CN108596088B - 一种用于全色遥感影像的建筑物检测方法 - Google Patents

Abstract

本发明涉及一种用于全色遥感影像的建筑物检测方法。包括如下步骤：步骤1，输入全色遥感影像；步骤2，预处理；步骤3，构建阴影掩膜；步骤4，过分割；步骤5，边缘检测；步骤6，检测建筑物片段；步骤7，构建对象无向图；步骤8，区域合并；步骤9，输出结果。能够准确提取全色遥感影像中的建筑物，可以应用于城区地理基础信息数据库中建筑物的更新。

Description

一种用于全色遥感影像的建筑物检测方法

技术领域

本发明涉及一种遥感影像处理领域，具体说是一种用于全色遥感影像的建筑物检测方法。

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。

发明内容

本发明提供了一种用于全色遥感影像的建筑物检测方法，以全色遥感影像作为唯一的数据源，无需其他辅助数据，利用阴影、边缘等特征，基于特征向量之间的欧氏距离，可以提取建筑物目标，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：对输入的全色遥感影像进行预处理，得到影像I_in；

步骤2：提取影像I_in中的阴影，构建阴影掩膜SH，具体方法为：①用公式

计算影像I_in的P函数曲线P(k)，式(1)，L为影像I_in的灰度等级，对于n位深度的影像I_in，L＝2ⁿ-1，k∈[0,L]，r(g)为灰度值等于g的像素的数量占影像I_in中像素总数量的比例，α为P函数曲线P(k)的平滑因子，②构造一阶差分Dif(k)＝P(k+1)-P(k)，搜索Dif(k)的取值，将其中第一个由负变正所对应的k值作为影像I_in的阴影分割阈值T，将影像I_in中灰度值小于阈值T的像素点判定为阴影；

步骤3：对影像I_in进行过分割，提取过分割对象集合OSEG；

步骤4：对步骤2中的阴影掩膜SH进行边缘检测，提取建筑物及阴影共同边缘集合SH_BD，具体方法为：①用边缘检测算法提取阴影掩膜SH的边缘SH_edge，②将太阳入射角划分北θ_N，东北θ_EN，东θ_E，东南θ_ES，南θ_S，西南θ_WS，西θ_W和西北θ_WN，共8个方向，对太阳入射角的反方向θ进行量化，使得θ∈{θ_N，θ_EN，θ_E，θ_ES，θ_S，θ_WS，θ_W，θ_WN}，③遍历边缘SH_edge中的所有像素点x，提取像素点x的8邻域像素点，记为Pix_n8，如果Pix_n8中存在沿θ方向的像素点y_θ且像素点y_θ包含于步骤2中的阴影掩膜SH，则将像素点x从边缘SH_edge中删除；

步骤5：利用步骤3的过分割对象集合OSEG和步骤4的边缘集合SH_BD检测建筑物片段集合B_seg，具体方法为：①对边缘集合SH_BD进行形态学膨胀处理，得到膨胀后的边缘集合SH_BD_dilate；②遍历过分割对象集合OSEG的对象O_i，如果对象O_i与边缘集合SH_BD_dilate有交集，则将对象O_i添加到建筑物片段集合B_seg中；

步骤6：以顶点集V＝{O₁,O₂,O₃,…,O_N}和边集E＝{e₁,e₂,e₃,…,e_M}构建对象无向图OAG，其中O₁,O₂,O₃和O_N为过分割对象集合OSEG中的对象，N为对象数量，e₁,e₂,e₃和e_M为顶点集V中顶点之间的边，M为边的数量，分别对e₁,e₂,e₃,…,e_M赋予权值We₁,We₂,We₃,…,We_M，权值We_ab采用其对应边所连接的顶点O_a和顶点O_b之间的相似度S进行赋值，相似度S等于顶点O_a的特征向量[H_a,C_a]和顶点O_b的特征向量[H_b,C_b]之间的欧氏距离，其中，H_a和H_b为光谱均一性，C_a和C_b为质心坐标；

步骤7：基于步骤6的对象无向图OAG对步骤5中的建筑物片段B_seg进行区域合并，具体方法为：搜索对象无向图OAG中的具有最小权值W_min的边e_min，当最小权值W_min小于阈值W_T时，合并边e_min所连接的两个顶点，更新过分割对象集合OSEG，返回步骤6，否则终止步骤7，进入步骤8；

步骤8：输出建筑物检测结果；

所述的步骤1中的预处理包括几何校正、辐射校正和对比度增强；

所述的步骤3中的过分割方法采用基于SLIC或Turbo pixels的超像素分割方法；

所述的步骤5中的形态学膨胀处理采用5×5的正方形结构元素；

本发明的有益效果是：能够准确提取全色遥感影像中的建筑物，可以应用于城区地理基础信息数据库中建筑物的更新。

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，输入全色遥感影像。

在步骤102，对步骤101的全色遥感影像进行预处理，包括几何校正、辐射校正和对比度增强，得到影像I_in。

在步骤103，提取影像I_in中的阴影，构建阴影掩膜SH，具体方法为：①用公式

计算影像I_in的P函数曲线P(k)，式(2)，L为影像I_in的灰度等级，对于n位深度的影像I_in，L＝2ⁿ-1，k∈[0,L]，r(g)为灰度值等于g的像素的数量占影像I_in中像素总数量的比例，α为P函数曲线P(k)的平滑因子，②构造一阶差分Dif(k)＝P(k+1)-P(k)，搜索Dif(k)的取值，将其中第一个由负变正所对应的k值作为影像I_in的阴影分割阈值T，将影像I_in中灰度值小于阈值T的像素点判定为阴影。

在步骤104，采用SLIC超像素分割方法对影像I_in进行过分割，提取过分割对象集合OSEG。

在步骤105，对步骤103中的阴影掩膜SH进行边缘检测，提取建筑物及阴影共同边缘集合SH_BD，具体方法为：①用边缘检测算法提取阴影掩膜SH的边缘SH_edge，②将太阳入射角划分北θ_N，东北θ_EN，东θ_E，东南θ_ES，南θ_S，西南θ_WS，西θ_W和西北θ_WN，共8个方向，对太阳入射角的反方向θ进行量化，使得θ∈{θ_N，θ_EN，θ_E，θ_ES，θ_S，θ_WS，θ_W，θ_WN}，③遍历边缘SH_edge中的所有像素点x，提取像素点x的8邻域像素点，记为Pix_n8，如果Pix_n8中存在沿θ方向的像素点y_θ且像素点y_θ包含于步骤103中的阴影掩膜SH，则将像素点x从边缘SH_edge中删除。

在步骤106，利用步骤104的过分割对象集合OSEG和步骤105的边缘集合SH_BD检测建筑物片段集合B_seg，具体方法为：①采用5×5的正方形结构元素对边缘集合SH_BD进行形态学膨胀处理，得到膨胀后的边缘集合SH_BD_dilate；②遍历过分割对象集合OSEG的对象O_i，如果对象O_i与边缘集合SH_BD_dilate有交集，则将对象O_i添加到建筑物片段集合B_seg中。

在步骤107，以顶点集V＝{O₁,O₂,O₃,…,O_N}和边集E＝{e₁,e₂,e₃,…,e_M}构建对象无向图OAG，其中O₁,O₂,O₃和O_N为过分割对象集合OSEG中的对象，N为对象数量，e₁,e₂,e₃和e_M为顶点集V中顶点之间的边，M为边的数量，分别对e₁,e₂,e₃,…,e_M赋予权值We₁,We₂,We₃,…,We_M，权值We_ab采用其对应边所连接的顶点O_a和顶点O_b之间的相似度S进行赋值，相似度S等于顶点O_a的特征向量[H_a,C_a]和顶点O_b的特征向量[H_b,C_b]之间的欧氏距离，其中，H_a和H_b为光谱均一性，C_a和C_b为质心坐标。

在步骤108，基于步骤107的对象无向图OAG对步骤106中的建筑物片段B_seg进行区域合并，具体方法为：搜索对象无向图OAG中的具有最小权值W_min的边e_min，当最小权值W_min小于阈值W_T时，合并边e_min所连接的两个顶点，更新过分割对象集合OSEG，返回步骤107，否则终止步骤108，进入步骤109。

在步骤109，输出建筑物检测结果。

Claims (4)

1.一种用于全色遥感影像的建筑物检测方法，其特征在于包括以下步骤：

步骤1：对输入的全色遥感影像进行预处理，得到影像I_in；

步骤2：提取影像I_in中的阴影，构建阴影掩膜SH，具体方法为：①用公式

计算影像I_in的P函数曲线P(k)，式(1)，L为影像I_in的灰度等级，对于n位深度的影像I_in，L＝2ⁿ-1，k∈[0,L]，r(g)为灰度值等于g的像素的数量占影像I_in中像素总数量的比例，α为P函数曲线P(k)的平滑因子，②构造一阶差分Dif(k)＝P(k+1)-P(k)，搜索Dif(k)的取值，将其中第一个由负变正所对应的k值作为影像I_in的阴影分割阈值T，将影像I_in中灰度值小于阈值T的像素点判定为阴影；

步骤3：对影像I_in进行过分割，提取过分割对象集合OSEG；

步骤4：对步骤2中的阴影掩膜SH进行边缘检测，提取建筑物及阴影共同边缘集合SH_BD，具体方法为：

①用边缘检测算法提取阴影掩膜SH的边缘SH_edge；

②将太阳入射角划分北θ_N，东北θ_EN，东θ_E，东南θ_ES，南θ_S，西南θ_WS，西θ_W和西北θ_WN，共8个方向，对太阳入射角的反方向θ进行量化，使得θ∈{θ_N，θ_EN，θ_E，θ_ES，θ_S，θ_WS，θ_W，θ_WN}；

③遍历边缘SH_edge中的所有像素点x，提取像素点x的8邻域像素点，记为Pix_n8，如果Pix_n8中存在沿θ方向的像素点y_θ且像素点y_θ包含于步骤2中的阴影掩膜SH，则将像素点x从边缘SH_edge中删除；

步骤5：利用步骤3的过分割对象集合OSEG和步骤4的边缘集合SH_BD检测建筑物片段集合B_seg，具体方法为：

①对边缘集合SH_BD进行形态学膨胀处理，得到膨胀后的边缘集合SH_BD_dilate；

②遍历过分割对象集合OSEG的对象O_i，如果对象O_i与边缘集合SH_BD_dilate有交集，则将对象O_i添加到建筑物片段集合B_seg中；

步骤6：以顶点集V＝{O₁,O₂,O₃,…,O_N}和边集E＝{e₁,e₂,e₃,…,e_M}构建对象无向图OAG，其中O₁,O₂,O₃和O_N为过分割对象集合OSEG中的对象，N为对象数量，e₁,e₂,e₃和e_M为顶点集V中顶点之间的边，M为边的数量，分别对e₁,e₂,e₃,…,e_M赋予权值We₁,We₂,We₃,…,We_M，权值We_ab采用其对应边所连接的顶点O_a和顶点O_b之间的相似度S进行赋值，相似度S等于顶点O_a的特征向量[H_a,C_a]和顶点O_b的特征向量[H_b,C_b]之间的欧氏距离，其中，H_a和H_b为光谱均一性，C_a和C_b为质心坐标；

步骤7：基于步骤6的对象无向图OAG对步骤5中的建筑物片段B_seg进行区域合并，具体方法为：搜索对象无向图OAG中的具有最小权值W_min的边e_min，当最小权值W_min小于阈值W_T时，合并边e_min所连接的两个顶点，更新过分割对象集合OSEG，返回步骤6，否则终止步骤7，进入步骤8；

步骤8：输出建筑物检测结果。

2.根据权利要求1所述的一种用于全色遥感影像的建筑物检测方法，其特征在于步骤1中所述的预处理包括几何校正、辐射校正和对比度增强。

3.根据权利要求1所述的一种用于全色遥感影像的建筑物检测方法，其特征在于步骤3中所述的过分割方法采用基于SLIC或Turbo pixels的超像素分割方法。

4.根据权利要求1所述的一种用于全色遥感影像的建筑物检测方法，其特征在于步骤5中所述的形态学膨胀处理采用5×5的正方形结构元素。

Images