[發明專利]一種基于紋理的高分辨率遙感影像建筑區指數計算方法

有效

• 申請號: 201310220047.4
• 申請日: 2013-06-04
• 公開（公告）號: CN103345739A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 邵振峰;田英潔;沈小樂
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

技術領域

本發明屬于遙感影像處理信息提取技術領域，涉及一種基于紋理的高分辨率遙感影像建筑區指數計算方法。

背景技術

建筑區是進行土地規劃、災后評估、城市擴張、城市監測和城市熱島等研究分析的必要信息，是進行人口估計與調查、城市規劃等的重要依據。為提高研究效率并降低成本，在遙感影像中提取建筑區已經成為城市研究的重要手段。另外，建筑區提取也是提高建筑物提取效率的重要輔助手段。因此，在遙感影像中提取建筑區具有非常重要的意義。

在建筑區提取算法中有一類算法是通過計算建筑區的指數，對建筑區指數進行閾值分割來進行建筑區提取。如NDBI（Normalized?Difference?Built-up?Index）、IBI（Index-based?Built-up?Index）、PanTex等。傳統的指數方法如NDBI、IBI主要利用影像光譜信息，其更適用于中低分辨率遙感影像。隨著遙感數據采集技術的不斷發展，遙感影像空間分辨率也隨之提高，影像中地物光譜變化強烈，“同物異譜”、“異物同譜”現象普遍，建筑物的光譜和結構復雜性在高分辨率遙感影像中也將進一步提高。而在處理高分辨率遙感影像時只利用光譜信息的方法便很難達到滿意的精度。為適應高空間分辨率遙感影像數據，近年來也有一些研究利用遙感影像紋理特征、邊緣特征、形狀特征等構造建筑區指數，以有效的提取高分辨率遙感影像中的建筑區。如PanTex算法，利用灰度共生矩（GLCM）計算影像多方向紋理，并將基于模糊規則的融合結果作為建筑區存在指數。但是PanTex算法中進行紋理表達的模型GLCM，描述的是具有某種空間位置關系的兩個像素的聯合分布，就造成PanTex提取結果會有較高的錯分誤差。一般建筑區中的建筑物具有不同的尺度，而且在高分辨率中，地物細節更為復雜，高分影像中紋理較強的區域也不僅僅是建筑區，因此基于像素的或尺度單一的紋理表達方法難以表達高分辨率遙感影像中建筑區紋理。

紋理是遙感影像的重要信息之一，是對遙感影像進行分割、分類、信息提取的重要依據。人們會對影像中的紋理有明確的感性認識，卻難以確定一個統一的數學定義。目前常用的紋理特征定量表達的方法可以分為四類：統計法、結構法、模型法以及基于時/頻域的方法。統計法通過計算影像局部區域內能夠保持相對平穩的統計值作為紋理特征，如灰度共生矩陣，該類方法計算簡單、易于實現，卻難以進行多尺度分析；結構法認為復雜的紋理是由紋理基元按照一定的空間規則排列而成，其關鍵在于紋理基元的確定與抽取以及紋理基元間排列規則的定義，如Tamura紋理特征，該類方法更適用于規則性強的人工紋理，應用范圍比較有限；模型法認為紋理是以某種參數控制的隨機分布模型，一般通過估算模型的參數來提取紋理特征，如馬爾可夫隨機場模型，該類方法可運用于多尺度紋理分析，但模型的參數求解難度大，計算量高；基于時/頻域的方法先采用某種濾波方法對影像進行頻率濾波得到不同的頻率和方向子帶，然后經過局部能量函數運算對得到的多個子帶進行整合與平滑，得到影像紋理特征。其中基于時/頻域的方法最為接近人類視覺進行紋理分析的過程，且具有多尺度的特性。

發明內容

本發明的目的在于針對現有技術的缺點和不足，提供一種基于紋理的高分辨率遙感影像建筑區指數計算方法，模擬人類視覺系統感知環境的過程，利用紋理特征及視覺注意機制構造建筑區指數。根據建筑區在遙感影像中的特點，采用基于時/頻域的紋理特征表達方法對密集建筑紋理特征進行描述，然后從信息論角度定義視覺顯著性，采用基于自信息最大化的視覺注意機制生成建筑區指數。所提供的方法可用于高分辨率遙感影像的建筑區提取。

本發明所采用的技術方案是：一種基于紋理的高分辨率遙感影像建筑區指數的計算方法，其特征在于，包括以下步驟：

步驟1：計算原始影像的灰度影像，并對所述的灰度影像進行非下采樣Contourlet變換，得到多尺度多方向高頻子帶系數；

步驟2：分別對所述的每個尺度方向高頻子帶系數進行局部紋理能量統計，得到多尺度多方向的紋理特征，構成多尺度多方向的紋理特征向量；

步驟3：對所述的多尺度多方向的紋理特征向量進行建筑區紋理特征增強計算，構成建筑區紋理特征向量；

步驟4：對所述的建筑區紋理特征向量進行獨立成分分析，得到每維特征都相互獨立的建筑區紋理獨立特征向量；

步驟5：對所述的建筑區紋理獨立特征向量進行聯合概率密度估計，得到建筑區紋理獨立特征向量聯合概率；

步驟6：對所述的建筑區紋理獨立特征向量聯合概率進行自信息計算，得到建筑區顯著性指數；