CN102213593A - 一种异常用地快速获取方法 - Google Patents
一种异常用地快速获取方法 Download PDFInfo
- Publication number
- CN102213593A CN102213593A CN 201110088715 CN201110088715A CN102213593A CN 102213593 A CN102213593 A CN 102213593A CN 201110088715 CN201110088715 CN 201110088715 CN 201110088715 A CN201110088715 A CN 201110088715A CN 102213593 A CN102213593 A CN 102213593A
- Authority
- CN
- China
- Prior art keywords
- image
- variation diagram
- spot
- difference
- land
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种异常用地快速获取方法,包括如下步骤:(1)影像导入;(2)影像的配准融合/正射纠正;(3)变化检测方法的选取;(4)提取新增建设用地变化图斑;(5)提取异常用地。本发明以地理信息平台为基础,3S技术为核心,结合遥感影像分析与信息提取算法,实现对多时相遥感影像数据之间、遥感影像数据与城市规划编制、规划审批成果之间的对比分析,及时掌握城市建设中与规划不相符的情况。通过核查上报、统计分析等措施,为城市规划监察、城市管理服务。
Description
技术领域
本发明涉及一种异常用地快速获取方法,属于信号与信息处理领域。
背景技术
随着工业化、城市化的加速发展,我国人地矛盾日益加大,耕地保护形势日趋严峻,土地供求矛盾日趋尖锐,土地违法违规特别是侵犯农民土地权益问题十分严重,成为长期困扰我国可持续发展进程的突出问题。为有效解决我国土地管理中存在的突出问题,切实保护耕地,确保18亿亩耕地红线,除采用强有力的法律、行政等手段严格管理之外,还需要采用高新技术手段对土地利用状况进行动态监测。国务院建立国家土地督察制度,对省级人民政府土地利用和管理情况进行监督检查,遥感监测技术在此次土地例行督察中开展了有益尝试,取得较好成效。
通过对监测地区提取现状和变化图斑,可以从宏观上了解该地区的土地利用情况,但为了能更加全面、更加深入地掌握该地区的土地利用情况,需要辅以该地区的相关土地专题数据。针对遥感监测成果提取的变化图斑,采用何种方式进行实地核查,实地核查的重点是什么,都直接影响到实地核查的效率。通过对督察区域中心城区的卫星遥感监测与实地核查,及时准确发现了被监测地的违法违规用地问题,为督察组和当地政府及时发现、制止和纠正了存在的违法违规问题提供了可靠资料,体现了客观性、及时性,弥补了人工巡查的时间与人力不足的缺陷,克服了常规巡查的人为性偏差,实现了优势互补,扩大监管的广度和深度,实现了对违法违规用地早发现、早报告、早制止、早纠正的快速反应机制,提高了土地例行督察效能,可以作为国家土地督察的一种重要手段。
土地例行督察由于是驻地督察,所以对遥感监测成果的时效性有很高的要求。由于遥感监测成果是在例行督察工作开展中期才完成,这给充分发挥遥感监测成果的作用打了折扣。所以,非常有必要在例行督察进场之前,就将该地区的遥感监测成果准备完毕,这样有利于统一安排例行督察的各项具体工作。目前的监测技术仍然处于比较低的水平上,存在许多问题,限制了督查工作的进一步发展。
发明内容
发明目的:针对上述现有存在的问题和不足,本发明的目的是提供一种对不同时期遥感影像进行快速获取异常用地的方法。
技术方案:为实现上述发明目的,本发明采用的技术方案为一种异常用地快速获取方法,包括如下步骤:
(1)影像导入;
(2)影像的配准融合/正射纠正;
(3)变化检测方法的选取;
(4)提取新增建设用地变化图斑;
(5)提取异常用地:可结合规划审批矢量数据,实现从影像信息到异常用地矢量信息的提取。
所述步骤(3)中的变化检测方法为:通过半自动人工或自动的方式,分析多时相遥感影像的灰度值差异和纹理特征差异:对于t1和t2时期的两幅影像,X(t1)与X(t2)分别代表它们的灰度值,它们的灰度差值为δ=|X(t1)-X(t2)|,分别计算两幅图像的灰度共生矩阵,得到纹理特征图像,对两幅图像做差值,得到纹理差值图像,依据贝叶斯理论融合灰度差值和纹理特征差值的图像,再依据最大似然方法完成融合后差分图像的变化检测,得到图像变化区域;采用反向传播神经网络算法对变化图斑样本数据进行训练,得到变化图斑提取的判决函数。
所述步骤(4)中提取新增建设用地变化图斑的方法为输入任意的图像,根据图像的灰度值差异和纹理特征差异,并利用步骤(3)得到的判决函数进行分类判断,自动检测出变化图斑;采用形态学闭运算来消除变化图斑中的孤立点,提取新增建设用地变化图斑。
将所述步骤(4)提取出来的新增建设用地变化图斑与规划审批数据进行叠加分析,确定各个变化图斑的真实状况,将合法的通过审批的变化图斑去除,最终剩下的即为异常用地矢量图斑。
有益效果:本发明以地理信息平台为基础,3S技术为核心,结合遥感影像分析与信息提取算法,实现对多时相遥感影像数据之间、遥感影像数据与城市规划编制、规划审批成果之间的对比分析,及时掌握城市建设中与规划不相符的情况。通过核查上报、统计分析等措施,为城市规划监察、城市管理服务。
附图说明
图1为本发明的实现流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,一种用于影像快速获取异常用地方法,其包括以下步骤:
(1)影像导入(101);
(2)影像的配准融合/正射纠正(102);
(3)变化检测方法选取(103);
(4)新增建设用地变化图斑提取(104);
(5)结合规划审批数据分析提取异常用地(105)。
进一步的变化检测方法选取(103),可根据检测层次的不同选择不同的检测方法。有图像差值法、图像比值法、主分量分析法、相关分析法等。例如:针对多光谱影像,由于需要尽可能多的保持影像的光谱信息和提高分辨率,减少数据冗余,能够在不同成分中得到不同的信息,可以采用主分量分析法。本发明在原有算法的基础上,针对灰度差分图像变化检测方法的不足,提出了一种基于灰度差分与纹理特征差分图像相融合的变化检测方法。这种方法在灰度差分图像中融合了反映局部结构特征的纹理差分图像,使反映地物光谱特征的变化和反映局部结构特征的变化结合起来,提高变化检测的性能。
具体地说,本发明提出的变化检测方法主要是通过半自动人工或自动的方式,分析多时相遥感影像的灰度值差异和纹理特征差异。对于t1和t2时期的两幅影像,X(t1)与X(t2)分别代表它们的灰度值,它们的灰度差值为δ=|X(t1)-X(t2)|。本发明利用图像的灰度共生矩阵将图像样本的灰度值转化为纹理信息。分别计算两幅图像的灰度共生矩阵,得到纹理特征图像,对两幅图像做差值,得到纹理差值图像。依据贝叶斯理论融合灰度差值和纹理特征差值的图像,再依据最大似然方法完成融合后差分图像的变化检测,得到变化图斑样本。采用反向传播神经网络(BP)算法对变化图斑样本数据进行训练,得到变化图斑提取的判决函数。基于这种算法的分类依赖数据本身。BP网络的学习过程由正向和反向两部分组成,输入信息经过正向传播得到相应的输出,输出结果与目标输出比较,如果误差超过预设值,则反向传播,将误差信号由输出层反馈给隐含层和输入层,根据误差调节各层节点间的连接权重,反复该过程,直到信号误差达到允许的误差范围。假设一个BP神经网络,它有m个输入(遥感影像波段)k个输出(土地利用类别),在具体训练过程中,整个网络的判决函数用均方差表示,具体公式如下:
新增建设用地变化图斑提取(104),输入任意的图像,根据图像的灰度值差异和纹理特征差异,并利用(103)得到的判决函数进行分类判断,自动检测出变化图斑。采用形态学闭运算来消除变化图斑中的孤立点,提取新增建设用地变化图斑。
结合规划审批数据分析提取异常用地(105),将上一步检测出来的新增建设用地变化图斑与相关管理部门的规划审批数据进行叠加分析,确定各个变化图斑的真实状况,将合法的通过审批的变化图斑去除,最终剩下的即为异常用地矢量图斑。
Claims (4)
1.一种异常用地快速获取方法,其特征在于包括如下步骤:
(1)影像导入;
(2)影像的配准融合/正射纠正;
(3)变化检测方法的选取;
(4)提取新增建设用地变化图斑;
(5)提取异常用地。
2.根据权利要求1所述一种异常用地快速获取方法,其特征在于:所述步骤(3)中的变化检测方法为:通过半自动人工或自动的方式,分析多时相遥感影像的灰度值差异和纹理特征差异:对于t1和t2时期的两幅影像,X(t1)与X(t2)分别代表它们的灰度值,它们的灰度差值为δ=|X(t1)-X(t2)|,分别计算两幅图像的灰度共生矩阵,得到纹理特征图像,对两幅图像做差值,得到纹理差值图像,依据贝叶斯理论融合灰度差值和纹理特征差值的图像,再依据最大似然方法完成融合后差分图像的变化检测,得到图像变化区域;采用反向传播神经网络算法对变化图斑样本数据进行训练,得到变化图斑提取的判决函数。
3.根据权利要求2所述一种异常用地快速获取方法,其特征在于:所述步骤(4)中提取新增建设用地变化图斑的方法为输入任意的图像,根据图像的灰度值差异和纹理特征差异,并利用步骤(3)得到的判决函数进行分类判断,自动检测出变化图斑;采用形态学闭运算来消除变化图斑中的孤立点,提取新增建设用地变化图斑。
4.根据权利要求1所述一种异常用地快速获取方法,其特征在于:将所述步骤(4)提取出来的新增建设用地变化图斑与规划审批数据进行叠加分析,确定各个变化图斑的真实状况,将合法的通过审批的变化图斑去除,最终剩下的即为异常用地矢量图斑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110088715 CN102213593A (zh) | 2011-04-08 | 2011-04-08 | 一种异常用地快速获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110088715 CN102213593A (zh) | 2011-04-08 | 2011-04-08 | 一种异常用地快速获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102213593A true CN102213593A (zh) | 2011-10-12 |
Family
ID=44744995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110088715 Pending CN102213593A (zh) | 2011-04-08 | 2011-04-08 | 一种异常用地快速获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102213593A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049517A (zh) * | 2012-12-17 | 2013-04-17 | 上海市房屋土地资源信息中心 | 土地利用现状动态监测中变化图斑甄别方法和系统 |
CN106204341A (zh) * | 2016-08-29 | 2016-12-07 | 三峡大学 | 一种用于输电线路通道附着物数据管理及费用测算的综合系统 |
CN106846160A (zh) * | 2017-01-25 | 2017-06-13 | 宁波市种植业管理总站 | 一种耕地占补空间审核方法及装置 |
CN106940782A (zh) * | 2016-01-05 | 2017-07-11 | 程博 | 基于变差函数的高分sar新增建设用地提取软件 |
CN107730496A (zh) * | 2017-10-26 | 2018-02-23 | 武汉大学 | 一种基于影像块的多时相遥感影像建筑物变化检测方法 |
CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
CN109064000A (zh) * | 2018-07-25 | 2018-12-21 | 天图软件科技有限公司 | 自然资源审计的方法、装置和系统 |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112101168A (zh) * | 2020-09-08 | 2020-12-18 | 中电科大数据研究院有限公司 | 基于卫星与无人机联动的公益诉讼辅助取证系统及方法 |
US11195324B1 (en) | 2018-08-14 | 2021-12-07 | Certainteed Llc | Systems and methods for visualization of building structures |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4951136A (en) * | 1988-01-26 | 1990-08-21 | Deutsche Forschungs- Und Versuchsanstalt Fur Luft- Und Raumfahrt E.V. | Method and apparatus for remote reconnaissance of the earth |
CN1721877A (zh) * | 2004-07-15 | 2006-01-18 | 牛铮 | 基于历史图件的土地利用变化检测 |
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN101794413A (zh) * | 2009-12-30 | 2010-08-04 | 武汉大学 | 村镇土地可持续利用调控方法 |
-
2011
- 2011-04-08 CN CN 201110088715 patent/CN102213593A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4951136A (en) * | 1988-01-26 | 1990-08-21 | Deutsche Forschungs- Und Versuchsanstalt Fur Luft- Und Raumfahrt E.V. | Method and apparatus for remote reconnaissance of the earth |
CN1721877A (zh) * | 2004-07-15 | 2006-01-18 | 牛铮 | 基于历史图件的土地利用变化检测 |
CN101510374A (zh) * | 2009-03-12 | 2009-08-19 | 中国科学院遥感应用研究所 | 一种基于历史数据及遥感数据的土地利用图自动更新方法 |
CN101794413A (zh) * | 2009-12-30 | 2010-08-04 | 武汉大学 | 村镇土地可持续利用调控方法 |
Non-Patent Citations (1)
Title |
---|
《测绘科学》 20101130 张寅,王庆,于冠男,王慧青 土地利用变更分析与管理系统设计与实现---以SuperMap Objects 软件应用为例 第35卷, 第6期 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049517A (zh) * | 2012-12-17 | 2013-04-17 | 上海市房屋土地资源信息中心 | 土地利用现状动态监测中变化图斑甄别方法和系统 |
CN106940782B (zh) * | 2016-01-05 | 2020-08-07 | 中国科学院空天信息创新研究院 | 基于变差函数的高分sar新增建设用地提取软件 |
CN106940782A (zh) * | 2016-01-05 | 2017-07-11 | 程博 | 基于变差函数的高分sar新增建设用地提取软件 |
CN106204341A (zh) * | 2016-08-29 | 2016-12-07 | 三峡大学 | 一种用于输电线路通道附着物数据管理及费用测算的综合系统 |
CN106846160A (zh) * | 2017-01-25 | 2017-06-13 | 宁波市种植业管理总站 | 一种耕地占补空间审核方法及装置 |
CN106846160B (zh) * | 2017-01-25 | 2020-07-07 | 宁波市农业技术推广总站 | 一种耕地占补空间审核方法及装置 |
CN107730496A (zh) * | 2017-10-26 | 2018-02-23 | 武汉大学 | 一种基于影像块的多时相遥感影像建筑物变化检测方法 |
CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
CN109064000A (zh) * | 2018-07-25 | 2018-12-21 | 天图软件科技有限公司 | 自然资源审计的方法、装置和系统 |
US11195324B1 (en) | 2018-08-14 | 2021-12-07 | Certainteed Llc | Systems and methods for visualization of building structures |
US11704866B2 (en) | 2018-08-14 | 2023-07-18 | Certainteed Llc | Systems and methods for visualization of building structures |
CN112017178A (zh) * | 2020-09-08 | 2020-12-01 | 重庆市地理信息和遥感应用中心 | 一种基于双时相差值图像法的遥感图像区域变化检测方法 |
CN112101168A (zh) * | 2020-09-08 | 2020-12-18 | 中电科大数据研究院有限公司 | 基于卫星与无人机联动的公益诉讼辅助取证系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102213593A (zh) | 一种异常用地快速获取方法 | |
CN104182754B (zh) | 一种基于高分辨率遥感影像的农村居民点信息提取方法 | |
CN106022518B (zh) | 一种基于bp神经网络的管道破损概率预测方法 | |
CN111738561B (zh) | 一种基于深度学习的区域水土流失动态监测方法 | |
CN101661497B (zh) | 遥感土地利用变化检测方法及系统 | |
CN104751478A (zh) | 一种基于多特征融合的面向对象的建筑物变化检测方法 | |
CN106777984A (zh) | 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法 | |
CN106339775A (zh) | 基于天气分型和气象要素聚类的空气重污染案例判别方法 | |
CN105279556A (zh) | 一种浒苔检测方法和装置 | |
CN113409314A (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及系统 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
CN104103076A (zh) | 一种基于高分辨率遥感影像的核电厂规划限制区遥感监查方法 | |
CN103914707B (zh) | 基于支持向量机的绿色通道产品辅助判别方法 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN108052876A (zh) | 基于图像识别的区域发展评估方法及装置 | |
CN103984938A (zh) | 一种遥感时间序列异常检测方法 | |
CN115374714A (zh) | 一种基于生境适宜性的生态安全格局构建方法 | |
CN115544889A (zh) | 基于深度学习的数值模式降水偏差校正方法 | |
CN107403004B (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
CN115691049A (zh) | 一种基于深度学习的对流初生预警方法 | |
CN109977569B (zh) | 一种融合多因素的mos风暴潮过程灾害模拟方法 | |
Xie et al. | Classifying historical remotely sensed imagery using a tempo-spatial feature evolution (T-SFE) model | |
Tian et al. | Suburban sprawl measurement and landscape analysis of cropland and ecological land: A case study of Jiangsu Province, China | |
CN102621075B (zh) | 一种水稻抽穗期自动检测的方法 | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111012 |