CN108416784B - 城市建成区边界快速提取方法、装置及终端设备 - Google Patents
城市建成区边界快速提取方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108416784B CN108416784B CN201810117854.6A CN201810117854A CN108416784B CN 108416784 B CN108416784 B CN 108416784B CN 201810117854 A CN201810117854 A CN 201810117854A CN 108416784 B CN108416784 B CN 108416784B
- Authority
- CN
- China
- Prior art keywords
- image
- road
- area
- multispectral
- boundary
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000000605 extraction Methods 0.000 claims abstract description 61
- 230000006740 morphological transformation Effects 0.000 claims abstract description 41
- 238000003708 edge detection Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 230000000903 blocking effect Effects 0.000 claims abstract description 21
- 230000003595 spectral effect Effects 0.000 claims abstract description 19
- 238000000638 solvent extraction Methods 0.000 claims abstract description 3
- 238000012937 correction Methods 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 24
- 230000007797 corrosion Effects 0.000 claims description 23
- 238000005260 corrosion Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 20
- 230000008030 elimination Effects 0.000 claims description 18
- 238000003379 elimination reaction Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明适用于城市规划技术领域,提供了一种城市建成区边界快速提取方法、装置及终端设备,所述方法包括:获取城市的全色图像和多光谱图像,并对获取的全色图像和多光谱图像进行图像融合;并对融合后的图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对多光谱子块图像中的单光谱分量进行边缘提取和图像二值化;对二值图像进行形态学变换处理;将形态学变换后的图像进行霍夫变换,得到图像的道路并对道路消除;采用边缘检测算子获取所述道路消除后的图像边界线,得到城市建成区边界图像。上述方法通过分块对图像进行边缘提取以提高算法的效率,同时将多光谱图像与全色图像进行融合以提高算法的精度。
Description
技术领域
本发明属于城市规划技术领域,尤其涉及一种城市建成区边界快速提取方法、装置及终端设备。
背景技术
近年来,我国航空航天事业和新型传感器技术发展迅速,卫星遥感图像分辨率越来越高,所含信息量也愈加丰富。为了满足国家的新型城镇化发展要求,避免城市在发展过程中出现不合理用地和浪费国土资源的情况,各级城乡规划部门积极开展和推进城市边界划定工作。“城市建成区边界”一般指通过遥感影像提取的城市建成区边界,即城市行政范围内经过征用的土地和实际建设发展起来的非农业生产用地的边界。
对于城市边界提取方法,传统上是采用人工方式从遥感影像上获取城市建成区边界,虽然采用此种方法具有较高的准确率,但是具有效率低、耗费成本大以及数据更新延迟等缺点。现有的城市边界的划定方法大致包括:第一,多要素叠加法。城乡规划部门协调多部门数据,主要包括人口密度数据、城市基础设施覆盖范围数据、城市道路延伸范围数据等等。虽然这种方法的优点是简便,易操作,但由于这种方法的数据来源不一、涉及的数据存在于政府各个机构或部门,数据格式不统一,给数据整理带来了巨大的困难。第二,基于遥感影像中像素单元或对象的信息提取。该方法通过监督分类和非监督分类等算法,依次提取影像中各类要素信息(房屋、道路等),最后剔除非城市建成区类要素,保留具备城市特征的主要要素,这种方法存在的问题是在进行图像的监督分类时需要大量的选取样本点,人工成本巨大。而非监督分类时会导致分类效果差,达不到相应的精度要求。第三,基于夜间灯光数据进行建成区边界划定,该方法主要利用DMSP/OLS(美国就是卫星搭载的传感器)采集夜间居民地以及车流等灯光数据,通过夜间灯光源来提取城市边界。该方法存在的问题是目前DMSP/OLS所获取的灯光数据精度很低,只能够满足国家层面上的宏观的判定,对单个城市而言,这种方法显然不能够满足城市规划的精度要求。
现有的城市边界提取方法或者具有数据整理困难和耗费人工成本大,或者效率较低和数据更新延迟,或者边界划定的精度较低,均具有一定的局限性。
发明内容
有鉴于此,本发明实施例提供了一种城市建成区边界快速提取方法、装置及终端设备,以解决现有技术中城市边界提取方法计算效率低且边界划定精度较低的问题。
本发明实施例的第一方面提供了一种城市建成区边界快速提取方法,包括:
获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像;
对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像;
对所述二值图像进行形态学变换处理,并将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除;
采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
可选的,所述对所述全色图像和所述多光谱图像进行图像融合之前,还包括:
对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
可选的,所述对所述二值图像进行形态学变换处理,具体包括:
对所述二值图像进行膨胀处理和腐蚀处理,得到腐蚀处理后的图像;
所述得到腐蚀处理后的图像之后,还包括:
对所述腐蚀处理后的图像进行漫水填充和面积过滤处理,得到面积过滤后的图像。
可选的,所述将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除,具体包括:
确立道路模型;
对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;
对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
本发明实施例的第二方面提供了一种城市建成区边界快速提取装置,包括:图像融合模块、图像二值化模块、形态学变换模块、道路消除模块和边界提取模块;
所述图像融合模块,用于获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像;
所述图像二值化模块,用于对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像;
所述形态学变换模块,用于对所述二值图像进行形态学变换处理;
所述道路消除模块,用于将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除;
所述边界提取模块,用于采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
可选的,所述的城市建成区边界快速提取装置还包括:图像预处理模块;
所述图像预处理模块,用于对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
可选的,所述形态学变换模块包括:膨胀处理单元和腐蚀处理单元;
所述膨胀处理单元,用于对所述二值图像进行膨胀处理,得到膨胀处理后的图像;
所述腐蚀处理单元,用于对所述膨胀处理后的图像进行腐蚀处理,得到腐蚀处理后的图像;
所述形态学变换模块,还包括:漫水填充单元和面积过滤单元;
所述漫水填充单元,用于对所述腐蚀处理后的图像进行漫水填充,得到漫水填充后的图像;
所述面积过滤单元,用于对所述漫水填充后的图像进行面积过滤,得到面积过滤后的图像。
可选的,所述道路消除模块包括:模型确立单元、道路检测单元和道路消除单元;
所述模型确立单元,用于确立道路模型;
所述道路检测单元,用于对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;
所述道路消除单元,用于对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
本发明实施例的第三方面提供了一种城市建成区边界快速提取终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述城市建成区边界快速提取方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述城市建成区边界快速提取方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过获取并融合全色图像和多光谱图像,得到高分辨率的多光谱图像,并对融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,通过多光谱图像边缘检测算子对获得的子块图像的单光谱分量进行边缘提取和图像二值化,并对二值化图像做形态学变换处理及霍夫变换的道路检测,从而消除图像中的道路,再采用边缘检测算子获取图像的边界线,最终得到城市建成区边界图像,从而使得该算法具有计算效率高、数据更新及时和边界划定精度较高的优点,同时由于使用的数据仅为一种格式,还具有数据整理容易和耗费的人工成本小的优点。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的城市建成区边界快速提取方法的实现流程示意图;
图2是本发明实施例提供的图像融合后的多光谱图像;
图3是本发明实施例提供的边缘检测完成后的图像;
图4是本发明实施例提供的图1中步骤S103中对二值图像进行形态学变换处理方法的实现流程示意图;
图5是本发明实施例提供的漫水填充后的图像。
图6是本发明实施例提供的图1中步骤S103中道路消除的实现流程示意图;
图7是本发明实施例提供的道路消除后的图像。
图8是本发明实施例提供的城市建成区边界快速提取装置示意图;
图9是本发明实施例提供的城市建成区边界快速提取终端设备示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
参见图1,示出了本发明实施例提供的城市建成区边界快速提取方法的实现流程示意图,详述如下:
步骤S101,获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像。
在进行城市建成区边界提取之前,先获取原始图像,其中原始图像为遥感图像。在传统的城市建成区边界提取方法中使用的遥感图像为全色图像,全色图像具有高分辨率的特点,但是不能获得图像的边缘特征,从而使得提取的边界特征的精度也会有所下降。因此,本实施例中在获取遥感图像时分别获取城市的全色图像和多光谱图像,并将全色图像和遥感图像进行融合,使得融合后的多光谱图像能够具有高分辨率特点的同时,也能够很好的保持图像的边缘特征,从而在后续的边界特征提取时,能够获得较高的精度。
在本实施例中,所使用的图像来源于我国的高分二号卫星全色和四波段影像数据,除此之外,还包括城市的行政区划数据和历年的统计年鉴,有助于分析并理解获取的图像数据。
示例性的,全色图像和多光谱图像的融合可以采用Brovey变换的方法,该方法通过将多光谱图像分解为色度和亮度成分,并进行计算,该方法能够增加图像直方图高低部分的比率,产生的RGB图像能够更高程度反映图像直方图高低部分的对比。其中,Brovey变换融合计算公式为:
其中,Rb,Gb和Bb分别代表融合后的多光谱图像的红波波段、绿波波段和蓝波段的影像数据值,Pan代表高分辨率全色影像数据值,R、G和B分别代表多光谱影像波段中参与融合的红波波段、绿波波段和蓝波波段影像数据值。其中,经过全色图像和多光谱图像的融合之后能够使得图像的分辨率获得提高,直观的反映在图片的结果就是,地面与物体更加的突出,同时图片也会保留更多的边缘信息,使得最终获得的城市建成区边界图像能够具有更高的准确度。
可选的,对所述全色图像和所述多光谱图像进行图像融合之前,还包括对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
对于获取的原始图像,如全色图像和多光谱图像,都为遥感图像,而遥感图像在成像的过程中由于飞行器的姿态、高度、速度以及地球自转等等各种因素的影响,会使得获得的遥感图像相对于地面目标发生几何畸变,表现在获取的图像上,图片会呈现弯曲、挤压、拉伸和偏移等,为了消除由于几何畸变对边界提取造成的影响,在对所述全色图像和多光谱图像融合之前,先对其分别进行几何校正。
在进行几何校正之前,需要先获得已经校正过的图像,将已经校正过的图像作为基准图像对畸变图像进行几何校正。在进行几何校正的过程中,需要选取适当的地面控制点,控制点的分布应该选取遥感图像上容易分辨且比较精细的特征点,如道路、河流等的交汇点或者城廓边缘。在校正的过程中采用的方法为多项式的几何校正方法。畸变图像的像元坐标和基准图像上的像元坐标之间的关系表示如下:
其中,(ξ,η)表示畸变图像上的像元坐标,(x,y)表示基准图像上的像元坐标,aj,k和bj,k为待定的系数,根据一组地面控制点在畸变图像中(ξ,η)和在基准图像中对应坐标(x,y),按照最小二乘法原理可以计算aj,k和bj,k的值,而对于m次多项式,地面控制点的数目则至少为(m+1)(m+2)/2个。
在对原始图像进行几何校正之后,还需要对几何校正后的图像进行辐射校正。由于遥感图像在成像的过程中会受到太阳辐射和大气散热等因素所引起的“同物异谱,同谱异物”的现象,而导致获取的遥感图像不能真实的反映不同地物的光谱特征。因此,需要对大气影响和太阳辐射引起的噪声进行消除。
大气色散主要发生在短波段图像,随波长的增长,色散作用逐渐减弱,因此可以选择近红外波段影响作为标准图像,将其他波段图像与近红外波段的图像进行比较,建立线性回归方程进行分析校正,以消除大气散射对遥感图像产生的影响。
在消除由于太阳辐射引起的误差时,可直接采用如下公式进行计算:
其中,f(x,y)是太阳直射时得到的影像数据,g(x,y)是太阳斜射时得到的图像,θ为太阳高度角。
在将原始的全色图像和多光谱图像进行几何校正和辐射校正之后,获得的图像能够消除由于大气影响、地球转动等外界因素对于图像边界提取所造成的影响,使得获取的图像能够真实反映城市建成区边界的图像。在获得预处理后的全色图像和多光谱图像后,需要对预处理后的全色图像和多光谱图像进行融合,使得获得的图像具有高分辨率的同时能够保留更多的细节特征。参见图2,为将所述全色图像和多光谱图像融合后得到的多光谱图像,可以从图片上看出融合后的图像具有较高的分辨率,同时还可以保留细节信息。
步骤S102,对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像。
在本实施例中,对于获取的融合后的多光谱图像先进行分块处理,然后再对分块处理后的多光谱图像中的单光谱图像进行边缘提取。在传统的城市建成区边界提取方法中通常都是直接将一幅大尺寸的图像直接进行边缘提取,这就会使得在边缘提取的过程中计算速度较慢、计算的效率也较低。因此,本实施例考虑将一幅大尺寸的图像分块进行边缘提取,从而使得每次计算的过程中数据运算量小,计算效率高。示例性的,可以将获得的融合后的图像分为4*4的小块图像,依次提取每一小块图像边缘信息,能够显著提高处理效率。
在将大尺寸的图像分为小块图像后,对小块图像进行边缘特征提取。需要注意的是,此处的边缘提取过程为采用局部梯度算子检测多光谱图像中单光谱分量的边缘,当多光谱图像的三个光谱分量中有一个光谱分量检测到边缘点时,即将该像素点加入边缘点,获得的边缘提取图像中边缘的强度和方向为各个光谱图像分量的线性组合。
示例性的,在进行边缘检测时,可以采用Soble边缘检测算子。具体的,采用Soble算子分别检测单光谱分量的边缘,其边缘强度和方向分别使用三个光谱分量的线性组合来代替。对于单个光谱图像分量而言,Soble算子采用3×3的卷积掩膜,且包含两组3×3的矩阵,分别为横向和纵向,将Soble算子与图像做平面的卷积,即可分别获得横向和纵向的亮度差分近似值。如果以A代表原始图像,Gx与Gy分别代表横向及纵向边缘检测的图像灰度值,公式表示如下:
图像的每一个像素的横向及纵向梯度近似值以及梯度方向可用如下公式来表示:
如图3所示为边缘检测后的图像,首先将图像分解为3幅伪彩色图,即R灰度图、G灰度图和B灰度图,然后对每一幅图像利用Soble算子进行边缘提取,得到三幅边缘图像,最后利用“或”操作获得图像边缘点,也就是当3个分量的边缘图中只要任何一个含有边缘像素点,则保留该图像。
容易理解的,此处的边缘检测算子仅为一种实施例,并非只能采用Soble边缘检测算子来检测图片的边缘信息。在通过边缘检测完成后,将图像转换为二值图像,即边缘像素点设置为1,非边缘像素点设置为0,从而使得在后续的处理环节上能够有效提高计算效率。
步骤S103,对所述二值图像进行形态学变换处理,并将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除。
在经过图像二值化获得二值图像后,并不能够获得准确的边界提取图像,这是因为填充边缘密度密集的城市建成区内有较小的空洞和狭窄的缝隙,并且城市建成区内部有大量的空洞部分,这些空洞和缝隙都会对最终的边界提取造成影响,鉴于上述情况,需要将二值化后的图像先进行形态学变换处理,以消除空洞和缝隙对边界提取造成的干扰。
可选的,参见图4,示出了步骤S103中对二值图像进行形态学变换处理方法的实现流程示意图,对所述二值图像进行形态学变换处理,具体包括:
步骤S401,对所述二值图像进行膨胀处理和腐蚀处理,得到腐蚀处理后的图像。
对于获得的二值图像先对其进行膨胀操作,膨胀主要采用向量加法对两个集合进行合并,其执行效率相当高。例如,可以采用一个5×5的结构元素对建成区内部进行膨胀,由于进行了膨胀操作,建成区的边界会在一定程度上变大,因此,需要对膨胀处理后的图像进行腐蚀操作。
腐蚀操作是膨胀操作的对偶运算,目的是切断复杂图像中通过细丝黏连在一起的部分,例如道路和城市建成区相连接的地方等。腐蚀操作的结果为图像缩小一圈。对于二值图像进行膨胀操作,再对膨胀操作后的图像进行腐蚀操作,相当于形态学中的闭运算,通过闭运算能够将相邻的两个目标连接起来。
所述得到腐蚀处理后的图像之后,还包括:步骤S402,对所述腐蚀处理后的图像进行漫水填充和面积过滤处理,得到面积过滤后的图像。
容易理解的,在建成区内部通常也会含有小面积的非建成部分,因此需要将这些小斑块进行消除,在进行消除之前,需要先将空洞部分进行填充和标记。这里采用漫水填充算法将内部空洞部分填充。在获得漫水填充后的图像后,再将经过空洞填充的二值图像内的连通区域进行面积过滤。面积过滤的具体过程为:设定一个划分城市建成区和非建成区的面积阈值,当独立地块面积低于面积阈值时,则划分为城市非建成区,并将其过滤;当独立地块面积大于等于面积阈值时,则划分为城市建成区。例如,所述面积阈值可以为0.6平方公里。容易理解的,所述面积阈值可以根据实际情况进行设定,这里不做限制。如图5所示,为漫水填充后的图像。
可选的,参见图6,示出了步骤S103中道路消除的实现流程示意图,所述将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除,具体包括:
步骤S601,确立道路模型。
在进行道路消除之前需要先对道路进行检测,由于在此之前获得的图像为二值化的图像,而二值化后的图像中的道路一般具有如下特征:道路具有一定的连续性和延伸性;道路的曲率变化小,在较小的范围内呈线性。因此,可以将道路的模型确为直线模型。
步骤S602,对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域。
在本实施例中,对道路的检测并非是直接将一幅大尺寸的图像直接进行检测,而是将大尺寸的图像先分块处理,在对分块处理后的图像采用霍夫变换以检测道路。容易理解的,道路并不是严格的呈线性,当直接对图像进行霍夫变换会导致有一定曲率的道路难以被检测到,影响处理效果。此处将图像进行分块处理,分块处理后使得图像中的道路能够接近于直线,从而提高道路检测的精度。
霍夫变换的本质实际上就是坐标变换,就是将普通的二维坐标系转换为极坐标系。假设在直角坐标系中存在一条直线y=kx+b,那么在极坐标系中直线的表示方式为:
ρ=xcosθ+ysinθ
从第一个像素点(x,y)开始,取不同的θ值来计算ρ值,遍历完整个像素空间后,对ρ值进行投票,高于一定阈值的ρ0则可能存在直线ρ0=xcosθ0+ysinθ0,从而确定道路的直线方程。
步骤S603,对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
经过上述的霍夫变换对道路进行检测后,对检测的道路进行定位,最后将定位的道路进行消除,使得城市边界外围的线条状道路可以被消除,从而提升边界提取的准确率。如图7所示,为道路消除后的城市建成区图像,可以看出图像中并不显示道路的形状,去除了道路对边缘检测造成的影响。
步骤S104,采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
在获得道路消除后的城市建成区的图像后,能够基本正确地获得城市建成区范围,再采用canny算子对获取的图像进行边缘检测。具体的采用canny算子对图像进行边缘检测。示例性的,采用canny算子的边缘检测算法可以分为以下几个步骤:先采用高斯平滑滤波器去模糊图像,再使用一阶偏导的有限差分计算梯度的幅值和方向,在对梯度的幅值进行非极大值抑制,最后采用双阈值的算法检测和连接边缘,在连接轮廓线后,重复上述步骤,寻找下一条轮廓线,进行检测,直至完成所有轮廓线的检测。
上述城市建成区边界快速提取方法,通过获取并融合全色图像和多光谱图像,得到高分辨率的多光谱图像,并对融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,通过多光谱图像边缘检测算子对获得的子块图像的单光谱分量进行边缘提取和图像二值化,并对二值化图像做形态学变换处理及霍夫变换的道路检测,从而消除图像中的道路,再采用边缘检测算子获取图像的边界线,最终得到城市建成区边界图像,从而使得该算法具有计算效率高、数据更新及时和边界划定精度较高的优点,同时由于使用的数据仅为一种格式,还具有数据整理容易和耗费的人工成本小的优点。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
对应于上述实施例一所述的城市建成区边界快速提取方法,图8中示出了本发明实施例二提供的城市建成区边界快速提取装置,为了便于说明,仅示出了与本实施例相关的部分。
该装置包括图像融合模块101、图像二值化模块102、形态学变换模块103、道路消除模块104和边界提取模块105。
图像融合模块101,用于获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像。图像二值化模块102,用于对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像。形态学变换模块103,用于对所述二值图像进行形态学变换处理。道路消除模块104,用于将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除。边界提取模块105,用于采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
可选的,城市建成区边界快速提取装置,还包括:图像预处理模块。
图像预处理模块,用于对全色图像和多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
可选的,形态学变换模块103包括:膨胀处理单元1031和腐蚀处理单元1032。
膨胀处理单元1031,用于对所述二值图像进行膨胀处理,得到膨胀处理后的图像;腐蚀处理单元1032,用于对所述膨胀处理后的图像进行腐蚀处理,得到腐蚀处理后的图像。
形态学变换模块103,还包括:漫水填充单元1033和面积过滤单元1034。
漫水填充单元1033,用于对所述腐蚀处理后的图像进行漫水填充,得到漫水填充后的图像;面积过滤单元1034,用于对所述漫水填充后的图像进行面积过滤,得到面积过滤后的图像。
可选的,道路消除模块104包括:模型确立单元1041、道路检测单元1042和道路消除单元1043。
模型确立单元1041,用于确立道路模型;道路检测单元1042,用于对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;道路消除单元1043,用于对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
本实施例二中的城市建成区边界快速提取装置可以用于执行图1所示的城市建成区边界快速提取方法,其具体实现原理可以参见上述方法实施例,此处不再赘述。
上述城市建成区边界快速提取装置通过图像融合模块获取并融合全色图像和多光谱图像,得到高分辨率的多光谱图像,通过图像二值化模块对融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,通过多光谱图像边缘检测算子对获得的子块图像的单光谱分量进行边缘提取和图像二值化,通过形态学变换模块对二值化图像做形态学变换处理,通过道路消除模块对形态学变换后的图像做霍夫变换的道路检测,从而消除图像中的道路,通过边界提取模块采用边缘检测算子获取图像的边界线,最终得到城市建成区边界图像,从而使得该算法具有计算效率高、数据更新及时和边界划定精度较高的优点,同时由于使用的数据仅为一种格式,还具有数据整理容易和耗费的人工成本小的优点。
实施例三
图9是本发明实施例三提供的城市建成区边界快速提取终端设备90的示意图。如图9所示,该实施例的城市建成区边界快速提取终端设备90包括:处理器900、存储器901以及存储在所述存储器901中并可在所述处理器900上运行的计算机程序902,例如采用霍夫变换确定道路边界的程序。所述处理器900在执行所述计算机程序902时实现上述各个城市建成区边界快速提取方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器900执行所述计算机程序902时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块101至105的功能。
示例性的,所述计算机程序902可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器901中,并由所述处理器900执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序602在所述城市建成区边界快速提取终端设备90中的执行过程。例如,所述计算机程序902可以被分割成图像融合模块、图像二值化模块、形态学变换模块、道路消除模块和边界提取模块,各模块具体功能如下:
图像融合模块,用于获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像;
图像二值化模块,用于对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像;
形态学变换模块,用于对所述二值图像进行形态学变换处理;
道路消除模块,用于将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除;
边界提取模块,用于采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
所述计算机程序902还可以被分割为图像预处理模块,用于对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
所述形态学变换模块可以被分割为:膨胀处理单元和腐蚀处理单元,各个单元具体功能如下:
膨胀处理单元,用于对所述二值图像进行膨胀处理,得到膨胀处理后的图像;腐蚀处理单元,用于对所述膨胀处理后的图像进行腐蚀处理,得到腐蚀处理后的图像;
所述形态学变换模块还可以被分割为:漫水填充单元和面积过滤单元;各个单元具体功能如下:
漫水填充单元,用于对所述腐蚀处理后的图像进行漫水填充,得到漫水填充后的图像;面积过滤单元,用于对所述漫水填充后的图像进行面积过滤,得到面积过滤后的图像。
所述道路消除模块可以被分割为:模型确立单元、道路检测单元和道路消除单元,各个单元具体功能如下:
模型确立单元,用于确立道路模型;
道路检测单元,用于对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;
道路消除单元,用于对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
所述城市建成区边界快速提取终端设备90可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述城市建成区边界快速提取终端设备可包括,但不仅限于,处理器900、存储器901。本领域技术人员可以理解,图9仅仅是城市建成区边界快速提取终端设备90的示例,并不构成对城市建成区边界快速提取终端设备90的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述城市建成区边界快速提取终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器900可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器901可以是所述城市建成区边界快速提取终端设备90的内部存储单元,例如城市建成区边界快速提取终端设备90的硬盘或内存。所述存储器901也可以是所述城市建成区边界快速提取终端设备90的外部存储设备,例如所述城市建成区边界快速提取终端设备90上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器901还可以既包括所述城市建成区边界快速提取终端设备90的内部存储单元也包括外部存储设备。所述存储器901用于存储所述计算机程序以及所述城市建成区边界快速提取终端设备所需的其他程序和数据。所述存储器901还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种城市建成区边界快速提取方法,其特征在于,包括:
获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像;
对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像;
对所述二值图像进行形态学变换处理,并将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除;
采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
2.如权利要求1所述的城市建成区边界快速提取方法,其特征在于,所述对所述全色图像和所述多光谱图像进行图像融合之前,还包括:
对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
3.如权利要求1所述的城市建成区边界快速提取方法,其特征在于,所述对所述二值图像进行形态学变换处理,具体包括:
对所述二值图像进行膨胀处理和腐蚀处理,得到腐蚀处理后的图像;
所述得到腐蚀处理后的图像之后,还包括:
对所述腐蚀处理后的图像进行漫水填充和面积过滤处理,得到面积过滤后的图像。
4.如权利要求1-3任一项所述的城市建成区边界快速提取方法,其特征在于,所述将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除,具体包括:
确立道路模型;
对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;
对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
5.一种城市建成区边界快速提取装置,其特征在于,包括:图像融合模块、图像二值化模块、形态学变换模块、道路消除模块和边界提取模块;
所述图像融合模块,用于获取城市的全色图像和多光谱图像,并对所述全色图像和所述多光谱图像进行图像融合,得到融合后的多光谱图像;
所述图像二值化模块,用于对所述融合后的多光谱图像进行分块处理,得到多个多光谱子块图像,采用多光谱图像边缘检测算子对所述多光谱子块图像的单光谱分量进行边缘提取和图像二值化,得到二值图像;
所述形态学变换模块,用于对所述二值图像进行形态学变换处理;
所述道路消除模块,用于将经过所述形态学变换后的图像进行霍夫变换,得到图像的道路并对所述道路消除;
所述边界提取模块,用于采用边缘检测算子获取消除道路后的图像边界线,得到城市建成区边界图像。
6.如权利要求5所述的城市建成区边界快速提取装置,其特征在于,还包括:图像预处理模块;
所述图像预处理模块,用于对所述全色图像和所述多光谱图像分别进行图像预处理;所述图像预处理包括几何校正和辐射校正。
7.如权利要求5所述的城市建成区边界快速提取装置,其特征在于,所述形态学变换模块包括:膨胀处理单元和腐蚀处理单元;
所述膨胀处理单元,用于对所述二值图像进行膨胀处理,得到膨胀处理后的图像;
所述腐蚀处理单元,用于对所述膨胀处理后的图像进行腐蚀处理,得到腐蚀处理后的图像;
所述形态学变换模块,还包括:漫水填充单元和面积过滤单元;
所述漫水填充单元,用于对所述腐蚀处理后的图像进行漫水填充,得到漫水填充后的图像;
所述面积过滤单元,用于对所述漫水填充后的图像进行面积过滤,得到面积过滤后的图像。
8.如权利要求5-7任一项所述的城市建成区边界快速提取装置,其特征在于,所述道路消除模块包括:模型确立单元、道路检测单元和道路消除单元;
所述模型确立单元,用于确立道路模型;
所述道路检测单元,用于对所述形态学变换后的图像进行分块处理,根据所述确立的道路模型对分块处理后的图像进行霍夫变换的道路检测,获得检测到的道路区域;
所述道路消除单元,用于对所述检测到的道路区域进行坐标定位,并对定位的道路进行消除。
9.一种城市建成区边界快速提取终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810117854.6A CN108416784B (zh) | 2018-02-06 | 2018-02-06 | 城市建成区边界快速提取方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810117854.6A CN108416784B (zh) | 2018-02-06 | 2018-02-06 | 城市建成区边界快速提取方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416784A CN108416784A (zh) | 2018-08-17 |
CN108416784B true CN108416784B (zh) | 2021-08-27 |
Family
ID=63127628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810117854.6A Active CN108416784B (zh) | 2018-02-06 | 2018-02-06 | 城市建成区边界快速提取方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416784B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523497A (zh) * | 2018-10-30 | 2019-03-26 | 中国资源卫星应用中心 | 一种光学遥感影像融合方法 |
CN109784667B (zh) * | 2018-12-21 | 2023-09-19 | 中国科学院遥感与数字地球研究所 | 一种基于夜光遥感数据的房屋空置监测方法 |
CN111506677B (zh) * | 2019-01-31 | 2024-03-22 | 阿里巴巴集团控股有限公司 | 城市建成区范围的生成方法及装置 |
CN109919875B (zh) * | 2019-03-08 | 2021-01-29 | 中国科学院遥感与数字地球研究所 | 一种高时频遥感图像特征辅助的居民地提取与分类方法 |
CN111144340A (zh) * | 2019-12-30 | 2020-05-12 | 中山大学 | 基于夜间灯光及高分辨率遥感影像的自然保护区人类活动自动监测方法及系统 |
CN111489315B (zh) * | 2020-04-17 | 2023-04-28 | 南京智谱科技有限公司 | 一种光谱波段位置校正方法、装置及计算设备 |
CN112634153B (zh) * | 2020-12-17 | 2023-10-20 | 中山大学 | 一种基于边缘增强的图像去模糊方法 |
CN113096145B (zh) * | 2021-03-29 | 2024-05-14 | 毫末智行科技有限公司 | 基于霍夫变换及线性回归的目标边界检测方法及装置 |
CN115063336B (zh) * | 2022-08-18 | 2022-11-25 | 北京理工大学 | 一种全色与多光谱图像融合方法及其装置、介质 |
CN116630811B (zh) * | 2023-06-07 | 2024-01-02 | 自然资源部国土卫星遥感应用中心 | 一种河流提取方法、装置、终端设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006345456A (ja) * | 2005-06-10 | 2006-12-21 | Canon Inc | 画像処理装置、方法、プログラム及び記憶媒体 |
CN101714252A (zh) * | 2009-11-26 | 2010-05-26 | 上海电机学院 | Sar图像中道路的提取方法 |
CN101763512A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 高分辨率遥感图像中道路目标的半自动检测方法 |
CN102663800A (zh) * | 2012-04-26 | 2012-09-12 | 北京师范大学 | 一种顾及城市意象的城市建筑综合与渲染的方法 |
CN103824309A (zh) * | 2014-03-12 | 2014-05-28 | 武汉大学 | 一种城市建成区边界自动提取方法 |
CN105222793A (zh) * | 2015-10-23 | 2016-01-06 | 华中科技大学 | 一种基于矢量地图数据模型的城市层次化区域划分方法 |
-
2018
- 2018-02-06 CN CN201810117854.6A patent/CN108416784B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006345456A (ja) * | 2005-06-10 | 2006-12-21 | Canon Inc | 画像処理装置、方法、プログラム及び記憶媒体 |
CN101714252A (zh) * | 2009-11-26 | 2010-05-26 | 上海电机学院 | Sar图像中道路的提取方法 |
CN101763512A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 高分辨率遥感图像中道路目标的半自动检测方法 |
CN102663800A (zh) * | 2012-04-26 | 2012-09-12 | 北京师范大学 | 一种顾及城市意象的城市建筑综合与渲染的方法 |
CN103824309A (zh) * | 2014-03-12 | 2014-05-28 | 武汉大学 | 一种城市建成区边界自动提取方法 |
CN105222793A (zh) * | 2015-10-23 | 2016-01-06 | 华中科技大学 | 一种基于矢量地图数据模型的城市层次化区域划分方法 |
Non-Patent Citations (1)
Title |
---|
"Automatic Extraction of Built-up Area Based on Deep Convolution Neural Network";Yihua Tan etal.;《IEEE》;20171231;第1-4页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108416784A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416784B (zh) | 城市建成区边界快速提取方法、装置及终端设备 | |
CN109446992B (zh) | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 | |
CN108573276B (zh) | 一种基于高分辨率遥感影像的变化检测方法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN103034863B (zh) | 一种结合核Fisher与多尺度提取的遥感影像道路获取方法 | |
CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
CN108510451B (zh) | 一种基于双层卷积神经网络的重建车牌的方法 | |
CN109785307B (zh) | 一种基于矢量引导的无人机影像道路损毁评估方法 | |
Aytekın et al. | Unsupervised building detection in complex urban environments from multispectral satellite imagery | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
CN111310771B (zh) | 遥感影像的道路图像提取方法、装置、设备及存储介质 | |
CN108445009B (zh) | 一种太阳能电池板裂纹检测方法 | |
CN111339989A (zh) | 一种水体提取方法、装置、设备及存储介质 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN113255452A (zh) | 一种目标水体的提取方法及提取系统 | |
WO2008021941A2 (en) | Geospatial modeling system for separating foliage data from building data based upon noise filtering operations | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN107301388A (zh) | 一种车辆自动识别方法及装置 | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
CA2660343C (en) | Geospatial modeling system for separating foliage data from building data based upon loose and strict tolerance noise filtering operations and related methods | |
Gladkova et al. | SST pattern test in ACSPO clear-sky mask for VIIRS | |
CN111178175A (zh) | 基于高景卫星影像的自动化建筑物信息提取方法及系统 | |
WO2008021943A2 (en) | Geospatial modeling system for performing filtering operations based upon a sum of differences of a given and neighboring location points and related methods | |
CN114119634B (zh) | 结合植被剔除和图像特征一致性约束的建筑物自动提取方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |