【技术实现步骤摘要】
一种高分辨率遥感影像轮廓多级正则化方法、系统及应用
[0001]本专利技术属于建筑物遥感影像识别
,尤其涉及一种高分辨率遥感影像轮廓多级正则化方法、系统及应用。
技术介绍
[0002]随着航空航天的快速发展,高分辨率遥感图像变得越来越容易获取和使用。建筑作为城市结构的重要组成部分,在人类社会中发挥着重要作用。建筑物轮廓被认为是非常重要的几何数据,这些信息使本专利技术能够量化建筑物的空间分布特征,对于城市规划、土地调查、变化检测和军事侦察等领域有着不可估量的价值,在越来越多的研究中,如智慧城市、高精度矢量地图、3D城市地图和重建、城市土地动态监测、城市环境质量评估、城市蔓延监测和城市空气污染建模等,需要更精细尺度的建筑轮廓信息(尤其是在城市地区)。因此,如何准确、快速地提取建筑轮廓信息已经变得越来越重要。
[0003]由于不同的成像环境,不同的颜色、对比度和阴影条件,导致成像结果存在很大的差异。建筑物分布不均、复杂的背景和建筑风格的多样性,使遥感图像通常具有复杂数据的特征,这些数据常以异构区域的形式存在,具有较大的类内变化和极小的类间变化,这在建筑物和道路等城市物体中更为突出,遥感图像中的这种异质性限制了大多数现有方法。
[0004]在过去的几十年里,人们提出了许多算法,这些方法通过各种类型的数据集(如图像或点云)、尺度(如城市或国家)、分辨率(如分米或米)或光谱(如可见光或多光谱)进行验证,建筑物提取的技术日渐成熟。Rottensteiner和Briese指出,在一些高精度的应用中,建筑物边界的
【技术保护点】
【技术特征摘要】
1.一种主方向约束下高分辨率遥感影像轮廓多级正则化方法,其特征在于,该方法包括:S1,对建筑物影像进行分割,获得建筑轮廓,并对获得的建筑轮廓要素进行简化,再利用周长和面积约束去除小部分误检结果;S2,基于主方向构建符合建筑物形状的最优外接矩形,联合Hausdorff距离算法对轮廓进行初次正则化处理;S3,利用关键点信息进行分组最小二乘直线拟合,在建筑物主方向约束下利用感知编组算法进行各个线段的连接与重构;S4,利用图搜索算法进行高分影像中所有建筑物轮廓的正则化。2.根据权利要求1所述的主方向约束下高分辨率遥感影像轮廓多级正则化方法,其特征在于,在步骤S1中,对获得的建筑轮廓要素进行简化中采用道格拉斯
‑
普克算法进行建筑轮廓要素简化压缩,首先按顶点的顺序将相邻的三个固定顶点组成一系列三元组,然后顺次取一个三元组进行处理;依次按顺序取建筑轮廓上连续的三个点,计算顶点到其余两点连线的垂直距离D,并将距离D与设置的阈值d
δ
比较;若垂直距离D小于给定的阈值d
δ
时,则去掉顶点;反之,则保留;直至所有的三元组处理完毕为止。3.根据权利要求1所述的主方向约束下高分辨率遥感影像轮廓多级正则化方法,其特征在于,在步骤S2中,基于主方向构建符合建筑物形状的最优外接矩形,联合Hausdorff距离算法对轮廓进行初次正则化处理,具体包括以下步骤:结合形状特征和边缘特征用以确定建筑物主方向和外接矩形,利用轮廓边界的方向直方图求出建筑物的主方向,在主方向约束下利用投票
‑
旋转卡尺算法求出主方向的具体值和对应的局部最优外接矩形,用最优外接矩形代替小型建筑的轮廓,对大型建筑采用最优外接矩形联合Hausdorff距离算法进行部分轮廓正则化处理。4.根据权利要求3所述的主方向约束下高分辨率遥感影像轮廓多级正则化方法,其特征在于,所述投票
‑
旋转卡尺算法包括:先使用投票方案确定建筑物主方向的信息,对检索到的方向进行聚类过滤出其他方向的线段,最后通过旋转卡尺算法确定最终的建筑物主方向,具体包括以下步骤:(1)基于线段特征的初步方位估计:对投票方案创建二维累加器阵列:行数Nm等于每条线段在轮廓中所占长度的权重|W|;列数Nangle对应于角度值空间离散化的步长da;该累加器阵列表示轮廓中各个线段对应角度的离散空间;在处理所有线段后,累加器阵列中的峰值对应于主方向的大致角度值a
m
;设建筑物轮廓的拟合多边形所组成的直线段集合为L={l1,l2,...,l
n
},计算每条直线段与水平方向的夹角,记为A={a1,a2,...,a
n
},n为单个建筑物轮廓的拟合多边形的边数,则a
i
∈[0,180);以每条线段的长度为权重、间隔10
°
对角度值空间进行离散化,阵列中的峰值为角度值a
m
为建筑物方向;(2)角度约束剔除无关线段:对检索到的线段进行方向聚类使得一个簇中的所有角值差不超过预定义阈值,通过对聚类中包含的角值求平均来计算得到的主方向角度a
main
;设角度阈值tha为5
°
,则主轴向线段为PL={pl
i
||a
i
‑
a
m
|<tha},i为a
m
±
tha(a
m
±5°
)的线段集,去除无关线段,以每条线段的长度为权重,计算PL角度的加权平均值,即:
(3)通过旋转卡尺算法确定最优外接矩形及主方向:在角度为[a
main
‑
da,a
main
+da]内以1
°
为旋转步长,求出各旋转角度下建筑物轮廓的外接矩形,以面积最小的外接矩形作为最优外接矩形,建筑物主方向为该矩形长边对应的角度值,其中,角度值空间离散化的步长为da。5.根据权利要求3所述的主方向约束下高分辨率遥感影像轮廓多级正则化方法,其特征在于,对大型建筑采用最优外接矩形联合Hausdorff距离算法进行部分轮廓正则化处理,具体包括以下步骤:(i)对建筑物轮廓拟合多边形构成的线段集合分别进行等分:设建筑物轮廓拟合多边形的线段集合为L={l1,l2,...,l
t
},其各线段等分后的点集为A
i
={a1,a2,...,a
m
},其中i=1,2,...,t;最优拟合外接矩形的四条边作为线段集为B={b1,b2,b3,b4};(ii)设阈值为H:首先计算l
i
第一个点a1到最优拟合外接矩形四条边的欧式距离,保留满足...
【专利技术属性】
技术研发人员:解斐斐,顾宇超,孙林,霍志玲,张志鹏,陈锦鹏,葛帅,易明哲,张金瑞,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:
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。