【技术实现步骤摘要】
高分遥感图像平顶建筑快速精准识别方法
[0001]本申请涉及一种高分遥感图像平顶建筑识别方法,特别涉及一种高分遥感图像平顶建筑快速精准识别方法,属于遥感图像建筑识别
技术介绍
[0002]在遥感图像中,城市80%以上的人工目标物为建筑物和道路,建成区作为人类活动的主要场所,建筑物的识别具有极其重要的作用,在导航、城市规划、灾情分析和判定、灾害管理、不动产估计、公共服务、人口密度估计以及其他领域都有相关应用。另一方面,建筑物作为地物类别中的主要内容,建筑物的识别直接影响到地物识别的自动化水平。由于建筑物具有明显的定位特征,所以识别和精确定位建筑物为特征识别,特征匹配,图像理解,制图和作为其他目标的参照体有重要的意义。
[0003]建筑物也是GIS数据库中增加和更新速度较快的地物,而更新的工作量巨大,基本上都依赖于手工识别。遥感图像中建筑物的识别准确率的高低对于图像制图,地理信息系统的数据获取和更新需求,同时考虑到遥感图像中地物的多样复杂,识别高分辨率遥感图像中的建筑物是遥感图像目标识别中的重要的工作之一。
[0004]一般里氏五级以上的强级地震会引起抗震强度不高的建筑部分倒塌和损毁,频繁的强级地震给减灾和灾后应急、救援等带来了很大挑战,针对地震灾害频发、幅员辽阔、农村建筑分布广泛、人口居住分散,建筑识别和建筑损毁识别都是灾后应急处理、灾情评估的重要事项,因此遥感图像建筑识别具有重大研发意义和巨大的实用价值。
[0005]地震后建筑的倒塌和地震烈度直接相关,对于建筑抗震强度不高、简易建筑 ...
【技术保护点】
【技术特征摘要】
1.高分遥感图像平顶建筑快速精准识别方法,其特征在于,基于平顶建筑单点识别和图像逐步分割方法,利用高分辨率遥感图像进行平顶建筑的自动识别方法,采用去除绿植、多层级尺度分割、均量聚类分割、特征矩形识别、结构圆形态开处理识别出图像中疑似建筑的中心点,再利用平顶建筑单点识别,完成平顶建筑的识别,最终获得识别建筑的面矢量图,实现平顶建筑自动化识别;平顶建筑精准识别框架:首先对经过去除绿植或未经过去除绿植的输入图像进行多层级尺度分割,设置分割尺度、光谱异质度赋分和形状异质度赋分,将图像中多层级尺度分割后的分割对象根据色彩特征求取均量,并采用色彩距离近似度标准对分割后不同的区域进行合并,得到原始图像分割后的各目标的色彩均量图像,以多层级尺度分割后求取的色彩均量图像为输入图像,进行基于欧氏距离的均量色彩聚类分割,将均量聚类分割后的五个聚类簇的图像分别二值化,对每个聚类簇内的二值化图像分别利用矩形度、长宽比、面积进行矩形区域过滤和识别,对经过特征矩形识别后的二值图进行结构圆形态开处理剔除碎小的疑似建筑目标物,对每一幅二值图像中的疑似建筑目标的连通区域进行标注,按照标注求取疑似建筑目标的中心点,将这些中心点作为建筑单点识别的种子点,对识别出的疑似建筑目标进行识别,最终得到平顶建筑精准识别到的建筑面矢量,完成平顶建筑精准识别的整个过程。2.根据权利要求1所述高分遥感图像平顶建筑快速精准识别方法,其特征在于,平顶建筑单点识别:针对平顶房屋的矩形建筑以及矩形组合建筑进行人机交互的自动识别,采用人机交互设置种子点、区域生长、LSD直线检测和剔除、矩形主方向确定、最小外接矩形拟合优化操作来识别出单个平顶建筑屋顶的面矢量,识别出图像中的建筑矢量图。3.根据权利要求1所述高分遥感图像平顶建筑快速精准识别方法,其特征在于,去除绿植:提出多光谱和可见光图像平顶识别去除绿植法,具体包括:第一步:求出输入图像的NDVJ绿植指数图像;第二步:设置临界域对绿植指数图像进行二值化处理;第三步:对二值化后的绿植指数图像取反,得到非绿植区域标注图像;第四步:将得到的非绿植区域标注图像和原图做点乘运算得到原始图像中的非绿植区域,图像点乘按式1运算:A和B都为m
×
n的矩阵,分别代表非绿植区域标注图像和原图。4.根据权利要求1所述高分遥感图像平顶建筑快速精准识别方法,其特征在于,多层级尺度分割:从图像逐步分割开始只利用红、绿、蓝三个可见光波段信息,采用多层级尺度分割作为逐步分割进行建筑提取的第一步分割,光谱的异质性L通过四个变量计算获得,分别为光谱要素因子h
color
,形状要素因子h
shope
,光谱异质性b
color
,形状异质性b
shape
,其中的关系如式2所示:
其中形状异质性b
shape
由紧密度因子h
compact
和平滑度因子h
smooth
两个因子组成;b
shape
=h
compact
×
d
compact
+h
smooth
×
(1
‑
d
compact
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式3d
compact
是用户白定义的光谱权重值,取值范围0≤d
compact
≤1;光谱异质性b
color
取决于影像中对象的数量大小:m
merge
代表结合对象的像素值,w指的是影像层,d
w
指的是影像在k层的权值,结合光谱的标准差,m
ob1
指图像1在合并前的像素数量,是图像1在合并之前的光谱标准差,m
ob2
指图像2在合并前的像素数量,是图像2在合并之前的光谱标准差;对任何给定的尺度进行与先验知识无关的初始图像分割并进行对象识别,将光谱因子与形状因子相结合,分割尺度、光谱异质度和形状异质度三个参数直接影响分割结果,分割尺度数值越小,出现过分割现象,分割尺度数值越大,存在欠分割现象,同时形状因子和紧密度因子的取值都不宜过大,对于建筑房屋这类目标物尺度参数在65至95之间,形状因子和紧密度因子参数取值在0.45至0.55之间分割效果好,分割过程中的第一步就要识别图像对象原型,同时生成的图像对象也是图像对象原型,所以多尺度的图像对象分割结果作为信息载体和原料用于进一步的分类和其他分割过程,将图像中分割后的目标根据色彩特征求取均量,并采用色彩距离近似标准对分割后不同的区域进行合并,得到原始图像分割后的各目标的色彩均量图像,作为下一步进行均量聚类分割的初始图像。5.根据权利要求1所述高分遥感图像平顶建...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。