一种城市建筑物高分遥感影像自动提取的方法及装置制造方法及图纸

本申请公开了一种城市建筑物高分遥感影像自动提取的方法及装置，该方法包括：根据原始高分遥感影像分别计算遥感影像的差分形态学结构序列特征以及差分形态学属性序列特征；根据差分形态学结构序列特征和差分形态学属性序列特征构建特征优选模型，并根据特征优选模型对差分形态学结构序列特征和差分形态学属性序列特征进行优选得到优选后的形态学结构优选特征和形态学属性优选特征；根据预设的多源先验信息对优选后的形态学结构优选特征和形态学属性优选特征进行城市建筑物信息自动分割，得到多个城市建筑物的初始信息，将初始信息进行融合得到城市建筑物的最终信息。本申请解决了现有技术中提取出的城市建筑物信息质量较差的技术问题。

【技术实现步骤摘要】
一种城市建筑物高分遥感影像自动提取的方法及装置
本申请涉及城市建筑物高分遥感影像提取
，尤其涉及一种城市建筑物高分遥感影像自动提取的方法及装置。
技术介绍
城市建筑物信息作为城市核心指标要素，在城市基础信息以及城市生态环境研究等方面发挥着重要的作用，随着城市化发展进程的加快及城市智慧化管理的需要，对城市建筑物进行监测成为城市管理的重要环节。随着国产高分遥感卫星事业的快速发展，遥感影像可以为城市提供大范围、精细化和高频次的监测信息，从而成为了城市建筑物监测的主要数据源。目前，对于城市建筑物高分遥感影像提取的方法主要包括两种，一种是根据城市区域的高分遥感形态学建筑物指数提取城市建筑物高分遥感影像，即引入了多尺度和多角度的形态学结构序列特征，有效的从个体上表达城市不同类型建筑物的属性特征，进而根据不同类型建筑物的属性特征进行城市建筑物高分遥感影像提取；另一种根据高分遥感形态学属性序列特征提取城市建筑物高分遥感影像，即根据区域建筑物的属性规则，有效的从整体上表达城市建筑物区域特性，并根据城市建筑物区域特性提取城市建筑物高分遥感影像。但是，本文档来自技高网...

【技术保护点】
1.一种城市建筑物高分遥感影像自动提取的方法，其特征在于，包括：/n根据原始高分遥感影像分别计算遥感影像的差分形态学结构序列特征以及差分形态学属性序列特征；/n根据所述差分形态学结构序列特征和所述差分形态学属性序列特征构建特征优选模型，并根据所述特征优选模型对所述差分形态学结构序列特征和所述差分形态学属性序列特征进行优选得到优选后的形态学结构优选特征和形态学属性优选特征；/n根据预设的多源先验信息对所述优选后的形态学结构优选特征和形态学属性优选特征进行城市建筑物信息自动分割，得到多个城市建筑物的初始信息，将所述初始信息进行融合得到城市建筑物的最终信息。/n

【技术特征摘要】
1.一种城市建筑物高分遥感影像自动提取的方法，其特征在于，包括：
根据原始高分遥感影像分别计算遥感影像的差分形态学结构序列特征以及差分形态学属性序列特征；
根据所述差分形态学结构序列特征和所述差分形态学属性序列特征构建特征优选模型，并根据所述特征优选模型对所述差分形态学结构序列特征和所述差分形态学属性序列特征进行优选得到优选后的形态学结构优选特征和形态学属性优选特征；
根据预设的多源先验信息对所述优选后的形态学结构优选特征和形态学属性优选特征进行城市建筑物信息自动分割，得到多个城市建筑物的初始信息，将所述初始信息进行融合得到城市建筑物的最终信息。


2.如权利要求1所述的方法，其特征在于，根据原始高分遥感影像分别计算遥感影像的差分形态学结构序列特征以及差分形态学属性序列特征，包括：
根据预设的结构体元素对所述原始高分遥感影像分别进行形态学开重建和形态学闭重建得到形态学开重建序列以及形态学闭重建序列，以及根据所述形态学开重建序列以及所述形态学闭重建序列计算得到所述差分形态学结构序列特征；
根据预设的尺度集合以及预设的面积属性分别对所述原始高分遥感影像进行属性开运算以及属性闭运算得到以图斑面积为基准的差分形态学属性开序列特征和差分形态学属性闭序列特征，以及根据所述差分形态学属性开序列特征和所述差分形态学属性闭序列特征计算得到所述差分形态学属性序列特征。


3.如权利要求2所述的方法，其特征在于，根据所述形态学开重建序列以及所述形态学闭重建序列计算得到所述差分形态学结构序列特征，包括：
通过如下公式计算得到所述分形态学结构序列特征：
DMP(x)＝(ΔγR(f)∪ΔφR(f))(X)






其中，DMP(x)表示所述差分形态学结构序列特征；ΔγR(f)表示所述原始高分遥感影像的差分形态学结构体开重建序列特征；ΔφR(f)表示所述原始高分遥感影像的差分形态学结构体闭重建序列特征；表示在序列的位数i时以结构体元素λ对所述原始影像进行形态学开重建得到的差分特征影像结果；表示在序列的位数i时以结构体元素λ对所述原始影像进行形态学闭重建得到差分特征影像结果；和分别表示在序列的位数i时以结构体元素λ对原始影像分别进行形态学开重建和形态学闭重建的特征影像结果；ΠγR(f)和ΠφR(f)分别表示形态学开重建序列和形态学闭重建序列；和表示在序列的位数i时以结构体元素λ对原始影像分别进行形态学开重建和形态学闭重建；f表示输入高分遥感影像；x表示输入高分遥感影像的像素值；λ表示形态学结构体元素；I表示序列的位数；i表示在序列位数I中的取值。


4.如权利要求3所述的方法，其特征在于，根据所述差分形态学属性开序列特征和所述差分形态学属性闭序列特征计算得到所述差分形态学属性序列特征，包括：
通过如下公式计算得到所述差分形态学属性序列特征：















其中，DAP(x)表示所述差分形态学属性序列特征；表示所述差分形态学属性开序列特征；表示所述差分形态学属性闭序列特征；和表示在预设尺度集合中以面积属性对所述原始高分遥感影像进行形态学属性开运算和形态学属性闭运算；A表示预设的面积属性；μ表示预设的形态学属性的尺度集合；Thk(f)表示获取以灰度级k为阈值的影像f的二值图像；k表示影像f的灰度级；Γm()和Φn()分别表示m和n在取Thk(f)二值图像的特征图；和分别表示在尺度集合μ时以面积属性A属性开运算和属性闭运算。


5.如权利要求4所述的方法，其特征在于，根据所述特征优选模型对所述差分形态学结构序列特征和所述差分形态学属性序列特征进行优选得到优选后的形态学结构优选特征和形态学属性优选特征，包括：
通过如下公式对所述差分形态学结构序列特征和所述差分形态学属性序列特征进行优选得到优选后的形态学结构优选特征和形态学属性优选特征：






其中，DMPopt(x)表示所述优选后的...

【专利技术属性】
技术研发人员：李治，傅俏燕，郑琎琎，李晓进，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：北京;11