CN104408463B - 一种高分辨率建设用地图斑识别方法 - Google Patents
一种高分辨率建设用地图斑识别方法 Download PDFInfo
- Publication number
- CN104408463B CN104408463B CN201410573134.2A CN201410573134A CN104408463B CN 104408463 B CN104408463 B CN 104408463B CN 201410573134 A CN201410573134 A CN 201410573134A CN 104408463 B CN104408463 B CN 104408463B
- Authority
- CN
- China
- Prior art keywords
- image
- pantex
- spot
- contrast
- straight line
- 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.)
- Expired - Fee Related
Links
- 238000010276 construction Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012706 support-vector machine Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 19
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于PanTex和直线特征的高分辨率建设用地图斑识别方法,具体步骤包括:步骤一、对高分辨率遥感影像和对应的土地利用图斑进行配准;步骤二、对土地利用图斑与高分辨率遥感影像进行叠加掩模,获取每个图斑多边形对应的独立图斑影像;步骤三、计算处理后高分辨率遥感影像的PanTex特征图像,统计每个图斑内PanTex指数的总和;步骤四、对处理后的独立图斑影像,提取图斑影像内的直线;步骤五、计算图斑的直线特征;步骤六、利用SVM两类分类器对图斑进行分类,提取建设用地图斑。本发明解决了PanTex指数在高分辨率遥感影像中大厂房、大屋顶失效的问题,算法简单高效,且结果为图斑形式,易于GIS数据库的更新。
Description
技术领域
本发明属于遥感影像处理技术领域,主要涉及土地利用数据库中建设用地图斑识别的方法,具体涉及一种基于PanTex和直线特征的高分辨率建设用地图斑识别方法。
背景技术
利用卫星遥感技术开展土地资源调查在我国有着迅猛的发展。早在二十世纪80年代初期,我国就采用卫星和航空影像图在全国范围内开展农区1:1万、林区1:2.5万、牧区1:5万-1:10万土地资源调查。1996年,国家土地管理局组织应用美国陆地资源卫星TM数据,对17个城市的建设用地规模进行了监测。在2007年开始的第二次全国土地调查中,采用了高、中、低分辨率及宏观与微观相互结合的方法,国产的卫星遥感数据也成为了主要的数据。现在国家每10年进行的全国土地调查和每年进行的土地变更调查业务的首要任务便是获取全国的卫星遥感数据,制作调查底图。随着《国家中长期科学和技术发展规划纲要 (2006-2020年)》战略部署的开展,高分辨率对地观测系统重大专项(简称高分专项)列为国家重大科技专项之一,卫星遥感数据的数量和质量都将得到大幅的提升,国土调查同时又是高分辨率遥感应用的重大领域应用之一。
“土地利用动态遥感监测”作为新一轮国土资源大调查的旗舰项目,是遥感技术在国土应用的集中体现,该业务依据土地资源管理的不同需求,采用现代遥感技术手段,对特定时间段内的土地资源和土地利用变化进行连续、多目标、多种分辨率的遥感监测和调查,快速、准确地发现土地利用变化信息,重点是对新增建设用地占用耕地的数量与趋势进行动态监测和系统分析,为国土资源管理提供现势性数据。因此利用高分辨率遥感影像提取建设用地的需求是十分迫切的。
从技术层面来看,现有的建设用地提取方法可以分为两类研究方向:一类通常把建设用地分为具体的研究目标,如道路、机场、建筑物、港口等,然后进行目标提取或者分类;另一类将建设用地作为整体去挖掘其结构或者纹理方面的特征,或者将建设用地作为人造地物 (man-made objects)的集合进行研究,这类研究的代表性成果是MartinoPesaresi提出的 PanTex指数(详细参考:A.G.Martino Pesaresi,Francois Kayitakire,″A robust built-up area presence index by anisotropic rotation-invarianttextural measure,″IEEE Journal of selected topics in applied earthobservations andremote sensing,vol.1,pp.180-192,2008),但该指数提取建设用地的最佳分辨率为5米,在高空间分辨率遥感影像特别是分辨率优于1米的高分辨率影像中,尤其是影像中存在的大厂房、大屋顶等区域时,PanTex几乎指示不出这些区域。
发明内容
本发明针对高分辨率遥感影像中基于PanTex指数建设用地自动提取存在的问题,提供一种基于PanTex和直线特征的高分辨率建设用地图斑识别方法。
为解决上述技术问题,本发明提供的一种基于PanTex和直线特征的高分辨率建设用地图斑识别方法,包括以下步骤:
步骤一、对高分辨率遥感影像和对应的土地利用图斑进行影像与矢量配准;
步骤二、对步骤一处理后的土地利用图斑矢量文件与高分辨率遥感影像进行叠加掩模操作,获取每个图斑多边形对应的影像区域,得到独立图斑影像;
步骤三、计算步骤一处理后高分辨率遥感影像的PanTex特征图像,统计每个图斑内PanTex 指数的总和;
步骤四、对经过所述步骤二处理后的独立图斑影像,提取图斑影像内的直线;
步骤五、对经过所述步骤四处理后的直线计算图斑的直线特征;
步骤六、基于步骤三和步骤五得到的PanTex指数特征和直线特征,利用SVM两类分类器对所述步骤二得到的图斑进行分类,提取建设用地图斑。
进一步地,步骤一中的高分辨率遥感影像与矢量文件配准的方法是利用ArcGIS软件的空间校准工具,通过仿射模型校正矢量文件,将矢量文件与基期影像配准对齐。
进一步地,步骤二中叠加掩模操作是将步骤一处理后土地利用图斑矢量文件叠加至高分辨率遥感影像,通过矢量文件中每个多边形的边界,将边界内的影像区域裁剪出来,存为独立的图斑影像。
进一步地,步骤三中的PanTex特征图像的计算步骤如下:
1、选取如下10个方向
(shiftX,shiftY)=
{(1,-2),(1,-1),(2,-1),(1,0),(2,0),(0,1),(1,1),(2,1),(0,2),(1,2)}
其中,shiftX为像素间的X方向偏移量,shiftY为像素间的Y方向偏移量;
2、计算灰度共生矩阵
设f(x,y)为一幅二维数字图象,其大小为M×N,灰度级别为Z,则满足一定空间关系的灰度共生矩阵公式为:
P(i,j)=#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)=i,f(x2,y2)=j}
其中,P为Z×Z的矩阵,#{x}表示集合x中的元素个数,i、j、x1、y1、x2和y2的取值范围均为[0,Z-1];
利用步骤1的10个方向计算各个方向的灰度共生矩阵P(i,j|shiftX,shiftY);
3、计算PanTex特征图像
3.1、利用步骤2中的10个方向的灰度共生矩阵计算10个对比度测度
对比度测度计算公式如下:
3.2、分别对步骤3.1中的10个对比度测度进行归一化处理;
3.3、将步骤3.2归一化处理后的10幅纹理测度图像进行逐像素取最小值,得到PanTex 特征图像。
进一步地,步骤三中统计每个图斑内PanTex指数的总和是将PanTex特征图像与土地利用图斑叠加,统计每个多边形内部PanTex特征值的总和。
进一步地,步骤四中提取图斑影像内的直线的步骤如下:
1.1、选择梯度算子计算x和y方向的梯度,再计算梯度的方向;
梯度方向计算公式如下:
θ=tan-1(GV(i,j)/GH(i,j))
其中,GV(i,j)表示垂直方向的梯度,GH(i,j)表示水平方向的梯度;
1.2、利用重叠间隔的区间对梯度角度结果进行分割;
首先以0度为起点,45度的间隔进行一次分割,再以22.5度为起点,45度的间隔进行第二次分割;
1.3、获取最长线;
分别从步骤1.2中得到的分割结果中提取直线,将两个分割结果中的直线进行合并获取最长线,具体步骤是:
(1)先获取每个直线备选区域的长度;
(2)如果某个像素包含在两个不同的直线备选区域中,则投票给长度长的那个直线备选区域;
(3)选取投票数在50%以上的作为最长线的直线备选区域;
1.4、利用两平面横切的方法获取直线备选区域中直线的精确位置;
两平面中的第一个平面是利用最小二乘法拟合直线备选区域中像素点的梯度大小得到的平面,第二个平面是直线备选区域中像素点灰度值的平均得到的水平平面,两平面相交就获得了最终的直线位置。
进一步地,步骤五中图斑的直线特征包括平均长度、长度熵、平均对比度和对比度熵。
进一步地,步骤五计算图斑的直线特征的方法如下:
(1)平均长度
统计图斑内部直线的平均长度。
(2)长度熵
首先设图斑中直线总数为M,其中直线的最短长度设为Lmin个像元,最长长度设为Lmax个像元,以间隔为10像元设置长度直方图,共分为N个长度区间,将图斑内的直线按照长度归入相应的长度区间中,统计第q个区间中的直线数量为Nq,然后计算第q个区间中直线数量占图斑内所有直线数量的概率h(q)=Nq/M,最后根据公式计算该图斑内部的直线长度熵。
(3)平均对比度
设(x,y)是直线SL中的任意一个点,按照如下公式计算直线的对比度:
其中CLSR表示该直线的对比度,Gd(x,y)表示点(x,y)的方向导数,d表示计算方向导数考虑的X和Y方向。
将图斑内部所有直线对比度求平均值即可获得平均对比度。
(4)对比度熵
首先设图斑中直线总数为M,其中直线的最小对比度设为CLSRmin,最大对比度设为CLSRmax,以间隔为50设置对比度直方图,共分为N个对比度区间,将图斑内的直线按照对比度的值归入相应的对比度区间中,统计第q个区间中的直线数量为Nq,然后计算第q个区间中直线数量占图斑内所有直线数量的概率为h(q)=Nq/M,最后根据公式计算该图斑内部的直线对比度熵。
本发明具有如下的优点和有益效果:
1.本发明在PanTex指数的基础上,融合了建设用地的直线特征,解决了PanTex指数在高分辨率遥感影像中针对的大厂房、大屋顶失效的问题,算法简单高效;
2.本发明引入土地利用图斑作为建设用地识别的先验知识,对建设用地直线特征的提取和计算起到辅助作用,且信息提取的结果为图斑形式,易于GIS数据库的更新。
附图说明
图1为本发明的流程图;
图2为本发明实施例的高分辨率遥感影像与对应的土地利用图斑叠加显示图;
图3为本发明实施例的利用土地利用图斑矢量文件掩模操作得到图斑影像区的示意图;
图4为本发明实施例的高分辨率遥感影像得到的PanTex指数结果图;
图5为基于梯度方向的直线提取算法所采用的梯度算子;
图6为获取直线备选区域中直线的精确位置示意图。6-A是直线备选区域,6-B是在直线备选区域中的像素点用粗点标识,6-C是利用最小二乘法拟合直线备选区域中像素点的梯度大小得到的平面与直线备选区域中像素点灰度的平均平面相交得到的直线位置,6-D是直线备选区域中精确的直线位置。
图7为基于梯度方向的直线提取算法与经典霍夫变化提取结果的对比图。7-A是本发明基于梯度方向的建设用地直线提取结果;7-B是经典霍夫变换建设用地直线提取结果;7-C是基于梯度方向的耕地直线提取结果;7-D是经典霍夫变换耕地直线提取结果。
图8为本发明实施例影像中的若干图斑的直线特征值。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
本发明以江苏省武进区WorldView1全色影像和对应时相的土地利用图斑为例,实验影像的拍摄时间为2012年12月。
图1示出了基于PanTex指数和直线特征的高分辨率建设用地图斑识别方法的流程,包括以下步骤:
步骤一、对高分辨率遥感影像和对应的土地利用图斑进行影像与矢量配准;
土地利用图斑是指土地利用数据库中土地利用要素的一个组成部分,是一个由一系列多边形组成的矢量文件,文件格式以ESRI Shapefile为主,矢量文件中每个多边形包含对应地块的空间信息和属性信息,其中空间信息就是该地块对应的边界范围和与周围地块的拓扑关系,属性信息包括该地块的地类名称、地类编码、土地利用类型、面积以及土地权属等信息。
利用ArcGIS软件的空间校准工具,通过仿射模型校正矢量文件,将矢量文件与基期影像配准对齐,配准后的高分辨率遥感影像与对应的土地利用图斑叠加显示如图2所示。
步骤二、利用经过所述步骤一处理后的土地利用图斑矢量文件与高分辨率遥感影像进行叠加掩模操作,获取每个图斑多边形对应的影像区域,得到独立的图斑影像;
叠加掩模操作是将步骤一处理后土地利用图斑矢量文件叠加至高分辨率遥感影像,通过矢量文件中每个多边形的边界,将边界内的影像区域裁剪出来,存为独立的图斑影像,如图3 所示。
步骤三、计算步骤一处理后高分辨率遥感影像的PanTex特征图像,统计每个图斑内 PanTex指数的总和;
PanTex是一种基于结构信息的建筑物识别特征,定义了建筑物的识别模型,能够提供简单、稳定的建筑物提取效果;PanTex特征图像是利用高分辨率遥感影像的单个波段对十个方向的移动窗口统计灰度共生矩阵,并计算基于对比度测度的纹理特征,得到对应于各个方向的多幅对比度纹理图像,然后利用最小值算子取十幅对比度纹理图像对应像素的最小值合并得到PanTex特征图像。
计算步骤如下:
1、选取如下10个方向
(shiftX,shiftY)=
{(1,-2),(1,-1),(2,-1),(1,0),(2,0),(0,1),(1,1),(2,1),(0,2),(1,2)}
其中,shiftX为像素间的X方向偏移量,sgiftY为像素间的Y方向偏移量;
2、计算灰度共生矩阵
设f(x,y)为一幅灰度级别为Z的二维数字图象,设置窗口大小为M×M,则满足一定空间关系的灰度共生矩阵为:
P(i,j)=#{(x1,y1),(x2,y2)∈M×M|f(x1,y1)=i,f(x2,y2)=j}
式中P为Z×Z的矩阵,#{x}表示集合x中的元素个数,i、j、x1、y1、x2和y2的取值范围均为[0,Z-1];
选取窗口大小M=89,利用步骤1的10个方向计算灰度共生矩阵;
3、计算PanTex特征图像
3.1、利用步骤2中的10个方向的灰度共生矩阵计算10个对比度测度;
对比度测度计算公式如下:
3.2、分别对步骤3.1中的10个对比度测度进行归一化处理;
3.3、将步骤3.2归一化处理后的10幅纹理测度图像进行逐像素取最小值,输出PanTex 特征图像,如图4所示。
4、计算土地利用图斑内每个图斑多边形对应区域的PanTex指数的总和
利用土地利用图斑矢量文件对PanTex特征图像进行叠加掩模操作,然后计算得到每个影像区域内像素值的总和,即PanTex指数的总和。
步骤四、对经过所述步骤二处理后的独立图斑影像,提取图斑影像内的直线;
实现步骤如下:
1、将影像中的像素按照梯度方向分割为直线备选区域
1.1、选择如图5所示的梯度算子计算x和y方向的梯度,再计算梯度的方向;梯度方向计算公式如下:
θ=tan-1(GV(i,j)/GH(i,j))
其中,GV(i,j)表示垂直方向的梯度,6H(i,j)表示水平方向的梯度。
1.2、利用重叠间隔的区间对梯度角度结果进行分割;
首先以0度为起点,45度的间隔进行一次分割,再以22.5度为起点,45度的间隔进行第二次分割;
1.3、获取最长线;
分别从步骤1.2中得到的分割结果中提取直线,将两个分割结果中的直线进行合并获取最长线,具体步骤是:
(1)先获取每个直线备选区域的长度;
(2)如果某个像素包含在两个不同的直线备选区域中,则投票给长度长的那个直线备选区域;
(3)选取投票数在50%以上的作为最长线的直线备选区域。
2、利用两平面横切的方法获取直线备选区域中直线的精确位置
利用两平面横切的方法在获得的直线备选区域中确定准确的直线的位置,如图6所示。两平面中的第一个平面是利用最小二乘法拟合直线备选区域中像素点的梯度大小得到的平面,第二个平面是直线备选区域中像素点灰度值的平均得到的水平平面,两平面相交就获得了最终的直线位置。
本发明实施例中的两个图斑的直线提取结果与经典霍夫变化提取结果进行对比,可以看出本算法提取得到的直线优于经典的霍夫变换,如图7所示,其中7-A是本发明基于梯度方向的建设用地直线提取结果,7-B是经典霍夫变换建设用地直线提取结果,7-C是基于梯度方向的耕地直线提取结果,7-D是经典霍夫变换耕地直线提取结果。
步骤五、对经过所述步骤四处理后的直线计算图斑的直线特征;
图斑的直线特征包括平均长度、长度熵、平均对比度和对比度熵,计算方法如下:
(1)平均长度
由于在大多数的建设用地图斑内部存在楼房、街道、人工结构等目标,因此,图斑内提取到的直线较长,而在非建设用地区域,由于缺少人类活动,直线目标会比较短;基于以上特点,图斑内部直线的平均长度可作为区分建设用地和非建设用地的一个特征。
(2)长度熵
长度熵描述图斑内部直线长度的一致程度;
首先设图斑中直线总数为M,图斑中存在的直线的最短长度设为10个像元,最长长度设为100个像元,以间隔为10像元设置长度直方图,共分为N个长度区间,将图斑内的直线按照长度归入相应的长度区间中,统计第q个区间中的直线数量为Nq,然后计算第q个区间中直线数量占图斑内所有直线数量的概率h(q)=Nq/M,最后根据公式计算得到该图斑内部的直线长度熵。
(3)平均对比度
在建设用地区域,直线通常是建筑物的两边或者道路,由于直线两边的土地覆盖类型截然不同导致直线两边有很高的对比度,而耕地等非建设用地区域内土地覆盖类型均匀,直线两端的对比度自然较小,因此图斑区域内部直线的平均对比度可以作为区分建设用地和非建设用地的一个特征。
设(x,y)是直线SL中的任意一个点,按照如下公式计算直线的对比度:
其中CLSR表示该直线的对比度,Gd(x,y)表示点(x,y)的方向导数,d表示计算方向导数考虑的X和Y方向。
将图斑内部所有直线对比度求平均值即可获得平均对比度。
(4)对比度熵
与直线的长度熵相同,建设用地区域中的直线除了对比度比较大以外,不同直线的对比度差异也会比较大,对比度熵通常较大,而耕地等非建设用地中直线的对比度一般差异较小,对比度熵则较小,因此,图斑内部直线的对比度熵可以作为区分建设用地和非建设用地的一个特征。
首先设图斑中直线总数为M,图斑中存在直线的最小的对比度值设为50,最大的对比度值设为850,以间隔为50设置对比度直方图,共分为N个对比度区间,将图斑内的直线按照对比度的值归入相应的对比度区间中,统计第q个区间中的直线数量为Nq,然后计算第q个区间中直线数量占图斑内所有直线数量的概率为h(q)=Nq/M,最后根据公式计算得到该图斑内部的直线对比度熵。
以本发明实施例影像中的若干图斑为例,得到的特征值如图8所示:
步骤六、选取建设用地和耕地图斑样本,利用SVM两类分类器对所述步骤三和步骤五得到的PanTex指数特征和直线特征对所述步骤二得到的图斑进行分类,提取建设用地图斑。
从本发明实施例影像的全部202个图斑中随机选择100个作为训练样本进行训练,然后用得到的模型对全部的202个图斑进行分类,采用混淆矩阵对分类结果进行精度评价,评价结果如下表所示:
表1 建设用地图斑识别精度评价
实验结果表明,通过本技术方案,建设用地图斑自动识别的总体精度可以达到85.6%, Kappa系数为0.7133。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:包括以下步骤:
步骤一、对高分辨率遥感影像和对应的土地利用图斑进行影像与矢量配准;
步骤二、对步骤一处理后的土地利用图斑矢量文件与高分辨率遥感影像进行叠加掩模操作,获取每个图斑多边形对应的影像区域,得到独立图斑影像;
步骤三、计算步骤一处理后高分辨率遥感影像的PanTex特征图像,统计每个图斑内PanTex指数的总和;
步骤四、对经过所述步骤二处理后的独立图斑影像,提取图斑影像内的直线;
步骤五、对经过所述步骤四处理后的直线计算图斑的直线特征;
步骤六、基于步骤三和步骤五得到的PanTex指数特征和直线特征,利用SVM两类分类器对所述步骤二得到的图斑进行分类,提取建设用地图斑。
2.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤一中的高分辨率遥感影像与矢量文件配准的方法是利用ArcGIS软件的空间校准工具,通过仿射模型校正矢量文件,将矢量文件与基期影像配准对齐。
3.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤二中叠加掩模操作是将步骤一处理后土地利用图斑矢量文件叠加至高分辨率遥感影像,通过矢量文件中每个多边形的边界,将边界内的影像区域裁剪出来,存为独立的图斑影像。
4.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤三中PanTex特征图像的计算步骤如下:
1、选取如下10个方向
(shiftX,shiftY)={(1,-2),(1,-1),(2,-1),(1,0),(2,0),(0,1),(1,1),(2,1),(0,2),(1,2)}
其中,shiftX为像素间的X方向偏移量,shiftY为像素间的Y方向偏移量;
2、计算灰度共生矩阵
设f(x,y)为一幅二维数字图象,其大小为M×N,灰度级别为Z,则满足一定空间关系的灰度共生矩阵公式为:
P(i,j)=#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)=i,f(x2,y2)=j}
其中,P为Z×Z的矩阵,#{x}表示集合x中的元素个数,i、j、x1、y1、x2和y2的取值范围均为[0,Z-1];
利用步骤1的10个方向计算各个方向的灰度共生矩阵P(i,j|shiftX,shiftY);
3、计算PanTex特征图像
3.1、利用步骤2中的10个方向的灰度共生矩阵计算10个对比度测度;
对比度测度计算公式如下:
3.2、分别对步骤3.1中的10个对比度测度进行归一化处理;
3.3、将步骤3.2归一化处理后的10幅纹理测度图像进行逐像素取最小值,得到PanTex特征图像。
5.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤三中统计每个图斑内PanTex指数的总和是将PanTex特征图像与土地利用图斑叠加,统计每个多边形内部PanTex特征值的总和。
6.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤四中提取图斑影像内的直线的步骤如下:
1、将影像中的像素按照梯度方向分割为直线备选区域
1.1、选择梯度算子计算x和y方向的梯度,再计算梯度的方向;
梯度方向计算公式如下:
θ=tan-1(GV(i,j)/GH(i,j))
其中,GV(i,j)表示垂直方向的梯度,GH(i,j)表示水平方向的梯度;
1.2、利用重叠间隔的区间对梯度角度结果进行分割;
首先以0度为起点,45度的间隔进行一次分割,再以22.5度为起点,45度的间隔进行第二次分割;
1.3、获取最长线;分别从步骤1.2中得到的分割结果中提取直线,将两个分割结果中的直线进行合并获取最长线,具体步骤是:
(1)先获取每个直线备选区域的长度;
(2)如果某个像素包含在两个不同的直线备选区域中,则投票给长度长的那个直线备选区域;
(3)选取投票数在50%以上的作为最长线的直线备选区域;
1.4、利用两平面横切的方法获取直线备选区域中直线的精确位置;两平面中的第一个平面是利用最小二乘法拟合直线备选区域中像素点的梯度大小得到的平面,第二个平面是直线备选区域中像素点灰度值的平均得到的水平平面,两平面相交就获得了最终的直线位置。
7.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤五中图斑的直线特征包括平均长度、长度熵、平均对比度和对比度熵。
8.如权利要求1所述的基于PanTex和直线特征的高分辨率建设用地图斑识别方法,其特征在于:步骤五中计算图斑的直线特征的方法如下:
(1)平均长度
统计图斑内部直线的平均长度;
(2)长度熵
首先设图斑中直线总数为M,其中直线的最短长度设为Lmin个像元,最长长度设为Lmax个像元,以间隔为10像元设置长度直方图,共分为N个长度区间,将图斑内的直线按照长度归入相应的长度区间中,统计第q个区间中的直线数量为Nq,然后计算第q个区间中直线数量占图斑内所有直线数量的概率h(q)=Nq/M,最后根据公式计算该图斑内部的直线长度熵;
(3)平均对比度
设(x,y)是直线SL中的任意一个点,按照如下公式计算直线的对比度:
其中CLSR表示该直线的对比度,Gd(x,y)表示点(x,y)的方向导数,d表示计算方向导数考虑的X和Y方向;
将图斑内部所有直线对比度求平均值即可获得平均对比度;
(4)对比度熵
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573134.2A CN104408463B (zh) | 2014-10-15 | 2014-10-15 | 一种高分辨率建设用地图斑识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410573134.2A CN104408463B (zh) | 2014-10-15 | 2014-10-15 | 一种高分辨率建设用地图斑识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408463A CN104408463A (zh) | 2015-03-11 |
CN104408463B true CN104408463B (zh) | 2020-05-12 |
Family
ID=52646094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410573134.2A Expired - Fee Related CN104408463B (zh) | 2014-10-15 | 2014-10-15 | 一种高分辨率建设用地图斑识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408463B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794495B (zh) * | 2015-05-04 | 2018-02-06 | 福建师范大学 | 一种基于直线统计特征的大幅面遥感影像区域分类方法 |
CN107092877B (zh) * | 2017-04-12 | 2020-01-24 | 武汉大学 | 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法 |
CN109376638B (zh) * | 2018-10-15 | 2022-03-04 | 西安建筑科技大学 | 一种基于遥感图像和地理信息系统的文地率计算方法 |
CN109816749B (zh) * | 2019-02-14 | 2023-04-28 | 中国测绘科学研究院 | 图斑地图符号填充方法、装置、计算机设备及存储介质 |
CN109978416B (zh) * | 2019-04-18 | 2021-07-02 | 广州市城市规划勘测设计研究院 | 非建设用地差异处理方法、装置、存储介质及终端设备 |
CN110706240B (zh) * | 2019-09-28 | 2022-09-27 | 滁州学院 | 基于小图斑的无人机影像数据批量裁切方法 |
CN111709927B (zh) * | 2020-06-12 | 2022-05-27 | 自然资源部四川测绘产品质量监督检验站(四川省测绘产品质量监督检验站) | 一种类型异常图斑自动识别方法及系统 |
CN114138926B (zh) * | 2022-01-27 | 2022-05-10 | 中国测绘科学研究院 | 一种人口分布格网大小确定方法及系统 |
CN115527120A (zh) * | 2022-10-18 | 2022-12-27 | 湖南省第二测绘院 | 一种快速发现和处置违法用地的监测监管方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9529974B2 (en) * | 2008-02-25 | 2016-12-27 | Georgetown University | System and method for detecting, collecting, analyzing, and communicating event-related information |
CN102214358B (zh) * | 2010-04-09 | 2014-01-08 | 杨存建 | 基于知识发现的quickbird影像乡村聚落单元信息提取技术 |
CN103971115B (zh) * | 2014-05-09 | 2017-05-10 | 中国科学院遥感与数字地球研究所 | 一种基于NDVI和PanTex指数的新增建设用地图斑自动提取方法 |
-
2014
- 2014-10-15 CN CN201410573134.2A patent/CN104408463B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104408463A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408463B (zh) | 一种高分辨率建设用地图斑识别方法 | |
Kowe et al. | A quantitative framework for analysing long term spatial clustering and vegetation fragmentation in an urban landscape using multi-temporal landsat data | |
Gamanya et al. | Object-oriented change detection for the city of Harare, Zimbabwe | |
Song et al. | The relationships between landscape compositions and land surface temperature: Quantifying their resolution sensitivity with spatial regression models | |
US8144937B2 (en) | System and method for airport mapping database automatic change detection | |
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
Zhou et al. | Individual tree parameters estimation for plantation forests based on UAV oblique photography | |
CN111062368B (zh) | 基于Landsat时间序列遥感影像的城市更新区域监测方法 | |
Ehrlich et al. | Extracting building stock information from optical satellite imagery for mapping earthquake exposure and its vulnerability | |
Veljanovski et al. | Object-based image analysis of VHR satellite imagery for population estimation in informal settlement Kibera-Nairobi, Kenya | |
JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
CN104899562A (zh) | 基于纹理分割融合的雷达遥感影像人工建筑识别算法 | |
CN105389799B (zh) | 基于素描图与低秩分解的sar图像目标检测方法 | |
Zhang et al. | Detecting fractional land-cover change in arid and semiarid urban landscapes with multitemporal Landsat Thematic mapper imagery | |
Gennaretti et al. | A methodology proposal for land cover change analysis using historical aerial photos | |
Lu et al. | Regional assessment of pan-Pacific urban environments over 25 years using annual gap free Landsat data | |
Peeters | A GIS-based method for modeling urban-climate parameters using automated recognition of shadows cast by buildings | |
Walde et al. | Graph-based mapping of urban structure types from high-resolution satellite image objects—Case study of the German cities Rostock and Erfurt | |
Bashit et al. | Analysis of built-up land spatial patterns using multitemporal satellite imagery in Pekalongan city | |
Galeon | Estimation of population in informal settlement communities using high resolution satellite image | |
CN107220615B (zh) | 一种融合兴趣点大数据的城市不透水面信息提取方法 | |
Wang et al. | An unsupervised multi-scale segmentation method based on automated parameterization | |
Dubovyk et al. | Object-based cropland degradation identification: a case study in Uzbekistan | |
Xu et al. | Derivation of fractional urban signals in better capturing urbanization process | |
Heckel et al. | The first sub-meter resolution digital elevation model of the Kruger National Park, South Africa |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200512 |
|
CF01 | Termination of patent right due to non-payment of annual fee |