CN105740825A - 一种用于混合场景的大幅面遥感影像建筑物提取方法 - Google Patents

Abstract

本发明涉及一种用于混合场景的大幅面遥感影像建筑物提取方法。包括如下步骤：步骤1，对遥感影像进行预处理；步骤2，进行基于熵率的超像素分割；步骤3，提取阴影、同质性和强边缘三种特征；步骤4，生成阴影图层、同质性图层和强边缘图层；步骤5，分别在不同图层上提取建筑物；步骤6，建筑物叠加。本发明的有益效果是：提取更多的特征和更深层次的语义信息，能够适应于较大地理区域内的建筑物提取，用于实现城市基础地理数据库更新等相关业务。

Description

一种用于混合场景的大幅面遥感影像建筑物提取方法

技术领域

本发明涉及一种遥感图像处理领域，具体说是一种用于混合场景的大幅面遥感影像建筑物提取方法。

背景技术

建筑物是城市主要地理要素之一，是各种城市专题图的重要内容，研究建筑物的提取对综合考察城市地理信息环境具有重要意义。随着高分辨率遥感影像获取技术的快速发展，遥感影像的处理、分析和应用有了更好的数据源，其数字产品则有了更广泛、更深入的应用。计算机图像处理技术、模式识别、人工智能等方面的都取得不同程度的进展，为高效地提取海量影像中的有效信息提供了可能。但建筑物信息的提取要比其他信息如道路、水体的获取难得多，主要原因如下：

(1)数据源主要是二维的遥感影像，大多数情况下缺少直接的三维数据；

(2)不同的遥感影像常因为光谱范围、分辨率、传感器的几何图像以及成像条件等因素的不同而有较大的差异；

(3)不同种类的建筑物其所表现出来的外观和纹理细节等千变万化，表现在遥感图像上差异很大，统一的建筑物模型库难以建立，这使得信息的自动提取变得相当困难；

(4)建筑物所处场景的复杂性，如对比度较低时、房屋相互遮挡、建筑物自身的阴影以及处在其它地物的阴影等，所以想自动地从背景中提取出边界清晰的建筑物较为困难。

包含混合场景的大幅面遥感影像建筑物提取，是实际工程应用必须要解决的问题，其中，“混合场景”指的是在大幅面的待处理遥感影像中通常包含多种不同特征的建筑物，且分布无规律，难以用规则分区的方法对特征一致的建筑物进行划分，导致无法选取对应的建筑物提取方法，或用单一的建筑物提取方法进行提取容易产生严重的漏检和误检。

发明内容

本发明提供了一种用于混合场景的大幅面遥感影像建筑物提取方法，以大幅面遥感影像作为数据源，融合阴影、同质性和强边缘等特征，以图层叠加的形式使三个特征相互补充，能够提高混合场景中建筑物提取的精度。

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：对待处理遥感影像进行预处理，得到处理后的遥感影像image_post；

步骤2：对遥感影像image_post进行基于熵率的超像素分割，分别设置超像素分割的分割数量N₁和N₂，对应得到欠分割图层US和过分割图层OS；

步骤3：在遥感影像image_post中分别提取阴影、同质性和强边缘三种特征，分别对应生成二值化结果BW_SH、BW_HG和BW_SE；

步骤4：利用步骤2中生成的欠分割图层US和过分割图层OS以及步骤3中生成的二值化结果BW_SH、BW_HG和BW_SE，将与BW_SH有重叠的欠分割图层US对应的遥感影像image_post部分保留为阴影图层Map_SH，将与BW_HG有重叠的过分割图层OS对应的遥感影像image_post部分保留为同质性图层Map_HG，将与BW_SE有重叠的欠分割图层US对应的遥感影像image_post部分保留为强边缘图层Map_SE；

步骤5：在阴影图层上采用基于阴影和图割的方法提取建筑物B_SH；

步骤6：在同质性图层上采用基于邻域总变分的方法提取建筑物B_HG；

步骤7：在强边缘图层上采用基于非线性尺度滤波的方法提取建筑物B_SE；

步骤8：对步骤5、步骤6和步骤7中的B_SH、B_HG和B_SE进行叠加，得到混合场景中的建筑物B_mix。

所述的分割数量N₁和N₂由以下公式计算：

$N_1=\frac{W\×H\×r^2}{\mathrm{\α}\×S},\mathrm{\α}\∈\[20,40\]$

$N_2=\frac{W\×H\×r^2}{\mathrm{\β}\×S},\mathrm{\β}\∈\[4,8\]$

其中，W、H和r分别代表遥感影像image_post的宽度(像素)、高度(像素)和空间分辨率(米/像素)，S代表遥感影像中的平均建筑物面积(平方米)，α和β为分割数量控制系数。

所述的阴影特征生成的二值化结果BW_SH的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，I(x,y)代表像素点(x,y)的灰度值，T₁代表阈值。

所述的同质性特征生成的二值化结果BW_HG的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，LS(x,y)代表像素点(x,y)的邻域总变分取值，T₂代表阈值。

所述的同质性特征生成的二值化结果BW_SE强边缘的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，P(x,y)代表像素点(x,y)的坐标，Line代表用边缘提取算法提取的边缘并进行直线拟合的结果。

所述的阴影图层Map_SH的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为欠分割图层US中的任一分割对象，n＝1,2,3,…,N₁。

所述的同质性图层Map_HG的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为过分割图层OS中的任一分割对象，n＝1、2、3…N₂。

所述的强边缘图层Map_SE的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为欠分割图层US中的任一分割对象，n＝1,2,3,...,N₁。

所述的基于阴影和图割的方法提取建筑物的过程为先利用势直方图函数提取阴影，并用归一化图割进行分割，最后利用阴影和分割对象之间的邻接关系筛选并提取建筑物。

所述的基于邻域总变分的方法提取建筑物的过程为利用建筑物顶部的光谱同质性特征，自动生成种子点进行区域生长分割，并通过对分割后的对象进行后处理，提取建筑物。

所述的在于基于非线性尺度滤波的方法提取建筑物的过程为利用遥感影像的多光谱信息和建筑物的强边缘特征，借鉴物理学中的各向异性热扩散方程，对遥感影像进行迭代处理，在平滑噪声的同时保留地物的边缘信息，提取建筑物。

本发明的有益效果是：提取更多的特征和更深层次的语义信息，能够适应于较大地理区域内的建筑物提取，用于实现城市基础地理数据库更新等相关业务。

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，输入待处理的遥感影像为高空间分辨率遥感影像，可以是WORLDVIEW、GEOEYE、QUICKBIRD、IKONOS和PLEIADES等卫星影像或各类航拍影像，空间分辨率在1米以下。

在步骤102，对步骤101中的待处理遥感影像进行辐射校正、几何校正和大气校正等预处理，得到处理后的遥感影像image_post。

在步骤103，对遥感影像image_post进行基于熵率的超像素分割，分别设置超像素分割的分割数量N₁和N₂，对应得到欠分割图层US和过分割图层OS。

在步骤104，在遥感影像image_post中分别提取阴影、同质性和强边缘三种特征，分别对应生成二值化结果BW_SH、BW_HG和BW_SE。

在步骤105，利用步骤2中生成的欠分割图层US和过分割图层OS以及步骤3中生成的二值化结果BW_SH、BW_HG和BW_SE，将与BW_SH有重叠的欠分割图层US对应的遥感影像image_post部分保留为阴影图层Map_SH，将与BW_HG有重叠的过分割图层OS对应的遥感影像image_post部分保留为同质性图层Map_HG，将与BW_SE有重叠的欠分割图层US对应的遥感影像image_post部分保留为强边缘图层Map_SE。

在步骤106，在阴影图层上采用基于阴影和图割的方法提取建筑物B_SH；在同质性图层上采用基于邻域总变分的方法提取建筑物B_HG；在强边缘图层上采用基于非线性尺度滤波的方法提取建筑物B_SE。

在步骤107，对步骤106中的B_SH、B_HG和B_SE进行叠加，得到混合场景中的建筑物B_mix。

Claims (11)

1.一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于包括以下步骤：

步骤1：对待处理遥感影像进行预处理，得到处理后的遥感影像image_post；

步骤2：对遥感影像image_post进行基于熵率的超像素分割，分别设置超像素分割的分割数量N₁和N₂，对应得到欠分割图层US和过分割图层OS；

步骤3：在遥感影像image_post中分别提取阴影、同质性和强边缘三种特征，分别对应生成二值化结果BW_SH、BW_HG和BW_SE；

步骤4：利用步骤2中生成的欠分割图层US和过分割图层OS以及步骤3中生成的二值化结果BW_SH、BW_HG和BW_SE，将与BW_SH有重叠的欠分割图层US对应的遥感影像image_post部分保留为阴影图层Map_SH，将与BW_HG有重叠的过分割图层OS对应的遥感影像image_post部分保留为同质性图层Map_HG，将与BW_SE有重叠的欠分割图层US对应的遥感影像image_post部分保留为强边缘图层Map_SE；

步骤5：在阴影图层上采用基于阴影和图割的方法提取建筑物B_SH；

步骤6：在同质性图层上采用基于邻域总变分的方法提取建筑物B_HG；

步骤7：在强边缘图层上采用基于非线性尺度滤波的方法提取建筑物B_SE；

步骤8：对步骤5、步骤6和步骤7中的B_SH、B_HG和B_SE进行叠加，得到混合场景中的建筑物B_mix。

2.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的分割数量N₁和N₂由以下公式计算：

$N_1=\frac{W\×H\×r^2}{\mathrm{\α}\×S},\mathrm{\α}\∈\[20,40\]$

$N_2=\frac{W\×H\×r^2}{\mathrm{\β}\×S},\mathrm{\β}\∈\[4,8\]$

其中，W、H和r分别代表遥感影像image_post的宽度(像素)、高度(像素)和空间分辨率(米/像素)，S代表遥感影像中的平均建筑物面积(平方米)，α和β为分割数量控制系数。

3.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的阴影特征生成的二值化结果BW_SH的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，I(x,y)代表像素点(x,y)的灰度值，T₁代表阈值。

4.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的同质性特征生成的二值化结果BW_HG的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，LS(x,y)代表像素点(x,y)的邻域总变分取值，T₂代表阈值。

5.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的同质性特征生成的二值化结果BW_SE强边缘的计算公式为：

其中(x,y)代表遥感影像image_post中的某一像素点，P(x,y)代表像素点(x,y)的坐标，Line代表用边缘提取算法提取的边缘并进行直线拟合的结果。

6.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的阴影图层Map_SH的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为欠分割图层US中的任一分割对象，n＝1,2,3,…,N₁。

7.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于同质性图层Map_HG的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为过分割图层OS中的任一分割对象，n＝1、2、3…N₂。

8.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的强边缘图层Map_SE的计算公式为：

其中，(x,y)代表obj_n中的某一像素点，obj_n为欠分割图层US中的任一分割对象，n＝1,2,3,...,N₁。

9.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的基于阴影和图割的方法提取建筑物的过程为先利用势直方图函数提取阴影，并用归一化图割进行分割，最后利用阴影和分割对象之间的邻接关系筛选并提取建筑物。

10.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的基于邻域总变分的方法提取建筑物的过程为利用建筑物顶部的光谱同质性特征，自动生成种子点进行区域生长分割，并通过对分割后的对象进行后处理，提取建筑物。

11.根据权利要求1所述的一种用于混合场景的大幅面遥感影像建筑物提取方法，其特征在于所述的基于非线性尺度滤波的方法提取建筑物的过程为利用遥感影像的多光谱信息和建筑物的强边缘特征，借鉴物理学中的各向异性热扩散方程，对遥感影像进行迭代处理，在平滑噪声的同时保留地物的边缘信息，提取建筑物。