CN108647704B - 一种信息获取方法、装置、计算机设备和可读存储介质 - Google Patents

一种信息获取方法、装置、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN108647704B
CN108647704B CN201810362079.0A CN201810362079A CN108647704B CN 108647704 B CN108647704 B CN 108647704B CN 201810362079 A CN201810362079 A CN 201810362079A CN 108647704 B CN108647704 B CN 108647704B
Authority
CN
China
Prior art keywords
index
data
result
preset algorithm
coefficient
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
Application number
CN201810362079.0A
Other languages
English (en)
Other versions
CN108647704A (zh
Inventor
廖炳瑜
丁相元
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.)
Beijing Yingshi Ruida Technology Co.,Ltd.
Original Assignee
Beijing Insights Value Technology Co Ltd
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 Beijing Insights Value Technology Co Ltd filed Critical Beijing Insights Value Technology Co Ltd
Priority to CN201810362079.0A priority Critical patent/CN108647704B/zh
Publication of CN108647704A publication Critical patent/CN108647704A/zh
Application granted granted Critical
Publication of CN108647704B publication Critical patent/CN108647704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明是关于一种基于NDBI与相关系数融合的信息获取方法及装置，属于遥感技术领域。所述方法包括：计算第一指数和第二指数；计算第三指数和第四指数；确定第一变化结果和第二变化结果；将第一变化结果和第二变化结果融合，生成融合结果；提取中心点坐标作为位置信息。本发明基于第一预设算法和第二预设算法，计算第一指数、第二指数、第三指数和第四指数，进而确定第一变化结果和第二变化结果并融合，提取中心点坐标作为目标建筑物的位置信息，使得采用将执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据进行比对的方式确定目标建筑物的位置信息，简化了获取信息的过程，缩短了获取信息的耗时时长，节省了大量的人力物力，智能性较优。

Description

一种信息获取方法、装置、计算机设备和可读存储介质
技术领域
本发明涉及遥感技术领域，特别涉及一种基于NDBI与相关系数融合的信息获取方法及装置。
背景技术
在城市发展进程中，各大型工厂是城市的重要污染源。由于近年来国内外土木工程的快速发展，越来越多的建筑拔地而起，当进行大范围的建筑拆迁或新建时，需要获取已经拆迁建筑物或新建建筑物的位置信息，进而根据位置信息确定已经完成拆迁或新建的建筑物属于哪家企业。
相关技术中，在获取建筑物的位置信息时，首先需要获取区域的影像数据，由于影像数据中的信息较为复杂，地物的纹理形状信息较为多样化，且建筑物在大小形状上各有区别，因此，通常需要采用遥感手段，在获取到的影像数据中提取边缘、线条、角点等特征，进而根据该特征在区域中获取多个目标物，对多个目标物进行分类，并根据建筑物的特征在多个目标物中提取该建筑物，以便获取该建筑物在区域中的位置信息。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
在区域中获取多个目标物并对多个目标物进行分类时需要采用大量算法，导致获取建筑物的位置信息的耗时较长，浪费大量的人力物力，智能性较差。
发明内容
为克服相关技术中存在的获取建筑物的位置信息的耗时较长，浪费大量的人力物力，智能性较差的问题，本发明提供一种基于NDBI与相关系数融合的信息获取方法及装置。
根据本发明实施例的第一方面，提供一种基于NDBI与相关系数融合的信息获取方法，所述方法包括：
基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一算法生成，所述至少一个第四指数根据所述第二预设算法生成；
根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
在另一个实施例中，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法至少为波段系数算法。
在另一个实施例中，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数之前，所述方法还包括：
在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
在另一个实施例中，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数包括：
在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
在另一个实施例中，所述基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数包括：
在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
在另一个实施例中，所述根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果包括：
在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
在所述至少一个第二指数和所述至少一个第四指数中确定大于第三阈值的指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果。
在另一个实施例中，所述将所述第一变化结果和所述第二变化结果进行融合，生成融合结果包括：
计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
在另一个实施例中，所述在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息包括：
对所述融合结果进行矢量化处理，生成矢量结果；
提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
在另一个实施例中，所述方法还包括：
确定预设网格范围，所述预设网格范围至少包括500米、1000米和3000米中的一种或多种；
根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
根据本发明实施例的第二方面，提供一种基于NDBI与相关系数融合的信息获取装置，所述装置包括：
第一计算模块，用于基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
第二计算模块，用于基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一算法生成，所述至少一个第四指数根据所述第二预设算法生成；
第一确定模块，用于根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
融合模块，用于将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
提取模块，用于在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
在另一个实施例中，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法至少为波段系数算法。
在另一个实施例中，所述装置还包括：
获取模块，用于在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
处理模块，用于对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
在另一个实施例中，所述第一计算模块包括：
第一提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
第二提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
在另一个实施例中，所述第二计算模块包括：
第一提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
第二提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
在另一个实施例中，所述确定模块包括：
确定子模块，用于在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算子模块，用于计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
处理子模块，用于在所述至少一个第二指数和所述至少一个第四指数中确定大于第三阈值的指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果。
在另一个实施例中，所述融合模块，用于计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
在另一个实施例中，所述提取模块包括：
处理子模块，用于对所述融合结果进行矢量化处理，生成矢量结果；
提取子模块，用于提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
在另一个实施例中，所述装置还包括：
第二确定模块，用于确定预设网格范围，所述预设网格范围至少包括500 米、1000米和3000米中的一种或多种；
建立模块，用于根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
根据本发明实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，所述处理器执行所述计算机可执行指令时实现上述第一方面任一项所述的基于NDBI与相关系数融合的信息获取方法。
根据本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质上存储有指令，所述指令被处理器执行以完成上述第一方面任一项所述的基于NDBI与相关系数融合的信息获取方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
基于第一预设算法和第二预设算法，计算执行拆迁或新建操作前获取的目标建筑物所在区域的影第一数据的至少一个第一指数和至少一个第二指数，并基于第一预设算法和第二预设算法，计算执行拆迁操作后获取的目标建筑物所在区域的第二数据的至少一个第三指数和至少一个第四指数，进而根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果，将第一变化结果和第二变化结果进行融合，生成融合结果，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息，使得采用将执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据进行比对的方式确定目标建筑物的位置信息，简化了获取信息的过程，缩短了获取信息的耗时时长，节省了大量的人力物力，智能性较优。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取方法的流程图；
图2A是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取方法的流程图；
图2B是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取方法的流程图；
图3A是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3B是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3C是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3D是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3E是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3F是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图3G是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图；
图4是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置400的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取方法的流程图，如图1所示，该方法包括以下步骤。
在步骤101中，基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，至少一个第一指数根据第一预设算法生成，至少一个第二指数根据第二预设算法生成。
在步骤102中，基于第一预设算法和第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，至少一个第三指数根据第一算法生成，至少一个第四指数根据第二预设算法生成。
在步骤103中，根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果。
在步骤104中，将第一变化结果和第二变化结果进行融合，生成融合结果。
在步骤105中，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息。
本发明实施例提供的方法，基于第一预设算法和第二预设算法，计算执行拆迁或新建操作前获取的目标建筑物所在区域的影第一数据的至少一个第一指数和至少一个第二指数，并基于第一预设算法和第二预设算法，计算执行拆迁操作后获取的目标建筑物所在区域的第二数据的至少一个第三指数和至少一个第四指数，进而根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果，将第一变化结果和第二变化结果进行融合，生成融合结果，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息，使得采用将执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据进行比对的方式确定目标建筑物的位置信息，简化了获取信息的过程，缩短了获取信息的耗时时长，节省了大量的人力物力，智能性较优。
在另一个实施例中，第一预设算法至少为归一化建筑指数NDBI算法，第二预设算法至少为波段系数算法。
在另一个实施例中，基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数之前，方法还包括：
在目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
对初始第一数据和初始第二数据进行预处理，生成第一数据和第二数据，预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
在另一个实施例中，基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数包括：
在第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
基于第一预设算法，对至少一个第一红外波段值和至少一个第一近红外波段值进行计算，生成至少一个第一指数；
在第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
基于第二预设算法，对至少一个第一波段系数和至少一个第二波段系数进行计算，生成至少一个第二指数。
在另一个实施例中，基于第一预设算法和第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数包括：
在第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
基于第一预设算法，对至少一个第二红外波段值和至少一个第二近红外波段值进行计算，生成至少一个第三指数；
在第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
基于第二预设算法，对至少一个第三波段系数和至少一个第二波段系数进行计算，生成至少一个第四指数。
在另一个实施例中，根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果包括：
在至少一个第一指数中确定大于第一阈值的指定第一指数，在至少一个第三指数中确定大于第二阈值的指定第三指数；
计算指定第一指数和指定第三指数之间的第一差值，对第一差值进行二值化处理，生成第一二值化结果，将第一二值化结果作为第一变化结果；
在至少一个第二指数和至少一个第四指数中确定大于第三阈值的指定系数，对指定系数进行二值化处理，生成第二二值化结果，将第二二值化结果作为第二变化结果。
在另一个实施例中，将第一变化结果和第二变化结果进行融合，生成融合结果包括：
计算第一变化结果和第二变化结果之间的交集，将交集作为融合结果。
在另一个实施例中，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息包括：
对融合结果进行矢量化处理，生成矢量结果；
提取矢量结果的中心点坐标，将中心点坐标作为目标建筑物的位置信息。
在另一个实施例中，所述方法还包括：
确定预设网格范围，所述预设网格范围至少包括500米、1000米和3000米中的一种或多种；
根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
图2A是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取方法的流程图，如图2A所示，该方法包括以下步骤。
在步骤201中，在目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据，对初始第一数据和初始第二数据进行预处理，生成第一数据和第二数据，预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
发明人认识到，目标建筑物在进行拆迁或新建时其所在区域便会发生一定的变化，这样，在目标建筑物拆迁或新建之前获取到的影像数据与目标建筑物拆迁或新建之后获取到的影像数据是不同的，因此，可以分别获取目标建筑物所在区域执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据，并将两期影像数据进行比对，进而确定目标的建筑物的具体位置。
另外，考虑到获取到的执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据可能受到诸如天气、温度、地理位置等因素的影响，导致影响数据的质量较差，在后续进行比对分析的时候可能造成较大的误差，因此，可以在获取到执行拆迁或新建操作前的影像数据和执行拆迁或新建操作后的影像数据后，对两期影像数据进行预处理，使两期影像数据的效果更加优化，并在后续对进行预处理后的两期影像数据进行比对，进而获取目标建筑物的位置信息，在保证获取到目标建筑物位置信息的同时，提高了获取到的目标建筑物位置信息的准确性。其中，在本发明实施例中，为了便于说明，将执行拆迁或新建操作前获取到的影像数据设为初始第一数据，对初始第一数据进行预处理后得到的数据设为第一数据；将执行拆迁或新建操作后获取到的影像数据设为初始第二数据，对初始第二数据进行预处理后得到的数据设为第二数据。
其中，在获取初始第一数据和初始第二数据时，可以基于卫星进行采集，获取卫星在目标建筑物所在区域执行拆迁或新建前采集到的影像数据作为初始第一数据，并获取卫星在目标建筑物所在区域执行拆迁后采集到的影像数据作为初始第二数据。在获取到初始第一数据和初始第二数据后，便可以对初始第一数据和初始第二数据进行预处理，进而生成第一数据和第二数据。在对初始第一数据和初始第二数据进行预处理时，可以包括辐射定标、大气校正、正射校正和几何精校正。在实际应用的过程中，对初始第一数据和初始第二数据进行预处理时，一方面可以执行辐射定标、大气校正、正射校正和几何精校正中的全部处理，另一方面，为了简化获取目标建筑物位置信息的过程，可以选择辐射定标、大气校正、正射校正和几何精校正中的一种或多种操作，本发明实施例对进行初始第一数据和初始第二数据的预处理的操作不进行具体限定。
在步骤202中，在第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值，基于第一预设算法，对至少一个第一红外波段值和至少一个第一近红外波段值进行计算，生成至少一个第一指数，第一预设算法至少为NDBI算法。
在本发明实施例中，当获取到第一数据后，便可以计算第一数据的第一指数。其中，由于第一数据为影像数据，因此，在第一数据中会存在多个波段，且每个波段均会对应第一红外波段值和第一近红外波段值。在计算第一指数时，首先需要在第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；随后，基于第一预设算法，对至少一个第一红外波段值和至少一个第一近红外波段值进行计算，从而得到至少一个第一指数。其中，第一预设算法可为NDBI(Normalized Difference Build-upIndex，归一化建筑指数)算法，也即可将至少一个第一红外波段值和至少一个第一近红外波段值带入下述公式一，进而得到至少一个第一指数。
公式一：NDBI＝(Mir-Nir)/(Mir+Nir)
其中，公式一中的NDBI用于指示第一指数，Mir用于指示第一红外波段值， Nir用于指示第一近红外波段值。需要说明的是，由于第一数据中会存在多个波段，因此，通过第一预设算法得到的第一指数也会是多个，本发明实施例对生成第一指数的个数及生成第一指数的方式不进行具体限定。
在步骤203中，在第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数，基于第二预设算法，对至少一个第一波段系数和至少一个第二波段系数进行计算，生成至少一个第二指数，第二预设算法至少为波段系数算法。
在本发明实施例中，当获取到第一数据后，便可以计算第一数据的第二指数。其中，由于第一数据中会存在多个波段，且每个波段均会对应第一波段系数和第二波段系数，因此，在计算第二指数时，首先需要在第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；随后，基于第二预设算法，对至少一个第一波段系数和至少一个第二波段系数进行计算，从而得到至少一个第二指数。其中，第二预设算法可为下述公式二，也即可将至少一个第一波段系数和至少一个第二波段系数带入下述公式二，进而得到至少一个第二指数。
公式二：
其中，公式二中的r用于指示第二指数，x用于指示第一波段系数，用于指示至少一个第一波段系数的第一平均数，y用于指示第二波段系数，用于指示至少一个第二波段系数的第二平均数。需要说明的是，由于第一数据中会存在多个波段，因此，通过第二预设算法得到的第二指数也会是多个，本发明实施例对生成第二指数的个数及生成第二指数的方式不进行具体限定。
在步骤204中，在第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值，基于第一预设算法，对至少一个第二红外波段值和至少一个第二近红外波段值进行计算，生成至少一个第三指数。
在本发明实施例中，当获取到第二数据后，便可以计算第二数据的第一指数。其中，由于第二数据也为影像数据，因此，在第二数据中也会存在多个波段，且每个波段也均会对应第二红外波段值和第二近红外波段值。在实际应用的过程中，生成至少一个第三指数的方式与步骤202中生成至少一个第一指数的方式一致，此处不再进行赘述。需要说明的是，由于第二数据中会存在多个波段，因此，通过第一预设算法得到的第三指数也会是多个，本发明实施例对生成第三指数的个数及生成第三指数的方式不进行具体限定。
在步骤205中，在第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数，基于第二预设算法，对至少一个第三波段系数和至少一个第二波段系数进行计算，生成至少一个第四指数。
在本发明实施例中，当获取到第二数据后，便可以计算第二数据的第四指数。其中，由于第二数据中会存在多个波段，且每个波段均会对应第三波段系数和第四波段系数，因此，可以在第二数据中提取至少一个第三波段系数和至少一个第四波段系数。在实际应用的过程中，生成至少一个第四指数的方式与步骤203中生成至少一个第二指数的方式一致，此处不再进行赘述。需要说明的是，由于第二数据中会存在多个波段，因此，通过第二预设算法得到的第四指数也会是多个，本发明实施例对生成第四指数的个数及生成第四指数的方式不进行具体限定。
在步骤206中，在至少一个第一指数中确定大于第一阈值的指定第一指数，在至少一个第三指数中确定大于第二阈值的指定第三指数，计算指定第一指数和指定第三指数之间的第一差值，对第一差值进行二值化处理，生成第一二值化结果，将第一二值化结果作为第一变化结果。
在本发明实施例中，由于获取到的第一数据和第二数据可能是不清晰的或者可能发生不明物体的遮挡，为了在后续确定交集时避免受到不清楚或者模糊的波段的干扰，可以设置第一阈值和第二阈值，并在确定了第一指数和第三指数后，在至少一个第一指数中确定大于第一阈值的指定第一指数和至少一个第三指数中确定大于第二阈值的指定第三指数，以便在后续根据指定第一指数和指定第三指数确定执行拆迁或新建操作前建筑物所在区域与执行拆迁或新建操作后建筑物所在区域的差异，进而确定目标建筑物的位置信息。在实际应用的过程中，第一阈值和第二阈值可以相等，通常为0.8，本发明实施例对第一阈值和第二阈值的取值不进行具体限定。
当确定了指定第一指数和指定第三指数后，由于拆迁或新建前后采集到的影像数据是不同的，因此，计算指定第一指数和指定第三指数之间的差值便可以确定拆迁或新建前后的影像数据的不同之处，进而确定目标建筑物的位置信息。
在实际应用的过程中，当确定了指定第一指数和指定第三指数之间的第一差值后，为了将两期影像数据之间的差异同步至第一数据和第二数据的各个位置中，可以对第一差值进行二值化处理，生成第一二值化结果，并将第一二值化结果作为第一变化结果。其中，第一变化结果也即用于指示两期影像数据中在基于第一预设算法得到的第一指数和第二指数中存在的差异及相似程度。
在步骤207中，在至少一个第二指数和至少一个第四指数中确定大于第三阈值的指定系数，对指定系数进行二值化处理，生成第二二值化结果，将第二二值化结果作为第二变化结果。
在本发明实施例中，由于获取到的第一数据和第二数据可能是不清晰的或者可能发生不明物体的遮挡，为了在后续确定交集时，避免受到不清晰或者模糊的波段的干扰，可以设置第三阈值，并在确定了第二指数和第四指数后，在至少一个第二指数和至少一个第四指数中确定大于第三阈值的指定系数，以便在后续根据指定系数确定执行拆迁或新建操作前建筑物所在区域与执行拆迁或新建操作后建筑物所在区域的差异，进而确定目标建筑物的位置信息。在实际应用的过程中，第三阈值的取值可为0.5，本发明实施例对第三阈值的取值不进行具体限定。
在步骤208中，计算第一变化结果和第二变化结果之间的交集，将交集作为融合结果。
在本发明实施例中，发明人认识到，采用一种预设算法计算目标建筑物的位置可能会存在误差，准确性较低，因此，可将采用第一预设算法得到的第一变化结果和采用第二预设算法得到的第二变化结果进行融合，确定第一变化结果和第二变化结果之间的交集，将交集作为融合结果，进而根据融合结果确定目标建筑物的位置信息，以便提高获取目标建筑物位置信息的准确性。其中，在计算第一变化结果和第二变化结果之间的交集时，可以采用下述公式三进行计算，进而得到融合结果。
公式三：C＝ry∩(NDBI1-NDBI2)y或C＝ry∩(NDBI2-NDBI1)y
其中，在公式三中，C用于指示交集，也即融合结果；ry用于指示第二变化结果；NDBI1用于指示指定第一指数，NDBI2用于指示指定第三指数，也即 (NDBI1-NDBI2)或(NDBI2-NDBI1)用于指示第一变化结果。
在步骤209中，对融合结果进行矢量化处理，生成矢量结果，提取矢量结果的中心点坐标，将中心点坐标作为目标建筑物的位置信息。
在本发明实施例中，当确定了融合结果后，为了使融合结果更加清晰，进而可以对融合结果进行划分，需要对融合结果进行矢量化处理，生成矢量结果。需要说明的是，如果融合结果中包括多个建筑物，则生成的矢量结果映射到目标建筑物所在的区域后，会形成多个矢量块，且每个矢量块代表不同的建筑物。当将矢量结果映射到目标建筑物所在的区域后，可以参考目标建筑物在区域中的位置，确定哪一个矢量块为目标建筑物的矢量块，并将用于指示目标建筑物的矢量块提取出来。
当获取到用于指示目标建筑物的矢量块后，便可以提取该矢量块的中心点坐标，并将该中心点坐标作为目标建筑物的位置信息。
在步骤210中，确定预设网格范围，根据所述预设网格范围，基于所述中心点坐标，建立热点网格。
在本发明实施例中，预设网格范围至少包括500米、1000米和3000米中的一种或多种，热点网格指示所述目标建筑物。考虑到一张影像数据中可能获取到多个不同的目标建筑物，为了便于对多个不同的目标建筑物进行集中管理，可以确定预设网格范围，根据预设网格范围，基于中心点坐标，建立热点网格。其中，在建立热点网格时，可以参照目标建筑物在影像数据中显示的形状进行建立，以便建立的热点网格与目标建筑物本身更加贴合，使得显示的目标建筑的位置信息更加准确。其中，预设网格范围可以根据目标建筑物的实际情况进行设定，本发明实施例对预设网格范围的取值不进行具体限定。
在实际应用的过程中，可以参照图2B中所示的流程获取目标建筑物的信息：
参见图2B，采集目标建筑物所在区域的在执行拆迁或新建前的影像数据作为初始第一数据，以及在执行拆迁或新建后的影像数据作为初始第二数据，并对初始第一数据和初始第二数据进行预处理，生成第一数据和第二数据；随后，对第一数据进行计算，生成第一指数和第二指数；对第二数据进行计算，生成第三指数和第四指数，并基于第一指数和第三指数确定第一变化结果，基于第二指数和第四指数确定第二变化结果；最后，对第一变化结果和第二变化结果进行融合处理，生成融合结果，对融合结果进行矢量化处理，生成矢量化结果，进而提取矢量化结果的中心点坐标作为目标建筑物的位置信息，并基于中心点坐标生成热点网格。
本发明实施例提供的方法，基于第一预设算法和第二预设算法，计算执行拆迁或新建操作前获取的目标建筑物所在区域的影第一数据的至少一个第一指数和至少一个第二指数，并基于第一预设算法和第二预设算法，计算执行拆迁操作后获取的目标建筑物所在区域的第二数据的至少一个第三指数和至少一个第四指数，进而根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果，将第一变化结果和第二变化结果进行融合，生成融合结果，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息，使得采用将执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据进行比对的方式确定目标建筑物的位置信息，简化了获取信息的过程，缩短了获取信息的耗时时长，节省了大量的人力物力，智能性较优。
图3A是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置的框图。参照图3A，该装置包括第一计算模块301，第二计算模块302，确定模块303，融合模块304和提取模块305。
该第一计算模块301，用于基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，至少一个第一指数根据第一预设算法生成，至少一个第二指数根据第二预设算法生成；
该第二计算模块302，用于基于第一预设算法和第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，至少一个第三指数根据第一算法生成，至少一个第四指数根据第二预设算法生成；
该第一确定模块303，用于根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果；
该融合模块304，用于将第一变化结果和第二变化结果进行融合，生成融合结果；
该提取模块305，用于在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息。
本发明实施例提供的装置，基于第一预设算法和第二预设算法，计算执行拆迁或新建操作前获取的目标建筑物所在区域的影第一数据的至少一个第一指数和至少一个第二指数，并基于第一预设算法和第二预设算法，计算执行拆迁操作后获取的目标建筑物所在区域的第二数据的至少一个第三指数和至少一个第四指数，进而根据至少一个第一指数和至少一个第三指数，确定第一变化结果，并根据至少一个第二指数和至少一个第四指数，确定第二变化结果，将第一变化结果和第二变化结果进行融合，生成融合结果，在融合结果中提取中心点坐标，将中心点坐标作为目标建筑物的位置信息，使得采用将执行拆迁或新建前的影像数据和执行拆迁或新建后的影像数据进行比对的方式确定目标建筑物的位置信息，简化了获取信息的过程，缩短了获取信息的耗时时长，节省了大量的人力物力，智能性较优。
在另一个实施例中，第一预设算法至少为归一化建筑指数NDBI算法，第二预设算法至少为波段系数算法。
在另一个实施例中，参见图3B，该装置还包括获取模块306和处理模块307。
该获取模块306，用于在目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
该处理模块307，用于对初始第一数据和初始第二数据进行预处理，生成第一数据和第二数据，预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
在另一个实施例中，参见图3C，该第一计算模块301，包括第一提取子模块3011，第一计算子模块3012，第二提取子模块3013和第二计算子模块3014。
该第一提取子模块3011，用于在第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
该第一计算子模块3012，用于基于第一预设算法，对至少一个第一红外波段值和至少一个第一近红外波段值进行计算，生成至少一个第一指数；
该第二提取子模块3013，用于在第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
该第二计算子模块3014，用于基于第二预设算法，对至少一个第一波段系数和至少一个第二波段系数进行计算，生成至少一个第二指数。
在另一个实施例中，参见图3D，该第二计算模块302，包括第一提取子模块3021，第一计算子模块3022，第二提取子模块3023和第二计算子模块3024。
该第一提取子模块3021，用于在第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
该第一计算子模块3022，用于基于第一预设算法，对至少一个第二红外波段值和至少一个第二近红外波段值进行计算，生成至少一个第三指数；
该第二提取子模块3023，用于在第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
该第二计算子模块3024，用于基于第二预设算法，对至少一个第三波段系数和至少一个第二波段系数进行计算，生成至少一个第四指数。
在另一个实施例中，参见图3E，该确定模块303，包括确定子模块3031，计算子模块3032和处理子模块3033。
该确定子模块3031，用于在至少一个第一指数中确定大于第一阈值的指定第一指数，在至少一个第三指数中确定大于第二阈值的指定第三指数；
该计算子模块3032，用于计算指定第一指数和指定第三指数之间的第一差值，对第一差值进行二值化处理，生成第一二值化结果，将第一二值化结果作为第一变化结果；
该处理子模块3033，用于在至少一个第二指数和至少一个第四指数中确定大于第三阈值的指定系数，对指定系数进行二值化处理，生成第二二值化结果，将第二二值化结果作为第二变化结果。
在另一个实施例中，该融合模块304，用于计算第一变化结果和第二变化结果之间的交集，将交集作为融合结果。
在另一个实施例中，参见图3F，该提取模块305，包括处理子模块3051和提取子模块3052。
该处理子模块3051，用于对融合结果进行矢量化处理，生成矢量结果；
该提取子模块3052，用于提取矢量结果的中心点坐标，将中心点坐标作为目标建筑物的位置信息。
在另一个实施例中，参见图3G，该装置还包括第二确定模块308和建立模块309。
该第二确定模块308，用于确定预设网格范围，预设网格范围至少包括500 米、1000米和3000米中的一种或多种；
该建立模块309，用于根据预设网格范围，基于中心点坐标，建立热点网格，热点网格指示目标建筑物。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种基于NDBI与相关系数融合的信息获取装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器 404，电源组件406，多媒体组件408，音频组件410，I/O(Input/Output，输入 /输出)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件 402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如SRAM(Static Random Access Memory,静态随机存取存储器)，EEPROM(Electrically-Erasable Programmable Read-Only Memory,电可擦除可编程只读存储器)，EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)，PROM(Programmable Read-Only Memory,可编程只读存储器)，ROM(Read-Only Memory,只读存储器)，磁存储器，快闪存储器，磁盘或光盘。
电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括LCD(Liquid Crystal Display，液晶显示器) 和TP(TouchPanel，触摸面板)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400 处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个MIC(Microphone,麦克风)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物)或CCD(Charge-coupled Device，电荷耦合元件)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414 还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括NFC(Near Field Communication,近场通信)模块，以促进短程通信。例如，在NFC模块可基于RFID(Radio FrequencyIdentification,射频识别) 技术，IrDA(Infra-red Data Association,红外数据协会)技术，UWB(Ultra Wideband, 超宽带)技术，BT(Bluetooth,蓝牙)技术和其他技术来实现。
在示例性实施例中，装置400可以被一个或多个ASIC(Application SpecificIntegrated Circuit,应用专用集成电路)、DSP(Digital signal Processor,数字信号处理器)、DSPD(Digital signal Processor Device，数字信号处理设备)、PLD(Programmable Logic Device,可编程逻辑器件)、FPGA)(Field Programmable GateArray,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述信息获取方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、RAM (Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器)、磁带、软盘和光数据存储设备等。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，所述处理器执行所述计算机可执行指令时实现上述的基于NDBI与相关系数融合的信息获取方法。
一种可读存储介质，当所述存储介质中的指令由基于NDBI与相关系数融合的信息获取装置的处理器执行时，使得信息获取装置能够执行上述基于NDBI 与相关系数融合的信息获取方法。
A1、一种基于NDBI与相关系数融合的信息获取方法，其特征在于，所述方法包括：
基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一算法生成，所述至少一个第四指数根据所述第二预设算法生成；
根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
A2、根据权利要求1所述的方法，其特征在于，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法至少为波段系数算法。
A3、根据权利要求1所述的方法，其特征在于，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数之前，所述方法还包括：
在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
A4、根据权利要求1所述的方法，其特征在于，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数包括：
在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
A5、根据权利要求1所述的方法，其特征在于，所述基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数包括：
在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
A6、根据权利要求1所述的方法，其特征在于，所述根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果包括：
在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
在所述至少一个第二指数和所述至少一个第四指数中确定大于第三阈值的指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果。
A7、根据权利要求1所述的方法，其特征在于，所述将所述第一变化结果和所述第二变化结果进行融合，生成融合结果包括：
计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
A8、根据权利要求1所述的方法，其特征在于，所述在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息包括：
对所述融合结果进行矢量化处理，生成矢量结果；
提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
A9、根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定预设网格范围，所述预设网格范围至少包括500米、1000米和3000米中的一种或多种；
根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
A10、一种基于NDBI与相关系数融合的信息获取装置，其特征在于，所述装置包括：
第一计算模块，用于基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
第二计算模块，用于基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一算法生成，所述至少一个第四指数根据所述第二预设算法生成；
第一确定模块，用于根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
融合模块，用于将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
提取模块，用于在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
A11、根据权利要求10所述的装置，其特征在于，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法至少为波段系数算法。
A12、根据权利要求10所述的装置，其特征在于，所述装置还包括：
获取模块，用于在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
处理模块，用于对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
A13、根据权利要求10所述的装置，其特征在于，所述第一计算模块包括：
第一提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
第二提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
A14、根据权利要求10所述的装置，其特征在于，所述第二计算模块包括：
第一提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
第二提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
A15、根据权利要求10所述的装置，其特征在于，所述确定模块包括：
确定子模块，用于在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算子模块，用于计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
处理子模块，用于在所述至少一个第二指数和所述至少一个第四指数中确定大于第三阈值的指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果。
A16、根据权利要求10所述的装置，其特征在于，所述融合模块，用于计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
A17、根据权利要求10所述的装置，其特征在于，所述提取模块包括：
处理子模块，用于对所述融合结果进行矢量化处理，生成矢量结果；
提取子模块，用于提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
A18、根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于确定预设网格范围，所述预设网格范围至少包括500 米、1000米和3000米中的一种或多种；
建立模块，用于根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
A19、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，其特征在于，所述处理器执行所述计算机可执行指令时实现权利要求1-9任一项所述的基于NDBI与相关系数融合的信息获取方法。
A20、一种可读存储介质，其特征在于，所述可读存储介质上存储有指令，所述指令被处理器执行以完成权利要求1-9任一项所述的基于NDBI与相关系数融合的信息获取方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (20)

1.一种基于NDBI与相关系数融合的信息获取方法，其特征在于，所述方法包括：
基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一预设算法生成，所述至少一个第四指数根据所述第二预设算法生成；
根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法的计算公式如下：
其中，r用于指示第二指数，x用于指示第一波段系数，用于指示至少一个第一波段系数的第一平均数，y用于指示第二波段系数，用于指示至少一个第二波段系数的第二平均数。
3.根据权利要求1所述的方法，其特征在于，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数之前，所述方法还包括：
在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
4.根据权利要求1所述的方法，其特征在于，所述基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数包括：
在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数，所述第一波段系数和所述第二波段系数在所述第一数据中，为所述至少一个波段对应的数值；
基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数包括：
在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数，所述第三波段系数和所述第四波段系数在所述第二数据中，为所述至少一个波段对应的数值；
基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
6.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果包括：
在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
确定指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果，所述指定系数为所述至少一个第二指数和所述至少一个第四指数中大于第三阈值的数值。
7.根据权利要求1所述的方法，其特征在于，所述将所述第一变化结果和所述第二变化结果进行融合，生成融合结果包括：
计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
8.根据权利要求1所述的方法，其特征在于，所述在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息包括：
对所述融合结果进行矢量化处理，生成矢量结果；
提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定预设网格范围，所述预设网格范围至少包括500米、1000米和3000米中的一种或多种；
根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
10.一种基于NDBI与相关系数融合的信息获取装置，其特征在于，所述装置包括：
第一计算模块，用于基于第一预设算法和第二预设算法，计算第一数据的至少一个第一指数和至少一个第二指数，所述第一数据为执行拆迁或新建操作前获取的目标建筑物所在区域的影像数据，所述至少一个第一指数根据所述第一预设算法生成，所述至少一个第二指数根据所述第二预设算法生成；
第二计算模块，用于基于所述第一预设算法和所述第二预设算法，计算第二数据的至少一个第三指数和至少一个第四指数，所述第二数据为执行拆迁或新建操作后获取的目标建筑物所在区域的影像数据，所述至少一个第三指数根据所述第一预设算法生成，所述至少一个第四指数根据所述第二预设算法生成；
第一确定模块，用于根据所述至少一个第一指数和所述至少一个第三指数，确定第一变化结果，并根据所述至少一个第二指数和所述至少一个第四指数，确定第二变化结果；
融合模块，用于将所述第一变化结果和所述第二变化结果进行融合，生成融合结果；
提取模块，用于在所述融合结果中提取中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
11.根据权利要求10所述的装置，其特征在于，所述第一预设算法至少为归一化建筑指数NDBI算法，所述第二预设算法的计算公式如下：
其中，r用于指示第二指数，x用于指示第一波段系数，用于指示至少一个第一波段系数的第一平均数，y用于指示第二波段系数，用于指示至少一个第二波段系数的第二平均数。
12.根据权利要求10所述的装置，其特征在于，所述装置还包括：
获取模块，用于在所述目标建筑物所在区域获取执行拆迁或新建操作前的初始第一数据，以及获取执行拆迁或新建操作后的初始第二数据；
处理模块，用于对所述初始第一数据和所述初始第二数据进行预处理，生成所述第一数据和所述第二数据，所述预处理至少包括辐射定标、大气校正、正射校正、几何精校正。
13.根据权利要求10所述的装置，其特征在于，所述第一计算模块包括：
第一提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一红外波段值和至少一个第一近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第一红外波段值和所述至少一个第一近红外波段值进行计算，生成所述至少一个第一指数；
第二提取子模块，用于在所述第一数据中提取至少一个波段的至少一个第一波段系数和至少一个第二波段系数，所述第一波段系数和所述第二波段系数在所述第一数据中，为所述至少一个波段对应的数值；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第一波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第二指数。
14.根据权利要求10所述的装置，其特征在于，所述第二计算模块包括：
第一提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第二红外波段值和至少一个第二近红外波段值；
第一计算子模块，用于基于所述第一预设算法，对所述至少一个第二红外波段值和所述至少一个第二近红外波段值进行计算，生成所述至少一个第三指数；
第二提取子模块，用于在所述第二数据中提取至少一个波段的至少一个第三波段系数和至少一个第四波段系数，所述第三波段系数和所述第四波段系数在所述第二数据中，为所述至少一个波段对应的数值；
第二计算子模块，用于基于所述第二预设算法，对所述至少一个第三波段系数和所述至少一个第二波段系数进行计算，生成所述至少一个第四指数。
15.根据权利要求10所述的装置，其特征在于，所述确定模块包括：
确定子模块，用于在所述至少一个第一指数中确定大于第一阈值的指定第一指数，在所述至少一个第三指数中确定大于第二阈值的指定第三指数；
计算子模块，用于计算所述指定第一指数和所述指定第三指数之间的第一差值，对所述第一差值进行二值化处理，生成第一二值化结果，将所述第一二值化结果作为所述第一变化结果；
处理子模块，用于确定指定系数，对所述指定系数进行二值化处理，生成第二二值化结果，将所述第二二值化结果作为所述第二变化结果，所述指定系数为所述至少一个第二指数和所述至少一个第四指数中大于第三阈值的数值。
16.根据权利要求10所述的装置，其特征在于，所述融合模块，用于计算所述第一变化结果和所述第二变化结果之间的交集，将所述交集作为所述融合结果。
17.根据权利要求10所述的装置，其特征在于，所述提取模块包括：
处理子模块，用于对所述融合结果进行矢量化处理，生成矢量结果；
提取子模块，用于提取所述矢量结果的所述中心点坐标，将所述中心点坐标作为所述目标建筑物的位置信息。
18.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于确定预设网格范围，所述预设网格范围至少包括500米、1000米和3000米中的一种或多种；
建立模块，用于根据所述预设网格范围，基于所述中心点坐标，建立热点网格，所述热点网格指示所述目标建筑物。
19.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，其特征在于，所述处理器执行所述计算机可执行指令时实现权利要求1-9任一项所述的基于NDBI与相关系数融合的信息获取方法。
20.一种可读存储介质，其特征在于，所述可读存储介质上存储有指令，所述指令被处理器执行以完成权利要求1-9任一项所述的基于NDBI与相关系数融合的信息获取方法。
CN201810362079.0A 2018-04-20 2018-04-20 一种信息获取方法、装置、计算机设备和可读存储介质 Active CN108647704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810362079.0A CN108647704B (zh) 2018-04-20 2018-04-20 一种信息获取方法、装置、计算机设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810362079.0A CN108647704B (zh) 2018-04-20 2018-04-20 一种信息获取方法、装置、计算机设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN108647704A CN108647704A (zh) 2018-10-12
CN108647704B true CN108647704B (zh) 2019-11-22

Family

ID=63746930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810362079.0A Active CN108647704B (zh) 2018-04-20 2018-04-20 一种信息获取方法、装置、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN108647704B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110440722B (zh) * 2019-08-20 2021-07-13 福州大学 一种适于无中红外数据的建筑指数构建方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214358B (zh) * 2010-04-09 2014-01-08 杨存建 基于知识发现的quickbird影像乡村聚落单元信息提取技术
CN103150718B (zh) * 2011-12-06 2016-02-10 中国科学院电子学研究所 基于变化矢量分析与分类后比较的遥感图像变化检测方法
US9111351B2 (en) * 2011-12-15 2015-08-18 Sony Corporation Minimizing drift using depth camera images
CN103426158B (zh) * 2012-05-17 2016-03-09 中国科学院电子学研究所 两时相遥感图像变化检测的方法
CN105809140B (zh) * 2016-03-18 2019-07-05 华南农业大学 一种基于遥感模型的地表水体信息的提取方法及其装置
CN107067334B (zh) * 2017-04-21 2020-06-30 中国科学院遥感与数字地球研究所 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及系统

Also Published As

Publication number Publication date
CN108647704A (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN105072337B (zh) 图片处理方法及装置
US11308351B2 (en) Method and apparatus for recognizing sequence in image, electronic device, and storage medium
CN104156947B (zh) 图像分割方法、装置及设备
CN108629354B (zh) 目标检测方法及装置
CN109697734A (zh) 位姿估计方法及装置、电子设备和存储介质
CN105608425B (zh) 对照片进行分类存储的方法及装置
CN105528607B (zh) 区域提取方法、模型训练方法及装置
CN106295515B (zh) 确定图像中的人脸区域的方法及装置
CN104700353B (zh) 图像滤镜生成方法及装置
CN110390394A (zh) 批归一化数据的处理方法及装置、电子设备和存储介质
CN111340766A (zh) 目标对象的检测方法、装置、设备和存储介质
CN105654039B (zh) 图像处理的方法和装置
CN105631803B (zh) 滤镜处理的方法和装置
CN109522910A (zh) 关键点检测方法及装置、电子设备和存储介质
CN109948494A (zh) 图像处理方法及装置、电子设备和存储介质
CN106980840A (zh) 脸型匹配方法、装置及存储介质
CN109446994A (zh) 手势关键点检测方法、装置、电子设备及存储介质
CN104463103B (zh) 图像处理方法及装置
CN109801270A (zh) 锚点确定方法及装置、电子设备和存储介质
CN105426878B (zh) 人脸聚类方法及装置
KR102545408B1 (ko) 차폐된 이미지 검출 방법, 장치 및 매체
CN109034150B (zh) 图像处理方法及装置
CN110532956A (zh) 图像处理方法及装置、电子设备和存储介质
CN105335714B (zh) 照片处理方法、装置和设备
CN107766820A (zh) 图像分类方法及装置

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
CB02 Change of applicant information

Address after: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606

Applicant after: BEIJING INSIGHTS VALUE TECHNOLOGY CO., LTD.

Address before: Room 020, 4th Floor, Building 3, No. 4, Anningzhuang Road, Qinghe, Haidian District, Beijing 100085

Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY CO., LTD.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606

Patentee after: Beijing Yingshi Ruida Technology Co.,Ltd.

Address before: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606

Patentee before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder