CN105740871A - 一种利用线段空间关系检测多边行地物的方法 - Google Patents

一种利用线段空间关系检测多边行地物的方法 Download PDF

Info

Publication number
CN105740871A
CN105740871A CN201610069894.9A CN201610069894A CN105740871A CN 105740871 A CN105740871 A CN 105740871A CN 201610069894 A CN201610069894 A CN 201610069894A CN 105740871 A CN105740871 A CN 105740871A
Authority
CN
China
Prior art keywords
line segment
line section
lset
end points
less
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
CN201610069894.9A
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 CN201610069894.9A priority Critical patent/CN105740871A/zh
Publication of CN105740871A publication Critical patent/CN105740871A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种利用线段空间关系检测多边行地物的方法。由：先进行边缘检测，然后提取得到线段集合Lset，记录并保留线段集合Lset中的每条线段的两个端点；步骤2：对线段集合Lset进行预处理，并设置长度阈值TH_L，删除长度小于TH_L的短线段；步骤3：将候选线段集合Lset_c中的每一线段映射为无向图中的顶点；步骤4：搜索线段空间关系图G中的闭环，并延长闭环中各顶点对应的线段，得到检测的地物轮廓。本发明解决了遥感影像中地物提取不具普适性的问题，自动化高。成果可以用于复杂场景中各种形状的人工地物提取。

Description

一种利用线段空间关系检测多边行地物的方法
技术领域
本发明涉及一种遥感图像处理领域，具体说是一种利用线段空间关系检测多边行地物的方法。
背景技术
从遥感影像中提取建筑物、道路等人工地物是遥感影像信息提取的重要内容，目前有大量面向边缘和轮廓的研究，但多数算法都需要对提取的地物类型进行假设，如假设地物的轮廓为矩形，但实际地物的形状是多样的，需要用各种多边形进行表达。
发明内容
本发明提供了一种利用线段空间关系检测多边行地物的方法，可克服目前遥感影像中地物提取算法不具普适性的问题，利用图论思想，通过检测地物的边缘线段，可以准确地实现各种形状的地物提取，无需人工干预，自动化程度高。
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：先利用Canny算法对遥感影像image进行边缘检测，然后使用连接边缘标记算法进行线性元素的提取得到线段集合Lset，记录并保留线段集合Lset中的每条线段的两个端点，保留端点目的在于：①可以通过端点计算直线段的长度和斜率；②可以减低噪声的影响；
步骤2：为了提高算法的效率及检测精度，对线段集合Lset进行预处理得到候选线段集合Lset_c：①设置长度阈值TH_L，删除长度小于TH_L的短线段；②设置角度阈值TH_A，删除不存在平行关系和夹角小于TH_A的线段；③考虑到遥感影像中复杂场景的影响，普遍存在地物受到树木或建筑物遮挡的情况，原属于同一线段的边缘会被分割成若干个独立的部分，所以定义平行连接来解决这个问题，即将斜率相差不超过阈值TH_S，且四个端点中最近邻两个端点的欧式距离不超过TH_D的两条线段合并为一条线段；
步骤3：构造线段空间关系图G：将候选线段集合Lset_c中的每一线段映射为无向图中的顶点，如果两个顶点对应的线段有交点或两个最近邻端点之间的欧式距离不超过TH_K，则在两个顶点之间构造一条边；
步骤4：搜索线段空间关系图G中的闭环，并延长闭环中各顶点对应的线段，使线段首尾之间均有交点，由各交点组成的多边形即为检测的地物轮廓。
所述的步骤4中的闭环搜索可以根据实际需要提取的地物类型设置最大访问节点数，用于控制算法的时间复杂度以及排除不感兴趣的地物。
本发明的有益效果是：解决了遥感影像中地物提取不具普适性的问题，自动化高。成果可以用于复杂场景中各种形状的人工地物提取。
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，输入待处理的遥感图像image。
在步骤102，先利用Canny算法对步骤101中的遥感影像image进行边缘检测，然后使用连接边缘标记算法进行线性元素的提取得到线段集合Lset，记录并保留线段集合Lset中的每条线段的两个端点。
在步骤103，为了提高算法的效率及检测精度，对步骤102中的线段集合Lset进行预处理得到候选线段集合Lset_c：①设置长度阈值TH_L，删除长度小于TH_L的短线段；②设置角度阈值TH_A，删除不存在平行关系和夹角小于TH_A的线段；③考虑到遥感影像中复杂场景的影响，普遍存在地物受到树木或建筑物遮挡的情况，原属于同一线段的边缘会被分割成若干个独立的部分，所以定义平行连接来解决这个问题，即将斜率相差不超过阈值TH_S，且四个端点中最近邻两个端点的欧式距离不超过TH_D的两条线段合并为一条线段。
在步骤104，构造线段空间关系图G：将步骤103中的候选线段集合Lset_c中的每一线段映射为无向图中的顶点，如果两个顶点对应的线段有交点或两个最近邻端点之间的欧式距离不超过TH_K，则在两个顶点之间构造一条边。
在步骤105，搜索步骤104中的线段空间关系图G中的闭环，并延长闭环中各顶点对应的线段，使线段首尾之间均有交点，由各交点组成的多边形即为检测的地物轮廓。闭环搜索可以根据实际需要提取的地物类型设置最大访问节点数，用于控制算法的时间复杂度以及排除不感兴趣的地物。
在步骤106，步骤105中提取的多边形地物的可视化。

Claims (2)

1.一种利用线段空间关系检测多边行地物的方法，其特征在于包括以下步骤：
步骤1：先利用Canny算法对遥感影像image进行边缘检测，然后使用连接边缘标记算法进行线性元素的提取得到线段集合Lset，记录并保留线段集合Lset中的每条线段的两个端点；
步骤2：对线段集合Lset进行预处理得到候选线段集合Lset_c：①设置长度阈值TH_L，删除长度小于TH_L的短线段；②设置角度阈值TH_A，删除不存在平行关系和夹角小于TH_A的线段；③将斜率相差不超过阈值TH_S，且四个端点中最近邻两个端点的欧式距离不超过TH_D的两条线段合并为一条线段；
步骤3：构造线段空间关系图G：将候选线段集合Lset_c中的每一线段映射为无向图中的顶点，如果两个顶点对应的线段有交点或两个最近邻端点之间的欧式距离不超过TH_K，则在两个顶点之间构造一条边；
步骤4：搜索线段空间关系图G中的闭环，并延长闭环中各顶点对应的线段，使线段首尾之间均有交点，由各交点组成的多边形即为检测的地物轮廓。
2.根据权利要求1所述的一种利用线段空间关系检测多边行地物的方法，其特征在于步骤4中的搜索线段空间关系图G中的闭环，提取的地物类型设置最大访问节点数。
CN201610069894.9A 2016-02-01 2016-02-01 一种利用线段空间关系检测多边行地物的方法 Pending CN105740871A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610069894.9A CN105740871A (zh) 2016-02-01 2016-02-01 一种利用线段空间关系检测多边行地物的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610069894.9A CN105740871A (zh) 2016-02-01 2016-02-01 一种利用线段空间关系检测多边行地物的方法

Publications (1)

Publication Number Publication Date
CN105740871A true CN105740871A (zh) 2016-07-06

Family

ID=56245608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610069894.9A Pending CN105740871A (zh) 2016-02-01 2016-02-01 一种利用线段空间关系检测多边行地物的方法

Country Status (1)

Country Link
CN (1) CN105740871A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106875378A (zh) * 2016-12-30 2017-06-20 北京理工雷科电子信息技术有限公司 一种电力线异物检测方法
WO2019148902A1 (zh) * 2018-02-02 2019-08-08 北京三快在线科技有限公司 多边形区域检测
WO2020151455A1 (zh) * 2019-01-23 2020-07-30 赵昕玥 一种无纹理金属零件图像规整化直线段边缘检测方法
CN114998740A (zh) * 2022-06-13 2022-09-02 中国电子科技集团公司第五十四研究所 一种基于线段分布的机场线性特征提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043958A (zh) * 2010-11-26 2011-05-04 华中科技大学 一种高分辨率遥感图像多类目标检测识别方法
CN103150566A (zh) * 2011-12-06 2013-06-12 中国科学院电子学研究所 一种基于随机几何模型的遥感地物目标自动检测方法
CN103413144A (zh) * 2013-07-29 2013-11-27 西北工业大学 基于局部全局特征联合决策的机场检测识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043958A (zh) * 2010-11-26 2011-05-04 华中科技大学 一种高分辨率遥感图像多类目标检测识别方法
CN103150566A (zh) * 2011-12-06 2013-06-12 中国科学院电子学研究所 一种基于随机几何模型的遥感地物目标自动检测方法
CN103413144A (zh) * 2013-07-29 2013-11-27 西北工业大学 基于局部全局特征联合决策的机场检测识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
庞池海 等: "基于直线检测算法的卫星图片中建筑物轮廓提取", 《计算机应用》 *
汪行 等: "线段提取在高分辨率遥感图像建筑物识别中的应用", 《计算机辅助设计与图形学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106875378A (zh) * 2016-12-30 2017-06-20 北京理工雷科电子信息技术有限公司 一种电力线异物检测方法
WO2019148902A1 (zh) * 2018-02-02 2019-08-08 北京三快在线科技有限公司 多边形区域检测
CN110136156A (zh) * 2018-02-02 2019-08-16 北京三快在线科技有限公司 一种多边形区域检测方法及装置
US11308710B2 (en) 2018-02-02 2022-04-19 Beijing Sankuai Online Technology Co., Ltd Polygonal region detection
WO2020151455A1 (zh) * 2019-01-23 2020-07-30 赵昕玥 一种无纹理金属零件图像规整化直线段边缘检测方法
CN114998740A (zh) * 2022-06-13 2022-09-02 中国电子科技集团公司第五十四研究所 一种基于线段分布的机场线性特征提取方法

Similar Documents

Publication Publication Date Title
Wei et al. Toward automatic building footprint delineation from aerial images using CNN and regularization
Zhang et al. Three-frame difference algorithm research based on mathematical morphology
CN105740871A (zh) 一种利用线段空间关系检测多边行地物的方法
WO2017000466A1 (zh) 一种基于光流法的运动目标跟踪方法及系统
CN102043958B (zh) 一种高分辨率遥感图像多类目标检测识别方法
CN105469094A (zh) 一种路面二值图像的边缘矢量线提取算法
CN105787486B (zh) 一种基于图像处理的钢梁裂纹检测方法
CN104680521B (zh) 一种改进的背景建模及前景检测方法
Ren et al. Parallel RCNN: A deep learning method for people detection using RGB-D images
Zhu et al. Integrating saliency and ResNet for airport detection in large-size remote sensing images
Chen et al. Fresh tea sprouts detection via image enhancement and fusion SSD
Wang et al. Application of an Improved U-Net Neural Network on Fracture Segmentation from Outcrop Images
Herumurti et al. Urban road network extraction based on zebra crossing detection from a very high resolution RGB aerial image and DSM data
CN103235955A (zh) 一种图像检索中视觉单词的提取方法
CN104794723A (zh) 一种基于概率的遥感影像建筑物位置检测方法
CN103093467A (zh) 一种基于双重检测模型的镜头边界检测方法
Lin et al. Segmentation-based ground points detection from mobile laser scanning point cloud
Sun et al. A vision system based on TOF 3D imaging technology applied to robotic citrus harvesting
CN104424639B (zh) 基于形态学腐蚀的叶柄与叶片分割方法
Jing-jing et al. Single tree crown extraction based on gray gradient image segmentation
Nguyen et al. Scan profiles based method for segmentation and extraction of planar objects in mobile laser scanning point clouds
Yu et al. Visual Place Recognition via Semantic and Geometric Descriptor for Automated Valet Parking
Maggiori et al. Improved partition trees for multi-class segmentation of remote sensing images
Pakizeh et al. Building detection from aerial images using hough transform and intensity information
Zhang et al. On identification of coal and rock images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160706

WD01 Invention patent application deemed withdrawn after publication