CN102213593A - 一种异常用地快速获取方法 - Google Patents

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

一种异常用地快速获取方法

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：

$\mathrm{\ϵ}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{(T_i^j-F_i^j)}^2}$

式中：n是样本数，T样本中的T_i是一个k维向量，

是输入向量在输出节点的实际输出，

是期望输出值。

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。

Images