[發(fā)明專利]一種基于形態(tài)學(xué)建筑物指數(shù)的建筑物提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410069377.2
• 申請(qǐng)日: 2014-02-27
• 公開(kāi)（公告）號(hào): CN103839267B
• 公開(kāi)（公告）日: 2017-05-10
• 發(fā)明（設(shè)計(jì)）人: 黃遠(yuǎn)程;黃小兵
• 申請(qǐng)（專利權(quán)）人: 西安科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 西安創(chuàng)知專利事務(wù)所61213
• 代理人: 譚文琰

技術(shù)領(lǐng)域

本發(fā)明屬于遙感影像信息提取技術(shù)領(lǐng)域，具體是涉及一種基于形態(tài)學(xué)建筑物指數(shù)的建筑物提取方法。

背景技術(shù)

建筑物的判別和精確定位是城市規(guī)劃，人口估計(jì)，景觀分析，和環(huán)境監(jiān)測(cè)的主要的信息來(lái)源之一。商業(yè)的高分辨率衛(wèi)星影像的應(yīng)用，為建筑物自動(dòng)準(zhǔn)確的探測(cè)提供了巨大的潛力。雖然高分辨率遙感數(shù)據(jù)為建筑物識(shí)別提供了一個(gè)新的數(shù)據(jù)源，并且在空間域中包含有豐富的信息，但是空間分辨率的增加并不意味解譯精度的增加。作為地形圖中重要的成圖元素，建筑物的識(shí)別與提取，直接影響到地物測(cè)繪的自動(dòng)化水平，對(duì)它的識(shí)別和定位可以為特征提取，特征匹配，圖像理解，制圖提供幫助。因此，近年來(lái)，如何快速精確地獲取建筑物信息一直是地物目標(biāo)識(shí)別研究中的難點(diǎn)和熱點(diǎn)。

在建筑物的提取方面，國(guó)內(nèi)外學(xué)者已經(jīng)提出了大量模型和策略，主要分為三個(gè)方面：

（1）利用影像的空間特征，輔助建筑物的提取。近些年來(lái)，在高分辨率影像中經(jīng)常建立一些空間特征，例如像元形狀指數(shù)（PSI），黃昕和張良培在2007年發(fā)表了論文《城市區(qū)域高分辨率多光譜圖像空間特征的提取和分類》，[Huang X，Zhang L，Li P，2007.Classification and Extraction of Spatial Features in Urban Areas Using High Resolution Multispectral Imagery，IEEE Geosci Remote Sens Lett，260 264.]；形態(tài)學(xué)序列，F(xiàn)auvel M和Benediktsson J A在2008年發(fā)表了論文《利用支持向量機(jī)分類器和形態(tài)學(xué)序列的高光譜數(shù)據(jù)的光譜空間特征分類》，[Fauvel M，Benediktsson J A，Chanussot J，2008.Spectral and Spatial Classification of Hyperspectral Data Using SVMs and Morphological Profiles，IEEE Trans Geosci Remote Sens，3804 3814.]；城市多尺度復(fù)雜指數(shù)（MUCI），Ouma Y O，Ngigi T G和Tateishi R在2006年發(fā)表了論文《利用小波紋理的優(yōu)化選擇從高分辨率影像中提取特征實(shí)現(xiàn)城市樹(shù)種的劃分》，[Ouma Y O，Ngigi T G，Tateishi R，2006.On the Optimization and Selection of Waveletexture for Feature Extraction from High-resolution Satellite Imagery with Application towards Urban-tree Delineation，Int J Remote Sens，73 104.]；空間特征可以用來(lái)補(bǔ)充光譜空間信息和增強(qiáng)光譜相似的地物之間的可分離性，提高分類的精度。然而，以上的大多數(shù)的算法涉及監(jiān)督機(jī)器學(xué)習(xí)的方法，這要求大量的訓(xùn)練樣本并且需要精確模擬類別感興趣區(qū)域的特征分布，因此很大程度上受主觀因素的影響。例如:Gamba利用神經(jīng)網(wǎng)絡(luò)和馬爾科夫隨機(jī)場(chǎng)對(duì)邊緣和非邊緣像元進(jìn)行分類，然后基于決策融合的方法完成建筑物的提取，Gamba,P.,F.Dell’Acqua,G.Lisini和G.Trianni在2007年發(fā)表了論文《利用高分辨率城區(qū)圖提取目標(biāo)邊界》，[Gamba,P.,F.Dell’Acqua,G.Lisini,and G.Trianni，2007.Improved VHR urban mapping exploiting object boundaries，IEEE Transactions on Geoscience and Remote Sensing，2676 2682.]。