多边形语义匹配检测高分辨率正射影像阴影方法技术

本发明专利技术公开一种多边形语义匹配检测高分辨率正射影像阴影方法。首先根据数字建筑模型DBM和影像拍摄瞬间的太阳高度角、方位角生成人工阴影多边形；接着描述多边形的特征和邻近多边形的语义特征，并将其作为衡量匹配相似性的指标；然后对两幅影像进行第一级阴影匹配，根据邻近平均距离搜索得到每个人工阴影多边形对应的待匹配集合，通过计算每个待匹配对的相似值，筛选出候选匹配对及其对应的初始概率值；最后采用第二级阴影匹配对候选匹配集进行邻域迭代匹配，以邻近匹配对的支持系数计算出的最大概率值作为语义迭代匹配的标准确定最终的匹配对，检测出影像中建筑物阴影。本发明专利技术能有效解决阴影检测精度不高以及相似地物难以区分的阴影检测问题。

【技术实现步骤摘要】
多边形语义匹配检测高分辨率正射影像阴影方法
本专利技术涉及图像处理
，特别是涉及一种高分辨率正射影像建筑物阴影检测方法。技术背景高分辨率航空影像中阴影的存在严重影响了影像的质量，主要包括：①改变了影像中地物的光谱特性，使其在影像分析过程中产生差别；②使影像中阴影覆盖区域的地物信息发生改变，影响后期影像处理的效率；③在正射纠正的过程中，影像中存在的阴影也会随着建筑物的纠正发生不同程度的位移变化，但此时阴影区发生的位移变化并没有将影像中的阴影区纠正到正确的位置。因此，对高分辨率正射影像中的阴影进行检测成为正射影像提高质量及精度的必要环节。基于模型的阴影检测方法能够准确提取建筑物与阴影之间的数学关系，并且使用起来相对简单。基于模型的阴影检测方法在高分辨率航空影像的阴影检测中得到了较为广泛的应用，但该类方法仍存在以下不足：(1)基于模型的阴影检测方法依赖先验知识如数字表面模型DSM、传感器等参数、光照条件等信息，先验信息的缺乏限制了该类方法的广泛应用。(2)基于模型的阴影检测算法不能兼顾实用性、准确性和复杂性。(3)大部分研究方法是从遥感影像中提取阴影，但对高分辨率正射影像中阴影检测的研究却很少。目前大多数方法只适用于简单建筑物的阴影检测，还没有有效的方法来准确检测出影像中复杂建筑物的阴影区域。针对以上问题，本专利技术利用数字建筑模型(DigitalBuildingModel,DBM)与原始航空影像确定航片拍摄瞬间的太阳高度角、太阳方位角创建人工阴影多边形，进而通过对高分辨率正射影像和人工阴影影像进行多边形语义匹配，实现对高分辨率正射影像中的阴影进行检测。
技术实现思路
本研究提出了一种多边形语义匹配检测高分辨率正射影像阴影的方法，解决了目前高分辨率正射影像阴影检测中误检、漏检以及复杂建筑物阴影检测精度不高等问题。为了实现上述技术目的，本专利技术的技术方案为：多边形语义匹配检测高分辨率正射影像阴影，具体步骤为：1、根据数字建筑模型DBM和高分辨率航空影像拍摄瞬间的太阳高度角、方位角生成人工阴影多边形。首先手动确定阴影关系，即一个建筑物阴影的长度和方向与三维建筑物模型的关系。图1描述了基于DBM数据的人工阴影生成的原理。其中，Bldg为建筑物的DBM模型，h为建筑物高度，多边形A′B′C′EFG为生成的人工阴影多边形，L为阴影的长度。通过手动测量出阴影多边形ASP的方向(β)计算出建筑物Bldg屋顶拐点对应的地理坐标。以建筑物Bldg屋顶拐点A(xA，yA)为例，该点对应的人工阴影多边形拐点A′的坐标为(xA′，yA′)。根据上述相同方法确定出人工阴影多边形拐点A′(xA′，yA′)、B′(xB′，yB′)、C′(xC′，yC′)的坐标。而多边形A′B′C′EFG中的拐点E(xE，yE)、F(xF，yF)、G(xG，yG)坐标为建筑物Bldg的地面拐点坐标，进而建筑物对应的阴影多边形的拐点坐标被完全确定。该方法生成的阴影多边形被称作人工阴影多边形(ArtificialShadowPolygon，ASP)。2、提取阴影特征，包括阴影多边形的特征和邻近阴影多边形的语义特征。(1)阴影多边形的特征主要通过四种特征进行描述，即：①位置相似度(C1)是通过两个多边形重心之间的距离比例；②方向相似度(C2)是通过两个阴影多边形的最小面积外接矩形的方向夹角来衡量；③形状相似度(C3)是通过计算两个阴影多边形的多级弦长差值来描述；④面积相似度(C4)是通过两个阴影多边形重叠区域的面积的比例。(2)邻近阴影多边形的语义特征是对阴影多边形的4种特征进行改进，分别为：①邻近多边形位置相似度(r1)是通过计算两个多边形的邻近距离的比值来描述；②邻近多边形方向相似度(r2)是通过计算两个邻近多边形外接矩形的相对方向的比例来描述；③邻近多边形面积相似度(r3)是通过计算两个邻近多边形面积的比值来衡量；④邻近多边形形状相似度(r4)是通过计算两个邻近多边形的形状特征的比例来描述。3、对两幅影像进行第一级阴影匹配，根据邻近平均距离搜索得到每个人工阴影多边形对应的待匹配集合，通过计算每个待匹配对的相似值，筛选出候选匹配对及其对应的初始概率值(1)阴影多边形搜索空间确定对人工影像中所有的人工阴影多边形重心构建Delaunay三角网，计算人工阴影多边形si的邻近距离的平均值作为搜索半径，记为然后以多边形si的重心为圆心，为圆半径，确定该搜索范围内的待匹配多边形。(2)阴影多边形相似度衡量指标对阴影多边形的特征(位置相似性C1、方向相似性C2、形状相似性C3、面积相似性C4)进行加权。对比分析四种特征，其重要性依次为：C1>C4>C2>C3，根据层次分析法计算出各相似评价指标权重大小，进而计算出多边形的相似系数ρ(si，tj)。(3)阴影多边形初始匹配对每个人工阴影多边形和对应的待匹配多边形匹配的概率值进行估算，即把每个待匹配对相关系数相加，除以所有待匹配对的相关系数和，作为初始概率剔除不满足概率阈值的待匹配多边形，并将满足条件的待匹配阴影多边形作为候选集合，记为4、采用第二级阴影匹配，对候选匹配集进行邻域迭代匹配，以邻近匹配对的支持系数计算出的最大概率值作为语义迭代匹配的标准，确定最终的匹配对，检测出正射影像中建筑物阴影。(1)邻近多个多边形关系描述通过计算人工阴影多边形间的重心距离，对比距离值确定每个人工阴影多边形si的邻近多边形sh1和sh2，同时确定两个邻近多边形对应的候选匹配对集合。(2)邻近多个多边形相似度衡量指标根据四种邻近特征相似相似性计算出邻近多边形的相关系数r(si|tj；sh，tk)。通过分析阴影多边形的特征，将建筑阴影多边形分为三种类型：①简单的阴影多边形包含单个建筑的阴影多边形，直接投影在地面上；②中等复杂的阴影多边形包含单个建筑的阴影多边形，并投影到其他建筑上；③复杂的阴影多边形是由多个建筑阴影多边形组成的。进而，确定四种邻近特征的重要性依次为：r1＞r2＞r3＞r4，根据层次分析法计算出不同类型建筑物阴影之间的特征权重。(3)邻近多个多边形匹配对候选匹配对(sj，tj)的初始匹配概率p(si，tj))和邻近多边形的相关系数r(si|tj；sh，tk)进行叠加计算，确定多边形si的支持系数ρ(si|tj；sh，tk)。然后，对人工阴影多边形sh对应的候选匹配对集合A′sh′逐一进行遍历，计算人工阴影多边形si的邻域支持系数qij。最后，通过综合阴影多边形匹配对(si，tj)的初始概率值与邻域支持系数对候选匹配对(si，tj)的概率值重新计算。根据多个邻近候选匹配多边形对匹配概率进行迭代更新。当两次迭代过程中每个候选匹配对的匹配概率变化量小于Δpstop，停止迭代。根据最终的概率矩阵确定矩阵中每一行和每一列的匹配概率值最大的候选匹配对，作为最终的匹配结果，完成第二级阴影匹配，进而实现阴影检测。本专利技术提出的多边形语义匹本文档来自技高网...

【技术保护点】
1.多边形语义匹配检测高分辨率正射影像阴影方法，其具体步骤如下：/n步骤1)根据数字建筑模型DBM和高分辨率航空影像拍摄瞬间的太阳高度角、方位角生成人工阴影多边形；/n步骤2)从人工阴影多边形中提取阴影特征，包括阴影多边形的特征和邻近阴影多边形的语义特征；/n步骤3)根据阴影多边形的搜索半径确定该搜索范围内阴影多边形的待匹配多边形；/n步骤4)计算阴影多边形特征的权重值和阴影多边形的相似系数；/n步骤5)计算初始概率值筛选出待匹配多边形中的候选匹配多边形，完成第一级阴影匹配；/n步骤6)确定每个人工阴影多边形的邻近多边形和对应的候选匹配对集合；/n步骤7)确定邻近阴影多边形的语义特征权重值的大小，计算邻近多边形的相关系数；/n步骤8)对邻近多个多边形进行邻域迭代匹配，当两次迭代过程中每个候选匹配对的匹配概率变化量小于设定值时，停止迭代；根据最终的概率矩阵确定矩阵中每一行和每一列的匹配概率值最大的候选匹配对，作为最终的匹配结果，完成第二级阴影匹配，进而实现阴影检测。/n

【技术特征摘要】
1.多边形语义匹配检测高分辨率正射影像阴影方法，其具体步骤如下：
步骤1)根据数字建筑模型DBM和高分辨率航空影像拍摄瞬间的太阳高度角、方位角生成人工阴影多边形；
步骤2)从人工阴影多边形中提取阴影特征，包括阴影多边形的特征和邻近阴影多边形的语义特征；
步骤3)根据阴影多边形的搜索半径确定该搜索范围内阴影多边形的待匹配多边形；
步骤4)计算阴影多边形特征的权重值和阴影多边形的相似系数；
步骤5)计算初始概率值筛选出待匹配多边形中的候选匹配多边形，完成第一级阴影匹配；
步骤6)确定每个人工阴影多边形的邻近多边形和对应的候选匹配对集合；
步骤7)确定邻近阴影多边形的语义特征权重值的大小，计算邻近多边形的相关系数；
步骤8)对邻近多个多边形进行邻域迭代匹配，当两次迭代过程中每个候选匹配对的匹配概率变化量小于设定值时，停止迭代；根据最终的概率矩阵确定矩阵中每一行和每一列的匹配概率值最大的候选匹配对，作为最终的匹配结果，完成第二级阴影匹配，进而实现阴影检测。


2.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤2)所述的阴影多边形的特征和邻近阴影多边形的语义特征：
阴影多边形的特征通过阴影多边形位置相似度、阴影多边面积相似度、阴影多边方向相似度和阴影多边形状相似度；邻近阴影多边形的语义特征包括邻近多边形位置相似度、邻近多边形面积相似度、邻近多边形方向相似度和邻近多边形形状相似度。


3.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤3)阴影多边形的搜索半径：
阴影多边形的搜索半径主要是根据人工阴影多边形重心构建Delaunay三角网计算人工阴影多边形的邻近距离...

【专利技术属性】
技术研发人员：周国清，张雯茜，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：广西;45