CN110363053B - 一种遥感影像居民地提取方法及装置 - Google Patents
一种遥感影像居民地提取方法及装置 Download PDFInfo
- Publication number
- CN110363053B CN110363053B CN201810903773.9A CN201810903773A CN110363053B CN 110363053 B CN110363053 B CN 110363053B CN 201810903773 A CN201810903773 A CN 201810903773A CN 110363053 B CN110363053 B CN 110363053B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- image
- residential area
- scale
- 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
Images
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
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Abstract
本发明涉及一种遥感影像居民地提取方法及装置,属于遥感影像处理应用领域。本发明将遥感影像缩放为不同分辨率的尺度影像,然后计算得到各尺度影像中所有像素点的属性标记,通过转换,可以得到遥感影像上所有像素点的多个属性标记结果,最后通过综合判断以提取居民地信息。本发明利用低分辨率尺度影像纹理特征清晰的原理,选择低分辨率的多尺度遥感影像替代高分辨率的原始遥感影像进行居民地提取,最终通过综合判断得到居民地属性标记结果,提高了提取结果的准确性。
Description
技术领域
本发明涉及一种遥感影像居民地提取方法及装置,属于遥感影像处理应用领域。
背景技术
目前,国内外针对遥感影像地物特征的描述主要集中在光谱、纹理和几何形状信息等3个方面。伴随遥感影像分辨率的提高,地物的形状多样性和光谱复杂性趋于明显,“同谱异物”、“异物同谱”现象更加显著,较高的类内变化和较低的类间差异极大地减弱了不同地物要素在光谱域的模式可分性,单纯依靠光谱信息已不能较好地实现地物的识别提取;几何特征主要利用形状和大小等信息,算法相对简单,常作为辅助特征用于地物识别提取后处理;而纹理特征作为基本视觉特征之一,能够兼顾宏观特征和微观细节,具有较强的稳定性,在遥感影像的处理分析中呈现越来越明显的优势。
在《基于纹理特征的遥感影像居民地提取技术研究》(金飞,解放军信息工程大学博士学位论文)一文中,公开了一种基于纹理特征的遥感影像居民地提取方法,文中采用基于种子点的区域生长方法来进行居民地的提取,采用8邻域的搜索方式,量测种子点和候选点之间的纹理特征的相似性距离,通过一定准则判定候选点是否与种子点归为一类,重复以上过程直至符合条件的像素点搜索完毕。其中,作者具体使用了多种不同方法(包括傅里叶变换、小波变换和Gabor变换等)来完成相应的纹理特征提取,以说明各个方法之间的优劣性。
但上述方案针对每一块居民地均需要计算具体的、精确到度的纹理方向,而其弊端在于:人工干预环节太多,需要人工选定一个种子点,计算量大,不够实用。本领域中,一个地级市所管辖的行政村(居民地)一般在数百个之多,在一些人口密集区域,最多能够达到上千个,而现有技术所公开的居民地提取方法要求在整幅遥感影像中人工框定出每一个行政村,那么就需要由专人进行成百上千次的相应操作来完成,同时需要针对每一个行政村专门进行主方向的计算,计算量太大,实用性不高;而实际应用中,每一块居民地的大小是随机不确定的,因此其外轮廓也是不确定的,以种子点为基础,需要框定多大的影像范围来计算主方向无法确定,框定的范围小了,那么居民地(比如行政村)就框不完,框定范围大了的话,又把其他的村子或者地物框了进来,计算的主方向不准确。
另外,现有技术直接使用高分辨率影像,居民地提取是基于纹理特征相似度进行的,但是高分辨率的遥感影像中居民地的纹理特征并不清晰,因此现有技术提取的结果并不准确。
发明内容
本发明的目的是提供一种遥感影像居民地提取方法及装置以解决目前基于纹理特征的遥感影像居民地提取准确度不高的问题。
为实现上述目的,本发明提供方案一:一种遥感影像居民地提取方法,包括以下步骤:
1)将遥感影像I以M个不同尺度分别进行缩小处理,得到M个具有不同分辨率的尺度影像,其中M为不小于1的整数;
2)分别在各尺度影像上计算得到各尺度影像上所有像素点的居民地属性标记结果;
3)将各尺度影像上所有像素点的居民地属性标记结果转换到遥感影像I中,得到遥感影像I中所有像素点M次的居民地属性标记结果;
4)根据遥感影像I中所有像素点M次的居民地属性标记结果进行综合判断,得到遥感影像I中所有像素点的最终居民地属性标记结果;
5)根据遥感影像I中所有像素点的最终居民地属性标记结果,提取遥感影像I中的居民地轮廓边界。
本方案利用低分辨率尺度影像纹理特征清晰的原理,选择低分辨率的多尺度遥感影像替代高分辨率的原始遥感影像进行居民地提取,最终通过综合判断得到居民地属性标记结果,提高了提取结果的准确性。
方案二:在方案一的基础上,步骤2)通过傅里叶变换提取法或Gabor变换提取法计算得到各尺度影像上所有像素点的居民地属性标记结果。
本方案给出了两种较好的居民地属性标记方法,能够更加准确完成对尺度影像中居民地属性的判断。
方案三:在方案二的基础上,所述Gabor变换提取法包括以下步骤:
I)设定用于在尺度影像中进行居民地属性标记提取的给定种子点;
II)根据尺度影像的尺度大小选取相应的遍历窗口,所述遍历窗口的尺寸能够反映相应尺度影像中居民地的纹理特性;
III)以遥感影像I主方向中的行向主方向和列向主方向分别作为两个Gabor滤波器的方向,结合各滤波器方向和频谱确定其对应的中心频率,构造两个方向的Gabor滤波器组;
IV)在尺度影像对应的遍历窗口中,计算Gabor滤波器组特征向量与种子点特征向量的相似度,若所述相似度不大于第一设定阈值,则将遍历窗口中的所有像素点的属性标记均标记为居民地,否则均标记为非居民地;
V)通过遍历窗口遍历相应的尺度影像,得到尺度影像所有像素点的居民地属性标记结果。
本方案给出了一种具体Gabor变换提取法来计算得到各尺度影像上所有像素点的居民地属性标记结果。
方案四:在方案三的基础上,所述遥感影像I的主方向的计算方法包括以下步骤:
A、将遥感影像I分为N块区域(N为不小于1的整数),分别记为I1,…,IN;
B、对遥感影像I不同遥感影像区域求主方向,根据主方向的一致性对各遥感影像区域进行分类,将相互之间一致性偏差小于第二设定阈值的各遥感影像区域归为一个遥感影像区块;
C、对每一个遥感影像区块求取其对应的主方向,每一个遥感影像区块的主方向的集合即为所述遥感影像I的主方向。
本方案给出了一种通过分类思想计算遥感影像主方向的方法,该方法通过将一致性强的区域归类为区块,用区块的主方向构成遥感影像的主方向,减少了人工干预,同时大大降低计算遥感影像主方向的计算量,提高居民地提取的效率和实用性。
方案五:在方案四的基础上,步骤B中一致性判断进行分类的方法具体包括以下步骤:
α)计算各遥感影像区域I1,…,IN对应的傅里叶变换幅度谱的角向分布,确定角向分布曲线中峰值的位置,将该位置对应的角度作为该遥感影像区域的主方向,得到每块遥感影像区域I1,…,IN所对应的主方向θ1,…,θN;
β)按照各块遥感影像区域对应的主方向之间的一致性偏差小于第二设定阈值的判据对所有遥感影像区域分类,满足上述判据条件的遥感影像区域归入为一个遥感影像区块。
方案六:在方案五的基础上,步骤C遥感影像区块求取其对应的主方向的方法具体包括以下步骤:
[1]、对组成该遥感影像区块的遥感影像区域所对应的主方向求取平均值;
[2]、该平均值即为该遥感影像区块的主方向。
方案七:在方案四或五或六的基础上,若某一个遥感影像区块只包括一个遥感影像区域Im,则该遥感影像区块的主方向的计算方法包括以下步骤:
iii)按照各块遥感影像子区域对应的主方向之间的一致性偏差小于第三设定阈值的判据对所有遥感影像子区域分类,满足上述判据条件的遥感影像子区域归入为一个遥感影像子区块;
iv)对组成某一遥感影像子区块的遥感影像区域所对应的主方向求取平均值,将该平均值作为该遥感影像子区块的主方向;
v)将各遥感影像子区块对应的主方向的集合作为所述遥感影像区域Im对应的遥感影像区块的主方向。
本方案针对差异性较大的遥感影像区域进行再次分类计算的处理,对该遥感影像区域进行细分,以提高最终居民地提取的精度。
方案八:在方案一的基础上,步骤4)中综合判断遥感影像I中所有像素点的最终居民地属性标记结果包括以下步骤:
c)以步骤b)的方式遍历整个遥感影像I,完成遥感影像I所有像素点的综合判断。
本方案给出了一种具体的综合预测遥感影像I中所有像素点的最终居民地属性标记结果的方法,相对于其他综合预测方法来说,预测的结果更加准确。
方案九:在方案八的基础上,将经综合判断得到的遥感影像I所有居民地像素点处理为栅格图像,通过对所述栅格图像依次进行二值化处理和数学形态学膨胀腐蚀,提取遥感影像I中的居民地轮廓边界。
本发明还提供方案十:一种遥感影像居民地提取装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现方案一至方案九任一遥感影像居民地提取方法。
本方案利用低分辨率尺度影像纹理特征清晰的原理,选择低分辨率的多尺度遥感影像替代高分辨率的原始遥感影像进行居民地提取,最终通过综合判断得到居民地属性标记结果,提高了提取结果的准确性。
附图说明
图1为本发明的一种遥感影像居民地提取方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
实施例1
如图1所示为本发明的一种遥感影像居民地提取方法的流程图,具体为:
一、构建尺度影像。
将尺度为1m整幅遥感影像I以3个不同尺度系数分别进行缩小,得到3个具有不同分辨率的尺度影像,三个尺度影像对应的尺度分别为5m、7m和9m。
这里,缩小的尺度系数取决于待处理原始影像的分辨率,分辨率越高,纹理性越差,需要缩小的尺度系数越大。结合街区式居民地的纹理统计属性和地形图测图规范,缩小后的影像分辨率应当控制在4m-5m、6m-7m和9m-10m三个尺度。
二、计算各尺度影像上所有像素点的居民地属性标记结果。
1、确定Gabor滤波器方向参数。
鉴于本实施例研究的对象为街区式居民地,而街区式居民地具有明显的朝向,实验中选取滤波器组的方向数目为2,分别对应居民地的行向和列向。具体方向角度的计算仍然通过计算居民地影像傅里叶变换幅度谱的角向分布,结合居民地主方向角度差值接近90°的约束条件,确定角向分布曲线中峰值的具体位置。
居民地遥感影像的主方向具体计算步骤为:
1)将遥感影像I分为10块区域,分别记为I1,…,I10;
2)计算各遥感影像区域I1,…,I10对应的傅里叶变换幅度谱的角向分布,确定角向分布曲线中峰值的具体位置,将该具体位置对应的角度作为该遥感影像区域的主方向,得到每块遥感影像区域I1,…,I10所对应的主方向θ1,…,θ10;
3)按照各块遥感影像区域对应的主方向之间的一致性偏差小于第二设定阈值的判据对所有遥感影像区域分类,满足上述判据条件的遥感影像区域划分为一个遥感影像区块,换言之,当几个遥感影像区域对应的主方向的方差小于某设定值时(例如10°),则说明这几个遥感影像区域的一致性较好,可以使用相同的滤波器进行相似度比较,因此把类似这样的区域从十个遥感影像区域中一一找到,并分好类别;
4)对组成某一遥感影像区块的遥感影像区域所对应的主方向求取平均值,将该平均值作为该遥感影像区块的主方向;
5)将各遥感影像区块对应的主方向的集合作为遥感影像I的主方向。
若某一个遥感影像区块只包括一块遥感影像区域Im,则需要对该遥感影像区块进行细分处理,重新计算该遥感影像区块的主方向,具体步骤如下:
iii)按照各块遥感影像子区域对应的主方向之间的一致性偏差小于第二设定阈值的判据对所有遥感影像子区域分类,满足上述判据条件的遥感影像子区域划分为一个遥感影像子区块,换言之,当几个遥感影像子区域对应的主方向的方差小于某设定值时(例如10°),则说明这几个遥感影像子区域的一致性较好,可以使用相同的滤波器进行相似度比较,因此把类似这样的子区域从4个遥感影像区域中一一找到,并分好类别;
iv)对组成某一遥感影像子区块的遥感影像区域所对应的主方向求取平均值,将该平均值作为该遥感影像子区块的主方向;
v)将各遥感影像子区块对应的主方向的集合作为所述遥感影像区域Im对应的遥感影像区块的主方向。
2、确定Gabor滤波器中心频率f。
遥感影像中通常包括各种周期性成分、非周期性成分以及噪声等信息,幅度谱的环特征描述了纹理的粗细程度和周期性强弱。在幅度谱的环状采样曲线上,除直流中心以外,若存在一个波峰特别突出,理想状态下则表示原影像具有以该波峰频率为主频率的周期性成分存在,且峰值的大小反映周期性成分在原影像中所占的比重。峰值越大,原影像的周期性越好。由于在影像获取过程中各种因素的影响,即使不含任何谐波分量的信号,也会由于随机采样引起的频谱能量波动而出现“伪峰”,从空域分析的观点来看,这些伪谐波仅具备数学上的意义,而不具备特定的物理意义。
在居民地傅里叶变换幅度谱中,分别沿滤波器方向进行径向分布分析,形成幅度谱沿滤波器方向的环状采样曲线。由于居民地影像具有明显的周期性,而滤波器方向的幅度谱波峰是居民地在行向或者列向周期性成分的叠置。同时,由于方向的限定,削弱了随机信号以及其他方向随机成分的影响,因此,沿滤波器方向的幅度谱环状采样曲线必然存在比较明显的波峰,且该波峰所处位置即为滤波器的中心频率。
3、确定Gabor滤波器的标准差σ。
σ取值过大时,不利于表示影像的局部特性;若取值过小,则容易受到噪声的干扰,在实际应用中应依据遥感影像的分辨率确定。
σx、σy共同决定了滤波器的带宽,而λ=σy/σx则影响滤波器的方向,λ越小,方向性越强。本实施例的滤波器依据纹理方向设计,在确定滤波器方向的前提下,理论上λ越小,滤波器方向特征越明显,但基于生理视觉的研究表明,该值适宜的取值区间为0.23~0.92。综合以上分析,本发明的λ取值为0.25。
本实施例以居民地纹理方向确定滤波器组的两个方向、结合滤波器方向和频谱确定滤波器的对应中心频率,构造两个方向的滤波器组,分别以滤波系数的直方图为特征,以直方图相交为纹理相似性测度,实现影像的居民地提取。
4、在各尺度影像中分别提取各像素点居民地属性标记。
1)设定用于在尺度影像中进行居民地属性标记提取的给定种子点;
虽然三个尺度影像的分辨率不同,但却对应着相同的原始遥感影像I,当在原始影像中给定一个种子点,由于在3个尺度影像均存在对应该种子点的像素点,因此本步骤只需要设定一个给定种子点,就可以完成所有的种子点给定。
2)根据尺度影像的尺度大小选取相应的遍历窗口,所述遍历窗口的尺寸能够反映相应尺度影像中居民地的纹理特性;
这里,不同影像尺度的遍历窗口尺度理论上应该能反应该影像尺度下居民地的纹理特性,窗口对应的地面实际尺寸通常在40m×40m,包括2-3户院子,对应三个影像尺度分别设为9×9、7×7、5×5。
3)以遥感影像I主方向中的行向主方向和列向主方向分别作为两个Gabor滤波器的方向,结合各滤波器方向和频谱确定其对应的中心频率,构造两个方向的Gabor滤波器组;
需要提醒的是,本实施例中遥感影像I主方向是对应着不同的区块的,因此不同的区块对应不同的主方向,这时就需要重新构造新的滤波器组。
4)在尺度影像对应的遍历窗口中,计算Gabor滤波器组特征向量与种子点特征向量的相似度,若所述相似度不大于设定阈值,则将遍历窗口中的所有像素点的属性标记均标记为1,代表居民地,否则均标记为0,代表非居民地;
这里,对遥感影像居民地来讲,影像分辨率越高,纹理性越差;影像范围越小,纹理性越差,遍历窗口越大,窗口内的像素点越多,纹理一致性越好,相似性越强,本实施例就根据各遍历窗口的相似性进行阈值设定。针对9×9、7×7、5×5的窗口,分别设置阈值0.9以上、0.8-0.9、0.7-0.8。需要说明的是,这个方法由于使用两个尺度(影像的尺度与窗口的尺度),使得本发明方案比背景技术博士论文中的方法稳定很多,所以阈值给定的是区间而不是特定值,比如针对7×7的窗口,阈值给0.8和0.9,提取结果没有差别,这正是本发明提取策略相对于背景技术的优势所在。
5)通过遍历窗口遍历相应的尺度影像,得到尺度影像所有像素点的居民地属性标记结果。
三、综合判断得到遥感影像I中所有像素点的最终居民地属性标记结果。
将各尺度影像上所有像素点的居民地属性标记结果转换到遥感影像I中,得到遥感影像I中各像素点对应的3次的居民地属性标记结果。
接下来就以点t为例,具体说明如何通过综合判断以得到遥感影像I中所有像素点的最终居民地属性标记结果:
a)这里将3个尺度影像的权值均设为1,即认为3个尺度影像对纹理特征识别的可信度是相同的,其对最终结果的影响力是相同的;
c)以步骤b)的方式遍历整个遥感影像I,完成遥感影像I所有像素点的综合判断。
四、提取遥感影像I中的居民地轮廓边界。
将经综合判断得到的遥感影像I所有居民地像素点处理为栅格图像,通过对所述栅格图像依次进行二值化处理和数学形态学膨胀腐蚀,提取遥感影像I中的居民地轮廓边界。
实施例2
本实施例具体步骤主要包括:
一、构建尺度影像。
二、计算各尺度影像上所有像素点的居民地属性标记结果。
三、综合判断得到遥感影像I中所有像素点的最终居民地属性标记结果。
四、提取遥感影像I中的居民地轮廓边界。
本实施例与实施例1的区别仅在于计算各尺度影像上所有像素点的居民地属性标记结果的方法的不同,本实施例采用的是傅里叶变换的方法来计算尺度影像上所有像素点的居民地属性标记结果的。
本实施例采用的傅里叶变换方法属于一种现有技术,具体内容详见背景技术所提及的《基于纹理特征的遥感影像居民地提取技术研究》(金飞,解放军信息工程大学博士学位论文)一文的第3.1章节“基于傅里叶变换的居民地提取”,需要提醒的是,论文中最终使用傅里叶变换提取的是居民地,而本实施例则是在各尺度影像中提取各点的居民地属性标记结果,两者本质是一样的,本实施例使用傅里叶变换提取出居民地后,也就判别出了各点的居民地属性标记。
实施例3
本实施例为一种遥感影像居民地提取装置,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例1和实施例2的遥感影像居民地提取方法。而在进行具体的编程时,由于编程语言的语法等知识是本领域的公知常识,技术人员完全有能力依据本发明具体的遥感影像居民地提取方法,使用现有的编程语言(例如C语言、JAVA、汇编语言、C#、C++等)进行相应的编程,这个过程在此不予以赘述。
在上述实施例中,使用了一种分割求平均的方式计算遥感影像主方向,当然为了进一步减少计算量,也可以直接对遥感影像求取主方向来使用,上述方案应当仍落入本发明的保护范围内。
在上述实施例中,给出了一种具体的综合判断方法,然而对于某一点多个属性标记结果的综合判断时,还可以使用简单叠加的方式来进行判断,即只要某一个尺度影像中认为该点是居民地,那就认为该点是居民地,上述方案应当仍落入本发明的保护范围内。
在上述实施例中,使用了各角度之间的方差作为一致性判断分类的标准,在实际应用中,可以通过对不同角度求均值,计算每个角度与该均值的偏差来进行一致性判断,还可以使用标准方差或最小二乘法或其他常用的一致性分类方法进行判断,上述方案应当仍落入本发明的保护范围内。
在上述实施例中,在计算遥感影像区块或子区块主方向时,采用了对构成该区块的区域对应主方向或构成该子区块的子区域对应主方向求均值的方式,在实际应用中还可以使用例如算数平均、误差最小等其他计算方式来求取,另外也可以使用现有的利用傅里叶变换幅度谱的角向分布的方式来求取,上述方案应当仍落入本发明的保护范围内。
以上给出了具体的实施方式,但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案,在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (7)
1.一种遥感影像居民地提取方法,其特征在于,包括以下步骤:
1)将遥感影像I以M个不同尺度分别进行缩小处理,得到M个具有不同分辨率的尺度影像,其中M为不小于1的整数;
2)分别在各尺度影像上计算得到各尺度影像上所有像素点的居民地属性标记结果;
3)将各尺度影像上所有像素点的居民地属性标记结果转换到遥感影像I中,得到遥感影像I中所有像素点M次的居民地属性标记结果;
4)根据遥感影像I中所有像素点M次的居民地属性标记结果进行综合判断,得到遥感影像I中所有像素点的最终居民地属性标记结果;
5)根据遥感影像I中所有像素点的最终居民地属性标记结果,提取遥感影像I中的居民地轮廓边界;
其中步骤2)通过傅里叶变换提取法或Gabor变换提取法计算得到各尺度影像上所有像素点的居民地属性标记结果,Gabor变换提取法包括以下步骤:
I)设定用于在尺度影像中进行居民地属性标记提取的给定种子点;
II)根据尺度影像的尺度大小选取相应的遍历窗口,所述遍历窗口的尺寸能够反映相应尺度影像中居民地的纹理特性;
III)以遥感影像I主方向中的行向主方向和列向主方向分别作为两个Gabor滤波器的方向,结合各滤波器方向和频谱确定其对应的中心频率,构造两个方向的Gabor滤波器组;
IV)在尺度影像对应的遍历窗口中,计算Gabor滤波器组特征向量与种子点特征向量的相似度,若所述相似度不大于第一设定阈值,则将遍历窗口中的所有像素点的属性标记均标记为居民地,否则均标记为非居民地;
V)通过遍历窗口遍历相应的尺度影像,得到尺度影像所有像素点的居民地属性标记结果;
步骤III)中遥感影像I的主方向的计算方法包括以下步骤:
A、将遥感影像I分为N块区域,其中N为不小于1的整数,分别记为I1,…,IN;
B、对遥感影像I不同遥感影像区域求主方向,根据主方向的一致性对各遥感影像区域进行分类,将相互之间一致性偏差小于第二设定阈值的各遥感影像区域归为一个遥感影像区块;
C、对每一个遥感影像区块求取其对应的主方向,每一个遥感影像区块的主方向的集合即为所述遥感影像I的主方向。
2.根据权利要求1所述的遥感影像居民地提取方法,其特征在于,步骤B中一致性分类的方法包括以下步骤:
α)计算各遥感影像区域I1,…,IN对应的傅里叶变换幅度谱的角向分布,确定角向分布曲线中峰值的位置,将该位置对应的角度作为该遥感影像区域的主方向,得到每块遥感影像区域I1,…,IN所对应的主方向θ1,…,θN;
β)按照各块遥感影像区域对应的主方向之间的一致性偏差小于第二设定阈值的判据对所有遥感影像区域分类,满足对应的主方向之间的一致性偏差小于第二设定阈值的遥感影像区域归入为一个遥感影像区块。
3.根据权利要求2所述的遥感影像居民地提取方法,其特征在于,步骤C遥感影像区块求取其对应的主方向的方法包括以下步骤:
[1]、对组成该遥感影像区块的遥感影像区域所对应的主方向求取平均值;
[2]、该平均值即为该遥感影像区块的主方向。
4.根据权利要求1或2或3所述的遥感影像居民地提取方法,其特征在于,若某一个遥感影像区块只包括一个遥感影像区域Im,则该遥感影像区块的主方向的计算方法包括以下步骤:
iii)按照各块遥感影像子区域对应的主方向之间的一致性偏差小于第三设定阈值的判据对所有遥感影像子区域分类,满足对应的主方向之间的一致性偏差小于第三设定阈值的遥感影像子区域归入为一个遥感影像子区块;
iv)对组成某一遥感影像子区块的遥感影像区域所对应的主方向求取平均值,将该平均值作为该遥感影像子区块的主方向;
v)将各遥感影像子区块对应的主方向的集合作为所述遥感影像区域Im对应的遥感影像区块的主方向。
6.根据权利要求5所述的遥感影像居民地提取方法,其特征在于,将经综合判断得到的遥感影像I所有居民地像素点处理为栅格图像,通过对所述栅格图像依次进行二值化处理和数学形态学膨胀腐蚀,提取遥感影像I中的居民地轮廓边界。
7.一种遥感影像居民地提取装置,包括存储器、处理器以及存储在存储器中并能够在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程序时实现权利要求1至6任一所述的遥感影像居民地提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810903773.9A CN110363053B (zh) | 2018-08-09 | 2018-08-09 | 一种遥感影像居民地提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810903773.9A CN110363053B (zh) | 2018-08-09 | 2018-08-09 | 一种遥感影像居民地提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110363053A CN110363053A (zh) | 2019-10-22 |
CN110363053B true CN110363053B (zh) | 2021-09-14 |
Family
ID=68212933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810903773.9A Active CN110363053B (zh) | 2018-08-09 | 2018-08-09 | 一种遥感影像居民地提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110363053B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070780A (zh) * | 2020-08-05 | 2020-12-11 | 中国人民解放军61540部队 | 居民地提取结果轮廓直线性处理方法和装置及设备 |
CN113190639B (zh) * | 2021-05-13 | 2022-12-13 | 重庆市勘测院 | 居民地制图综合方法 |
CN113706492A (zh) * | 2021-08-20 | 2021-11-26 | 复旦大学 | 一种基于胸部ct影像的肺实质自动分割方法 |
CN114462199B (zh) * | 2021-12-29 | 2023-04-18 | 中科星通(廊坊)信息技术有限公司 | 遥感数字试验场选址与评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335966A (zh) * | 2015-10-14 | 2016-02-17 | 南京信息工程大学 | 基于局域同质性指标的多尺度遥感影像分割方法 |
WO2018081929A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳大学 | 一种高光谱遥感图像特征提取和分类方法及其系统 |
-
2018
- 2018-08-09 CN CN201810903773.9A patent/CN110363053B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335966A (zh) * | 2015-10-14 | 2016-02-17 | 南京信息工程大学 | 基于局域同质性指标的多尺度遥感影像分割方法 |
WO2018081929A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳大学 | 一种高光谱遥感图像特征提取和分类方法及其系统 |
Non-Patent Citations (1)
Title |
---|
基于纹理特征的遥感影像居民地提取技术研究;金飞;《中国博士学位论文全文数据库 信息科技辑》;20130420;第42-88页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110363053A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363053B (zh) | 一种遥感影像居民地提取方法及装置 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN103578110B (zh) | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 | |
CN104361582B (zh) | 一种对象级高分辨率sar影像洪水灾害变化检测方法 | |
CN102043958B (zh) | 一种高分辨率遥感图像多类目标检测识别方法 | |
CN107341781B (zh) | 基于改进相位一致性特征矢量底图匹配的sar影像校正方法 | |
CN108898101B (zh) | 基于素描图和先验约束的高分辨sar图像路网检测方法 | |
CN107247927B (zh) | 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统 | |
CN103106658A (zh) | 一种海岛、礁岸线快速提取方法 | |
CN105225216A (zh) | 基于空间距圆标记边缘检测的虹膜预处理算法 | |
CN102567726B (zh) | 极地冰盖边缘区域浮冰自动提取技术 | |
Li et al. | Integrating multiple textural features for remote sensing image change detection | |
Gui et al. | Object-based crack detection and attribute extraction from laser-scanning 3D profile data | |
Bashit et al. | Analysis of built-up land spatial patterns using multitemporal satellite imagery in Pekalongan city | |
CN104297753B (zh) | 一种基于自适应缩减算子的导航雷达图像反演海面风向方法 | |
CN109785318B (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
CN107256399B (zh) | 一种基于Gamma分布超像素方法和基于超像素TMF的SAR图像海岸线检测方法 | |
Wang et al. | An unsupervised multi-scale segmentation method based on automated parameterization | |
CN103065296A (zh) | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 | |
Zhu et al. | A novel change detection method based on high-resolution SAR images for river course | |
Cheng et al. | Tensor locality preserving projections based urban building areas extraction from high-resolution SAR images | |
CN110309694B (zh) | 一种遥感影像主方向确定方法及装置 | |
CN108776968B (zh) | 基于深度森林的sar图像变化检测方法 | |
Qi et al. | Building change detection based on multi-scale filtering and grid partition | |
Li et al. | Automatic extraction of urban built-up area based on object-oriented method and remote sensing data |
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 |