一种顾及建筑物三维及边缘形状特征的无人机影像分割方法技术

一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，包括根据所需提取的最大对象面积设置分割尺度参数，对无效区域进行掩膜处理，将输入的正射纠正后影像、高程正射影像、SLIC标签影像的单个像素当成是对象，初始化分割流程；对初始像素对象找到邻接的像素对象，若SLIC标签相同，则进行合并，直到所有标签相同的像素对象都被合并到一起为止；加入Canny边缘直线信息及植被掩膜信息，对超像素预分割结果中的单个超像素分割对象进行边缘标记和植被标记；循环迭代，寻找对象在各种约束条件下的最相似对象，并判断最相似对象与当前对象合并是否合适，重复迭代直到无可以再继续合并的对象为止；对结果中一直没有被合并的小面积区域进行优化合并。

【技术实现步骤摘要】
一种顾及建筑物三维及边缘形状特征的无人机影像分割方法
本专利技术涉及遥感影像处理
，尤其是涉及一种顾及建筑物三维及边缘形状特征的无人机影像分割方法。
技术介绍
随着遥感影像空间分辨率的提高，对象级影像分析方法(ObjectBasedImageAnalysis,OBIA)逐步成为一种有效的高空间分辨率影像分析工具。对象级的影像分析可以减弱地物内部的光谱差异，减少结果中的椒盐噪声。影像分割是对象级影像分析如地物识别、信息提取或影像分类等的决定性步骤。无人机飞行高度一般较低，影像空间分辨率非常高，更加接近近景影像，因此单个地物更加清晰，地物内部的光谱差异性变大，“异物同谱”现象也更加明显。传统基于光谱和形状异质度的分割方法在对象的合并过程中由于对分割对象特征的“均值化”会遇到更大的不确定性，分割方法中尺度参数难以选择且无确定物理意义、影像中的边缘形状特征难以利用且三维高程信息仅当成是另外一维“二维”波段信息来使用，从而造成分割结果中建筑物区域可能与非建筑物区域被错误合并，难以后续面向对象的影像分析生成正确的分析对象。
技术实现思路
针对上述问题，本专利技术提出了一种顾及建筑物三维及边缘形状特征的无人机影像分割技术方案，可操作性强，分割参数有确定的物理意义且在参数选择上不使用试错的方式，而是一种模糊约束，表示的是分割结果中可能得面积最大分割对象的面积。同时能充分考虑建筑物的高程信息，利用成像几何模型将DSM转化为高程正射影像参与分割，减弱中心投影建筑物产生的投影差对分割结果的影响，使得分割结果能够保持建筑物对象与其他非建筑物区域不要错误地粘连，最终的影像分割结果能更好地代表真实建筑物。本专利技术的技术方案为一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，包括以下步骤：步骤1，根据所需提取的最大对象面积设置分割尺度参数，对无效区域进行掩膜处理，将输入的正射纠正后影像、高程正射影像、SLIC标签影像的单个像素当成是对象，初始化分割流程；步骤2，进行基于SLIC超像素的预分割；对初始像素对象找到邻接的像素对象，若SLIC标签相同，则进行合并，直到所有标签相同的像素对象都被合并到一起为止；步骤3，对正射影像进行Canny边缘直线及植被提取，利用Canny边缘直线信息及植被掩膜信息，对超像素预分割结果中的单个超像素分割对象进行边缘标记和植被标记；步骤4，寻找当前对象的最相似对象，结合分割尺度参数、植被标记信息和其它约束条件进一步判断该最相似对象是否与当前对象合并，重复迭代直到无可以再继续合并的对象为止，其中前Nit次迭代时跳过边缘标记的超像素寻找最相似对象；步骤5，对结果中一直没有被合并的小面积区域进行优化合并。进一步的，步骤1中，高程正射影像通过如下方式获得，(1)获取原始无人机影像像素大小，生成一张同样大小的虚拟影像，该虚拟影像的数据类型为double型，波段数为1，所有像素的初始值设置为无穷大；(2)根据原始影像的内外方位元素和DTM，计算影像四角对应的实际地面位置，并取得范围的最大值；为确保虚拟影像的边缘都能计算得到高程值，将获取的最大范围进行外扩，得到一个外扩范围；(3)获取该外扩范围内的测区DSM数据，并将DSM格网的三维点按照高程从高到低进行排序，同时记录每个格网点的平面坐标XY；(4)按照从高到低的顺序对每个格网点进行重投影到虚拟影像上，为使得生成的虚拟影像也具有与真实情况一样的相对遮蔽情况，需要在当前格网点的平面位置上，按照一定的高差递减生成一系列三维点，并一一重投影到虚拟影像上，直到高程递减到对应位置的DTM高程值为止，其中，重投影过程利用共线方程计算：上式中，X,Y,Z为三维点坐标，x0,y0,f为原始无人机影像的内方位元素，ai,bi,ci(i＝1,2,3)为外方位方向余弦，XS,YS,ZS为原始无人机影像外方位线元素，x,y为三维点的重投影后的像平面坐标，并根据相机的像素大小将像平面坐标转换到像素坐标；在重投影影像上的同一个像素位置，取所有高程值中的最大值，利用该原始影像的内外方位元素及测区DTM，重新纠正该虚拟影像，得到高程正射影像。进一步的，步骤3中，Canny边缘直线信息的获得方式如下，(1)对正射影像进行Canny边缘直线提取，然后对边缘检测结果进行4连通区域连接，将8连通的像素都连接成4连通；(2)扫描整张Canny边缘检测结果影像，获取边缘像素的互相连接的区域；(3)对当前连接区域内符合直线模型的像素点重新栅格化成影像，查看这些像素点是否互相连通，若相互连通且连通区域像素个数大于给定直线长度阈值，则认为检测出来的为直线。进一步的，步骤4中，以光谱相似性测度为主和形状相似性测度为辅的方法寻找当前对象的最相似对象，具体实现方式如下，(1)计算光谱相似性时，在相似性计算过程中加入面积差异惩罚项和公共边长度惩罚项，两个邻接对象之间的相似性由如下公式计算：Dr＝D·exp(lp-1+|n1-n2|·(n1+n2)-1)上式中，D为两个邻接对象的光谱相似性，B为参与分割的数据波段集合，wb为b波段的权重，cib为对象i的b波段的均值，cjb为对象j的b波段均值，Dr为加入面积差异惩罚与公共边长度惩罚项后的相似性计算值，lp为两个相邻对象的公共边长度，n1和n2为两个对象的面积；然后将对象间光谱相似性度量值Dr小于10的对象作为当前对象的最相似对象；(2)形状因子计算目的是在两个都很接近的邻接对象中选择一个更恰当的合并对象，其实际是对“虚拟”合并后的对象进行计算，假设当前对象为Ri，两个光谱上都很相似的对象分别为Rj和Rk，那么先虚拟合并Ri和Rj，计算形状因子，再虚拟合并Ri和Rk，计算形状因子，然后将形状因子小的作为最相似对象；当前对象与邻接的相似对象“虚拟”合并后紧致度和平滑度的加权平均越小越好，综合考虑紧致性和平滑性的形状因子计算公式为：h＝wcmpt·hcmpt+wsmooth·hsmooth紧致度计算公式为：平滑度计算公式为：其中，wcmpt为紧致度权重，wsmooth为平滑度权重，l为合并后对象的周长，n为合并后对象的面积，b为合并后对象最小外接矩形的周长。进一步的，步骤4中，判断该最相似对象是否真的需要与当前对象合并，判断条件如下：(1)最相似对象超过尺度约束，即步骤1中设置的分割尺度参数，不合并；(2)最相似对象符合凸面模型判断，不合并；(3)最相似对象植被掩膜标记不一致，不合并；(4)最相似对象与当前对象的公共边是超短边，不合并；(5)当前对象本身很接近规则形状，且最相似对象与之合并后并不是规则形状，不合并；(6)最相似对象的高程截断，不合并；(7)最相似对象与当前对象合并后内部一致性测度超过阈值(光谱和高程)，不合并；最相似对象与当前对象合并后满足规则形状约束，或者上述条件都不符合时，则认为当前对象和该最相似对象是需要合并的；其中第(7)个条件中的内部光谱一致性测度阈值为当前影像中RGB波段的标准差的最大值，内部高程一致性测度阈值为当前影像中高程的标准差。进一步的，Nit的取值为3或4。本专利技术处理方法清晰，可操作性强，能真实顾及由于中心投影造成的投影差对于影像中高程信息的不对应问题，使得分割结果能够保持建筑物对象与其他非建筑物区域不要错误地粘连，最终的影像分割结果本文档来自技高网...

【技术保护点】
1.一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，其特征在于，包括以下步骤：步骤1，根据所需提取的最大对象面积设置分割尺度参数，对无效区域进行掩膜处理，将输入的正射纠正后影像、高程正射影像、SLIC标签影像的单个像素当成是对象，初始化分割流程；步骤2，进行基于SLIC超像素的预分割；对初始像素对象找到邻接的像素对象，若SLIC标签相同，则进行合并，直到所有标签相同的像素对象都被合并到一起为止；步骤3，对正射影像进行Canny边缘直线及植被提取，利用Canny边缘直线信息及植被掩膜信息，对超像素预分割结果中的单个超像素分割对象进行边缘标记和植被标记；步骤4，寻找当前对象的最相似对象，结合分割尺度参数、植被标记信息和其它约束条件进一步判断该最相似对象是否与当前对象合并，重复迭代直到无可以再继续合并的对象为止，其中前Nit次迭代时跳过边缘标记的超像素寻找最相似对象；步骤5，对结果中一直没有被合并的小面积区域进行优化合并。

【技术特征摘要】
1.一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，其特征在于，包括以下步骤：步骤1，根据所需提取的最大对象面积设置分割尺度参数，对无效区域进行掩膜处理，将输入的正射纠正后影像、高程正射影像、SLIC标签影像的单个像素当成是对象，初始化分割流程；步骤2，进行基于SLIC超像素的预分割；对初始像素对象找到邻接的像素对象，若SLIC标签相同，则进行合并，直到所有标签相同的像素对象都被合并到一起为止；步骤3，对正射影像进行Canny边缘直线及植被提取，利用Canny边缘直线信息及植被掩膜信息，对超像素预分割结果中的单个超像素分割对象进行边缘标记和植被标记；步骤4，寻找当前对象的最相似对象，结合分割尺度参数、植被标记信息和其它约束条件进一步判断该最相似对象是否与当前对象合并，重复迭代直到无可以再继续合并的对象为止，其中前Nit次迭代时跳过边缘标记的超像素寻找最相似对象；步骤5，对结果中一直没有被合并的小面积区域进行优化合并。2.根据权利要求1所述一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，其特征在于：步骤1中，高程正射影像通过如下方式获得，(1)获取原始无人机影像像素大小，生成一张同样大小的虚拟影像，该虚拟影像的数据类型为double型，波段数为1，所有像素的初始值设置为无穷大；(2)根据原始影像的内外方位元素和DTM，计算影像四角对应的实际地面位置，并取得范围的最大值；为确保虚拟影像的边缘都能计算得到高程值，将获取的最大范围进行外扩，得到一个外扩范围；(3)获取该外扩范围内的测区DSM数据，并将DSM格网的三维点按照高程从高到低进行排序，同时记录每个格网点的平面坐标XY；(4)按照从高到低的顺序对每个格网点进行重投影到虚拟影像上，为使得生成的虚拟影像也具有与真实情况一样的相对遮蔽情况，需要在当前格网点的平面位置上，按照一定的高差递减生成一系列三维点，并一一重投影到虚拟影像上，直到高程递减到对应位置的DTM高程值为止，其中，重投影过程利用共线方程计算：上式中，X,Y,Z为三维点坐标，x0,y0,f为原始无人机影像的内方位元素，ai,bi,ci(i＝1,2,3)为外方位方向余弦，XS,YS,ZS为原始无人机影像外方位线元素，x,y为三维点的重投影后的像平面坐标，并根据相机的像素大小将像平面坐标转换到像素坐标；在重投影影像上的同一个像素位置，取所有高程值中的最大值，利用该原始影像的内外方位元素及测区DTM，重新纠正该虚拟影像，得到高程正射影像。3.根据权利要求1所述一种顾及建筑物三维及边缘形状特征的无人机影像分割方法，其特征在于：步骤3中，Canny边缘直线信息的获得方式如下，(1)对正射影像进行Canny边缘直线提取，然后对边缘检测结果进行4连通区域连接，将8连通的像素都连接成4连通；(2)扫描整张Canny边缘检测结果影像，获取边缘像素的互相连接的区域；(...

【专利技术属性】
技术研发人员：孙开敏，李文卓，李鹏飞，白婷，眭海刚，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42