CN104778463A - 一种基于sift和多子图匹配的遥感影像城区提取方法 - Google Patents

一种基于sift和多子图匹配的遥感影像城区提取方法 Download PDF

Info

Publication number
CN104778463A
CN104778463A CN201510220671.3A CN201510220671A CN104778463A CN 104778463 A CN104778463 A CN 104778463A CN 201510220671 A CN201510220671 A CN 201510220671A CN 104778463 A CN104778463 A CN 104778463A
Authority
CN
China
Prior art keywords
remote sensing
sensing image
buildings
sift
matchs
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
Application number
CN201510220671.3A
Other languages
English (en)
Inventor
施文灶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Normal University
Original Assignee
Fujian Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Normal University filed Critical Fujian Normal University
Priority to CN201510220671.3A priority Critical patent/CN104778463A/zh
Publication of CN104778463A publication Critical patent/CN104778463A/zh
Pending legal-status Critical Current

Links

Abstract

本发明涉及一种基于SIFT和多子图匹配的遥感影像城区提取方法。包括如下步骤：步骤1，创建建筑物模板库；步骤2，选取代表性建筑物区域；步骤3，预处理；步骤4，SIFT特征点提取；步骤5，图的构建；步骤6，多子图匹配；步骤7，计算匹配后顶点集的最小外接多边形。利用本发明所述的提取方法构建的建筑物模板数据库，结合人工辅助选取，解决了高空间分辨率遥感影像中数据处理运算量大的问题，可以应用于遥感影像城区目标检测等领域的预处理。

Description

一种基于SIFT和多子图匹配的遥感影像城区提取方法
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SIFT和多子图匹配的遥感影像城区提取方法。
背景技术
人工地物主要包括建筑物、桥梁、道路和大型工程建筑物等，而且在城市区域的高分辨率遥感影像中80%的人工目标是建筑物和道路，由此可见，城区的识别与提取在遥感图像识别过程中是占有很大的比例的；其次城区作为地物类别中的主要内容，它具有明显的定位特征，作为地形图中重要的成图元素，建筑物的识别与提取，直接影响到地物测绘的自动化水平，对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义；另外随着城市建设的快速发展，城区也是地理数据库中最容易增加和发生变化、最需要更新的部分，且更新工作量常常是巨大的。从实际应用的角度来说，实现城区的提取能够满足遥感影像制图、地理信息系统的数据获取和自动更新的需要；从研究的角度出发，由于遥感影像城区中目标的高度多样性和复杂性，成功地实现城区自动提取方法将为其它类型的影像理解问题提供具有普遍指导意义的理论和方法。
发明内容
本发明提供了一种基于SIFT和多子图匹配的遥感影像城区提取方法，利用建筑物模板数据库，结合人工辅助选取，有效地解决了遥感影像处理计算量大及准确率低的问题，具有可靠性强等优点。
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：创建建筑物模板库MB；
步骤2：在输入遥感影像image1中选取代表性建筑物区域，并从模板库MB中找出匹配类型的建筑物RB；
步骤3：对输入遥感影像image1和代表性建筑物RB进行预处理；
步骤4：分别对RB和输入遥感影像image1进行SIFT特征点提取；
步骤5：分别对RB和输入遥感影像image1中提取的SIFT特征点进行图的构建；
步骤6：将RB构建的图与输入遥感影像image1构建的图进行多子图匹配；
步骤7：计算多子图匹配后image1中保留的顶点集的最小外接多边形。
所述的建筑物模板库MB的创建方法为：在遥感影像中选取典型建筑物，包括各种形状、各种颜色及相互之间具有不同邻接关系的建筑物，用SIFT特征检测算子和描述算子对其进行检测和描述。
所述的选取代表性建筑物的方法为：通过人工在输入遥感影像image1中选取包含代表性建筑物的区域，并用SIFT特征检测算子和描述算子对其进行检测和描述，利用视觉词袋模型从建筑物模板库MB检索匹配类型建筑物。
所述的预处理内容为：对遥感影像image1和代表性建筑物RB进行4-6倍的双线性插值上采样，使其成为与SIFT特征点提取所用到的尺度空间一致，同时用双边滤波器平滑噪声。
所述的图的构建方法为：以SIFT特征点的描述向量为顶点集，以特征点描述向量之间的欧氏距离为边集构建加权无向图。
所述的多子图匹配方法为：以RB生成的加权无向图GRB为参照，在遥感影像image1生成的加权无向图中搜索与GRB的顶点和边都匹配的顶点集Vset。
本发明的有益效果是：解决了高空间分辨率遥感影像中数据处理运算量大的问题，可以应用于遥感影像城区目标检测等领域的预处理。
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，在40幅2000×2000的Quick bird遥感影像中，选取500种型建筑物，包括各种形状、各种颜色及相互之间具有不同邻接关系的建筑物，用SIFT特征检测算子和描述算子对其进行检测和描述，创建建筑物模板库MB，接收步骤103输入的代表性建筑物区域，并将结果输出到步骤104。
在步骤102，输入的待处理遥感影像image1为Quick bird的多光谱影像。
在步骤103，通过人工在输入遥感影像image1中选取包含代表性建筑物的区域，共选取4个含不同类型的建筑物的区域A1、A2、A3和A4，并用SIFT特征检测算子和描述算子对其进行检测和描述，输入到步骤101中的建筑物模板库MB进行匹配。
在步骤104，接收步骤101中的匹配结果MA1、MA2、MA3和MA4。
在步骤105，对遥感影像image1和4个代表性建筑物MA1、MA2、MA3和MA4进行6倍的双线性插值上采样，使其成为与SIFT特征点提取所用到的尺度空间一致，同时用双边滤波器平滑噪声。
在步骤106，分别对4个代表性建筑物MA1、MA2、MA3和MA4和输入遥感影像image1进行SIFT特征点提取。
在步骤107，基于步骤106中提取的SIFT特征点，以SIFT特征点的描述向量为顶点集，以特征点描述向量之间的欧氏距离为边集构建加权无向图。
在步骤108，分别以4个代表性建筑物MA1、MA2、MA3和MA4生成的加权无向图GMA1、GMA2、GMA3和GMA4为参照，在遥感影像image1生成的加权无向图中搜索与GMA1、GMA2、GMA3和GMA4的顶点和边都匹配的顶点集Vset1、Vset2、Vset3和Vset4。
在步骤109，合并步骤108得到的顶点集Vset1、Vset2、Vset3和Vset4，计算顶点集的最小外接多边形，即为城区边界。

Claims (6)

1. 一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于包括以下步骤：
步骤1：创建建筑物模板库MB；
步骤2：在输入遥感影像image1中选取代表性建筑物区域，并从模板库MB中找出匹配类型的建筑物RB；
步骤3：对输入遥感影像image1和代表性建筑物RB进行预处理；
步骤4：分别对RB和输入遥感影像image1进行SIFT特征点提取；
步骤5：分别对RB和输入遥感影像image1中提取的SIFT特征点进行图的构建；
步骤6：将RB构建的图与输入遥感影像image1构建的图进行多子图匹配；
步骤7：计算多子图匹配后image1中保留的顶点集的最小外接多边形。
2. 根据权利要求1所述的一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于所述的建筑物模板库MB的创建方法为：在遥感影像中选取典型建筑物，包括各种形状、各种颜色及相互之间具有不同邻接关系的建筑物，用SIFT特征检测算子和描述算子对其进行检测和描述。
3. 根据权利要求1所述的一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于所述的选取代表性建筑物的方法为：通过人工在输入遥感影像image1中选取包含代表性建筑物的区域，并用SIFT特征检测算子和描述算子对其进行检测和描述，利用视觉词袋模型从建筑物模板库MB检索匹配类型建筑物。
4. 根据权利要求1所述的一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于所述的预处理内容为：对遥感影像image1和代表性建筑物RB进行4-6倍的双线性插值上采样，使其成为与SIFT特征点提取所用到的尺度空间一致，同时用双边滤波器平滑噪声。
5. 根据权利要求1所述的一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于所述的图的构建方法为：以SIFT特征点的描述向量为顶点集，以特征点描述向量之间的欧氏距离为边集构建加权无向图。
6. 根据权利要求1所述的一种基于SIFT和多子图匹配的遥感影像城区提取方法，其特征在于所述的多子图匹配方法为：以RB生成的加权无向图GRB为参照，在遥感影像image1生成的加权无向图中搜索与GRB的顶点和边都匹配的顶点集Vset。
CN201510220671.3A 2015-05-04 2015-05-04 一种基于sift和多子图匹配的遥感影像城区提取方法 Pending CN104778463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510220671.3A CN104778463A (zh) 2015-05-04 2015-05-04 一种基于sift和多子图匹配的遥感影像城区提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510220671.3A CN104778463A (zh) 2015-05-04 2015-05-04 一种基于sift和多子图匹配的遥感影像城区提取方法

Publications (1)

Publication Number Publication Date
CN104778463A true CN104778463A (zh) 2015-07-15

Family

ID=53619916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510220671.3A Pending CN104778463A (zh) 2015-05-04 2015-05-04 一种基于sift和多子图匹配的遥感影像城区提取方法

Country Status (1)

Country Link
CN (1) CN104778463A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654423A (zh) * 2015-12-28 2016-06-08 西安电子科技大学 基于区域的遥感图像配准方法
CN106778763A (zh) * 2016-11-11 2017-05-31 上海电机学院 一种基于属性图的图像表示方法
CN112132729A (zh) * 2020-10-19 2020-12-25 林文旭 一种智能城市规划系统
CN114742869A (zh) * 2022-06-15 2022-07-12 西安交通大学医学院第一附属医院 基于图形识别的脑部神经外科配准方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050094898A1 (en) * 2003-09-22 2005-05-05 Chenyang Xu Method and system for hybrid rigid registration of 2D/3D medical images
CN101350101A (zh) * 2008-09-09 2009-01-21 北京航空航天大学 多幅深度图像自动配准方法
CN101599120A (zh) * 2009-07-07 2009-12-09 华中科技大学 一种遥感影像建筑物识别方法
CN102521598A (zh) * 2011-12-16 2012-06-27 北京市城市规划设计研究院 一种基于遥感影像的识别方法
CN103218783A (zh) * 2013-04-17 2013-07-24 国家测绘地理信息局卫星测绘应用中心 基于控制点影像数据库的卫星遥感图像快速几何纠正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050094898A1 (en) * 2003-09-22 2005-05-05 Chenyang Xu Method and system for hybrid rigid registration of 2D/3D medical images
CN101350101A (zh) * 2008-09-09 2009-01-21 北京航空航天大学 多幅深度图像自动配准方法
CN101599120A (zh) * 2009-07-07 2009-12-09 华中科技大学 一种遥感影像建筑物识别方法
CN102521598A (zh) * 2011-12-16 2012-06-27 北京市城市规划设计研究院 一种基于遥感影像的识别方法
CN103218783A (zh) * 2013-04-17 2013-07-24 国家测绘地理信息局卫星测绘应用中心 基于控制点影像数据库的卫星遥感图像快速几何纠正方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654423A (zh) * 2015-12-28 2016-06-08 西安电子科技大学 基于区域的遥感图像配准方法
CN105654423B (zh) * 2015-12-28 2019-03-26 西安电子科技大学 基于区域的遥感图像配准方法
CN106778763A (zh) * 2016-11-11 2017-05-31 上海电机学院 一种基于属性图的图像表示方法
CN106778763B (zh) * 2016-11-11 2020-05-26 上海电机学院 一种基于属性图的图像表示方法
CN112132729A (zh) * 2020-10-19 2020-12-25 林文旭 一种智能城市规划系统
CN114742869A (zh) * 2022-06-15 2022-07-12 西安交通大学医学院第一附属医院 基于图形识别的脑部神经外科配准方法及电子设备
CN114742869B (zh) * 2022-06-15 2022-08-16 西安交通大学医学院第一附属医院 基于图形识别的脑部神经外科配准方法及电子设备

Similar Documents

Publication Publication Date Title
Liu et al. Automatic building extraction on high-resolution remote sensing imagery using deep convolutional encoder-decoder with spatial pyramid pooling
KR102143108B1 (ko) 차선 인식 모델링 방법, 장치, 저장 매체 및 기기, 및 인식 방법, 장치, 저장 매체 및 기기
Guan et al. Integration of orthoimagery and lidar data for object-based urban thematic mapping using random forests
US9299157B2 (en) Scale-invariant superpixel region edges
Gamanya et al. Object-oriented change detection for the city of Harare, Zimbabwe
Ramiya et al. Segmentation based building detection approach from LiDAR point cloud
Richter et al. Concepts and techniques for integration, analysis and visualization of massive 3D point clouds
US11580728B2 (en) Electrical power grid modeling
Lu et al. A new region growing-based method for road network extraction and its application on different resolution SAR images
Can et al. Semantic segmentation on Swiss3DCities: A benchmark study on aerial photogrammetric 3D pointcloud dataset
Yadav et al. Identification of pole-like structures from mobile lidar data of complex road environment
CN104778463A (zh) 一种基于sift和多子图匹配的遥感影像城区提取方法
Li et al. Spatially adaptive superresolution land cover mapping with multispectral and panchromatic images
Song et al. Extraction and reconstruction of curved surface buildings by contour clustering using airborne LiDAR data
CN112329751A (zh) 一种基于深度学习的多尺度遥感影像目标识别系统及方法
Yadav et al. Identification of trees and their trunks from mobile laser scanning data of roadway scenes
Wang et al. Automatic segmentation of urban point clouds based on the Gaussian map
Lwin et al. Estimation of building population from LIDAR derived digital volume model
Liu et al. LB-LSD: A length-based line segment detector for real-time applications
Wu et al. Boundaryseer: Visual analysis of 2d boundary changes
Li et al. Predicting multi-level socioeconomic indicators from structural urban imagery
CN116468392A (zh) 一种电网工程项目进度监控方法、装置、设备及存储介质
Yhann et al. Boundary localization in texture segmentation
CN106202237A (zh) 一种产业项目区域地图绘制方法及其系统
CN109101977A (zh) 一种基于无人机的数据处理的方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150715

WD01 Invention patent application deemed withdrawn after publication