一种不透水面制图方法、系统、设备及介质技术方案

本发明专利技术公开一种不透水面制图方法、系统、设备及介质，涉及地球空间信息技术领域。该方法包括：获取目标遥感影像；对目标遥感影像进行灰度共生矩阵特征提取，得到第一纹理特征；对目标遥感影像进行Gabor小波变换处理，得到第二纹理特征；对第一纹理特征进行Gabor小波变换处理，得到第三纹理特征；根据第一纹理特征、第二纹理特征和第三纹理特征，确定三维纹理特征空间图像；采用聚类算法对三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果；根据分布结果对目标遥感影像进行处理，得到不透水面分布图。本发明专利技术能够实现快速、准确、自动提取不透水面，对研究城市化程度及其发展强度具有显著意义。其发展强度具有显著意义。其发展强度具有显著意义。

【技术实现步骤摘要】
一种不透水面制图方法、系统、设备及介质


[0001]本专利技术涉及地球空间信息
，特别是涉及一种不透水面制图方法、系统、设备及介质。

技术介绍

[0002]伴随着城市化进程的加快，城市内农田、植被、水域等土地利用类型逐渐被人工地表替代。不透水面作为城市化最为显著的人工地表特征，已经成为研究城市化程度及其发展强度的最直观指标。不透水面是指水无法渗透的地球表面，主要包括沥青、混凝土、石头、砖块等各种材质的道路，建筑屋顶、机场、广场、停车场等人工建筑物区域。不透水面大规模扩张导致城市生态系统物质循环受到影响，从而引发了一系列的生态问题。
[0003]近几十年来，遥感技术被广泛用于监测地球。此外，遥感的空间分辨率在绘制不透水表面图中起着重要作用。由于中等分辨率的优势，如采集成本相对较低、数据结构精细、覆盖范围广和分辨率适中。因此，中等空间分辨率图像是最常用的不透水面制图尺度。
[0004]除了遥感影像分辨率的影响外，不同的提取方法也会影响不透水面的结果。近年来，国内外学者提出了大量的不透水表面遥感提取方法，包括线性光谱混合分析(LSMA)、回归模型、基于对象的分类方法、人工神经网络(ANN)、深度学习和光谱指数法等。
[0005]LSMA可以有效解决混合像素对不透水表面覆盖率提取结果的影响问题。然而，由于土地覆被类型的复杂性，端元的选择更具有主观性。回归模型可以预测和回归连续变量，实施简单，操作效率高。回归模型是一个人工分类的过程，如果训练样本中存在大量的噪声，估计的准确性会大大降低。基于物体的分类方法受限于图像的照度差距、噪声和阴影。最严重的问题是缺乏通用的分割算法，这给该方法的推广带来很大困难。深度学习和人工神经网络有能力学习遥感数据集的基本特征，可以处理非线性关系，整合其他数据和特征以及先验知识。但其准确性取决于输入模型的训练数据的质量。与前面的算法相比，光谱指数方法有几个优点，包括低成本的计算，高效率和敏感的光谱反应。他们可以识别不透水的表面，不需要额外的参数和训练样本。但光谱指数方法受到混合像素和季节性过渡的影响。由于光谱反射的差异，在同一季节，同一土地覆盖物上的不同波段的反射值是不同的。混合像素很容易被错误分类，然后影响不透水表面制图的准确性。上述方法除了光谱指数法，都需要设置参数、规则并提供训练样本，很难实现不透水表面的自动制图。
[0006]然而，光谱指数方法是基于土地覆盖物的反射值。土地覆盖物是多样化的，并且不断变化。不同类型的土地覆被是交错的，并表现出近乎同质的光谱特征。此外，相同类型的土地覆盖物在不同的场景中经常出现异质性。相比之下，纹理特征可以反映遥感数据影像中的同质性视觉特征，可以很好地反映影像灰度的空间分布信息。纹理特征包含了遥感数据图像的表面信息及其与周围环境的关系，很好地考虑了图像的宏观和微观结构。
[0007]综上所述，亟需提供一种基于纹理特征的不透水面制图方法，以实现快速、准确、自动提取不透水面。

技术实现思路

[0008]本专利技术的目的是提供一种不透水面制图方法、系统、设备及介质，以实现快速、准确、自动提取不透水面。
[0009]为实现上述目的，本专利技术提供了如下方案：
[0010]一种不透水面制图方法，包括：
[0011]获取目标遥感影像；
[0012]对所述目标遥感影像进行灰度共生矩阵特征提取，得到第一纹理特征；
[0013]对所述目标遥感影像进行Gabor小波变换处理，得到第二纹理特征；
[0014]对所述第一纹理特征进行Gabor小波变换处理，得到第三纹理特征；
[0015]根据所述第一纹理特征、所述第二纹理特征和所述第三纹理特征，确定三维纹理特征空间图像；
[0016]采用聚类算法对所述三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果；
[0017]根据所述分布结果对所述目标遥感影像进行处理，得到不透水面分布图。
[0018]可选地，所述第一纹理特征包括：对比度纹理特征、相异性纹理特征、同质性纹理特征、角二阶矩纹理特征、熵纹理特征、方差纹理特征和相关性纹理特征中的至少一项。
[0019]可选地，根据所述第一纹理特征、所述第二纹理特征和所述第三纹理特征，确定三维纹理特征空间图像，具体包括：
[0020]将所述第一纹理特征、所述第二纹理特征和所述第三纹理特征处理后的目标遥感影像进行叠加，并赋予红、绿、蓝三个颜色通道，得到三维纹理特征空间图像。
[0021]可选地，采用聚类算法对所述三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果，具体包括：
[0022]采用聚类算法对所述三维纹理特征空间图像进行分类，得到若干透水面子图和若干不透水面子图；
[0023]对所有所述透水面子图或所有所述不透水面子图进行合并，得到透水面和不透水面的分布结果。
[0024]可选地，所述聚类算法为K
‑
means无监督聚类算法。
[0025]可选地，聚类数量为4，变化阈值为5％，最大迭代次数为25；各聚类分别为：不透水面、森林、水体和裸地，其中森林、水体和裸地均为透水面。
[0026]可选地，所述目标遥感影像为Sentinel
‑
2多光谱影像。
[0027]一种不透水面制图系统，包括：
[0028]获取模块，用于获取目标遥感影像；
[0029]第一特征提取模块，用于对所述目标遥感影像进行灰度共生矩阵特征提取，得到第一纹理特征；
[0030]第二特征提取模块，用于对所述目标遥感影像进行Gabor小波变换处理，得到第二纹理特征；
[0031]第三特征提取模块，用于对所述第一纹理特征进行Gabor小波变换处理，得到第三纹理特征；
[0032]三维纹理特征确定模块，用于根据所述第一纹理特征、所述第二纹理特征和所述
第三纹理特征，确定三维纹理特征空间图像；
[0033]分类模块，用于采用聚类算法对所述三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果；
[0034]制图模块，用于根据所述分布结果对所述目标遥感影像进行处理，得到不透水面分布图。
[0035]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的不透水面制图方法。
[0036]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的不透水面制图方法。
[0037]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0038]本专利技术提供的不透水面制图方法，利用灰度共生矩阵和Gabor小波变换提取不同地物的纹理特征，并进行结合，构建三维纹理特征空间，以筛选不透水面的稳定纹理特征指标，去除裸地、耕地、水体以及阴影对不透水面提取的影响，最后利用聚类算法进行分类，实现了不透水面的快速、准确、自动提取。
附图说明
[0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不透水面制图方法，其特征在于，包括：获取目标遥感影像；对所述目标遥感影像进行灰度共生矩阵特征提取，得到第一纹理特征；对所述目标遥感影像进行Gabor小波变换处理，得到第二纹理特征；对所述第一纹理特征进行Gabor小波变换处理，得到第三纹理特征；根据所述第一纹理特征、所述第二纹理特征和所述第三纹理特征，确定三维纹理特征空间图像；采用聚类算法对所述三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果；根据所述分布结果对所述目标遥感影像进行处理，得到不透水面分布图。2.根据权利要求1所述的不透水面制图方法，其特征在于，所述第一纹理特征包括：对比度纹理特征、相异性纹理特征、同质性纹理特征、角二阶矩纹理特征、熵纹理特征、方差纹理特征和相关性纹理特征中的至少一项。3.根据权利要求1所述的不透水面制图方法，其特征在于，根据所述第一纹理特征、所述第二纹理特征和所述第三纹理特征，确定三维纹理特征空间图像，具体包括：将所述第一纹理特征、所述第二纹理特征和所述第三纹理特征处理后的目标遥感影像进行叠加，并赋予红、绿、蓝三个颜色通道，得到三维纹理特征空间图像。4.根据权利要求1所述的不透水面制图方法，其特征在于，采用聚类算法对所述三维纹理特征空间图像进行分类，得到透水面和不透水面的分布结果，具体包括：采用聚类算法对所述三维纹理特征空间图像进行分类，得到若干透水面子图和若干不透水面子图；对所有所述透水面子图或所有所述不透水面子图进行合并，得到透水面和不透水面的分布结果。5.根据权利要求1所述的不透水面制图方法，其特征在于，所述聚...

【专利技术属性】
技术研发人员：潘耀忠，任首佳，赵传武，郑学昌，高媛，齐文栋，
申请(专利权)人：北京尚德智汇科技有限公司，
类型：发明
国别省市：