一种自然保护区内建筑物识别方法及系统技术方案

本发明专利技术涉及一种自然保护区内建筑物识别方法及系统，所述方法包括：对目标区域的卫星影像进行预处理，得到预处理后的多光谱数据；根据所述预处理后的多光谱数据计算光谱指数；基于所述卫星影像、典型波段特征和典型指数样本构建所述目标区域的建筑物识别规则，并根据所述光谱指数和所述建筑物识别规则确定建筑物区域；对所述建筑物区域进行闭合处理，得到闭合建筑物；根据所述闭合建筑物和所述预处理后的多光谱数据进行制图，得到结果图。本发明专利技术通过综合其影像波段和光谱指数等特征信息的建筑物识别方法，提高了对建筑物的识别效率。提高了对建筑物的识别效率。提高了对建筑物的识别效率。

【技术实现步骤摘要】
一种自然保护区内建筑物识别方法及系统


[0001]本专利技术涉及林农交错区内建筑物识别
，特别是涉及一种自然保护区内建筑物识别方法及系统。

技术介绍

[0002]长期以来，如何利用高空间分辨率光学卫星影像实现自动、快速且准确地识别建筑物都是高空间卫星遥感应用的一个研究热点。近年来，国内外学者利用QuickBird、IKONOS、ZY
‑
3等高空间分辨率卫星遥感数据，研究形成了像素级、对象级和二者结合的城(镇)区建筑物识别方法。其中像素级识别方法以像元为基本单位，但由于该方法会产生明显的椒盐现象而导致识别精度偏低；随着人工智能的快速发展，利用深度学习方法进行像素级建筑物识别受到越来越多的关注，但该方法存在需要大量训练样本、计算机配置要求高等局限性；对象级识别方法将高分影像分为若干多像素的同质区域(对象)，可以得到较高精度的城区建筑物识别结果，但寻找最佳分割尺度是一个挑战；为克服像素级和对象级在利用高分数据识别建筑物中存在的不足，一些学者尝试将二者结合，首先从像素中进行建筑物初提取，再采用对象级方法进行后识别。
[0003]国内外现有的建筑物识别方法大多是针对城(镇)区域内的建筑物特征研究而成，而自然保护区内的建筑物通常具有比城(镇)区域内建筑物分散、且聚集规模小等特征，还会受到山体、树木的遮蔽，也因农田、裸地和阴影等干扰而影响识别精度。。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的是提供一种自然保护区内建筑物识别方法及系统。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种自然保护区内建筑物识别方法，包括：
[0007]对目标区域的卫星影像进行预处理，得到预处理后的多光谱数据；
[0008]根据所述预处理后的多光谱数据计算光谱指数；
[0009]基于所述卫星影像、典型波段特征和典型指数样本构建所述目标区域的建筑物识别规则，并根据所述光谱指数和所述建筑物识别规则确定建筑物区域；
[0010]对所述建筑物区域进行闭合处理，得到闭合建筑物；
[0011]根据所述闭合建筑物和所述预处理后的多光谱数据进行制图，得到结果图。
[0012]优选地，所述对目标区域的卫星影像进行预处理，得到预处理后的多光谱数据，包括：
[0013]获取目标区域的所述卫星影像；所述卫星影像包括多光谱数据和全色数据；
[0014]对所述多光谱数据依次进行绝对辐射定标和大气校正，得到第一光谱数据，并对所述全色数据进行绝对辐射定标，得到第一全色数据；
[0015]利用RPC信息对所述第一光谱数据和第一全色数据分别依次进行正射校正，得到
第二光谱数据和第二全色数据；
[0016]利用参考影像对所述第二光谱数据和所述第二全色数据分别进行几何精校正，得到第三光谱数据和第三全色数据；
[0017]基于Gram
‑
Schmidt Pan Sharpening算法对所述第三光谱数据和所述第三全色数据进行图像处理，得到覆盖所述目标区域的所述预处理后的多光谱数据；所述图像处理包括融合、拼接和裁剪。
[0018]优选地，所述根据所述预处理后的多光谱数据计算光谱指数，包括：
[0019]基于预设的相关性指数，根据植被信息、水体信息、裸地信息和建筑物信息提取待计算的光谱指标；所述待计算的光谱指标包括归一化植被指数、土壤调节指数、比值指数、归一化水体指数、过火指数和全球环境植被指数；
[0020]根据所述光谱指标和所述预处理后的多光谱数据计算所述光谱指数。
[0021]优选地，所述归一化植被指数的计算公式为：
[0022]所述土壤调节指数的计算公式为：
[0023]所述比值指数的计算公式为
[0024]所述归一化水体指数的计算公式为
[0025]所述过火指数的计算公式为
[0026]所述全球环境植被指数的计算公式为
[0027]其中，η为中间参数，ρ1、ρ2、ρ3和ρ4依次为所述卫星影像的第一波段、第二波段、第三波段和第四波段的反射率；NDVI为所述归一化植被指数；SAVI为所述土壤调节指数；RI为所述比值指数；NDWI为所述归一化水体指数；BAI为所述过火指数；GEMI为所述全球环境植被指数。
[0028]优选地，所述基于所述卫星影像、典型波段特征和典型指数样本构建所述目标区域的建筑物识别规则，并根据所述光谱指数和所述建筑物识别规则确定建筑物区域，包括：
[0029]当满足公式时，确定目标像元为植被，并对所述植被所在区域进行掩膜，并保留非植被区域；
[0030]在所述非植被区域的所述卫星影像内，当目标像元的值满足公式时，确定目标像元为水体，并对所述水体所在区域进行掩膜；
[0031]在对所述水体所在区域掩膜后的非植被区域的影像内，当目标像元的值满足公式
时，确定目标像元为阴影，并对所述阴影所在区域进行掩膜；
[0032]在对所述阴影所在区域掩膜后的非植被区域的所述卫星影像内，当目标像元的值满足公式时，确定目标像元为道路，并对所述道路所在区域进行掩膜；
[0033]在对所述道路所在区域掩膜后的非植被区域的所述卫星影像内，当目标像元的值满足公式OR时，确定目标像元为裸地，并对所述裸地所在区域进行掩膜；
[0034]在对所述裸地所在区域掩膜后的非植被区域所述卫星影像内，当目标像元的值满足公式时，确定目标像元为候选建筑物；
[0035]以所述候选建筑物为中心，采用8邻域搜索分析方法，对检测出的单个建筑物像元进行连通性判断，得到各个区域的连通性像元数；
[0036]对所述连通性像元数小于预设阈值的区域进行去除，并将建筑物的值设定为1，其他类别值设定为0，形成二值化栅格图；所述二值化栅格图中的建筑物像元所在区域为所述建筑物区域。
[0037]优选地，所述对所述建筑物区域进行闭合处理，得到闭合建筑物，包括：
[0038]以所述二值化栅格图中的建筑物像元为种子点，进行7
×
7窗口的膨胀腐蚀处理，用1填充整个区域，所有非边界点标记为0，并对每一个连通区进行标号，统计其像元个数；
[0039]按预设像元个数阈值对图像进行过滤，对大于所述预设像元个数阈值的连通区域进行保留，对小于或等于所述预设像元个数阈值的连通区域进行删除；
[0040]对过滤后的图像进行边缘平滑处理，以得到形成连续的、具封闭区域性的所述闭合建筑物。
[0041]优选地，所述根据所述闭合建筑物和所述预处理后的多光谱数据进行制图，得到结果图，包括：
[0042]基于栅格转矢量的函数，将二值化的所述闭合建筑物进行输出，得到矢量图；
[0043]根据所述矢量图和所述预处理后的多光谱数据进行图像叠合，得到所述结果图。
[0044]一种自然保护区内建筑物识别系统，包括：
[0045]预处理单元，用于对目标区域的卫星影像进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自然保护区内建筑物识别方法及系统，其特征在于，包括：对目标区域的卫星影像进行预处理，得到预处理后的多光谱数据；根据所述预处理后的多光谱数据计算光谱指数；基于所述卫星影像、典型波段特征和典型指数样本构建所述目标区域的建筑物识别规则，并根据所述光谱指数和所述建筑物识别规则确定建筑物区域；对所述建筑物区域进行闭合处理，得到闭合建筑物；根据所述闭合建筑物和所述预处理后的多光谱数据进行制图，得到结果图。2.根据权利要求1所述的自然保护区内建筑物识别方法，其特征在于，所述对目标区域的卫星影像进行预处理，得到预处理后的多光谱数据，包括：获取目标区域的所述卫星影像；所述卫星影像包括多光谱数据和全色数据；对所述多光谱数据依次进行绝对辐射定标和大气校正，得到第一光谱数据，并对所述全色数据进行绝对辐射定标，得到第一全色数据；利用RPC信息对所述第一光谱数据和所述第一全色数据分别依次进行正射校正，得到第二光谱数据和第二全色数据；利用参考影像对所述第二光谱数据和所述第二全色数据分别进行几何精校正，得到第三光谱数据和第三全色数据；基于Gram
‑
Schmidt Pan Sharpening算法对所述第三光谱数据和所述第三全色数据进行图像处理，得到覆盖所述目标区域的所述预处理后的多光谱数据；所述图像处理包括融合、拼接和裁剪。3.根据权利要求1所述的自然保护区内建筑物识别方法，其特征在于，所述根据所述预处理后的多光谱数据计算光谱指数，包括：基于预设的相关性指数，根据植被信息、水体信息、裸地信息和建筑物信息提取待计算的光谱指标；所述待计算的光谱指标包括归一化植被指数、土壤调节指数、比值指数、归一化水体指数、过火指数和全球环境植被指数；根据所述光谱指标和所述预处理后的多光谱数据计算所述光谱指数。4.根据权利要求3所述的自然保护区内建筑物识别方法，其特征在于，所述归一化植被指数的计算公式为：所述土壤调节指数的计算公式为：所述比值指数的计算公式为所述归一化水体指数的计算公式为所述过火指数的计算公式为所述全球环境植被指数的计算公式为
其中，η为中间参数，ρ1、ρ2、ρ3和ρ4依次为所述卫星影像的第一波段、第二波段、第三波段和第四波段的反射率；NDVI为所述归一化植被指数；SAVI为所述土壤调节指数；RI为所述比值指数；NDWI为所述归一化水体指数；BAI为所述过火指数；GEMI为所述全球环境植被指数。5.根据权利要求4所述的自然保护区内建筑物识别方法，其特征在于，所述基于所述卫星影像、典型波段特征和典型指数样本构建所述目标区域的建筑物识别规则，并根据所述光谱指数和所述建筑物识别规则确定建筑物区域，包括：当满足公式时，确定目标像元为植被，并对所述植被所在区域进行掩膜，并保留非植被区域；在所述非植被区域的所述卫星影像内，当目标像元的值满足公式时，确定目标像元为水体，并对所述水体所在区域进行掩膜；在对所述水体所在区域掩膜后的非植被区域的影像内，当目标像元的值满足公式时，确定目标像元为阴影，并对所述阴影所在区域进行掩膜；在对所述阴影所在区域掩膜后的非植被区域的所述卫星影像内，当目标像元的值满足公式时，确定目标像元为道路，并对所述道路所在区域进行掩膜；在对所述道路所在区域掩膜后的非植被区域的所述卫星影像内，当目标像元的值满足公式时，确定目标像元为裸地，并对所述裸地所在区域进行掩膜；在对所述裸地...

【专利技术属性】
技术研发人员：覃先林，杨馨媛，胡心雨，黄水生，荚文，武红敢，
申请(专利权)人：中国林业科学研究院资源信息研究所，
类型：发明
国别省市：