基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法技术

本发明专利技术公开了一种基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法，属于卫星遥感图像处理与应用的技术领域。针对目前的建筑物提取算法存在如下明显的缺陷：(1)算法复杂度较高；(2)忽略光谱信息；(3)依赖于建筑物的矩形形状特征。本发明专利技术在将高分辨卫星遥感影像进行预处理后，通过采用最佳光谱指数对影像进行处理后，将影像转为灰度影像，利用Otsu算法进行图像分割，提取出建筑物目标，在通过几何约束和形态学处理等方式，进一步提高提取准确率和检测率。

【技术实现步骤摘要】
基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法
本专利技术属于卫星遥感图像处理与应用的

技术介绍
建筑物的精确定位和识别是人们进行城市规划、人口估算、景观分析和环境测量的重要信息源之一。多波段、高分辨率卫星遥感影像的出现为自动获取建筑物信息带来了可能，基于高分辨率遥感影像的建筑物信息提取算法是目前的一个研究热点。近几年来，国内外研究学者根据建筑物的特征，提出了基于图像分割、基于辅助信息和基于光谱指数的算法来提取遥感影像中的建筑物信息的方法。代表研究如下：不同于传统的基于像素的算法，图像分割算法能够消除影像中的椒盐噪声的缺点，Tian优化了基于建筑物提取的多尺度分割算法(参见TianJ,ChenDM,“Optimizationinmulti-scalesegmentationofhigh-resolutionsatelliteimagesforartificialfeaturerecognition,”InternationalJournalofRemoteSensing,28(20):4625-4644(2007))。此外，在遥感影像中存在有很多辅助信息可以用于建筑物信息提取，Su等把区域的光谱特征和基于灰度共生矩阵的纹理特征结合起来，对QuickBird复杂城市区域进行实验，结果表明结合纹理和光谱信息可以有效地改善高分辨率遥感影像城区提取效果(参见SuW,LiJ,ChenY,etal.,“Texturalandlocalspatialstatisticsfortheobject-orientedclassificationofurbanareasusinghighresolutionimagery,”InternationalJournalofRemoteSensing,29(11):3105-3117(2008))；黄昕等通过形态学操作(如：白帽重建、粒度测定、方向性)来描述建筑物的隐含特征(如建筑物的亮度、大小和对比度)，提出了形态学建筑物指数MBI，从而实现建筑物信息的自动提取(HuangX,ZhangL,“AmultidirectionalandmultiscalemorphologicalindexforautomaticbuildingextractionfrommultispectralGeoEye-1imagery,”PhotogrammetricEngineering&RemoteSensing,77(7):721-732(2011))。另外，由于光谱指数可以克服噪声并体现地物的光谱特征，具有明显鲁棒性，人们提出了许多基于建筑物提取的光谱指数，如归一化差分不透水表面指数NDISI(参见XuH,“Analysisofimpervioussurfaceanditsimpactonurbanheatenvironmentusingthenormalizeddifferenceimpervioussurfaceindex(NDISI),”PhotogrammetricEngineering&RemoteSensing,76(5):557-565(2010))、归一化差分建筑物指数NDBI(参见ZhaY,GaoJ,NiS,“Useofnormalizeddifferencebuilt-upindexinautomaticallymappingurbanareasfromTMimagery,”InternationalJournalofRemoteSensing,24(3):583-594(2003))。Samsudin利用归一化差分指数，提出了NDCCI和NDMCI两种指数分别提取混凝土和金属材质的建筑物屋顶。这些建筑物指数可以利用波段指数，从中分辨率影像中通过阈值确定是否为建筑物，该算法的建筑物提取精度较低(参见SamsudinSH,ShafriHZM,HamedianfarA,“DevelopmentofspectralindicesforroofingmaterialconditionstatusdetectionusingfieldspectroscopyandWorldView-3data,”JournalofAppliedRemoteSensing,10(2):025021-025021(2016))。到目前为止，国内外研究学者提出了很多建筑物提取算法，但仍存在一些明显的缺陷：(1)算法复杂度较高；(2)忽略光谱信息；(3)依赖于建筑物的矩形形状特征。基于光谱指数的建筑物信息提取具有一定的优势，可以克服这些缺点，但目前主要是针对空间分辨率是10米级别的多光谱遥感影像进行处理，对于分辨率在1m以下的高分辨率遥感影像采用光谱指数提取建筑物信息的方法国内外未见报导。
技术实现思路
为了解决现有高分辨率遥感影像建筑物提取算法的复杂度高、忽略光谱信息等缺点，本专利技术采用一种基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法，能够快速、有效地提取高分辨率遥感卫星影像中的建筑物信息。本专利技术采用的技术方案具体步骤如下：步骤一、影像预处理：将低空间分辨率的多光谱图像和高空间分辨率的单波段图像进行融合处理，生成高分辨率、多光谱遥感图像，然后对影像进行辐射校正和正射校正，最后进行图像剪裁选取需要的图像区域的步骤；步骤二、基于最佳光谱指数选择的建筑物图像提取：针对选择的高分辨率遥感影像的波段信息(8波段或4波段)，基于最佳光谱指数选择的建筑物图像产生一幅新的灰度影像，通过阈值分割将影像分为建筑物和背景两类；基于8波段高分辨率遥感影像建筑物提取的最佳光谱指数如式(3)所示，命名为NSBI：式(3)中Coastal，Blue分别是高分辨率遥感影像中海岸波段、蓝波段的值。基于4波段高分辨率遥感影像中建筑物提取的最佳光谱指数如式(4)所示，命名为DSBI：式(4)中Blue，Red和Green分别是高分辨率遥感影像中蓝波段、红波段和绿波段的值；基于最佳光谱指数选择获取一幅建筑物与非建筑物差异更大的灰度影像，然后通过Ostu算法将灰度影像分为建筑物和背景，流程如下：①计算灰度图像的直方图，并对直方图进行归一化处理，灰度范围为[0,1]；②i表示分割阈值，通过归一化的直方图，统计0～i灰度级的像素(即前景像素)所占整幅图像的比例w0和该区域的平均灰度u0；然后统计i～1灰度级的像素(即背景像素)所占整幅图像的比例w1和该区域的平均灰度u1；③计算基于某个分割阈值i的前景像素和背景像素的方差g＝w0×(u0-u1)2+w1×(u0-u1)2；④从i＝0开始计算相应的方差值g，直到i＝1截止，将方差最大时对应的i值作为图像的全局阈值，并以此进行图像分割。步骤三、影像后处理：通过几何约束和形态学处理减少噪声干扰和滤掉突刺。步骤一：影像预处理的步骤中(a)辐射校正的方法：利用完整的遥感图像处理平台(ENVI)进行快速大气校正工具(QUAC)进行辐射校正，用于去除部分大气的影像，或者利用ENVI软件进行基于光谱超立方的快速视线大气校正(FLASSH)校正和辐射定标处理，用于将传感器记录的数字量化值(DN)转化为物理量相关的相对值。(b)正射校正的方法：根据影像的有理多项式文件(R本文档来自技高网...

【技术保护点】
1.基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法，具体步骤如下：步骤一、影像预处理：将低空间分辨率的多光谱图像和高空间分辨率的单波段图像进行融合处理，生成高分辨率、多光谱遥感图像，然后对影像进行辐射校正和正射校正，最后进行图像剪裁选取需要的图像区域的步骤；步骤二、基于最佳光谱指数选择的建筑物图像提取：针对选择的高分辨率遥感影像的波段信息(8波段或4波段)基于最佳光谱指数选择的建筑物图像产生一幅新的灰度影像，通过阈值分割将影像分为建筑物和背景两类；基于8波段高分辨率遥感影像建筑物提取的最佳光谱指数如式(3)所示，命名为NSBI：

【技术特征摘要】
1.基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法，具体步骤如下：步骤一、影像预处理：将低空间分辨率的多光谱图像和高空间分辨率的单波段图像进行融合处理，生成高分辨率、多光谱遥感图像，然后对影像进行辐射校正和正射校正，最后进行图像剪裁选取需要的图像区域的步骤；步骤二、基于最佳光谱指数选择的建筑物图像提取：针对选择的高分辨率遥感影像的波段信息(8波段或4波段)基于最佳光谱指数选择的建筑物图像产生一幅新的灰度影像，通过阈值分割将影像分为建筑物和背景两类；基于8波段高分辨率遥感影像建筑物提取的最佳光谱指数如式(3)所示，命名为NSBI：式(3)中Coastal，Blue分别是高分辨率遥感影像中海岸波段、蓝波段的值；基于4波段高分辨率遥感影像中建筑物提取的最佳光谱指数如式(4)所示，命名为DSBI：式(4)中Blue，Red和Green分别是高分辨率遥感影像中蓝波段、红波段和绿波段的值；基于最佳光谱指数选择获取一幅建筑物与非建筑物差异更大的灰度影像，然后通过Ostu算法将灰度影像分为建筑物和背景，流程如下：①计算灰度图像的直方图，并对直方图进行归一化处理，灰度范围为[0,1]；②i表示分割阈值，通过归一化的直方图，统计0～i灰度级的像素(即前景像素)所占整幅图像的比例w0和该区域的平均灰度u0；然后统计i～1灰度级的像素(即背景像素)所占整幅图像的比例w1和该区域的平均灰度u1；③基于不同的阈值i计算前景像素和背景像素的方差g＝w0×(u0-u1)2+w1×(u0-u1)2；④从i＝0开始计算相应的方差值g，直到i＝1截止，将方差最大时对应的i值作为图像的全...

【专利技术属性】
技术研发人员：顾玲嘉，曹琼，任瑞治，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22