CN104766341A - 一种基于dsm和核密度估计的遥感影像建筑物变化检测方法 - Google Patents

Abstract

本发明涉及一种基于DSM和核密度估计的遥感影像建筑物变化检测方法。包括如下步骤：全色遥感影像image1和image2进行预处理；分别提取角点；搜索候选建筑物中心点，并利用对称高斯概率密度函数进行核密度估计；叠加核密度估计结果，得到两个时相的核密度估计图；对核密度估计图进行差分运算，得到差分图P_dif；对差分图P_dif进行标注，得到变化区域CH；对变化区域CH进行提纯。本发明解决了高空间分辨率遥感影像中建筑物变化检测误检率和漏检率高，算法复杂等问题，成果可用于城市地理数据库的更新及违章建筑物的快速识别。

Description

一种基于DSM和核密度估计的遥感影像建筑物变化检测方法

技术领域

本发明涉及一种遥感影像处理领域，具体说是一种基于DSM和核密度估计的遥感影像建筑物变化检测方法。

背景技术

遥感影像建筑物变化检测就是从不同时期的遥感数据中定量分析和确定建筑物变化信息的技术。目前在国际上，许多专家学者力求寻找快速、自动化的变化检测方法，虽然研究人员已经提出了很多建筑物变化检测方法，但是这些方法往往缺乏有力的数学理论推导和数字化模型的建立，具体实施过程中的诸多步骤依然依赖人为经验指导，多数方法对用于变化检测的影像数据要求苛刻，对不同时相间的噪声、辐射差别等因素的影响比较敏感，缺乏自动高效的变化信息提取和分析方法，而且多是针对相同传感器获取的光学遥感影像设计的，对于不同传感器获得的遥感影像数据难以有效加以利用。尽管出现了许多建筑物变化检测技术和方法，并且在很多方面都得到应用，但是遥感影像建筑物变化检测中仍然存在着以下难点有待深入研究解决：(1)对数据质量要求高；(2)算法实用性不足；(3)变化检测的自动化程度较低。

发明内容

本发明提供了一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，充分利用DSM三维数据以提高检测的准确性，算法无需人工干预，自动化程度高，大大降低了误检率和漏检率。

为实现本发明的目标所采用的技术方案是：方法包括以下步骤：

步骤1：分别对同一地区两个时相的全色遥感影像image1和image2进行预处理；

步骤2：分别在image1和image2中提取角点；

步骤3：利用DSM数据，搜索以某一角点为中心，尺寸为L×L的窗口内的最高点(x_m，y_m)，将最高点(x_m，y_m)作为候选建筑物中心点，并利用对称高斯概率密度函数进行核密度估计；

步骤4：分别运用步骤3的方法对image1和image2中的所有角点进行核密度估计结果的叠加，对应得到核密度估计图P_map1和P_map2；

步骤5：对核密度估计图P_map1和P_map2进行差分运算，得到差分图P_dif；

步骤6：对差分图P_dif进行标注，将标注区域作为变化区域CH；

步骤7：对变化区域CH进行提纯。

所述的预处理是指辐射校正、几何校正以及两个时相的全色遥感影像image1和image2之间的配准。

所述的角点采用Moravec角点提取方法进行提取。

所述的选取最高点使用的窗口尺寸L的大小设置为影像image1和image2中所有建筑物的平均尺寸的1.2倍。

所述的对称高斯概率密度函数为：

$p(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{\left({x-x}_m\right)}^2+{\left({y-y}_m\right)}^2}{{2\mathrm{\σ}}^2}}$

其中，σ＝L/4。

所述的对所有候选建筑物中心点(x_m，y_m)进行核密度估计结果叠加的公式为：

$p_{\mathrm{mapk}}(x,y)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{\left({x-x}_m\left(i\right)\right)}^2+{\left({y-y}_m\left(i\right)\right)}^2}{{2\mathrm{\σ}}^2})$

其中，k∈{1,2}，表示第1或第2时相的影像；N表示对应影像中提取的角点的数量；(x_m(i),y_m(i))表示以第i个角点为中心的窗口中提取的最高点。

所述的对变化区域进行提纯的方法为：删除变化区域CH中面积小于5的区域。

本发明的有益效果是：解决了高空间分辨率遥感影像中建筑物变化检测误检率和漏检率高，算法复杂等问题，成果可用于城市地理数据库的更新及违章建筑物的快速识别。

附图说明

图1是本发明的总体处理流程图。

具体实施方式

下面结合附图详细描述本发明的具体实施方式。

在步骤101，输入的待处理遥感影像为同一地区两个时相的Quick bird的全色影像image1和image2，尺寸均为4000×4000。

在步骤102，分别对image1和image2进行辐射校正、几何校正以及影像之间的配准。

在步骤103，采用Moravec角点提取方法分别对image1和image2进行角点提取。

在步骤104，利用DSM数据，搜索以某一角点为中心，尺寸为120×120的窗口内的最高点(x_m，y_m)，将最高点(x_m，y_m)作为候选建筑物中心点。

在步骤105，利用对称高斯概率密度函数：

$p(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{\left({x-x}_m\right)}^2+{\left({y-y}_m\right)}^2}{{2\mathrm{\σ}}^2}}$

其中，σ＝30，以每个候选建筑物中心点分别对image1和image2进行核密度估计。

在步骤106，对所有候选建筑物中心点(x_m，y_m)进行核密度估计结果叠加的公式为：

$p_{\mathrm{mapk}}(x,y)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{\left({x-x}_m\left(i\right)\right)}^2+{\left({y-y}_m\left(i\right)\right)}^2}{{2\mathrm{\σ}}^2})$

其中，k∈{1,2}，表示第1或第2时相的影像；N表示对应影像中提取的角点的数量；(x_m(i),y_m(i))表示以第i个角点为中心的窗口中提取的最高点，对应得到核密度估计图P_map1和P_map2。

在步骤107，差分图P_dif＝P_map1-P_map2。

在步骤108，对差分图P_dif进行标注、删除变化区域CH中面积小于5的区域得到输出建筑物变化区域。

Claims (7)

1.一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于包括以下步骤：

步骤1：分别对同一地区两个时相的全色遥感影像image1和image2进行预处理；

步骤2：分别在image1和image2中提取角点；

步骤3：利用DSM数据，搜索以某一角点为中心，尺寸为L×L的窗口内的最高点(x_m，y_m)，将最高点(x_m，y_m)作为候选建筑物中心点，并利用对称高斯概率密度函数进行核密度估计；

步骤4：分别运用步骤3的方法对image1和image2中的所有角点进行核密度估计结果的叠加，对应得到核密度估计图P_map1和P_map2；

步骤5：对核密度估计图P_map1和P_map2进行差分运算，得到差分图P_dif；

步骤6：对差分图P_dif进行标注，将标注区域作为变化区域CH；

步骤7：对变化区域CH进行提纯。

2.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于所述的预处理是指辐射校正、几何校正以及两个时相的全色遥感影像image1和image2之间的配准。

3.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于所述的角点采用Moravec角点提取方法进行提取。

4.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于所述的选取最高点使用的窗口尺寸L的大小设置为影像image1和image2中所有建筑物的平均尺寸的1.2倍。

5.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于对称高斯概率密度函数为：

$p(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(x-x_m)}^2+{(y-y_m)}^2}{2{\mathrm{\σ}}^2}}$

其中，σ＝L/4。

6.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于对所有候选建筑物中心点(x_m，y_m)进行核密度估计结果叠加的公式为：

$p_{\mathrm{mapk}}(x,y)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-x_m\left(i\right))}^2+{(y-y_m\left(i\right))}^2}{2{\mathrm{\σ}}^2})$

其中，k∈{1,2}，表示第1或第2时相的影像；N表示对应影像中提取的角点的数量；(x_m(i),y_m(i))表示以第i个角点为中心的窗口中提取的最高点。

7.根据权利要求1所述的一种基于DSM和核密度估计的遥感影像建筑物变化检测方法，其特征在于对变化区域进行提纯的方法为：删除变化区域CH中面积小于5的区域。