会有许多小图斑，根据城市建成区的区域连通性特点这些图斑需要过滤掉，采用基于数学形态学的区域连通算法统计每个区域的面积，设置面积阈值M，将面积小于M的区域过滤掉，这样得到的区域会因为城市建成区中的小湖泊、草地等而存在空洞，为了得到完整的城市建成区，采用基于数学形态学的区域填充算法将其中的空洞填充；步骤6，对步骤5得到的影像采用数学形态学方法对城市建成区边界进行光滑处理并提取边界。2.根据权利要求1所述的一种城市建成区边界自动提取方法，其特征在于，所述步骤2中，采用边缘检测算子提取边缘密度合理区的步骤包括：步骤2.1，采用边缘检测算子对步骤1得到的预处理影像提取影像的边缘特征，得到边缘特征影像；步骤2.2.对边缘特征影像采用Otsu自动阈值分割法进行二值化处理；步骤2.3.对二值化得到的影像进行分块密度过滤处理。3.根据权利要求2所述的一种城市建成区边界自动提取方法，其特征在于，所述步骤2.2的具体操作包括以下子步骤：步骤2.21，设边缘特征影像的象元取值范围为[0,…,W],总象元数为N，灰度值为r的象元个数为nr，则灰度值r的概率pr＝nr/N，灰度阈值K，其中，0≤K≤W；然后将影像分为两类，即灰度为[0,…,K]的象元构成一类，记为D0；灰度值为[K+1,…,W]的象元构成另一类，记为D1；步骤2.22，先计算整幅影像的灰度均值μ：μ＝P0(k)μ0(K)+P1(k)μ1(K)，其中P0(K)为D0类的概率，P1(K)为D1类的概率，μ0(K)为D0类所有象元的灰度均值，μ1(K)为D1类所有象元的灰度均值，具体计算公式如下：P1(k)＝1-P0(k)再根据影像的灰度均值μ计算两类的类间距离平方步骤2.23，将阈值K在[0,…,M]范围内依次取值，使为最大值的阈值K0即为所求的最佳阈值；步骤2.24，根据所求的最佳阈值，将影像分为[0,…,K0]的像元值均设为0，将[K0+1,…,M]的像元值均设为1，得到的影像即为二值化影像。4.根据权利要求3所述的一种城市建成区边界自动提取方法，其特...

【专利技术属性】
技术研发人员：刘耀林，李海江，焦利民，刘艳芳，谭荣辉，邱丽娟，
申请(专利权)人：武汉大学，
类型：发明
国别省市：