一种基于遥感影像的识别方法技术

一种基于遥感影像的识别方法，该方法包括以下步骤：从遥感影像提取矢量地物要素，并将包含土地类型的先验信息与矢量地物要素进行空间叠加分析，确定两者的寄宿关系；根据先验信息确定矢量地物要素的属性；根据矢量地物要素的属性进行聚类，得到相邻同类矢量地物要素的凸包；对凸包进行图形整饰，并对其赋予土地类型，从而得到识别结果。本发明专利技术采用先验信息与遥感影像相结合，以有效识别土地类型。

【技术实现步骤摘要】

本专利技术涉及遥感对地观测识别领域，特别涉及一种基于遥感图像的识别方法，其适用于利用遥感影像对城市土地进行土地识别等调查。
技术介绍
掌握城市用地的使用现状是开展城市规划和建设工作的必备基础。遥感解译和实地踏勘是目前开展现状调查的主要方法。从发展趋势来看，遥感将会发挥更为重要的作用。 但是随着高分辨率传感器技术的发展，卫星遥感图像的空间分辨率越来越高，图像的内容和形式也随之发生了很大的改变，图像的空间信息越来越丰富，这给传统的图像识别分类技术带来了新的挑战。在遥感对地观测领域，土地覆盖/ 土地类型识别是一项基础应用。长期以来主要根据地物的光谱物理特性对多光谱遥感数据进行分类。由于传统影像的空间分辨率比较低，含有大量混合像元，存在同物异谱、异物同谱等现象，使得能够准确且稳定识别出的类型比较少，尤其是难以细分城市用地，无法满足城市规划和建设部门日常工作需要，只能用作宏观趋势性分析。随着分辨率提升至1米甚至小于1米，通过遥感影像能表现出的地物类型越来越丰富，往往需要对图像进行分割，如专利文献1(CN101710387A)中公开了一种高分辨率遥感图像智能分类方法，其通过将之前获得的全色图像的图像分割结果空间映射得到多光谱图像的分割结果，并对欠分割的全色图像的分割区域进行再分割，生成区域的特征空间，然后采用分类器设计并实现图像分类，其有效地解决了图像欠分割区域所存在影响图像分类精度的问题。但是其无法有效地将土地的现状进行识别及标识，仍旧需要人工目视判读方式按照城市规划需要对图像进行识别和标识，但是工作量大，周期长，对解译人员要求高，亟需利用计算机进行辅助分类。基于面向对象影像分析方法(Object Oriented Image Analysis)，虽然能够自动或半自动从高分辨率遥感影像中提取出建筑、植被和水域等基本地物要素，进而识别出地表某些区域的土地使用类型，但很难按行业标准实现大区域的土地类型识别。究其原因，主要是由于行业标准多以用地的功能属性为主，遥感影像反映的是物理属性，而物理属性与功能属性之间不存在一一对应关系，现实中混杂着大量的同物异类和异类同物现象。例如 《城市用地分类与规划建设用地标准》(GBJ 137-90)规定，绿地作为大类G与居住用地R并存，同时也以居住用地的三级小类R14出现；又如公共绿地Gl是指向公众开放，有一定游憩设施的绿化用地，包括其范围内的水域，此时水域将和植被一起被归类为Gl，而不是独立的水域类型E1。所以，单纯依靠影像进行计算机判读分类难以满足相关行业的应用需求。
技术实现思路
以实地踏勘方式调查城市用地现状的成本很高，难以短周期性形式持续开展。人工解译遥感影像的方法虽然有所改善，但是工作量依然较大，对人员要求高。现有基于计算机判读的土地类型识别更进一步提高了工作效率，但识别结果不符合城市规划等行业标准。本专利技术旨在克服这个难点，在利用面向对象影像分析方法识别出基本地物要素的基础上，通过引入先验信息实现用地性质和地块边界的准确判定，在高效识别标识的基础上使最终结果符合需求。为实现该目的，本专利技术提供了，该方法包括以下步骤从遥感影像中提取矢量地物要素；将矢量地物要素分割为若干个矢量地物要素集合； 根据先验信息而获得行业类型，并将该行业类型添加到该先验信息中；将先验信息中的行业类型映射为土地类型，并将该土地类型添加到该先验信息中；将先验信息与矢量地物要素或矢量地物要素集合进行空间叠加分析，确定两者的寄宿关系；根据先验信息确定矢量地物要素或矢量地物要素集合的属性；根据矢量地物要素或矢量地物要素集合的属性进行聚类，得到相邻同类矢量地物要素的凸包；对凸包进行图形整饰，并对其赋予土地类型，从而得到识别结果。优选地，所述将矢量地物要素分割为若干个矢量地物要素集合是利用道路网进行分割的。为了实现该目的，本专利技术还提供了，该方法包括以下步骤从遥感影像提取矢量地物要素，并将包含土地类型的先验信息与矢量地物要素进行空间叠加分析，确定两者的寄宿关系；根据先验信息确定矢量地物要素的属性；根据矢量地物要素的属性进行聚类，得到相邻同类矢量地物要素的凸包；对凸包进行图形整饰，并对其赋予土地类型，从而得到识别结果。优选地，该先验信息为兴趣点信息。优选地，该属性包括名称、地址和土地类型。优选地，该遥感影像为高分辨率遥影像。优选地，该方法用于对城市土地使用类型的识别。本专利技术有效地提高遥感图像的识别性能，提升效率，更好地符合需要。附图说明通过下面结合附图对本专利技术的一个优选实施例进行的描述，本专利技术的技术方案及其技术效果将变得更加清楚，且更加易于理解。其中图1示出了本专利技术的基于遥感影像的识别方法的流程图。图2示出了用于示范性说明本专利技术的基于遥感影像的识别方法的原始遥感影像。图3示出了用于示范性说明本专利技术的基于遥感影像的识别方法的所提取的建筑要素。图4示出了用于示范性说明本专利技术的基于遥感影像的识别方法的土地边界。图5示出了用于示范性说明本专利技术的基于遥感影像的识别方法的标识结果图。具体实施例方式先验信息可优选为兴趣点信息，即POI (Points Of Interesting,兴趣点)信息。 POI信息是反映现状的点状空间数据，其包含丰富的语义信息且该语义信息符合认知习惯。 POI信息通常包括名称、地址、简介和坐标等四项内容，例如北京大学人民医院位于北京市西城区西直门南大街11号，是综合性三级甲等医院，地理坐标为(116. 34，39. 93)。现以POI信息为例对本专利技术的方法进行说明。图1示出了本专利技术的基于遥感影像的识别方法的流程图。如图1所示，本专利技术的基于遥感影像的识别方法优选包括八个步骤，需要说明的是，本专利技术的基于遥感影像的识别方法在不脱离本专利技术的思想的情况下可包含这八个步骤的全部或部分。第1步，从遥感影像中提取矢量地物要素。采用面向对象分析方法，从遥感影像(尤其是高分辨率遥感影像)中提取出地物要素，包括建筑、水域、植被、裸土、阴影和道路等六类。同时将各地物要素矢量化，记录坐标存为矢量数据，并赋予相应的类型编号，例如建筑为1，水域为2，植被为3，裸土为4，阴影为 5，道路为6，从而获得矢量地物要素。第2步，将矢量地物要素分割为若干个矢量地物要素集合。利用矢量道路网数据对影像中提取的矢量地物要素进行空间分析，将与矢量道路网相交的道路要素剔除，减少后续计算量，并将矢量地物要素分割为若干个矢量地物要素皇A朱口 ο第3步，根据先验信息而获得行业类型，并将该行业类型添加到该先验信息中。POI信息中的一部分可经过适当处理而转换为行业类型，并可将该行业类型添加到POI信息中。例如，使用文本分类技术可将POI的名称和简介等信息转换为行业类型。通常，POI信息中的名称和简介含有专有名词，其体现了该POI信息所属行业的特征，例如“医院”和“三级甲等”表明属于医疗卫生行业。因而可通过选取若干样本进行训练， 建立专有名词与行业类型之间的分类模型，但专有名词所用的词库应当覆盖常见的行业类型名称，例如“大学”、“医院”、“小区”等。其中以教育行业为例，“大学”、“学院”、“中学”、 “幼儿园”等均可根据这些专有名词判定为教育行业。该方法保证了语义信息的准确性，可提升识别转换精度。第4步，将先验信息中的行业类型映射为土地类型，并将该土地类型添加本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：吴运超，黄晓春，王碧辉，
申请(专利权)人：北京市城市规划设计研究院，
类型：发明
国别省市：