CN113326855B - 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法 - Google Patents

基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法 Download PDF

Info

Publication number
CN113326855B
CN113326855B CN202110689339.7A CN202110689339A CN113326855B CN 113326855 B CN113326855 B CN 113326855B CN 202110689339 A CN202110689339 A CN 202110689339A CN 113326855 B CN113326855 B CN 113326855B
Authority
CN
China
Prior art keywords
image
dimensional gaussian
remote sensing
noctilucent
fitting
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
CN202110689339.7A
Other languages
English (en)
Other versions
CN113326855A (zh
Inventor
张贺峰
特日根
罗霄
刘欣悦
赵宇恒
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.)
Chang Guang Satellite Technology Co Ltd
Original Assignee
Chang Guang Satellite 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 Chang Guang Satellite Technology Co Ltd filed Critical Chang Guang Satellite Technology Co Ltd
Priority to CN202110689339.7A priority Critical patent/CN113326855B/zh
Publication of CN113326855A publication Critical patent/CN113326855A/zh
Application granted granted Critical
Publication of CN113326855B publication Critical patent/CN113326855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，属于遥感图像处理与分析领域，解决现有技术对基于夜光图像的研发及应用相对受限的问题，本发明首先设计平滑窗口对夜光图像数据进行平滑处理，将图像中的灯光亮度数值进行缩放；然后设计二维高斯函数，初始化需要拟合的参数，利用最小二乘法进行拟合；最后提取拟合函数的参数作为夜光图像的特征。本发明从夜间灯光分布的角度对夜光图像进行分析。将夜光图像投影到三维坐标系中，利用二维高斯函数对映射后形成的曲面进行拟合，使用二维高斯函数的几何特征表示夜光图像数据特征。

Description

基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法
技术领域
本发明涉及遥感图像处理与分析领域，具体涉及一种基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法。其主要目的是把夜光图像映射到三维坐标系，将投影后形成的曲面拟合为二维高斯函数，并提取拟合后曲面的几何特征用以表示夜光图像的特征。
背景技术
夜间灯光遥感是利用对地观测传感器获取夜间无云条件下地表发射的可见光。在遥感空间信息获取中，夜光遥感是遥感领域发展活跃的一个分支。夜光图像数据不仅具有遥感数据的快速、大面积连续获取的优势，而且能够独特、直接地反映出城市化进程的空间结构分布、经济发展状况和人类经济活动程度等信息，便于在空间大尺度下进行时空动态研究，被广泛应用于社会经济参数估算、区域发展研究、城市化监测、光污染等诸多研究领域。
当前，夜光图像特征提取方面，主要有以下几种方法。(1)计算夜光亮度总值或均值。已有研究证明一个地区的夜光亮度值与该地域的GDP、人口、用电量具有较高的相关性，直接将夜光亮度值作为特征可以有效的预测一些经济指标的变化趋势；(2)阈值法。通过设置阈值保留亮度大于阈值的区域。合适的阈值可以保留较为完成的城市建成区，对研究城区的扩张、城市化演进以及城市群的分布有重大意义；(3)结合其他指标，表征城市变化。如将夜光亮度和NDVI指数相结合，利用夜光亮度和植被覆盖两个特征对城市中心区域和边缘地带进行划分，可以捕捉到城市地区及其周边地区的空间细节。
现有方法多数关注夜光亮度本身的信息，对夜光分布特征的讨论研究较少。在夜光图像中，灯光的分布可以体现一个城市的结构和产业分布。本发明从夜光分布的角度出发，计算该分布的几何特征作为夜光图像的特征。该特征在表示城市结构和产业分布方面有较大的参考意义，结合多期影像，还可以提取城市经济中心的移动方向。
发明内容
本发明为解决现有技术对基于夜光图像的研发及应用相对受限的问题，提供一种基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法。
基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，该方法由以下步骤实现：
步骤一、读取夜光图像I；
步骤二、对步骤一读取的夜光图像I进行数据平滑处理；具体采用下式：
定义滤波器窗口
Figure BDA0003125603020000021
使用kernel对图像I进行滤波处理，达到平滑图像的目的，平滑后的图像定义为I'；
步骤三、数据缩放；
根据公式
Figure BDA0003125603020000022
将图像像素的数值区间缩放到[0，1]，其中I”表示缩放后的图像，max(I')表示图像I'最大像素值，min(I')表示图像I'最小像素值；
步骤四、构建二维高斯函数；
定义二维高斯函数
Figure BDA0003125603020000023
式中A表示幅度，x1，x2表示属性，μ1，μ2表示属性的均值，σ1，σ2表示属性的标准差；
步骤五、利用最小二乘法对数据进行拟合，实现对夜光图像特征的提取。
(1)将A，μ1，μ2，σ1，σ2均初始化为1；
(2)利用最小二乘法，调整A，μ1，μ2，σ1，σ2的值，直到拟合精度达到设定的阈值；
步骤六：获取拟合后的高斯函数的参数；
获取步骤五的结果，提取(A，μ1，μ2，σ1，σ2)作为夜光遥感图像I的特征，实现对夜光图像特征的提取。
本发明的有益效果：
本发明所述的方法，结合现有的夜光图像分析方法，从夜间灯光分布的角度对夜光图像进行分析。将夜光图像投影到三维坐标系中，利用二维高斯函数对映射后形成的曲面进行拟合，使用二维高斯函数的几何特征表示夜光图像数据特征。
本发明方法对夜光图像进行二维高斯曲面拟合。相比于其他夜光数据分析方法，本发明解决的主要问题在于:(1)二维高斯曲面是一种概率模型，为了达到较好的拟合效果，需要对数据进行缩放；(2)夜光图像映射到三维坐标系后，图像本身多个局部最大值会映射为多个波峰，为了保证拟合为单波峰的高斯曲面，需要选择合适的平滑窗口对原图像进行平滑处理。
附图说明
图1为本发明所述的基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法的流程图。
具体实施方式
结合图1说明本实施方式，基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，该方法由以下步骤实现：
步骤一、读取夜光图像I。
步骤二、数据进行平滑处理；具体为：
定义滤波器窗口
Figure BDA0003125603020000031
使用kernel对图像I进行滤波处理，达到平滑图像的目的，平滑后的图像定义为I'。
步骤三：数据缩放，其实现方法为：
根据公式
Figure BDA0003125603020000041
将图像像素的数值区间缩放到[0，1]，其中I”表示缩放后的图像，max(I')表示图像I'最大像素值，min(I')表示图像I'最小像素值。
步骤四：构建二维高斯函数，其实现方法为：
定义二维高斯函数
Figure BDA0003125603020000042
其中A表示幅度，x1，x2表示属性，μ1，μ2表示属性的均值，σ1，σ2表示属性的标准差；
步骤五：利用最小二乘法对数据进行拟合，其实现方法为：
将A，μ1，μ2，σ1，σ2均初始化为1；
利用最小二乘法，调整A，μ1，μ2，σ1，σ2的值，直到拟合精度达到设定的阈值。
步骤六：获取拟合后的高斯函数的参数；
获取步骤五的结果，提取(A，μ1，μ2，σ1，σ2)作为夜光遥感图像I的特征。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (3)

1.基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，其特征是：该方法由以下步骤实现：
步骤一、读取夜光图像I，并对所述夜光图像I进行数据平滑处理得到平滑图像I'，对平滑图像I'进行数据缩放，获得缩放后的图像I”；
步骤二、构建二维高斯函数；
定义二维高斯函数
Figure FDA0003125603010000011
式中A表示幅度，x1，x2表示属性，μ1，μ2表示属性的均值，σ1，σ2表示属性的标准差；
步骤三、利用最小二乘法对图像数据进行拟合，实现对夜光图像特征的提取；
具体为：
步骤三一、将A，μ1，μ2，σ1，σ2均初始化为1；
步骤三二、利用最小二乘法，调整A，μ1，μ2，σ1，σ2的值，直到拟合精度达到设定的阈值；
步骤三三、获取拟合后的高斯函数的参数；
根据步骤三二的结果，提取(A，μ1，μ2，σ1，σ2)作为夜光遥感图像I的特征，实现对夜光图像特征的提取。
2.根据权利要求1所述的基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，其特征在于：
对步骤一读取的夜光图像I进行数据平滑处理；采用下式表示为：
定义滤波器窗口
Figure FDA0003125603010000012
进行滤波处理后的图像定义为I'。
3.根据权利要求1所述的基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法，其特征在于：
根据公式
Figure FDA0003125603010000021
将图像像素的数值区间缩放到[0，1]，其中I”表示缩放后的图像，max(I')表示图像I'最大像素值，min(I')表示图像I'最小像素值。
CN202110689339.7A 2021-06-22 2021-06-22 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法 Active CN113326855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110689339.7A CN113326855B (zh) 2021-06-22 2021-06-22 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110689339.7A CN113326855B (zh) 2021-06-22 2021-06-22 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法

Publications (2)

Publication Number Publication Date
CN113326855A CN113326855A (zh) 2021-08-31
CN113326855B true CN113326855B (zh) 2022-07-12

Family

ID=77424188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110689339.7A Active CN113326855B (zh) 2021-06-22 2021-06-22 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法

Country Status (1)

Country Link
CN (1) CN113326855B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819404B (zh) * 2022-05-30 2022-11-22 保定市兆微软件科技有限公司 智慧城市电能统一分配系统
CN114820611B (zh) * 2022-06-29 2022-09-02 南通恒强轧辊有限公司 基于人工智能的机械零件质量评估方法及系统
CN117314791B (zh) * 2023-11-27 2024-02-20 长春理工大学 基于巴特沃斯函数拟合的红外图像冷反射噪声矫正方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101137003A (zh) * 2007-10-15 2008-03-05 北京航空航天大学 一种基于灰色关联分析的亚像素边缘提取方法
CN102496015A (zh) * 2011-11-22 2012-06-13 南京航空航天大学 二维高斯分布光斑图像中心快速高精度定位方法
WO2014079477A1 (de) * 2012-11-20 2014-05-30 Siemens Aktiengesellschaft Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen
CN105894521A (zh) * 2016-04-25 2016-08-24 中国电子科技集团公司第二十八研究所 基于高斯拟合的亚像素边缘检测方法
CN107590816A (zh) * 2017-09-08 2018-01-16 哈尔滨工业大学 一种基于遥感图像的水体信息拟合方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100054606A1 (en) * 2008-08-29 2010-03-04 Kabushiki Kaisha Toshiba Image processing apparatus, image processing method, and computer program product

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101137003A (zh) * 2007-10-15 2008-03-05 北京航空航天大学 一种基于灰色关联分析的亚像素边缘提取方法
CN102496015A (zh) * 2011-11-22 2012-06-13 南京航空航天大学 二维高斯分布光斑图像中心快速高精度定位方法
WO2014079477A1 (de) * 2012-11-20 2014-05-30 Siemens Aktiengesellschaft Verfahren zum automatischen erstellen von zwei- oder dreidimensionalen gebäudemodellen
CN105894521A (zh) * 2016-04-25 2016-08-24 中国电子科技集团公司第二十八研究所 基于高斯拟合的亚像素边缘检测方法
CN107590816A (zh) * 2017-09-08 2018-01-16 哈尔滨工业大学 一种基于遥感图像的水体信息拟合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Satellite-Observed Nighttime Light Variation as Evidence for Global Armed Conflicts";Xi Li等;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;20131231;2302-2315 *
"基于灯光数据的中国县域城镇建设用地产出效率时空演变特征";周翼等;《地球信息科学》;20181231;第20卷(第12期);1733-1744 *

Also Published As

Publication number Publication date
CN113326855A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN113326855B (zh) 基于二维高斯曲面拟合的夜间灯光遥感图像特征提取方法
CN108830819B (zh) 一种深度图像与红外图像的图像融合方法及装置
CN102163283B (zh) 一种基于局部三值模式的人脸特征提取方法
Grossberg et al. Synthetic aperture radar processing by a multiple scale neural system for boundary and surface representation
CN102592136B (zh) 基于几何图像中中频信息的三维人脸识别方法
CN102693426B (zh) 一种图像显著区域检测方法
CN103679173A (zh) 图像显著区域检测方法
CN111881801B (zh) 基于不变检测策略的新增建设用地遥感监测方法及设备
CN103646398A (zh) 一种皮肤镜病灶自动分割方法
CN105405148B (zh) 一种结合树木阴影特征的遥感影像毛白杨识别方法
CN109509164A (zh) 一种基于gdgf的多传感器图像融合方法及系统
Shi et al. Extraction of urban power lines and potential hazard analysis from mobile laser scanning point clouds
CN112184725B (zh) 一种沥青路面图像的结构光光条中心提取方法
CN108038856B (zh) 基于改进多尺度分形增强的红外小目标检测方法
CN108537116B (zh) 一种基于多尺度特征的海岸线二级类型提取方法及系统
CN114998213B (zh) 一种基于径流权值模型的湖库群滞洪量计算方法
Wang et al. Improved minimum spanning tree based image segmentation with guided matting
Liu et al. Recognition of road cracks based on multi-scale Retinex fused with wavelet transform
CN104392209A (zh) 一种目标与背景的图像复杂度评价模型
CN112633070A (zh) 高分辨率遥感影像建筑物提取方法及系统
CN116977851A (zh) 一种基于变化检测的弃耕识别方法及装置
CN111783580B (zh) 基于人腿检测的行人识别方法
CN108596139B (zh) 一种基于Gabor特征显著性的遥感影像城市区域提取方法
CN114120140A (zh) 基于卫星影像自动提取建筑物高度的方法
CN112884026A (zh) 一种图像识别辅助的输电线路激光LiDAR点云分类方法

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
CB02 Change of applicant information

Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant after: Changguang Satellite Technology Co.,Ltd.

Address before: 130032 no.1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province

Applicant before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Feature Extraction Method for Night Light Remote Sensing Images Based on 2D Gaussian Surface Fitting

Effective date of registration: 20230724

Granted publication date: 20220712

Pledgee: Industrial and Commercial Bank of China Limited Changchun Southern Urban Economic Development Zone Branch

Pledgor: Changguang Satellite Technology Co.,Ltd.

Registration number: Y2023220000056