[發(fā)明專利]一種基于遙感影像的空廢宅基地信息自動(dòng)提取方法

有效

• 申請?zhí)枺?/td>: 201410688271.0
• 申請日: 2014-11-25
• 公開（公告）號: CN104463168B
• 公開（公告）日: 2017-09-29
• 發(fā)明（設(shè)計(jì)）人: 劉彥隨;楊曉梅;王介勇;王志華;陳玉福
• 申請（專利權(quán)）人: 中國科學(xué)院地理科學(xué)與資源研究所
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06K9/66
• 代理公司: 北京律譜知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11457
• 代理人: 黃云鐸

1.一種基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，該方法包括：

步驟1：提取宅基地對象，該步驟包括：

步驟1-1：獲取研究區(qū)域的遙感影像以及該區(qū)域內(nèi)的矢量地籍?dāng)?shù)據(jù)；

步驟1-2：對所獲得的遙感影像進(jìn)行預(yù)處理；

步驟1-3：利用所述矢量地籍?dāng)?shù)據(jù)中的各宅基地邊界范圍作為約束條件，對所述遙感影像進(jìn)行分割，得到疑似宅基地對象；

步驟1-4：基于所述矢量地籍?dāng)?shù)據(jù)判斷所分割出的對象是否為宅基地對象，并將判斷出的所有宅基地對象組成父對象集；

步驟2：提取宅基地對象的特征，該步驟包括：

步驟2-1：對所提取出的每個(gè)宅基地對象進(jìn)行再分割，將每個(gè)宅基地對象分解為多個(gè)子對象；

步驟2-2：分別提取各個(gè)子對象的特征，為每個(gè)子對象構(gòu)建一個(gè)特征集合，所提取的子對象的特征包括：房屋的光譜、紋理特征，房屋上下文光譜特征，以及庭院上下文光譜特征和植被面積比；

步驟2-3：整合所提取出的各個(gè)子對象的特征集合，構(gòu)建表示父對象——宅基地對象的多維特征空間；

步驟3：利用作為樣本的宅基地對象訓(xùn)練分類器，使所述分類器能夠基于所述多維特征空間從宅基地對象中識別出空廢宅基地；

步驟4：利用訓(xùn)練后的分類器基于所述多維特征空間對所述遙感影像中的所有非樣本宅基地對象進(jìn)行識別，以便從所述所有非樣本宅基地對象中識別出空廢宅基地。

2.根據(jù)權(quán)利要求1所述的基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，所述預(yù)處理包括對所述遙感影像進(jìn)行幾何校正以及以矢量地籍?dāng)?shù)據(jù)的投影空間為基準(zhǔn)進(jìn)行投影轉(zhuǎn)換，所述子對象包括房屋和庭院。

3.根據(jù)權(quán)利要求1所述的基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，作為樣本的宅基地對象也被成像在所述遙感影像中，并且作為樣本的宅基地對象包括空廢宅基地和非空廢宅基地兩種類型的樣本。

4.根據(jù)權(quán)利要求1所述的基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，所述步驟3包括：步驟3-1，將作為樣本的宅基地對象劃分為學(xué)習(xí)樣本集和測試樣本集；步驟3-2，利用所述學(xué)習(xí)樣本集訓(xùn)練所述分類器，步驟3-3，利用測試樣本集對學(xué)習(xí)后的分類器進(jìn)行驗(yàn)證測試；步驟3-4，判斷學(xué)習(xí)后的分類器的分類結(jié)果是否滿足預(yù)定精度標(biāo)準(zhǔn)，如果滿足預(yù)定精度標(biāo)準(zhǔn)則將學(xué)習(xí)后的分類器用于所述步驟4中對空廢宅基地的識別，否則調(diào)整分類器參數(shù)或者改變學(xué)習(xí)樣本集和測試樣本集的劃分并且返回到步驟3-1。

5.根據(jù)權(quán)利要求1所述的基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，所述步驟1-3包括：對經(jīng)過預(yù)處理后的遙感影像以矢量地籍?dāng)?shù)據(jù)中宅基地宗地邊界作為約束條件分割，使分割結(jié)果中的宅基地邊界與矢量地籍?dāng)?shù)據(jù)中的相應(yīng)邊界一致。

6.根據(jù)權(quán)利要求1所述的基于遙感影像的空廢宅基地信息自動(dòng)提取方法，其特征在于，所述方法中，提取特征的過程包括：

1)多尺度分割：對父對象集進(jìn)行多尺度分割，分割參數(shù)設(shè)置通過欠分割率確定，欠分割率指在試驗(yàn)區(qū)域中，錯(cuò)誤分割對象數(shù)占總分割對象數(shù)比例，當(dāng)實(shí)驗(yàn)多組分割參數(shù)而欠分割率相近時(shí)，取總分割對象數(shù)較小的一組參數(shù)，以保證子分割對象空間范圍的緊湊性；

2)子對象集分類：子對象集包括房屋、庭院，根據(jù)矢量地籍?dāng)?shù)據(jù)的詳盡程度，如果包含房屋矢量邊界，則房屋對象可以在矢量約束下分割，直接提取房屋，同時(shí)將房屋子對象集在宅基地對象集中的補(bǔ)集作為庭院子對象集；如果矢量邊界不包含房屋邊界，則根據(jù)子對象的光譜、形狀、紋理特征，分別選取房屋和庭院的樣本，訓(xùn)練相應(yīng)的SVM分類器，對子對象集進(jìn)行分類，從而得到房屋子對象集和庭院子對象集；

3)子對象特征提?。禾崛〉淖訉ο筇卣饔蟹课莸墓庾V、紋理特征，房屋上下文光譜特征，以及庭院上下文光譜特征和植被面積比，上下文光譜特征的具體計(jì)算公式如下：

fSD_meani(A)=1nA(Σk=1nA(c‾i(Ak))2-1nA(Σk=1nA(c‾i(Ak))Σk=1nA(c‾i(Ak))))]]>

fAVG_DNi(A)=1nAΣj=1nAδi(Aj)]]>

δi(Aj)=Σk≠jwkj(|c‾i(Aj)-c‾i(Ak)|)/Σk≠jwkj]]>

其中，i指第i波段；A_j、A_k指當(dāng)前實(shí)例A的第j、k個(gè)子對象；A指當(dāng)前房屋對象集的一個(gè)對象實(shí)例；指當(dāng)前子對象A_j在波段i中的均值；w_kj指子對象A_j的相鄰子對象A_k公共邊長占對象A_j總邊長的比例，n_A指實(shí)例A的子對象數(shù)量，和分別表示房屋對象的子對象之間的統(tǒng)計(jì)特征幾何勻質(zhì)性和算術(shù)勻質(zhì)性；

4)父對象多維特征空間構(gòu)成：該步驟將上述步驟3)中提取的子對象特征聯(lián)合，構(gòu)成宅基地對象的多維特征空間。