本发明专利技术公开了一种基于边缘约束的影像分割提取建筑物阴影的方法及系统，包括：收集指定区域的遥感影像，并进行预处理；对预处理后的遥感影像进行形态学闭运算和开运算，进行Canny边缘检测，并且对得到的图像边缘进行形态学闭运算；将预处理后的遥感影像和图像边缘特征作为输入影像进行边缘约束的快速移位分割，并筛选影像同质对象；计算遥感影像特征；利用随机森林分类模型进行分类，得到初始阴影区域，并进行形态学开运算和闭运算，得到最终阴影区域。本发明专利技术建立的提取建筑物阴影的方法，可以更加精确提取建筑物阴影，从而得到建筑物的结构、高度等信息，对于建筑物高度监测、城市容积率计算、城市发展规划都具有重要作用。
【技术实现步骤摘要】
本专利技术涉及遥感数字图像处理，具体为一种基于边缘约束的影像分割提取建筑物阴影的方法及系统。
技术介绍
1、阴影是遥感影像中的常见元素，阴影是指由于建筑物、山脉、树木等地物遮挡了太阳光线，导致这些地物的背光面在遥感影像上形成较暗的成像区域。遥感影像中的阴影遮挡了部分地物信息，是影像中的噪声之一，但同时，阴影也可以反映一些地物信息，是遥感影像信息来源之一。建筑物的阴影信息可以反映建筑物的高度、结构等信息，这些信息可以应用到许多领域，如城市变化监测、城市三维重建、城市规划、自然灾害监测、无线网络基站规划等等。
2、提取遥感影像中的阴影区域的方法可以分为面向像元和面向对象两种方法，相较于面向像元分类的方法，面向对象的方法可以在不同尺度上直接得到目标地物，它不仅考虑了每个像元本身的特征，还考虑到了其周围像元的特征以及与周围像元之间的空间关系，这样可以使得分类得到的结果更加准确。面向对象影像分类方法主要分为两步，第一步是将影像分割成同质对象，第二步是根据这些同质对象的特征对其进行分类，其中关键在于影像分割算法，在很多情况下，只有当影像被分割成同质对象时，图像分析的结果才有意义。
3、快速移位算法(快速漂移算法)是一种模式搜索的聚类算法，相较于meanshift算法，它的计算复杂度更低。但是通过试验发现，当使用快速移位算法分割影像提取建筑物阴影时，无法准确的分割出阴影对象，从而导致建筑物阴影提取效果不佳。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：如何在高分辨率遥感影像中准确识别和分割阴影区域，同时提高地物特征提取的精度，并有效分割影像中的同质对象，以构建一个既准确又具有良好泛化能力的分类模型，从而提高遥感影像的处理效率和应用价值。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于边缘约束的影像分割提取建筑物阴影的方法，包括：收集指定区域的遥感影像，并进行预处理；
4、对预处理后的遥感影像进行形态学闭运算和形态学开运算，进行canny边缘检测，并且对得到的图像边缘进行形态学闭运算；
5、将预处理后的遥感影像和图像边缘特征作为输入影像进行边缘约束的快速移位分割，并筛选影像同质对象；
6、计算遥感影像特征；
7、利用随机森林分类模型进行分类，分为阴影和非阴影两类，得到初始阴影区域，并进行形态学开运算和闭运算，得到最终阴影区域。
8、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述预处理包括，辐射定标、大气校正、正射校正，并且对全色影像和多光谱影像进行图像融合。
9、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述开运算包括，
10、先将原始图像先进行腐蚀运算，再进行膨胀运算，若定义经过开运算之后的图像为g(x,y)，则开运算的定义为：
11、
12、所述闭运算包括，与开运算相反，先将原始图像先进行膨胀运算，再进行腐蚀运算，若定义经过闭运算之后的图像为g(x,y)，则闭运算的定义为：
13、
14、其中上式中的⊕表示膨胀，表示腐蚀。假设待处理的灰度图像为f(x,y)，结构元素为b；
15、所述结构元素b膨胀灰度图像f(x,y)时，结构元素以锚点为中心点在灰度图像中平移，当结构元素的锚点移动到(zx,zy)时，膨胀后图像的像元点(zx,zy)处的取值为原始图像中结构元素所确定的邻域范围内像元的最大值；
16、若定义膨胀后的图像为g(x,y)，灰度膨胀的数学定义为：
17、
18、其中，(xb,yb)代表结构元素b中像元的位置坐标，以锚点为原点；
19、所述结构元素b腐蚀灰度图像f(x,y)时，结构元素以锚点为中心点在灰度图像中平移，当结构元素的锚点移动到(zx,zy)时，膨胀后图像的像元点(zx,zy)处的取值为原始图像中结构元素所确定的邻域范围内像元的最小值；
20、若定义腐蚀后的图像为g(x,y)，灰度腐蚀的数学定义为：
21、
22、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述快速移位分割包括，计算每个像元点的概率密度；
23、寻找每个像元点所属的模点，若像元点为边缘点，则直接使用原快速移位算法中寻找模点的方式，在其领域中寻找模点；
24、若像元点不是边缘点，则以像元点为中心点进行区域生长，在区域生长的过程中判断生长点是否能成为像元点的模点；
25、逐层连接像元点及其模点，构建一棵树，并通过阈值max_dist将树分割成森林，形成聚类；
26、分别将rgb作为输入影像以及将rgb转换为lab后作为输入影像，并分别使用增加边缘约束前后的快速移位算法进行影像分割；
27、所述筛选影像同质对象包括，剔除像元数量少于50个像素的对象。
28、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述快速移位算法包括，
29、输入rgb影像，设定比率系数、带宽、最大距离；
30、所述像元点的概率密度计算公式为：
31、
32、其中，(x,y)为每个像元的空间坐标，i(x,y)为光谱特征，光谱特征i(x,y)＝(r,g,b)，rgb分别为影像的红、绿、蓝波段；φb(dij)为核密度估计，其中b为带宽，即kernel_size，n表示点xi邻域内的像元的数量，邻域的大小由带宽决定；dij为像元点xi与xj之间的距离；xi表示每个像元点，而x、y表示像元点xi的空间坐标，式中的x'、y'表示的是其他像元xj的空间坐标；
33、遍历整个影像寻找每个像元点所属的模点；对于每个像元点xi，寻找点xi的概率密度较高的最邻近点yi(1)，公式为：
34、
35、不断移动点xi，重复寻找邻近点yi(1)，逐层计算，依次将影像的每个像元连接起来，构建成一棵树；
36、根据设定的最大距离max_dist，将树分割成一个森林，森林中的每棵树都是一个聚类。
37、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述遥感影像特征包括，亮度分量i、形态学阴影指数msi、归一化阴影指数ndsi、归一化植被指数、归一化水体指数ndwi。
38、作为本专利技术所述的基于边缘约束的影像分割提取建筑物阴影的方法的一种优选方案，其中：所述得到初始阴影区域包括，
39、按照亮度分量i的值对同质对象中的像元进行排序，去除掉前面25％的数据和后面25％的数据后，计算剩下的50％的像元各个特征值的平均值作为所述同质对象的特征值；
40、利用计算得到的特征值作为输入，使用随机森林分类模型进本文档来自技高网
...
【技术保护点】
1.一种基于边缘约束的影像分割提取阴影的方法，其特征在于，包括：
2.如权利要求1所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述预处理包括，辐射定标、大气校正、正射校正，并且对全色影像和多光谱影像进行图像融合。
3.如权利要求2所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述开运算包括，
4.如权利要求3所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述快速移位分割包括，计算每个像元点的概率密度；
5.如权利要求4所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述快速移位算法包括，
6.如权利要求5所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述遥感影像特征包括，亮度分量I、形态学阴影指数MSI、归一化阴影指数NDSI、归一化植被指数、归一化水体指数NDWI。
7.如权利要求6所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述得到初始阴影区域包括，
8.一种采用如权利要求1-7任一所述方法的一种基于边缘约束的影像分割提取建筑物阴影系统，其特征在于：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种基于边缘约束的影像分割提取阴影的方法，其特征在于，包括：
2.如权利要求1所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述预处理包括，辐射定标、大气校正、正射校正，并且对全色影像和多光谱影像进行图像融合。
3.如权利要求2所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述开运算包括，
4.如权利要求3所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述快速移位分割包括，计算每个像元点的概率密度；
5.如权利要求4所述的基于边缘约束的影像分割提取建筑物阴影的方法，其特征在于：所述快速移位算法包括，
6.如权利要求5所述的基于边缘约束的影像分割提取建筑物阴影的方法，...
【专利技术属性】
技术研发人员：黄维，崔志美，黄志都，邬蓉蓉，唐捷，张玉波，刘英龙，冯玉斌，李珊，姚知洋，许江元，李盛东，欧阳健娜，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。