CN105046201A - 一种基于形态学对建筑物图像快速识别的方法 - Google Patents
一种基于形态学对建筑物图像快速识别的方法 Download PDFInfo
- Publication number
- CN105046201A CN105046201A CN201510347436.2A CN201510347436A CN105046201A CN 105046201 A CN105046201 A CN 105046201A CN 201510347436 A CN201510347436 A CN 201510347436A CN 105046201 A CN105046201 A CN 105046201A
- Authority
- CN
- China
- Prior art keywords
- length
- point
- horizontal linear
- straight line
- vector
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于形态学对建筑物图像快速识别的方法，充分利用建筑物的在形态学上区别其他自然界物体的特征，应用于建筑物图像快速的识别系统中，经过图像目标轮廓跟踪及直线精简去干扰预处理后，利用建筑物水平垂直相关的拓扑关系，快速准确的该图像是否存在建筑物，从而实现对建筑物的识别。
Description
技术领域
本发明涉及一种基于形态学对建筑物图像快速识别的方法，属于地理信息科学领域。
背景技术
在进行国土资源的土地监控的时候，常常需要识别摄像机的监控区域是土地农田还是建筑物，传统的和一般的方法为基于遥感识别和纹理特征识别，而这两种识别方式在实时性上都有很大问题，基于遥感数据多速度慢，效率低；基于纹理特征对建筑物图像进行识别时，速度慢且稳定性差，极易受到外界其他环境变化和光线等影响，鲁棒性不好。
发明内容
发明目的：针对上述现有技术，提出一种基于形态学对建筑物图像快速识别的方法，解决建筑物识别速度慢及鲁棒性不好的问题，实现了建筑物图像快速准确识别的目的。
发明内容：一种基于形态学对建筑物图像快速识别的方法，包括以下步骤：
S1，使用canny算子对图像进行边缘提取得到二值图像，然后通过八邻域轮廓跟踪算法对所述二值图像进行目标轮廓的扫描跟踪，得到由跟踪扫描点构成的n条跟踪曲线；
S2，根据每条跟踪曲线上跟踪扫描点的数量，对每条跟踪曲线进行精简删除，然后通过DP简化线算法对曲线进行精简和修正，得到若干条直线；
S3，设定直线的水平和垂直方向的长度阈值A，并设定直线的其他方向的长度阈值B，对所述若干条直线进行精简，保留长度大于等于A的水平和垂直方向的直线，以及长度大于等于B的其他方向的直线；
S4，以直线的长度值的平方作为权值，对步骤S3精简后的各直线的角度分布进行统计；若统计结果在0°、90°和180°邻域同时呈现峰值，则继续进行步骤S5，否则判定图像中不含建筑物；
S5，依次寻找相互约束的垂直直线和水平直线组，具体为：
a，在步骤S3精简后的各直线中，寻找第一条垂直直线并记其长度为D1，并把所述第一条垂直直线保存在Vector_V单元中；
b，寻找第一条水平直线，若第一条水平直线长度大于D1，则把所述第一条水平直线保存在Vector_L单元中，否则忽略该第一条水平直线，继续寻找长度大于D1的下一条水平直线并保存在所述Vector_L单元，若遍历所有水平直线的长度均小于等于D1，则判定图像中不含建筑物；
c，寻找第二条垂直直线并记其长度记为D2，并把所述第二条垂直直线保存在Vector_V单元中；
d，寻找下一条水平直线，若该水平直线长度大于D2，则把该水平直线保存在Vector_L单元中，否则忽略该水平直线，继续寻找长度大于D2的下一条水平直线并保存在所述Vector_L单元；
e，依照步骤a至d，遍历步骤S3精简后的各条直线，得到相互约束的垂直直线和水平直线组；
S6，若Vector_V单元中的垂直直线总量小于2，则判定图像中不含建筑物，否则在Vector_V单元中寻找长度最长的2条垂直直线，并在Vector_L单元中寻找长度最长的2条水平直线；对所述长度最长的2条水平线直和2条垂直直线的任意两个端点进行距离判断，若距离小于预设值T，判定存在建筑物。
作为本发明的优选方案，所述步骤S1中，通过八邻域轮廓跟踪算法对所述二值图像进行目标轮廓的扫描跟踪，具体为：将扫描到的第一个点记为跟踪起点，从二值图像中的跟踪起点开始对其八个邻域进行扫描跟踪，将扫描得到的跟踪扫描点进行标记，同时对扫描得到的跟踪扫描点的八邻域继续进行扫描跟踪，直到没有新的跟踪扫描点，得到一条跟踪曲线；
其中，对所述跟踪扫描点的八邻域进行扫描跟踪时，若所述跟踪扫描点的八邻域中出现2个新的跟踪扫描点，则对这两个方向同时继续扫描跟踪，若跟踪扫描点的邻域多于2个新的跟踪扫描点，则按扫描得到的第一个跟踪扫描点进行优先扫描跟踪。
作为本发明的优选方案，所述步骤S4中，对各直线的角度分布进行统计时，先以图像的左上角为为坐标原点，建立直角坐标系，获取步骤S3精简后的各直线的角度；进行峰值判断时，先分别得出0°～20°区间、75°～115°区间、160°～180°区间内所述权值的最大值，分别记为L1、L2和L3；若L1、L2和L3的值均大于2000，且0°～180°内其他区间的直线长度值的平方均小于200时，则表明在0°、90°和180°邻域同时呈现峰值。
有益效果：本发明的一种基于形态学对建筑物图像快速识别的方法，识别速度快且鲁棒性好，进一步来说，该方法可以适用于任意季节的建筑物，处理树叶对建筑识别的干扰的鲁棒性很强，区分建筑物与土地农田效果明显；另外，本发明克服了基于特征区域对建筑物识别时树木树叶的严重干扰，快速准确的识别出建筑物图像。
附图说明
图1为本发明基于形态学对建筑物图像快速准确识别方法的流程示意图；
图2为图像目标扫描跟踪流程示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示，一种基于形态学对建筑物图像快速识别的方法，具体为：
S1，使用canny算子对图像进行边缘提取得到二值图像，然后通过八邻域轮廓跟踪算法对该二值图像进行目标轮廓的扫描跟踪，得到由跟踪扫描点构成的n条跟踪曲线。
如图2所示，通过八邻域轮廓跟踪算法对二值图像进行目标轮廓的扫描跟踪，具体为：将扫描到的第一个点记为跟踪起点，从二值图像中的跟踪起点开始，按邻域扫描顺序对其八个邻域进行扫描跟踪，将扫描得到的跟踪扫描点进行标记，同时对扫描得到的跟踪扫描点的八邻域继续进行扫描跟踪；若跟踪扫描点的八邻域中出现2个新的跟踪扫描点，则对这2个新的跟踪扫描点进行标记并对这两个方向同时继续扫描跟踪，若跟踪扫描点的邻域多于2个新的跟踪扫描点，则对这多个新的跟踪扫描点进行标记并按扫描得到的第一个跟踪扫描点进行优先扫描跟踪，直到没有新的跟踪扫描点，得到一条跟踪曲线，并存入容器list中。按此方法将得到的n个曲线list依次存放list容器List_Curves中。由于二值图像本身没法进行数据信息的处理，通过八邻域轮廓跟踪算法对该二值图像进行目标轮廓的扫描跟踪是后续识别和判定的前提和基础。
S2，由于扫描得到的n个曲线list的数据存储过于复杂，且其中存在许多短线，不便于后续对建筑物的快速识别，根据每条跟踪曲线上跟踪扫描点的数量，对每条跟踪曲线进行精简删除，如除去点数少于8点的曲线。然后通过DP(Douglas—Peucker)简化线算法对曲线进行精简和修正，得到若干条直线，此时直线list存储数据结构的简便，便于后续程序的调用，识别速度大大提高，并将修正过的直线list存放在容器List_DP中。
S3，针对树叶干扰对建筑物轮廓的严重干扰问题，我们利用自然界事物(如树叶)在形态学上表现出各向同性，建筑物曲线轮廓在水平和垂直方向的显著特征，将水平垂直类直线与其他角度上的直线进行不同程度裁剪，达到减少树叶对建筑物轮廓干扰的目的，具体做法为：对容器List_DP中各直线，设定直线的水平和垂直方向的长度阈值A，并设定直线的其他方向(即不为水平、垂直方向)的长度阈值B，对若干条直线进行精简，保留长度大于等于A的水平和垂直方向的直线，以及长度大于等于B的其他方向的直线，然后更新容器并存入容器List_DP从而完成对曲线的修正和精简；其中，阈值A和B可根据图像本身大小来确定，同时通过实验表明阈值B约为阈值A的2倍为宜。
S4，基于形态学对建筑物图像快速准确识别中，判定依据是利用自然界物体在方向呈现各向同性的特点，区分出严重不符合建筑物呈现的形态学特征来进行初步排除，具体做法为：依次从容器List_DP中取出各个直线list，以图像的左上角为为坐标原点，建立直角坐标系，获取步骤S3精简后的各直线的在0°～180°范围内的角度，即按各直线的斜率获取其角度值；然后以直线的长度值的平方作为权值，对步骤S3精简后的各直线的角度分布进行统计；由于在形态学中，长度较大的直线更能体现轮廓的拓扑关系，所以在统计各角度直线时，以直线长度值平方为权值进行加权处理，达到凸显长线段信息的作用。当遍历完容器List_DP所有的曲线list过后，若统计结果在0°、90°和180°邻域同时呈现峰值，则表明图像中有可能存在建筑物，则继续进行步骤S5；若不同时呈现三个峰值，则表明该图像轮廓严重不符合建筑物呈现的形态学特征，判定图像中不含建筑物。
其中，进行峰值判断时，先分别得出0°～20°区间、75°～115°区间、160°～180°区间内所述权值的最大值，分别记为L1、L2和L3。若L1、L2和L3的值均大于2000，且0°～180°内其他区间的直线长度值的平方均小于200时，则表明在0°、90°和180°邻域同时呈现峰值。
S5，由于水平垂直线是有序的，本身存在依赖关系，充分利用直线在图像中呈现的拓扑关系，对建筑物图像进一步识别；首先依次寻找相互约束的垂直直线和水平直线组，具体为：
a，在步骤S3精简后的各直线中，由于存放在容器的直线本身是有序的，按直线序号寻找第一条垂直直线并记其长度为D1，并把第一条垂直直线保存在容器vector的Vector_V单元中；
b，寻找第一条水平直线，若第一条水平直线长度大于D1，则把第一条水平直线保存在容器vector的Vector_L单元中，否则忽略该第一条水平直线，继续寻找长度大于D1的下一条水平直线并保存在所述Vector_L单元，若遍历所有水平直线的长度均小于等于D1，则判定图像中不含建筑物；
c，寻找第二条垂直直线并记其长度记为D2，并把第二条垂直直线保存在Vector_V单元中；
d，寻找下一条水平直线，若该水平直线长度大于D2，则把该水平直线保存在Vector_L单元中，否则忽略该水平直线，继续寻找长度大于D2的下一条水平直线并保存在所述Vector_L单元；
e，依照步骤a至d，遍历步骤S3精简后的各条直线，得到相互约束的垂直直线和水平直线组。
S6，若Vector_V单元中的垂直直线总量小于2，则判定图像中不含建筑物，否则在Vector_V单元中寻找长度最长的2条垂直直线，并在Vector_L单元中寻找长度最长的2条水平直线。对长度最长的2条水平线直和2条垂直直线的任意两个端点进行距离判断，若距离小于预设值T，判定存在建筑物。预设值T的设置范围为8—12。
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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于形态学对建筑物图像快速识别的方法，其特征在于，包括以下步骤：
S1，使用canny算子对图像进行边缘提取得到二值图像，然后通过八邻域轮廓跟踪算法对所述二值图像进行目标轮廓的扫描跟踪，得到由跟踪扫描点构成的n条跟踪曲线；
S2，根据每条跟踪曲线上跟踪扫描点的数量，对每条跟踪曲线进行精简删除，然后通过DP简化线算法对曲线进行精简和修正，得到若干条直线；
S3，设定直线的水平和垂直方向的长度阈值A，并设定直线的其他方向的长度阈值B，对所述若干条直线进行精简，保留长度大于等于A的水平和垂直方向的直线，以及长度大于等于B的其他方向的直线；
S4，以直线的长度值的平方作为权值，对步骤S3精简后的各直线的角度分布进行统计；若统计结果在0°、90°和180°邻域同时呈现峰值，则继续进行步骤S5，否则判定图像中不含建筑物；
S5，依次寻找相互约束的垂直直线和水平直线组，具体为：
a，在步骤S3精简后的各直线中，寻找第一条垂直直线并记其长度为D1，并把所述第一条垂直直线保存在Vector_V单元中；
b，寻找第一条水平直线，若第一条水平直线长度大于D1，则把所述第一条水平直线保存在Vector_L单元中，否则忽略该第一条水平直线，继续寻找长度大于D1的下一条水平直线并保存在所述Vector_L单元，若遍历所有水平直线的长度均小于等于D1，则判定图像中不含建筑物；
c，寻找第二条垂直直线并记其长度记为D2，并把所述第二条垂直直线保存在Vector_V单元中；
d，寻找下一条水平直线，若该水平直线长度大于D2，则把该水平直线保存在Vector_L单元中，否则忽略该水平直线，继续寻找长度大于D2的下一条水平直线并保存在所述Vector_L单元；
e，依照步骤a至d，遍历步骤S3精简后的各条直线，得到相互约束的垂直直线和水平直线组；
S6，若Vector_V单元中的垂直直线总量小于2，则判定图像中不含建筑物，否则在Vector_V单元中寻找长度最长的2条垂直直线，并在Vector_L单元中寻找长度最长的2条水平直线；对所述长度最长的2条水平线直和2条垂直直线的任意两个端点进行距离判断，若距离小于预设值T，判定存在建筑物。
2.根据权利要求1所述的基于形态学对建筑物图像快速识别的方法，其特征在于：所述步骤S1中，通过八邻域轮廓跟踪算法对所述二值图像进行目标轮廓的扫描跟踪，具体为：将扫描到的第一个点记为跟踪起点，从二值图像中的跟踪起点开始对其八个邻域进行扫描跟踪，将扫描得到的跟踪扫描点进行标记，同时对扫描得到的跟踪扫描点的八邻域继续进行扫描跟踪，直到没有新的跟踪扫描点，得到一条跟踪曲线；
其中，对所述跟踪扫描点的八邻域进行扫描跟踪时，若所述跟踪扫描点的八邻域中出现2个新的跟踪扫描点，则对这两个方向同时继续扫描跟踪，若跟踪扫描点的邻域多于2个新的跟踪扫描点，则按扫描得到的第一个跟踪扫描点进行优先扫描跟踪。
3.根据权利要求1所述的基于形态学对建筑物图像快速识别的方法，其特征在于，所述步骤S4中，对各直线的角度分布进行统计时，先以图像的左上角为为坐标原点，建立直角坐标系，获取步骤S3精简后的各直线的角度；进行峰值判断时，先分别得出0°～20°区间、75°～115°区间、160°～180°区间内所述权值的最大值，分别记为L1、L2和L3；若L1、L2和L3的值均大于2000，且0°～180°内其他区间的直线长度值的平方均小于200时，则表明在0°、90°和180°邻域同时呈现峰值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510347436.2A CN105046201B (zh) | 2015-06-19 | 2015-06-19 | 一种基于形态学对建筑物图像快速识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510347436.2A CN105046201B (zh) | 2015-06-19 | 2015-06-19 | 一种基于形态学对建筑物图像快速识别的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105046201A true CN105046201A (zh) | 2015-11-11 |
| CN105046201B CN105046201B (zh) | 2018-05-08 |
Family
ID=54452730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510347436.2A Active CN105046201B (zh) | 2015-06-19 | 2015-06-19 | 一种基于形态学对建筑物图像快速识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105046201B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292238A (zh) * | 2017-05-23 | 2017-10-24 | 东南大学 | 基于空间拓扑关系约束和消失点的建筑物轮廓识别方法 |
| CN109272569A (zh) * | 2018-08-03 | 2019-01-25 | 广东工业大学 | 一种autocad建筑二维图快速提取并生成楼层轮廓线的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140198978A1 (en) * | 2013-01-11 | 2014-07-17 | National Central University | Method for searching a roof facet and constructing a building roof structure line |
| CN104156988A (zh) * | 2014-08-05 | 2014-11-19 | 陕西汇图测绘地理信息有限公司 | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 |
| CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
| CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
-
2015
- 2015-06-19 CN CN201510347436.2A patent/CN105046201B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140198978A1 (en) * | 2013-01-11 | 2014-07-17 | National Central University | Method for searching a roof facet and constructing a building roof structure line |
| CN104156988A (zh) * | 2014-08-05 | 2014-11-19 | 陕西汇图测绘地理信息有限公司 | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 |
| CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
| CN104484668A (zh) * | 2015-01-19 | 2015-04-01 | 武汉大学 | 一种无人机多重叠遥感影像的建筑物轮廓线提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王永刚等: "基于数学形态学的建筑物轮廓信息提取", 《国土资源遥感》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292238A (zh) * | 2017-05-23 | 2017-10-24 | 东南大学 | 基于空间拓扑关系约束和消失点的建筑物轮廓识别方法 |
| CN109272569A (zh) * | 2018-08-03 | 2019-01-25 | 广东工业大学 | 一种autocad建筑二维图快速提取并生成楼层轮廓线的方法 |
| CN109272569B (zh) * | 2018-08-03 | 2023-07-11 | 广东工业大学 | 一种autocad建筑二维图快速提取并生成楼层轮廓线的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105046201B (zh) | 2018-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101398907B (zh) | 一种用于移动机器人的二维码结构及解码方法 | |
| CN102147250B (zh) | 一种数字线划图测图方法 | |
| CN105740798B (zh) | 一种基于结构分析的点云场景物体识别方法 | |
| Schwalbe et al. | 3D building model generation from airborne laser scanner data using 2D GIS data and orthogonal point cloud projections | |
| CN104007760B (zh) | 一种自主机器人视觉导航中的自定位方法 | |
| CN102930525B (zh) | 基于仿射不变特征与单应矩阵的线匹配方法 | |
| CN101819680B (zh) | 图像匹配点对的检测方法 | |
| CN114119676B (zh) | 基于多特征信息融合的目标检测跟踪识别方法和系统 | |
| CN106845321A (zh) | 路面标记信息的处理方法和装置 | |
| CN103206957B (zh) | 车辆自主导航的车道线检测与跟踪方法 | |
| CN104536009A (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
| CN107403451B (zh) | 自适应二值特征单目视觉里程计方法及计算机、机器人 | |
| CN105096298A (zh) | 一种基于快速直线提取的网格特征点提取方法 | |
| WO2021093345A1 (zh) | 高精度半自动化图像数据标注方法、电子装置及存储介质 | |
| CN102622598A (zh) | 基于区域标记与灰度统计的sar图像目标检测方法 | |
| CN104318611A (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
| CN105046201A (zh) | 一种基于形态学对建筑物图像快速识别的方法 | |
| CN107463939B (zh) | 一种图像关键直线检测方法 | |
| CN104966072A (zh) | 一种基于形状的无色标机器鱼位姿识别算法 | |
| CN103337084B (zh) | 一种基于人工地物特征的地物图斑自动生成方法 | |
| CN107657621B (zh) | 基于线性区域生长的二维激光点云序列实时分割方法 | |
| CN112883830B (zh) | 一种钻杆实时自动计数方法 | |
| CN106643725B (zh) | 一种基于地面砖轮廓线的机器人定位导航方法 | |
| CN107564015B (zh) | 一种基于多色级图像连通域的分割和标记方法及装置 | |
| CN113420670A (zh) | 基于高分遥感输变电线路迁改环水保监管方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |