一种遥感影像建筑物识别方法，属于遥感目标图像识别方法，克服现有建筑物检测方法中存在的建筑物误检和漏检的问题，以提高正确检测率。本发明专利技术顺序包括：区域分割步骤、建筑物初提取步骤、道路滤波步骤和建筑物后提取步骤。本发明专利技术具有良好的稳定性和较强的环境适应能力，可以解决建筑物与邻近光谱相近的道路相互混淆的问题，而且可以检测同一幅影像中具有不同形状结构和光谱特性的建筑物目标，建筑物提取结果准确率高、鲁棒性好，能有效提取绝大多数高分辨率遥感图像下的各类建筑物目标，在地理信息系统和数字城市系统建设中具有一定的实用价值。
【技术实现步骤摘要】
本专利技术属于遥感目标图像识别方法，具体涉及一种面向对象的高分辨 率遥感影像建筑物识别方法。
技术介绍
遥感影像能够快速地获取地球表面信息，特别是随着高分辨率遥感影像的应用，使其成为GIS数据库以及地图更新的重要信息源。但是如何从 高分辨率遥感影像中自动获取特征信息， 一直是遥感应用的重要问题。建 筑物作为城市区域的重要特征，由于其对于城市建设、GIS系统更新、数字 化城市以及军事侦察等应用的重要性，近20年来，从遥感影像中进行建筑 物识别已成为一个研究热点，国内外学者也提出了很多用于建筑物检测的 模型与策略，主要可以分为以下2类(1) 基于底层直线特征的建筑物识别方法，参见文献陶文兵，柳健，田金文. 一种新型的航空图像城区建筑物自动提取方法.计算机学报，2003， 26(7): 866-873。这类方法首先提取影像的边缘，然后根据边缘提取 直线并将它们按某种准则进行分组，进而由直线图形提取建筑物。(2) 面向对象的建筑物识别方法，参见文献JIN X， DAVIS C， Automated Building Extraction from High-Resolution Satellite Imagery in Urban Areas Using Structural, Contextual, and Spectral Information, EURASIP Journal on Applied Signal Processing, 2005:614， 2196 - 2206。这类方法通过对影像的分割，使同质像素组成大小不 同的影像对象(image objects),然后利用建筑物对象的光谱信息、形 状纹理特征以及上下文关系进行目标提取。在高分辨率遥感影像中，存在分辨率的提高带来的"噪声"，导致有 用边缘信息不明显，同时复杂的影像背景也会产生大量难以处理的细碎边 缘，因此第一类方法希望利用边缘检测来可靠地提取出完整的房屋边界是 不切实际的，不可避免的会存在很多房屋边界误检和漏检的情况，其实用 性和准确性离实际应用还有很大的差距。第二类方法通过影像分割提取同质区域，然后对各个区域进行特征分 析提取建筑物目标。这避开了边缘检测的问题，同时也能更好地利用目标 的光谱和形状特征，相对于第一类方法有其明显的优势。但是在具有较高 复杂场景的高分辨遥感影像中，存在严重的树木遮挡、阴影、道路等噪声， 使得分割后的建筑物目标形状不完整或者与光谱相似的道路目标混叠而没 被分离成独立的对象，同时影像中建筑物形状多样、大小不一，如果对所 有候选建筑物对象都采用统一的特征参数进行分析，误判和漏判的问题将 会频频发生。
技术实现思路
本专利技术提供，克服现有建筑物检测方法 中存在的建筑物误检和漏检的问题，以提高正确检测率。本专利技术的，顺序包括 (1)区域分割步骤，包括下述子步骤(1.1)对输入影像",的每个像素点(;c。j。)计算似然函数，得到邻域总变分影像丄S("。，并将其规格化至之间；LS(",(XoJo))--J ;i(x，力Jv", (x，力|2 + /9A办其中，分母为加权的邻域总变分，v为梯度算子，0<々<1，为可调参 数，避免在v",-o时分母为O; x。， y。为输入影像^像素点的横坐标和纵坐标，B;c。^;U《y。^w， A,M;分别为输入影像w,的长和宽；《(,")为以像素点 Oc。j。)为圆心，半径为^的圆形支持域，"取5 13;义(x,力为支持域《(w。)中对应像素点Oc,力的权值，义(x，力-exp(-(X —X°)2 —; x， y为支持域《(w。)中像素点Oc,力的横坐标和纵坐标，(x-;c。)2+Cy-;;。)2S"(1. 2)将邻域总变分影像M(",)中像素值小于分割阈值的像素点的像 素值赋为0，像素值大于分割阈值的像素点保留其原有像素值，得到阈值处 理后的影像"2，分割阈值为30 40;(1.3) 采用区域生长方法分割阈值处理后的影像^的像素值非0区域， 得到包括多个候选建筑物对象区域的影像"3;每个候选建筑物对象区域由 多个同质像素组成；(1.4) 利用绿地的光谱特征将绿地0,从影像^分离出去并标记，得到 屏蔽绿地0,后的影像^;(2)建筑物初提取步骤提取分割完整的矩形状建筑物目标； 对屏蔽绿地后的影像"4，计算各区域的矩形度^、长宽比P,和面积S。， 当该区域的0.8《/^《1、 1《P2《4且100/M《S。《5000/M时，将该区域 标记为建筑物对象02并提取，得到建筑物初提取后的影像"5， 1《M《5， 为输入影像",的分辨率；8其中，S。为区域面积，为区域所包含像素点个数；^为该区域最小外 接矩形面积，对于矩形房屋A取得最大值1.0; /,、 /2分别表示区域最小外 接矩形的长和宽；(3)道路滤波步骤，包括下述子步骤(3. 1)形态学滤波:用一组多方向线状结构元素&。,对建筑物初提取后 的影像"5做如下形态学运算，提取影像"5中的道路区域03，标记并放入道路影像/:,=-9符号。表示二值形态学开运算， 一组多方向线状结构元素&。,为当|",—45， ;x,tan"),;c, =0，±1,...±(Z-1)COS("')l, —",X) 〃L、 w 、.当45<| ,—卯，x, = y,)j, = 0,± 1， ..± (丄—"率')其中，(Xi，yi)表示多方向线状结构元素& ,的元素坐标，方向角",=/><10°，长度L为80 100个像素；(3.2)去除道路区域:用^减去f，剔除影像a中的道路区域，实现建 筑物区域与道路区域的分离，得到道路滤波后的影像"6;(4)建筑物后提取步骤首先利用初提取的建筑物对象02和已排除的绿地Oh道路区域03作为训练集提取特征，得到建筑物类判别特征矢量集和非建筑物类判别特征矢量集；然后对建筑物类和非建筑物类判别特征矢量集分别进行建立先验模型，以估计建筑物类和非建筑物类两类对象的条件概率密度函数；最后利用贝叶斯判别方法对道路滤波后的影像Z^中各区域进行判决，得到后提取的建筑物，连同所述建筑物初提取步骤中提取的建筑物对象02， 一并作为识别出的建筑物。本专利技术包含建筑物的区域分割步骤中，子步骤(1.1)涉及似然函数，若处理影像为",，则邻域总变分々(",)定义为影像梯度幅值的积分冉("1)= jVlVWl|2化，其中，v为梯度算子，A,是影像"，的支持域，/ >0为可调参数，避免々("，) 在v",-o时不可微。由于建筑物一般具有均匀的光谱特性，使得影像",中建筑物区域的总变 分相对非建筑物区域要小得多，因此，定义如下似然函数来表征影像中每一点的局部均质程度J 义0，少)^IVw,(x，少)1十/ 血c(y其中，分母为加权的邻域总变分，义(x，力为对应点的权值，通过高斯模 板进行计算，《"^为以像素点(;c。,;;。)为圆心，半径为r的支持域，同总变分 一样，加权的邻域总变分也反映了影像中的某一点附近的平滑程度，其值 越小则越平滑，相应的丄S^(;c。,h))越大，表明",(x。，少。)属于建筑物区域可能 性越大。经过子步骤(1.3)处理后，影像中主要包含建筑物、道路和绿地本文档来自技高网...
【技术保护点】
一种遥感影像建筑物识别方法，顺序包括： （１）区域分割步骤，包括下述子步骤： （１．１）对输入影像ｕ↓［１］的每个像素点（ｘ↓［０］，ｙ↓［０］）计算似然函数，得到邻域总变分影像ＬＳ（ｕ↓［１］），并将其规格化至［０，２５５］之 间； ＬＳ（ｕ↓［１］（ｘ↓［０］，ｙ↓［０］））＝＊λ（ｘ，ｙ）ｄｘｄｙ／＊λ（ｘ，ｙ）＊＊＊ｄｘｄｙ 其中，分母为加权的邻域总变分，▽为梯度算子，０＜β＜１，为可调参数，避免在▽ｕ↓［１］＝０时分母为０；ｘ↓［０］，ｙ↓［０ ］为输入影像ｕ↓［１］像素点的横坐标和纵坐标，１≤ｘ↓［０］≤ｈ，１≤ｙ↓［０］≤ｗ，ｈ，ｗ分别为输入影像ｕ↓［１］的长和宽；Ｄ↓［ｕ↓［１］（ｘ↓［０］，ｙ↓［０］）］↑［ｒ］为以像素点（ｘ↓［０］，ｙ↓［０］）为圆心，半径为ｒ的圆形支持域，ｒ取５～１３；λ（ｘ，ｙ）为支持域Ｄ↓［ｕ↓［１］（ｘ↓［０］，ｙ↓［０］）］↑［ｒ］中对应像素点（ｘ，ｙ）的权值，λ（ｘ，ｙ）＝ｅｘｐ（－（ｘ－ｘ↓［０］）↑［２］＋（ｙ－ｙ↓［０］）↑［２］／２）；ｘ，ｙ为支持域Ｄ↓［ｕ↓［１］（ｘ↓［０］，ｙ↓［０］）］↑［ｒ］中像素点（ｘ，ｙ）的横坐标和纵坐标，（ｘ－ｘ↓［０］）↑［２］＋（ｙ－ｙ↓［０］）↑［２］≤ｒ； （１．２）将邻域总变分影像ＬＳ（ｕ↓［１］）中像素值小于分割阈值的像素点的像素值赋为０，像素值大于分割阈 值的像素点保留其原有像素值，得到阈值处理后的影像ｕ↓［２］，分割阈值为３０～４０； （１．３）采用区域生长方法分割阈值处理后的影像ｕ↓［２］中像素值非０区域，得到包括多个候选建筑物对象区域的影像ｕ↓［３］；每个候选建筑物对象区域由多个 同质像素组成； （１．４）利用绿地的光谱特征将绿地Ｏ↓［１］从影像ｕ↓［３］分离出去，得到屏蔽绿地Ｏ↓［１］后的影像ｕ↓［４］； （２）建筑物初提取步骤：提取分割完整的矩形状建筑物目标； 对屏蔽绿地后的影像ｕ↓［４］，计算 各区域的矩形度Ｐ↓［１］、长宽比Ｐ↓［２］和面积Ｓ↓［０］，当该区域的０．８≤Ｐ↓［１］≤１、１≤Ｐ↓［２］≤４且１００／Ｍ≤Ｓ↓［０］≤５０００／Ｍ时，将该区域标记为建筑物对象Ｏ↓［２］并提取，得到建筑物初提取后的影像ｕ↓［５］，１≤Ｍ≤５，为输入影像ｕ↓［１］的分辨率； Ｐ↓［１］＝Ｓ↓［０］／Ｓ↓［Ｒ］，Ｐ↓［２］＝ｌ↓［１］／ｌ↓［２］， 其中，Ｓ↓［０］...
【技术特征摘要】
【专利技术属性】
技术研发人员：谭毅华，陶超，蔡华杰，田金文，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：83[中国|武汉]
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。