一种高分辨遥感影像建筑物自动提取的方法技术

本发明专利技术公开了一种高分辨遥感影像建筑物自动提取的方法，首先对待处理的高分辨遥感影像进行二维离散傅里叶变换；根据所得到的傅里叶变换结果获得所述高分辨遥感影像的频谱与相位谱；对所得到的频谱取对数，并进行高通滤波处理和对数频谱求差处理；根据所述对数频谱求差处理结果构建影像的显著性图；由所构建的影像的显著性图检测得到显著性区域，并基于所述显著性区域确定原影像上待识别的建筑物区域；对该待识别的建筑物区域进行影像差分处理，并对差分处理后的影像进行傅里叶变换，依据傅里叶变换结果进行建筑物频谱检测。上述方法能够实现高分辨遥感影像建筑物目标和位置的自动提取，从而推动摄影测量遥感自动化技术进步。

【技术实现步骤摘要】
一种高分辨遥感影像建筑物自动提取的方法
本专利技术涉及数字影像
，尤其涉及一种高分辨遥感影像建筑物自动提取的方法。
技术介绍
信息科学领域已经研究证实，航空航天高分辨影像数据存在大量信息冗余。如何从海量冗余遥感影像中发现、提取和识别有用的建筑物信息，是信息科学领域不适定问题，也是摄影测量遥感、计算机视觉等领域亟待解决的难题。遥感影像建筑物自动提取方法，主要分为由下至上(BottomToup：BT)的提取影像特征，建立特征结构，进而学习分类影像类(包括建筑物)；从高层语义入手，利用先验知识、上下文信息和推理规则的由上至下(ToptoDown：TD)影像目标((建筑物))学习；以及混合由下至上和由上至下的影像提取分析算法。基于多传感器影像和多光谱影像建筑物提取方面，主要是利用多光谱空间变换和掩模方法，基于参考数据集进行非混合源信号的盲源分离。例如利用Moore–Penrose伪逆矩阵改善独立分量分析，基于种子点目标独立分量分析，进而实现建筑物掩模分离。在高分辨率宽角度影像研究方面，利用高重叠的Along-track和Across-track方向立体影像，建立城市建筑立体模型：综合利用先验知识、影像特征和建筑物模型几何特征，建立证据规则；采用支持向量机(SVM)进行遮挡侧面监督分类，再用证据规则推理实现建筑物遮挡侧面提取。在多智能体解决复杂城市目标提取方面，利用卫星影像的多光谱特征和空间结构特征，进行面向对象的影像分析；然后进行顾及光谱特征、纹理特征和目标结构特征进行多目标分类；最后将影像分类结果作为输入数据，由多智能体系统结合上下文关系和目标结构特征，进行影像目标的分析与提取。现有技术中虽然提出的建筑物提取算法较多，但并不涉及在确定显著性区域后如何提取影像中的建筑物。
技术实现思路
本专利技术的目的是提供一种高分辨遥感影像建筑物自动提取的方法，该方法能够实现高分辨遥感影像建筑物目标和位置的自动提取，从而推动摄影测量遥感自动化技术进步。一种高分辨遥感影像建筑物自动提取的方法，所述方法包括：步骤1、对待处理的高分辨遥感影像进行二维离散傅里叶变换；步骤2、根据所得到的傅里叶变换结果获得所述高分辨遥感影像的频谱与相位谱；步骤3、对所得到的频谱取对数，并进行高通滤波处理和对数频谱求差处理；步骤4、根据所述对数频谱求差处理结果构建影像的显著性图；步骤5、由所构建的影像的显著性图检测得到显著性区域，并基于所述显著性区域确定原影像上待识别的建筑物区域；步骤6、对该待识别的建筑物区域进行影像差分处理，并对差分处理后的影像进行傅里叶变换，依据傅里叶变换结果进行建筑物频谱检测。由上述本专利技术提供的技术方案可以看出，上述方法能够实现高分辨遥感影像建筑物目标和位置的自动提取，从而推动摄影测量遥感自动化技术进步。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例所提供高分辨遥感影像建筑物自动提取的方法流程示意图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。下面将结合附图对本专利技术实施例作进一步地详细描述，如图1所示为本专利技术实施例所提供高分辨遥感影像建筑物自动提取的方法流程示意图，所述方法包括：步骤1、对待处理的高分辨遥感影像进行二维离散傅里叶变换；在该步骤中，具体处理过程为：对待处理的M×N遥感影像f(x,y)进行二维离散傅里叶变换，得到：其中，M,N是遥感影像的行、列数；u，v为离散傅里叶变换后F(u，v)频率域参数；F(u，v)的实部和虚部分别为：步骤2、根据所得到的傅里叶变换结果获得所述高分辨遥感影像的频谱与相位谱；在该步骤中，所得到的高分辨遥感影像的频谱为相位谱为步骤3、对所得到的频谱取对数，并进行高通滤波处理和对数频谱求差处理；在该步骤中，频谱取对数的结果为：L(u,v)＝log|F(u,v)|；高通滤波处理的结果为：其中，G(u,v)选取梯形高通滤波器；对数频谱求差处理的结果为：步骤4、根据所述对数频谱求差处理结果构建影像的显著性图；在该步骤中，所构建的影像显著性图为：其中，x，y为高斯窗g(x,y)的参数，为卷积运算，“F-1”为傅里叶逆变换。步骤5、由所构建的影像的显著性图检测得到显著性区域，并基于所述显著性区域确定原影像上待识别的建筑物区域；在该步骤中，所得到的显著性区域表示为：所确定的原影像上待识别的建筑物区域表示为：f(x,y):(x,y)∈O(x,y)＝1。步骤6、对该待识别的建筑物区域进行影像差分处理，并对差分处理后的影像进行傅里叶变换，依据傅里叶变换结果进行建筑物频谱检测。在该步骤中，影像差分处理后的结果表示为：▽f(x,y):(x,y)∈O(x,y)＝1；对差分处理后的影像进行傅里叶变换后的结果表示为：F(▽f(x,y)):(x,y)∈O(x,y)＝1，其中，“F”为傅里叶变换。由于影像中大部分能量集中在低频区，而且频谱是中心对称的，进行中心移频后，建筑物影像频谱存在中心对称的高能量“十字”线或中心对称的高能量直线，故可据此进行建筑物频谱检测。进一步的，依据傅里叶变换结果进行建筑物频谱检测的过程具体为：首先，依据傅里叶变换结果，若检测到显著性区域的频谱(移频中心后)存在中心对称的高能量十字线或高能量直线，则进一步判断：当所述中心对称的高能量十字线或高能量直线与u，v轴非重合时，判定该显著性区域为建筑物；当所述中心对称的高能量十字线或高能量直线与u，v轴重合时，则将原影像旋转一定角度，若在新的频谱中，该中心对称的高能量十字线或高能量直线与u，v轴非重合，则判定该显著性区域为建筑物；否则，判定该显著性区域不是建筑物。综上所述，本专利技术实施例所提供的方法能够实现高分辨遥感影像建筑物目标和位置的自动提取，从而推动摄影测量遥感自动化技术进步。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
一种高分辨遥感影像建筑物自动提取的方法，其特征在于，所述方法包括：步骤1、对待处理的高分辨遥感影像进行二维离散傅里叶变换；步骤2、根据所得到的傅里叶变换结果获得所述高分辨遥感影像的频谱与相位谱；步骤3、对所得到的频谱取对数，并进行高通滤波处理和对数频谱求差处理；步骤4、根据所述对数频谱求差处理结果构建影像的显著性图；步骤5、由所构建的影像的显著性图检测得到显著性区域，并基于所述显著性区域确定原影像上待识别的建筑物区域；步骤6、对该待识别的建筑物区域进行影像差分处理，并对差分处理后的影像进行傅里叶变换，依据傅里叶变换结果进行建筑物频谱检测。

【技术特征摘要】
1.一种高分辨遥感影像建筑物自动提取的方法，其特征在于，所述方法包括：步骤1、对待处理的高分辨遥感影像进行二维离散傅里叶变换；步骤2、根据所得到的傅里叶变换结果获得所述高分辨遥感影像的频谱与相位谱；步骤3、对所得到的频谱取对数，并进行高通滤波处理和对数频谱求差处理；步骤4、根据所述对数频谱求差处理结果构建影像的显著性图；步骤5、由所构建的影像的显著性图检测得到显著性区域，并基于所述显著性区域确定原影像上待识别的建筑物区域；步骤6、对该待识别的建筑物区域进行影像差分处理，并对差分处理后的影像进行傅里叶变换，依据傅里叶变换结果进行建筑物频谱检测。2.根据权利要求1所述高分辨遥感影像建筑物自动提取的方法，其特征在于，所述步骤1的具体过程为：对待处理的M×N分辨率的遥感影像f(x,y)进行二维离散傅里叶变换，得到：其中，M,N是遥感影像的行、列数；u，v为离散傅里叶变换后F(u，v)频率域参数；F(u，v)的实部和虚部分别为：

【专利技术属性】
技术研发人员：赵西安，高东阳，吕京国，周命端，刘祥磊，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京,11