一种基于遥感影像像元及其邻域一维过滤器的边界提取方法技术

一种基于遥感影像像元及其邻域一维过滤器的边界提取方法，本发明专利技术涉及遥感影像边界提取方法。本发明专利技术是要解决阈值选择不准确以及提取多余的边界造成工作量大的问题，而提出的一种基于遥感影像像元及其邻域一维过滤器的边界提取方法。该方法是通过步骤一、构造样本位置集positionSet；步骤二、构造邻域一维过滤器neighborFilter；步骤三、通过邻域一维过滤器neighborFilter过滤样本位置集positionSet的位置样本获得训练样本集simpleSet；步骤四、获得神经网预测模型model；步骤五、输出边界提取结果等步骤实现的。本发明专利技术应用于遥感影像边界提取领域。

【技术实现步骤摘要】

本专利技术涉及边界提取方法，特别涉及一种遥感影像像元及其邻域一维过滤器的边界提取方法。
技术介绍
谱遥感影像记录了地表一定区域范围内地物的光谱信息，通过边界提取算法可以自动的获得该遥感影像中地物之间的边界；这些边界对于分析遥感影像中的地物特征、获得建筑物和植被的分布情况、构造矢量化数字地图十分重要，因此遥感影像的边界提取广泛的应用于遥感解译、土地利用类型变化、农业与环境监测领域，具有较高的实用价值。目前感影像边界提取主要采用的方法是：通过一个滤波器算法对一定卷积窗口范围内的遥感影像的像元进行计算并获得一个结果，如果这个结果高于一定阈值标记为边界，反之标记为非边界。当前的方法主要存在的问题是：第一，阈值较难选择，阈值取值较大那么会引起过多的边界像元被忽略掉，阈值取值较小会引起遥感影像上大量本身不是边界的像元被标记为边界。第二，一幅遥感影像中包含的地物众多，用户通常不是想提取出所有的边界，而是根据应用的需要提取特定一组地物之间的边界信息，而现有的算法是全局性的将整个影像中所有可能的边界均提取出来，很多边界信息用户根本就不需要，使用者需将提取的结果与原遥感影像进行人工逐个位置比对进行删改，工作量较大。因此需要一种方法，通过用户输入的一组边界和非边界样本，在不需要输入阈值的情况下识别用户到底需要哪些特征的边界并建立对应的模型，提取出用户真正需要的地物边界信息。
技术实现思路
本专利技术的目的是为了解决阈值选择不准确以及提取多余的边界造成工作量大的问题，而提出的一种遥感影像像元及其邻域一维过滤器的边界提取方法。上述的专利技术目的是通过以下技术方案实现的：步骤一、输入遥感影像InputMap，在该遥感影像上选取n个处在边界上的像元和n个不处在边界上的像元，根据n个处在边界上的像元和n个不处在边界上的像元构造样本位置集positionSet；步骤二、构造邻域一维过滤器neighborFilter；步骤三、通过邻域一维过滤器neighborFilter过滤样本位置集positionSet的位置样本获得训练样本集simpleSet；步骤四、利用神经网算法学习训练样本集simpleSet中的每一个训练样本sample，获得神经网预测模型model；步骤五、通过邻域一维过滤器neighborFilter和神经网预测模型model对输入遥感影像InputMap的所有像元进行处理，输出边界提取结果。专利技术效果针对现有技术存在的问题，本专利技术提供一种基于样本与邻域一维过滤器的遥感影像边界提取方法。通过该方法可以通过用户输入的一组边界和非边界样本，在不需要输入阈值的情况下识别用户到底需要哪些特征的边界并建立对应的模型，提取出用户真正需要的地物边界信息(如图7～9)。本专利技术提供一种基于样本与邻域一维过滤器的遥感影像边界提取方法。通过该方法可以通过用户输入的一组边界和非边界样本，在不需要输入阈值的情况下识别用户到底需要哪些特征的边界并建立对应的模型，提取出用户真正需要的地物边界信息。通过本方法可以获得较高质量的地物边界信息，广泛的应用于遥感解译、土地利用类型变化、农业与环境监测领域，具有较高的应用价值。附图说明图1为具体实施方式一提出的一种遥感影像像元及其邻域一维过滤器的边界提取方法流程图；图2为具体实施方式一提出的构造样本位置集positionSet过程图；图3为具体实施方式四提出的构造邻域一维过滤器neighborFilter过程图；图4为具体实施方式八提出的获得训练样本集simpleSet具体过程图；图5为具体实施方式九提出的获得神经网预测模型model流程图；图6为具体实施方式十提出的输出边界提取结果过程图；图7为具体实施方式一提出的加载遥感影像示意图；图8为具体实施方式一提出的在影像上选取处在边界的像元和不处在边界的像元示意图；图9为具体实施方式一提出的程序运行后获得的结果示意图。具体实施方式具体实施方式一：结合图1本实施方式的一种遥感影像像元及其邻域一维过滤器的边界提取方法，具体是按照以下步骤制备的：步骤一、输入遥感影像InputMap，在该遥感影像上选取n个处在边界上的像元和n个不处在边界上的像元，根据n个处在边界上的像元和n个不处在边界上的像元构造样本位置集positionSet；步骤二、构造邻域一维过滤器neighborFilter；步骤三、通过邻域一维过滤器neighborFilter过滤样本位置集positionSet的位置样本获得训练样本集simpleSet；步骤四、利用神经网算法学习训练样本集simpleSet中的每一个训练样本sample，获得神经网预测模型model；(simpleSet里面有很多sample，众多sample经过神经网算法学习才能获得一个预测模型)步骤五、通过邻域一维过滤器neighborFilter和神经网预测模型model对输入遥感影像InputMap的所有像元进行处理，输出边界提取结果。本实施方式效果：针对现有技术存在的问题，本实施方式提供一种基于样本与邻域一维过滤器的遥感影像边界提取方法。通过该方法可以通过用户输入的一组边界和非边界样本，在不需要输入阈值的情况下识别用户到底需要哪些特征的边界并建立对应的模型，提取出用户真正需要的地物边界信息(如图7～9)。本实施方式提供一种基于样本与邻域一维过滤器的遥感影像边界提取方法。通过该方法可以通过用户输入的一组边界和非边界样本，在不需要输入阈值的情况下识别用户到底需要哪些特征的边界并建立对应的模型，提取出用户真正需要的地物边界信息。通过本方法可以获得较高质量的地物边界信息，广泛的应用于遥感解译、土地利用类型变化、农业与环境监测领域，具有较高的应用价值。具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中输入遥感影像InputMap，在该遥感影像上选取n个处在边界上的像元和n个不处在边界上的像元，根据n个处在边界上的像元和n个不处在边界上的像元构造样本位置集positionSet具体过程为如图2所示：步骤一一、输入遥感影像InputMap；步骤一二、在遥感影像InputMap上人工选取n个处在边界位置上的像元和n个不处在边界位置上的像元；将每个像元构造为位置样本positionSimple＝{x,y,L本文档来自技高网...

【技术保护点】
一种遥感影像像元及其邻域一维过滤器的边界提取方法，其特征在于，该方法具体是按照以下步骤进行的：步骤一、输入遥感影像InputMap，在该遥感影像上选取n个处在边界上的像元和n个不处在边界上的像元，根据n个处在边界上的像元和n个不处在边界上的像元构造样本位置集positionSet；步骤二、构造邻域一维过滤器neighborFilter；步骤三、通过邻域一维过滤器neighborFilter过滤样本位置集positionSet的位置样本获得训练样本集simpleSet；步骤四、利用神经网算法学习训练样本集simpleSet中的每一个训练样本sample，获得神经网预测模型model；步骤五、通过邻域一维过滤器neighborFilter和神经网预测模型model对输入遥感影像InputMap的所有像元进行处理，输出边界提取结果。

【技术特征摘要】
1.一种遥感影像像元及其邻域一维过滤器的边界提取方法，其特征在于，该方法具体是按照以下步骤进行的：步骤一、输入遥感影像InputMap，在该遥感影像上选取n个处在边界上的像元和n个不处在边界上的像元，根据n个处在边界上的像元和n个不处在边界上的像元构造样本位置集positionSet；步骤二、构造邻域一维过滤器neighborFilter；步骤三、通过邻域一维过滤器neighborFilter过滤样本位置集positionSet的位置样本获得训练样本集simpleSet；步骤四、利用神经网算法学习训练样本集simpleSet中的每一个训练样本sample，获得神经网预测模型model；步骤五、通过邻域一维过...

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