CN104850853A - 城市快速提取方法及装置 - Google Patents

Abstract

本发明涉及遥感对地观测领域，具体涉及一种城市快速提取方法及装置，本发明所公开的城市快速提取方法包括如下步骤：确定监测区域的归一化植被指数NDVI；确定监测区域的归一化夜晚灯光影像OLS_nor；基于归一化植被指数和归一化夜晚灯光影像进行计算，得到监测区域的归一化差异城市面积指数NDCAI；采用阈值法对归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。从而本发明通过所构建的归一化差异城市面积指数NDCAI解决了现有技术提取出城市区域准确度不高的技术问题，进而实现了能够实现准确、快速的对城市区域进行提取。

Description

城市快速提取方法及装置

技术领域

本发明涉及遥感对地观测领域，特别涉及一种城市快速提取方法及装置。

背景技术

城市化扩张对区域经济发展和资源环境的可持续发展有着重要的影响，及时的掌握城市化动态、合理布局城市空间分布动态，对未来规划城市发展避免东西部发展差距加大，具有重大意义。

城市用地面积作为评估城市化水平的重要参数之一，其扩张类型由于区域政治、经济、文化、历史等各种复杂因素的综合作用而表现出明显的区域差异。目前城市用地面积的提取主要存在以下两种问题：①基于单一可见-近红外遥感影像提取城市容易受到地物类型的干扰，通常在裸土和城市的混交区域，难以有效的区分出城市区域，目前城区提取方法大多数以植被丰富的地区为对象，导致大部分光谱指数仅适用于在植被覆盖度高的区域。②基于夜晚灯光影像进行城市提取，由于灯光溢出问题的存在，容易造成过提取现象，且溢出问题因灯光光斑大小而异，不易定量获取城市用地面积。

由于现有技术方案存在上述两种缺陷，从而会导致现有技术提取出城市区域准确度不高。

发明内容

本专利针对城市区域提取分析方法中主要的两个难题，提出了一种城市快速提取方法及装置，适用于从任何地物中快速完成城市区域的提取，完成了城市与裸土、水体、植被等地物的快速区分，也避免了灯光溢出问题的影响，从而解决了现有技术提取出城市区域准确度不高的问题。

第一方面，本发明通过实施例提供的一种城市快速提取方法，包括如下步骤：确定监测区域的归一化植被指数NDVI；确定所述监测区域的归一化夜晚灯光影像OLS_nor；基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI；采用阈值法对所述归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。

优选的，所述确定监测区域的归一化植被指数NDVI，包括：获取所述监测区域的多源遥感影像；导出所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段；将所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段，经过如下公式进行计算，得到一年中每天的所述归一化植被指数：其中，NDVI为所述归一化植被指数，NIR表示所述多源遥感影像中的近红外波段，RED表示所述多源遥感影像中的红波段；从一年中全部的所述归一化植被指数中确定出平均亮度值最大的一个归一化植被指数NDVI_max。

优选的，所述确定所述监测区域的归一化夜晚灯光影像OLS_nor，包括：获取所述监测区域的初始夜晚灯光影像；对所述初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像；采用如下公式对所述预处理后夜晚灯光影像进行计算，得到所述归一化夜晚灯光影像OLS_nor：其中，OLS表示所述预处理后夜晚灯光影像的亮度值，OLS_min表示所述预处理后夜晚灯光影像的最小值，OLS_max表示所述预处理后夜晚灯光影像的最大值，OLS_nor表示所述归一化夜晚灯光影像。

优选的，所述基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI，具体为：根据如下公式进行计算，得到所述监测区域的归一化差异城市面积指数：其中，NDCAI为所述归一化差异城市面积指数，OLS_nor表示所述归一化夜晚灯光影像，NDVI_max表示所述平均亮度值最大的归一化植被指数。

优选的，所述阈值法使用的城市阈值范围具体为：0<NDCAI≤1，NDCAI表示所述归一化差异城市面积指数；所述采用阈值法对所述归一化差异城市面积指数进行提取城市区域，以获取城市提取结果图，具体包括：判断所述归一化差异城市面积指数是否大于0；若判断结果为是，则确定所述监测区域为一个子城市区域；基于所确定出的多个所述子城市区域形成为所述城市提取结果图。

第二方面，本发明通过实施例提供的一种用于城市快速提取的装置，包括：第一确定单元，用于确定监测区域的归一化植被指数NDVI；第二确定单元，用于确定所述监测区域的归一化夜晚灯光影像OLS_nor；计算单元，用于基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI；提取单元，用于采用阈值法对所述归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。

优选的，所述第一确定单元，具体用于：获取所述监测区域的多源遥感影像；导出所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段；将所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段，经过如下公式进行计算，得到一年中每天的所述归一化植被指数：其中，NDVI为所述归一化植被指数，NIR表示所述多源遥感影像中的近红外波段，RED表示所述多源遥感影像中的红波段；从一年中全部的所述归一化植被指数中确定出平均亮度值最大的一个归一化植被指数NDVI_max。

优选的，所述第二确定单元，具体用于：获取所述监测区域的初始夜晚灯光影像；对所述初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像；采用如下公式对所述预处理后夜晚灯光影像进行计算，得到所述归一化夜晚灯光影像OLS_nor：其中，OLS表示所述预处理后夜晚灯光影像的亮度值，OLS_min表示所述预处理后夜晚灯光影像的最小值，OLS_max表示所述预处理后夜晚灯光影像的最大值，OLS_nor表示所述归一化夜晚灯光影像。

优选的，所述计算单元，具体用于：根据如下公式进行计算，得到所述监测区域的归一化差异城市面积指数：其中，NDCAI为所述归一化差异城市面积指数，OLS_nor表示所述归一化夜晚灯光影像，NDVI_max表示所述平均亮度值最大的归一化植被指数。

优选的，所述阈值法使用的城市阈值范围具体为：0<NDCAI≤1，NDCAI表示所述归一化差异城市面积指数；所述提取单元，具体用于：判断所述归一化差异城市面积指数是否大于0；若判断结果为是，则确定所述监测区域为一个子城市区域；基于所确定出的多个所述子城市区域形成为所述城市提取结果图。

本发明所提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明所构建的一种快速提取城市的归一化差异城市面积指数NDCAI来进行城市区域的提取：

1、通过归一化差异城市面积指数解决了单一可见-近红外遥感影像提取城市时难以区分裸土和城市的问题，有效的去除其他地物类型对城市提取的影响，避免了在城市提取前先了解周边地物类型，然后再根据地物类型选取合适提取方法的复杂流程，因此，节约了大量时间与精力，使得能够实现城市的快速提取，符合数据处理高效的要求，进而能为政府城市化宏观规划、咨询公司、跨国公司进行市场布局等提供科学依据。

2、通过NDCAI(归一化差异城市面积指数，Normalized Difference City AreaIndex)在进行城市提取时的作用，可以有效的解决因溢出问题造成的城市过提取问题，为精确的城市定量分析提供了依据。

基于上述两点，本发明所提供的技术方案，能够实现准确、快速的对城市区域进行提取。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例中城市快速提取方法的流程图；

图2A为现有技术中针对A地区的DMSP-OLS夜晚灯光影像的示例图；

图2B为本发明实施例中针对A地区的归一化差异城市面积指数NDCAI的示例图；

图3A为现有技术中针对A地区进行城市区域提取的结果示例图；

图3B为本发明实施例中针对A地区进行城市区域提取的结果示例图；

图4为本发明实施例中用于城市快速提取的装置的模块图。

具体实施方式

为了解决现有技术中提取出城市区域准确度不高的技术问题，本发明实施例提供了一种城市快速提取方法，总的思路如下：

本发明提出了一种归一化差异城市面积指数，适用于从任何地物中快速完成城市区域的提取，完成了城市与裸土、水体、植被等地物的快速区分，也避免了灯光溢出问题的影响。本方法通过建立归一化差异城市面积指数NDCAI，在提取城市时节约了大量时间与精力，实现了城市全球城市一次性提取，具有“准确度高、速度快、简便”的优点，具有较强的实用性和推广性。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参考图1所示，本发明所提供的城市快速提取方法，包括如下步骤：

S101、确定监测区域的归一化植被指数NDVI。

在具体实施过程，S101包括：获取监测区域的多源遥感影像，导出多源遥感影像中的近红外波段和多源遥感影像中的红波段；基于多源遥感影像中的近红外波段和多源遥感影像中的红波段计算得到NDVI(Normalized DifferenceVegetation Index，归一化植被指数)。

具体的，为了使得归一化植被指数NDVI能与夜晚灯光卫星影像匹配，需要以夜晚灯光卫星影像的投影坐标系为参考坐标系，将多源遥感影像的近红外波段进行投影转换，以及将多源遥感影像的红外波段进行投影转换，然后将进行投影转换后的多源遥感影像的近红外波段和红波段按照如下公式进行计算，计算得到一年中每天的归一化植被指数：

$NDVI=\frac{NIR-RED}{NIR+RED}$

其中，公式中，NDVI为归一化植被指数，NIR表示多源遥感影像中的近红外波段，RED表示多源遥感影像中的红波段。

在一优选实施方式中，由于采用NDVI提取城市的过程中，裸土对其造成的影响非常明显，因此，获得同一监测区域的一年中每天的多源遥感影像，计算一年中每天的多源遥感影像的归一化植被指数，从一年中全部的归一化植被指数中选取平均亮度值最大的一个归一化植被指数NDVI_max来计算该监测区域的归一化差异城市面积指数NDCAI，从而能够降低裸土对城市提取的影响。具体的，选取平均亮度值最大的一个归一化植被指数NDVI_max的计算公式如下：

NDVI_max＝MAX[NDVI₁,NDVI₂,NDVI₃,……，NDVI_n]

其中，NDVI_max代表平均亮度值最大的一个归一化植被指数，NDVI_n代表为一年中第n天的归一化植被指数。当然，在具体实施过程中，也可以使用一年中任一天的归一化植被指数NDVI进行后续步骤S103的归一化差异城市面积指数的计算，而不是使用NDVI_max进行后续步骤S103的归一化差异城市面积指数的计算，因此这种实施方式也属于本发明的保护范围。

S102、确定监测区域的归一化夜晚灯光影像OLS_nor。

在具体实施过程中，S102具体包括如下步骤：

首先，获取监测区域的初始夜晚灯光影像；对初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像。在具体实施过程中，辐射校正处理和去负值处理的实施方式很多，下面对辐射校正处理和去负值处理的方法进行举例说明：

具体的，进行相对辐射校正处理所使用是初始夜晚灯光影像中的稳定灯光数据，按照相对辐射定标公式y＝c₀+c₁x+c₂x²对初始夜晚灯光影像中的稳定灯光数据进行相对辐射校正，其中，c₀、c₁、c₂是相对辐射校正参数，由初始夜晚灯光影像种获取；x表示初始夜晚灯光影像的DN(Digital Number，表示遥感影像像元亮度值)，y表示相对辐射校正后的影像的DN值。

具体的，完成对初始夜晚灯光影像的相对辐射校正处理后，部分像元的DN值为负值，而城区像元的DN值应为正值，因此，DN值为负值的存在会造成分析结果的错误，因此，对完成相对辐射校正后的影像进行去负值处理，具体来讲，去负值处理参考如下公式进行：

y_DN＞0＝(x_radiation＞0)×x_radiation

其中，x_radiation表示相对辐射校正后的夜晚灯光影像，y_DN＞0表示去负值处理后的夜晚灯光影像。

然后，由于归一化植被指数的数据范围通常在[-1，1]之间，夜晚灯光影像的数据范围在[0，63]之间，为避免因量纲不同而导致归一化植被指数与夜晚灯光影像匹配不一致，需要对夜晚灯光影像进行归一化处理，得到归一化夜晚灯光影像，具体的，采用如下公式对预处理后夜晚灯光影像进行计算：

${\mathrm{OLS}}_{nor}=\frac{OLS-{\mathrm{OLS}}_{min}}{{\mathrm{OLS}}_{max}-{\mathrm{OLS}}_{min}}$

其中，OLS表示预处理后夜晚灯光影像的亮度值，OLS_min表示预处理后夜晚灯光影像的最小值，OLS_max表示预处理后夜晚灯光影像的最大值，OLS_nor表示归一化夜晚灯光影像。

在具体实施过程中，S101和S102为独立执行的步骤，本文不限制S101和S102的执行先后顺序。

在分别基于S101和S102确定了归一化植被指数和归一化夜晚灯光影像OLS_nor之后，接着执行S103：基于归一化植被指数和归一化夜晚灯光影像进行计算，得到监测区域的归一化差异城市面积指数。

具体的，在经过前述S101预处理完成，得到归一化植被指数，以及经过前述S102预处理完成，得到归一化夜晚灯光影像这两种类型数据之后，根据地理坐标，对这两种不同类型的数据进行配准。进行配准之后，导出归一化植被指数和归一化夜晚灯光影像。

根据如下公式进行计算对这两种类型数据进行计算，得到所述监测区域的归一化差异城市面积指数：

$NDCAI=\frac{{\mathrm{OLS}}_{nor}-{\mathrm{NDVI}}_{max}}{{\mathrm{OLS}}_{nor}+{\mathrm{NDVI}}_{max}}$

其中，NDCAI为归一化差异城市面积指数，OLS_nor表示归一化夜晚灯光影像，为经过S102获取。NDVI_max表示平均亮度值最大的归一化植被指数，具体为经过S101获取。

本发明的发明人通过本发明所构建的归一化差异城市面积指数，参见图2A所示的针对A地区的DMSP-OLS夜晚灯光影像的示例图和图2B所示的针对A地区的归一化差异城市面积指数NDCAI的示例图，经过对比可以看出，归一化差异城市面积指数可以使得呈现的夜晚灯光卫星的城市区域明显减小，显示出灯光卫星的溢出而难题得到了很好的解决。

在具体实施过程中，S101～S103中，归一化植被指数NDVI、归一化夜晚灯光影像OLS_nor,和归一化差异城市面积指数NDCAI的计算都是以像元为单位的。

S104、采用阈值法对归一化差异城市面积指数进行提取城市区域，以获取城市提取结果图。

具体的，本发明的发明人发现，NDCAI的数据特点满足如下特点：

城市区域为：0<NDCAI≤1；非城市区域为：-1≤NDCAI≤0，由此可以确定，本文的阈值法使用的城市阈值范围为(0，1]的范围，NDCAI的值大于0的区域为城市区域。

具体的，步骤1：判断S103计算得到的NDCAI是否大于0；

步骤2：若步骤1的判断结果为是，确定该监测区域为一个子城市区域，则保留该像元，像元的NDCAI值不发生变化；若判断结果为NDCAI值小于等于0，且大于等于负1，则剔除该像元，将NDCAI赋值为NoData。

步骤3：循环以上步骤1～步骤2，直到判断区域内的所有像元的类型为城市还是非城市，最终形成城市提取结果图，如图3A所示的现有技术中针对A地区进行城市区域提取的结果示例图，与图3B所示的本发明实施例中针对A地区进行城市区域提取的结果示例图，利用本发明实施例公开的技术方案可以使得城市溢出问题得到很好的抑制，城市边界区分效果良好，准确的提取出了A地区中的城市区域。

基于同一发明构思，本发明通过实施例提供的一种用于城市快速提取的装置，参考图4所示，包括：第一确定单元201，用于确定监测区域的归一化植被指数NDVI；第二确定单元202，用于确定监测区域的归一化夜晚灯光影像OLS_nor；计算单元203，用于基于归一化植被指数和归一化夜晚灯光影像进行计算，得到监测区域的归一化差异城市面积指数NDCAI；提取单元204，用于采用阈值法对归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。

优选的，第一确定单元201，具体用于：获取监测区域的多源遥感影像；导出多源遥感影像中的近红外波段和多源遥感影像中的红波段；将多源遥感影像中的近红外波段和多源遥感影像中的红波段，经过如下公式进行计算，得到一年中每天的归一化植被指数：其中，NDVI为归一化植被指数，NIR表示多源遥感影像中的近红外波段，RED表示多源遥感影像中的红波段；从一年中全部的归一化植被指数中确定出平均亮度值最大的一个归一化植被指数NDVI_max。

优选的，第二确定单元202，具体用于：获取监测区域的初始夜晚灯光影像；对初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像；采用如下公式对预处理后夜晚灯光影像进行计算，得到归一化夜晚灯光影像OLS_nor：其中，OLS表示预处理后夜晚灯光影像的亮度值，OLS_min表示预处理后夜晚灯光影像的最小值，OLS_max表示预处理后夜晚灯光影像的最大值，OLS_nor表示归一化夜晚灯光影像。

优选的，计算单元203，具体用于：根据如下公式进行计算，得到监测区域的归一化差异城市面积指数：其中，NDCAI为归一化差异城市面积指数，OLS_nor表示归一化夜晚灯光影像，NDVI_max表示平均亮度值最大的归一化植被指数。

优选的，阈值法使用的城市阈值范围具体为：0<NDCAI≤1，NDCAI表示归一化差异城市面积指数；提取单元204，具体用于：判断归一化差异城市面积指数是否大于0；若判断结果为是，则确定监测区域为一个子城市区域；基于所确定出的多个子城市区域形成为城市提取结果图。

本实施例中的装置为前述城市快速提取方法的产品实施例，故而基于本发明实施例中所介绍的城市快速提取方法，本领域所属技术人员能够了解本实施例的装置的具体实施方式以及其各种变化形式，所以在此对于该装置不再详细介绍。只要本领域所属技术人员实施本发明实施例中的城市快速提取方法所采用的装置，都属于本发明所欲保护的范围。

上述本发明实施例中的技术方案，至少具有如下的技术效果或优点：

1、通过归一化差异城市面积指数解决了单一可见-近红外遥感影像提取城市时难以区分裸土和城市的问题，有效的去除其他地物类型对城市提取的影响，避免了在城市提取前先了解周边地物类型，然后再根据地物类型选取合适提取方法的复杂流程，因此，节约了大量时间与精力，使得能够实现城市的快速提取，符合数据处理高效的要求，进而能为政府宏观规划城市布局、咨询公司、跨国公司进行市场布局等提供科学依据。

2、通过归一化差异城市面积指数NDCAI在进行城市提取时的作用，可以有效的解决因溢出问题造成的城市过提取问题，同时避免了其他类型的地物(裸土、水体、植被)对城市提取的影响，为精确的城市定量分析提供了依据。

基于上述两点，本发明所提供的技术方案，能够实现准确、快速的对城市区域进行提取。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种城市快速提取方法，其特征在于，所述方法包括如下步骤：

确定监测区域的归一化植被指数NDVI；

确定所述监测区域的归一化夜晚灯光影像OLS_nor；

基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI；

采用阈值法对所述归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。

2.如权利要求1所述的城市快速提取方法，其特征在于，所述确定监测区域的归一化植被指数NDVI，包括：

获取所述监测区域的多源遥感影像；

导出所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段；

将所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段，经过如下公式进行计算，得到一年中每天的所述归一化植被指数：

$NDVI=\frac{NIR-RED}{NIR+RED}$

其中，NDVI为所述归一化植被指数，NIR表示所述多源遥感影像中的近红外波段，RED表示所述多源遥感影像中的红波段；

从一年中全部的所述归一化植被指数中确定出平均亮度值最大的一个归一化植被指数NDVI_max。

3.如权利要求2所述的城市快速提取方法，其特征在于，所述确定所述监测区域的归一化夜晚灯光影像OLS_nor，包括：

获取所述监测区域的初始夜晚灯光影像；

对所述初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像；

采用如下公式对所述预处理后夜晚灯光影像进行计算，得到所述归一化夜晚灯光影像OLS_nor：

${\mathrm{OLS}}_{nor}=\frac{OLS-{\mathrm{OLS}}_{min}}{{\mathrm{OLS}}_{max}-{\mathrm{OLS}}_{min}}$

其中，OLS表示所述预处理后夜晚灯光影像的亮度值，OLS_min表示所述预处理后夜晚灯光影像的最小值，OLS_max表示所述预处理后夜晚灯光影像的最大值，OLS_nor表示所述归一化夜晚灯光影像。

4.如权利要求3所述的城市快速提取方法，其特征在于，所述基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI，具体为：

根据如下公式进行计算，得到所述监测区域的归一化差异城市面积指数：

$NDCAI=\frac{{\mathrm{OLS}}_{nor}-{\mathrm{NDVI}}_{max}}{{\mathrm{OLS}}_{nor}+{\mathrm{NDVI}}_{max}}$

其中，NDCAI为所述归一化差异城市面积指数，OLS_nor表示所述归一化夜晚灯光影像，NDVI_max表示所述平均亮度值最大的归一化植被指数。

5.如权利要求4所述的城市快速提取方法，其特征在于，所述阈值法使用的城市阈值范围具体为：0<NDCAI≤1，NDCAI表示所述归一化差异城市面积指数；

所述采用阈值法对所述归一化差异城市面积指数进行提取城市区域，以获取城市提取结果图，具体包括：

判断所述归一化差异城市面积指数是否大于0；

若判断结果为是，则确定所述监测区域为一个子城市区域；

基于所确定出的多个所述子城市区域形成为所述城市提取结果图。

6.一种用于城市快速提取的装置，其特征在于，包括：

第一确定单元，用于确定监测区域的归一化植被指数NDVI；

第二确定单元，用于确定所述监测区域的归一化夜晚灯光影像OLS_nor；

计算单元，用于基于所述归一化植被指数和所述归一化夜晚灯光影像进行计算，得到所述监测区域的归一化差异城市面积指数NDCAI；

提取单元，用于采用阈值法对所述归一化差异城市面积指数进行城市区域提取，以获取城市提取结果图。

7.如权利要求6所述的装置，其特征在于，所述第一确定单元，具体用于：

获取所述监测区域的多源遥感影像；

导出所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段；

将所述多源遥感影像中的近红外波段和所述多源遥感影像中的红波段，经过如下公式进行计算，得到一年中每天的所述归一化植被指数：

$NDVI=\frac{NIR-RED}{NIR+RED}$

其中，NDVI为所述归一化植被指数，NIR表示所述多源遥感影像中的近红外波段，RED表示所述多源遥感影像中的红波段；

从一年中全部的所述归一化植被指数中确定出平均亮度值最大的一个归一化植被指数NDVI_max。

8.如权利要求7所述的装置，其特征在于，所述第二确定单元，具体用于：

获取所述监测区域的初始夜晚灯光影像；

对所述初始夜晚灯光影像进行相对辐射校正处理和去负值处理，得到预处理后夜晚灯光影像；

采用如下公式对所述预处理后夜晚灯光影像进行计算，得到所述归一化夜晚灯光影像OLS_nor：

${\mathrm{OLS}}_{nor}=\frac{OLS-{\mathrm{OLS}}_{min}}{{\mathrm{OLS}}_{max}-{\mathrm{OLS}}_{min}}$

其中，OLS表示所述预处理后夜晚灯光影像的亮度值，OLS_min表示所述预处理后夜晚灯光影像的最小值，OLS_max表示所述预处理后夜晚灯光影像的最大值，OLS_nor表示所述归一化夜晚灯光影像。

9.如权利要求8所述的装置，其特征在于，所述计算单元，具体用于：

根据如下公式进行计算，得到所述监测区域的归一化差异城市面积指数：

$NDCAI=\frac{{\mathrm{OLS}}_{nor}-{\mathrm{NDVI}}_{max}}{{\mathrm{OLS}}_{nor}+{\mathrm{NDVI}}_{max}}$

其中，NDCAI为所述归一化差异城市面积指数，OLS_nor表示所述归一化夜晚灯光影像，NDVI_max表示所述平均亮度值最大的归一化植被指数。

10.如权利要求9所述的装置，其特征在于，所述阈值法使用的城市阈值范围具体为：0<NDCAI≤1，NDCAI表示所述归一化差异城市面积指数；

所述提取单元，具体用于：

判断所述归一化差异城市面积指数是否大于0；

若判断结果为是，则确定所述监测区域为一个子城市区域；

基于所确定出的多个所述子城市区域形成为所述城市提取结果图。