[發明專利]一種基于邊緣特征的高分辨率遙感影像居民區提取方法

有效

• 申請號: 201210544618.5
• 申請日: 2012-12-14
• 公開（公告）號: CN103065296A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 陶超;陳洪;鄒崢嶸;金晶;張云生;馬慧云
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 黃美成

技術領域

本發明屬于圖像處理技術領域，涉及一種基于邊緣特征的高分辨率遙感影像居民區提取方法。

背景技術

隨著遙感影像分辨率的逐步提高，居民區提取已成為一個熱門研究課題。準確、快速地提取居民區可以為土地管理、城市規劃等市政部門在做土地利用現狀調查和宏觀規劃等方面的工作時提供重要的決策支持。在遙感影像中，居民區具有覆蓋面廣、地物信息豐富的特點，而且它是一個隨著時間動態變化的區域，人工提取居民區雖然可以保持較高的準確度，但是僅依靠人工的監測和分割提取居民區不僅耗時而且成本高。因此，自動居民區提取方法越來越被大家所關注。

目前，國內外許多研究學者提出了不少關于居民區提取的方法，較新且效果較好的圖像分割方法主要有基于灰度共現矩陣（GLCM）的提取方法（參見文獻：W.Fang,W.Chao,Z.Hong.Residential?Area?Information?Extraction?by?Combining?China?Airborne?SAR?and?Optical?Images.IEEE?International?Geoscience?and?Remote?Sensing?Symposium,2004.）和基于支持向量機（SVM）的提取方法（參見文獻：L.Bruzzone?and?L.Carlin.A?multilevel?context-based?system?forclassification?of?very?high?spatial?resolution?images.IEEE?Transactions?on?Geoscience?and?RemoteSensing,2006.）。分析現有居民區提取方法，發現存在以下兩方面的局限性：一方面，大多數方法都是基于監督分類機制，需要大量訓練樣本保證分類精度，干擾因素較多，自動化程度有限；另一方面，現有的居民區提取方法強調影像整體的紋理、光譜等特征，卻忽略了居民區的局部特征，如邊緣特征。

發明內容

本發明目的在于克服上述技術缺陷，提出了一種基于邊緣特征的高分辨率遙感影像居民區提取方法，有效提高了遙感影像中居民區提取的自動化程度及提取精度，適用于高分辨率遙感影像分析和處理。

一種基于邊緣特征的高分辨率遙感影像居民區提取方法，包括以下步驟：

步驟1：影像預處理；

輸入影像，對影像采用中值濾波去除噪聲，接著利用Mean?Shift算法對影像進行平滑濾波；

Mean?Shift算法由Fukunaga等人于1975年提出，具有良好的保邊緣性，能夠很好的保留影像上居民區內的邊緣特征；

步驟2：邊緣特征提取；

采用canny算子檢測預處理后影像上的邊緣，將檢測得到的所有邊緣擬合成直線段；

canny邊緣檢測算子由John?F.Canny于1986年開發出來的，主要利用圖像上的灰度梯度進行多級邊緣檢測；

步驟3：構建空間投票矩陣；

a）構建一個與原始影像尺寸大小一致的二維矩陣，該矩陣用于記錄圖像上每個像素點的投票值，矩陣中的每一個元素為對應圖像上相同位置像素點的投票值；

b）計算每一個像素點到每條邊緣直線段的空間距離，并通過高斯函數模型將空間距離轉化為該像素點的投票值，再將該像素點的投票值存儲于投票矩陣相同位置上；

步驟4：Ostu閾值分割步驟；

采用Ostu閾值分割方法獲取居民區投票值與非居民區投票值的自適應分割閾值，并根據該自適應分割閾值對空間投票矩陣進行二值化分割，得到影像中居民區和非居民區；較高的投票值的區域對應居民區。

相比非居民區，居民區的覆蓋區域內擁有更高的邊緣特征密度，故居民區內像素點到所有邊緣的距離總和相對更小，因此在投票矩陣中表現為，居民區內的像素點擁有較高的投票值，而非居民區像素點的投票值則偏低。

所述步驟2中的檢測得到的所有邊緣擬合成直線段，其具體處理過程如下：

1）對邊緣上的所有像素點按從左至右或從上到下的順序進行排序得到邊緣像素點序列P₀,P₁,…P_n，將每條邊緣的起始像素點作為固定點P₀即為點A，選取與固定點間隔一個像素點的任意像素點為浮動點P_n即為點B，兩點構成直線段

2）以固定點和浮動點之間的所有像素點作為頂點，計算每個頂點到直線段的垂直距離，選取最大垂直距離為a；