遥感影像中城市功能区的分割方法及装置制造方法及图纸

本发明专利技术实施例提供一种遥感影像中城市功能区的分割方法及装置，所述方法包括：获取任意两个相邻对象之间的异质性增加量；根据异质性增加量和自适应分割尺度，对目标遥感影像中的所有对象进行迭代合并，获取目标遥感影像中的城市功能区，其中，自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度。本发明专利技术实施例提供的遥感影像中城市功能区的分割方法及装置，基于遥感影像中像素的上下文特征，采用自适应分割尺度对遥感影像中的对象进行迭代合并，得到城市功能区，能够自动、快速的从遥感影像中产生满足各种应用需求的多尺度的功能区分割结果，并且分割出来的城市功能区的精度更高。

Segmentation Method and Device of Urban Functional Areas in Remote Sensing Images

【技术实现步骤摘要】
遥感影像中城市功能区的分割方法及装置
本专利技术实施例涉及图像处理
，尤其涉及一种遥感影像中城市功能区的分割方法及装置。
技术介绍
城市社会经济活动在空间上表现出很强的聚集模式，从而产生了各种城市功能区，以适应人们对生活、工作、教育、娱乐和公共服务等的不同需求。城市功能区作为实现城市经济和社会功能的重要空间载体，通常被用作城市规划和管理的基本单元。由于城市功能区在遥感影像中通常具有任意的形状和大小，并且在视觉特征上具有较大的异质性，因此通过高分辨率遥感影像进行功能区自动分割较为困难。现有技术中，城市功能区分析方法主要依赖于瓦片影像和道路分割结果。瓦片影像虽然使用简单，但不能代表任意形状和大小的功能区。随着可用的城市道路数据越来越丰富，现在较多的研究使用道路矢量将高分辨率遥感影像分割为不同的功能区。然而，现实情况中，功能区并不一定都被道路分开，此外道路矢量数据的完整性和质量对功能区的分割精度有很大影响。而广泛使用的影像分割方法包括对象分割和语义分割，然而对象分割是为了获得建筑物、道路等均质的影像对象，而不是像功能区一样的非均质的影像斑块。语义分割实际上是一种逐像素的影像分类方法，可以获得比对象分割更精确、更完整的地理对象。然而，无论是对象分割还是语义分割，目的都是获得具有一致视觉特征(光谱、纹理和形状)的均质对象，而功能区是影像上具有较大异质性的斑块，是由具有不同视觉特征的不同地理对象组成，这两种分割方法都不能分割出城市功能区。可见，利用现有技术中的城市功能区分析方法，得到的城市功能区分割结果精度低。对象分割或者语义分割主要针对地理对象的分割，采用这两种分割方法都不能分割出城市功能区。
技术实现思路
本专利技术实施例的目的是提供一种克服上述问题或者至少部分地解决上述问题的遥感影像中城市功能区的分割方法及装置。为了解决上述技术问题，一方面，本专利技术实施例提供一种遥感影像中城市功能区的分割方法，包括：获取目标遥感影像中任意两个相邻对象之间的异质性增加量，所述异质性增加量用于表示两个对象合并前后异质性的变化；根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，获取所述目标遥感影像中的城市功能区，其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，所述上下文特征用于表示像素与其他不同类别的像素之间的空间关系。另一方面，本专利技术实施例提供一种遥感影像中城市功能区的分割装置，包括：获取模块，用于获取目标遥感影像中任意两个相邻对象之间的异质性增加量，所述异质性增加量用于表示两个对象合并前后异质性的变化；分割模块，用于根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，获取所述目标遥感影像中的城市功能区，其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，所述上下文特征用于表示像素与其他不同类别的像素之间的空间关系。再一方面，本专利技术实施例提供一种电子设备，包括：存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。又一方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述的方法。本专利技术实施例提供的遥感影像中城市功能区的分割方法及装置，基于遥感影像中像素的上下文特征，采用自适应分割尺度对遥感影像中的对象进行迭代合并，得到城市功能区，能够自动、快速的从遥感影像中产生满足各种应用需求的多尺度的功能区分割结果，并且分割出来的城市功能区的精度更高。附图说明图1为本专利技术实施例提供的遥感影像中城市功能区的分割方法示意图；图2为本专利技术实施例提供的遥感影像中城市功能区的分割装置示意图；图3为本专利技术实施例提供的电子设备的结构示意图。具体实施方式为了使本专利技术实施例的目的、技术方案和优点更加清楚，下面将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，都属于本专利技术保护的范围。图1为本专利技术实施例提供的遥感影像中城市功能区的分割方法示意图，如图1所示，本专利技术实施例提供一种遥感影像中城市功能区的分割方法，该方法包括：步骤S101、获取目标遥感影像中任意两个相邻对象之间的异质性增加量，所述异质性增加量用于表示两个对象合并前后异质性的变化；步骤S102、根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，获取所述目标遥感影像中的城市功能区，其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，所述上下文特征用于表示像素与其他不同类别的像素之间的空间关系。具体来说，对原始目标遥感影像进行对象分割后，得到多个影像分割对象(简称“对象”)，一个对象在遥感影像中相当于该遥感影像的一个子区域，被分割出来的多个对象相互相邻，共同组成了完整的遥感影像，任意一个对象周围都至少存在一个其他对象与其相邻。首先，获取目标遥感影像中任意两个相邻对象之间的异质性增加量，该异质性增加量用于表示两个相邻对象合并前后异质性的变化。该异质性增加量包括上下文特征异质性增加量和形状异质性增加量。(1)上下文特征异质性增加量两相邻对象的上下文特征标准差和面积分别定义为σ1，i，σ2，i，n1，n2，合并后对象的上下文特征标准差和面积分别定义为σmerg，i，nm，则上下文特征异质性增加量可用如下公式表示：其中，i指的是第i维特征，wi指的是第i维特征的权重。(2)形状异质性增加量形状异质性包括光滑度和紧凑度，分别定义为其中，l为对象的周长，b为对象最小外接矩形的周长，n为对象面积。光滑度可用如下公式表示：紧凑度可用如下公式表示：则形状异质性增加量可用如下公式表示：hshape＝wsmooth×hsmooth+(1-wsmooth)×hcom其中，wsmooth为光滑度的权重。获取遥感影像中任意两个相邻对象之间的异质性增加量之后，根据异质性增加量和自适应分割尺度，对目标遥感影像中的所有对象进行迭代合并，获取目标遥感影像中的城市功能区。其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，上下文特征用于表示像素与其他不同类别的像素之间的空间关系。对目标遥感影像中的所有对象进行迭代合并时，在一次迭代过程中，按照对象的顺序，依次遍历目标遥感影像中的每一对象。针对目标对象，首先获取与该目标对象之间的异质性增加量最小的相邻对象，作为该目标对象的合并对象，该目标对象和其合并对象，构成一对待合并的对象。例如，对原始遥感影像进行对象分割后，得到A、B、本文档来自技高网...

【技术保护点】
1.一种遥感影像中城市功能区的分割方法，其特征在于，包括：获取目标遥感影像中任意两个相邻对象之间的异质性增加量，所述异质性增加量用于表示两个对象合并前后异质性的变化；根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，获取所述目标遥感影像中的城市功能区，其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，所述上下文特征用于表示像素与其他不同类别的像素之间的空间关系。

【技术特征摘要】
1.一种遥感影像中城市功能区的分割方法，其特征在于，包括：获取目标遥感影像中任意两个相邻对象之间的异质性增加量，所述异质性增加量用于表示两个对象合并前后异质性的变化；根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，获取所述目标遥感影像中的城市功能区，其中，在一次迭代过程中包括若干次合并，当前合并过程中的自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度，所述上下文特征用于表示像素与其他不同类别的像素之间的空间关系。2.根据权利要求1所述的方法，其特征在于，所述根据所述异质性增加量和自适应分割尺度，对所述目标遥感影像中的所有对象进行迭代合并，具体包括：在一次迭代过程中，所述目标遥感影像中的每一对象，获取与第一对象之间的异质性增加量最小的相邻对象，作为第一合并对象，所述第一对象和所述第一合并对象构成第一对待合并的对象；若判断获知第一最小异质性增加量小于第一自适应分割尺度，则将所述第一对象和所述第一合并对象合并，所述第一最小异质性增加量为所述第一对象和所述第一合并对象之间的异质性增加量，所述第一自适应分割尺度是根据所述第一对待合并的对象所包含的像素的上下文特征，按照所述预设自适应算法模型计算得到的分割尺度；若判断获知所述第一最小异质性增加量大于等于所述第一自适应分割尺度，则不对所述第一对象和所述第一合并对象处理；获取与第二对象之间的异质性增加量最小的相邻对象，作为第二合并对象，所述第二对象和所述第二合并对象构成第二对待合并的对象；若判断获知第二最小异质性增加量小于第二自适应分割尺度，则将所述第二对象和所述第二合并对象合并，所述第二最小异质性增加量为所述第二对象和所述第二合并对象之间的异质性增加量，所述第二自适应分割尺度是根据所述第二对待合并的对象所包含的像素的上下文特征，按照所述预设自适应算法模型计算得到的分割尺度；若判断获知所述第二最小异质性增加量大于等于所述第二自适应分割尺度，则不对所述第二对象和所述第二合并对象处理；直到遍历完所述目标遥感影像中的所有对象，再进行下一次迭代。3.根据权利要求1所述的方法，其特征在于，所述预设自适应算法模型具体为：其中，S为目标自适应分割尺度，Sset为初始分割尺度，di为目标对象所包含的像素的上下文特征的平均值，dj为目标合并对象所包含的像素的上下文特征的平均值，所述目标合并对象是与所述目标对象之间的异质性增加量最小的相邻对象，所...

【专利技术属性】
技术研发人员：杜世宏，杜守基，张修远，刘波，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11