基于场景与像元信息的遥感图像城镇提取方法及装置制造方法及图纸

本发明专利技术公开了一种基于场景与像元信息的遥感图像城镇提取方法及装置。包括：对待处理遥感图像进行格网划分生成多个格网图像；将格网图像输入至目标场景分类网络模型得到格网分类图像；对格网分类图像执行边缘提取操作，对为边缘的格网分类图像进行标记；将标记的格网分类图像输入至目标像元分类网络模型，获取像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像；针对城镇类别的未被标记的格网图像，在城镇提取结果图像中相对应区域赋值为1；针对非城镇类别的格网图像，在城镇提取结果图像中相对应区域赋值为0；对城镇提取结果图像进行空洞填充后处理得到城镇提取二值图。本发明专利技术达到了城镇范围提取的完整性、城镇边界提取的准确性。

【技术实现步骤摘要】
基于场景与像元信息的遥感图像城镇提取方法及装置
本专利技术涉及卫星遥感图像处理
，特别是一种基于场景与像元信息的遥感图像城镇提取方法及装置。
技术介绍
城镇群是经济全球化的新形势下生产要素在空间上重新分配和转移的主要发生地，是产业空间整合的产物，在国家和区域的经济发展中占据着核心地位。在新环境下，区域和国家间经济发展的竞争需要城市群内各个城市和各个产业根据其所扮演的职能进行密切的合作与互动。对于城镇群科学合理的定义和理解有利于监测、管理并促进城市群内各个城市之间的协调发展。传统城市地理研究中，城市群的定义和界定主要依赖于社会经济统计数据。这些方法对于统计数据各个指标的完备性和准确性具有较高的要求，且无法直观反映城镇群内部城市之间空间关系，城镇群空间形态和空间模式。遥感技术的引入为获取城镇和城镇群空间信息提供了一个新的途径。已有的基于遥感的城市和城市群研究证明了遥感技术在获取和分析城镇空间信息方面具有极大的优势。遥感图像城镇识别通常采用现有的土地覆盖/土地利用分类的方法进行，分类同样属于模式识别的范畴，其分类方法的研究主要集中于城镇地物目标的特征提取和分类器的设计与选择。基于遥感图像的城镇提取需要得到城镇分布的边界范围，而城镇内部通常包含多种不同的地表覆盖类型，呈现为多地类的复合体，同时城镇分布范围之外也会零星出现一些人工建筑设施等不透水层类型。在这种情况下，传统的基于像元的分类方法能够较为准确地提取出城镇分布的边界范围，但是通常情况下只能提取出城镇中的道路、居民地等不透水层，无法一次性将城镇范围内部的湖泊、河流、植被等其他地类全部提取出来，同时还会将城镇范围之外的一些零散分布人工建筑设施错误地提取为城镇区域，导致城镇提取结果较为零碎，缺少完整性。另一方面，基于场景的分类方法能够根据城镇的空间分布特点，以网格的方式从整体性上提取城镇区域的总体范围，但是对于城镇边界的处理并不理想，多呈现出锯齿现象。为了提高城镇范围提取的完整性以及城镇边界提取的准确性，单独考虑上述任意一种方法都无法很好地满足目前遥感图像城镇提取的应用需求。
技术实现思路
本专利技术解决的技术问题是：克服现有技术的不足，提供了一种基于场景与像元信息的遥感图像城镇提取方法及装置。为了解决上述技术问题，本专利技术实施例提供了一种基于像元信息的遥感图像城镇提取方法，包括：对获取的待处理遥感图像进行格网划分，生成所述待处理遥感图像对应的多个格网图像；将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像；对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记；将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像；针对被所述目标场景分类网络模型判定为城镇类别的未被标记的格网图像，在所述城镇提取结果图像中相对应区域赋值为1；针对被所述目标场景分类网络模型判定为非城镇类别的格网图像，在所述城镇提取结果图像中相对应区域赋值为0；对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图。可选地，在所述将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像之前，还包括：获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；对所述第一裁剪图像和所述第二裁剪图像分别进行城镇场景类别和非城镇场景类别的标注，分别生成所述第一裁剪图像对应的第一标注图像和所述第二裁剪图像对应的第二标注图像；基于所述第一标注图像和所述第二标注图像对初始场景分类网络模型进行训练，得到所述目标场景分类网络模型。可选地，在所述将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的提取结果之前，还包括：获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；对所述第一裁剪图像和所述第二裁剪图像中的每个像元进行城镇类别和非城镇类别的标注，分别生成所述第一裁剪图像对应的第一像元标注图像和所述第二裁剪图像对应的第二像元标注图像；基于所述第一像元标注图像和所述第二像元标注图像中的城镇类别的像元标注图像对初始像元分类网络模型进行训练，得到所述目标像元分类网络模型。可选地，所述对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记，包括：基于图像边缘检测算法对所述格网分类图像进行边缘进行边缘提取，将识别为边缘的格网图像标记为E，非边缘的格网图像不进行标记。可选地，所述将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像，包括：建立一个与所述待处理遥感图像的尺寸相同的空白图像，以存储所述城镇提取结果图像；对所述格网分类图像中每一个所述格网分类图像进行条件判断；若所述格网分类图像为城镇类别且被标记为E，则将其输入到所述目标像元分类网络模型预测其像元分类结果，将该像元分类结果图像赋值给所述空白图像中的相同区域；若所述格网分类图像为城镇类别的图像且未被标记，在所述空白图像中的相同区域的像元全部赋值为1；若所述格网分类图像为非城镇类别，在所述空白图像中的相同区域的像元全部赋值为0，最终所述城镇提取结果图像，所述城镇提取结果图像为0-1二值图像。可选地，所述对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图，包括：利用形态学运算中空洞填充算法对所述城镇拼接图像进行后处理，填补位于城镇内部且像元值为0像元，得到城镇提取二值图像。为了解决上述技术问题，本专利技术实施例还提供了一种基于场景与像元信息的遥感图像城镇提取装置，包括：格网图像生成模块，用于对获取的待处理遥感图像进行格网划分，生成所述待处理遥感图像对应的多个格网图像；分类图像获取模块，用于将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像；分类图像标记模块，用于对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记；提取结果图像获取模块，用于将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述本文档来自技高网...

【技术保护点】
1.一种基于场景与像元信息的遥感图像城镇提取方法，其特征在于，包括：/n对获取的待处理遥感图像进行格网划分，生成所述待处理遥感图像对应的多个格网图像；/n将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像；/n对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记；/n将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像；/n针对被所述目标场景分类网络模型判定为城镇类别的未被标记的格网图像，在所述城镇提取结果图像中相对应区域赋值为1；/n针对被所述目标场景分类网络模型判定为非城镇类别的格网图像，在所述城镇提取结果图像中相对应区域赋值为0；/n对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图。/n

【技术特征摘要】
1.一种基于场景与像元信息的遥感图像城镇提取方法，其特征在于，包括：
对获取的待处理遥感图像进行格网划分，生成所述待处理遥感图像对应的多个格网图像；
将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像；
对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记；
将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像；
针对被所述目标场景分类网络模型判定为城镇类别的未被标记的格网图像，在所述城镇提取结果图像中相对应区域赋值为1；
针对被所述目标场景分类网络模型判定为非城镇类别的格网图像，在所述城镇提取结果图像中相对应区域赋值为0；
对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图。


2.根据权利要求1所述的方法，其特征在于，在所述将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像之前，还包括：
获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；
对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；
对所述第一裁剪图像和所述第二裁剪图像分别进行城镇场景类别和非城镇场景类别的标注，分别生成所述第一裁剪图像对应的第一标注图像和所述第二裁剪图像对应的第二标注图像；
基于所述第一标注图像和所述第二标注图像对初始场景分类网络模型进行训练，得到所述目标场景分类网络模型。


3.根据权利要求1所述的方法，其特征在于，在所述将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的提取结果之前，还包括：
获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；
对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；
对所述第一裁剪图像和所述第二裁剪图像中的每个像元进行城镇类别和非城镇类别的标注，分别生成所述第一裁剪图像对应的第一像元标注图像和所述第二裁剪图像对应的第二像元标注图像；
基于所述第一像元标注图像和所述第二像元标注图像中的城镇类别的像元标注图像对初始像元分类网络模型进行训练，得到所述目标像元分类网络模型。


4.根据权利要求1所述的方法，其特征在于，所述对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记，包括：
基于图像边缘检测算法对所述格网分类图像进行边缘提取，将识别为边缘的格网图像标记为E，非边缘的格网图像不进行标记。


5.根据权利要求4所述的方法，其特征在于，所述将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像，包括：
建立一个与所述待处理遥感图像的尺寸相同的空白图像，以存储所述城镇提取结果图像；
对所述格网分类图像中每一个所述格网分类图像进行条件判断；
若所述格网分类图像为城镇类别且被标记为E，则将其输入到所述目标像元分类网络模型预测其像元分类结果，将该像元分类结果图像赋值给所述空白图像中的相同区域；
若所述格网分类图像为城镇类别的图像且未被标记，在所述空白图像中的相同区域的像元全部赋值为1；
若所述格网分类图像为非城镇类别，在所述空白图像中的相同区域的像元全部赋值为0，最终所述城镇提取结果图像，所述城镇提取结果图像为0-1二值图像。


6.根据权利要求1所述的方法，其特征在于，所述对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图，包括：
利用形态学运算中空洞填充算法对所述城镇拼接图像进行后处理，填补位于城镇内部且像元值为0像元，得到城镇提取二值图像。<...

【专利技术属性】
技术研发人员：赵理君，张伟，唐娉，张正，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11