[發(fā)明專利]一種在高分辨率遙感影像中識(shí)別建筑物的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810526468.2
• 申請(qǐng)日: 2018-05-29
• 公開（公告）號(hào): CN108764136B
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 潘欣;趙健;孫宏彬
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)春工程學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 吉林長(zhǎng)春新紀(jì)元專利代理有限責(zé)任公司 22100
• 代理人: 陳宏偉

本發(fā)明公開一種在高分辨率遙感影像中識(shí)別建筑物的方法，通過建立位置異質(zhì)性處理器，可以分析影像中一個(gè)位置與另外一個(gè)位置在一定鄰域范圍內(nèi)的異質(zhì)性，進(jìn)而通過建立像元規(guī)律性過濾器實(shí)現(xiàn)像元關(guān)鍵特征的提取，并基于訓(xùn)練數(shù)據(jù)對(duì)影像中的每一個(gè)像元是否隸屬于建筑物進(jìn)行判斷，實(shí)現(xiàn)高精確度的高分辨率遙感影像中提取建筑物的提取。本發(fā)明可以遙感影像分辨率較高的情況下，輸入一個(gè)包含建筑物和非建筑物樣本集，就可以實(shí)現(xiàn)高精度的建筑物提取。

技術(shù)領(lǐng)域：

本發(fā)明公開一種在高分辨率遙感影像中識(shí)別建筑物的方法，實(shí)現(xiàn)了高精確度的高分辨率遙感影像中提取建筑物的提取，屬于遙感影像處理領(lǐng)域。

背景技術(shù)：

高分辨率遙感影像可以提供清晰的地物細(xì)節(jié)信息，為大范圍的制圖、土地利用變化監(jiān)測(cè)提供有力的數(shù)據(jù)保障。通過在高分辨率遙感影像中識(shí)別建筑物有效監(jiān)控城市的建筑發(fā)展趨勢(shì)、進(jìn)行精確的地籍調(diào)查、發(fā)現(xiàn)違建和違法問題，具有重要的實(shí)際應(yīng)用價(jià)值。

當(dāng)前的技術(shù)在遙感影像中識(shí)別建筑物的方法主要包括以下幾類：一、引入訓(xùn)練數(shù)據(jù)集，利用傳統(tǒng)的支持向量機(jī)、神經(jīng)網(wǎng)技術(shù)對(duì)影像中的像元進(jìn)行逐個(gè)的分類，由于高分辨率遙感影像具有較高的類內(nèi)異質(zhì)性，單一的像元在波段值上較難與其他地物區(qū)分，所以此類方法分類精度較低，獲得的結(jié)果影像通常較為混亂。二、基于視覺特征的詞袋模型（BovW）的場(chǎng)景分類方法，此類方法雖然可以獲得較高分類精度，但是由于BovW方法屬于場(chǎng)景分類，不能逐個(gè)像元的對(duì)影像進(jìn)行提取，所以無法精確的定位影像中的建筑。三、是基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)的方法，此類方法雖然效果較好，但是需要遠(yuǎn)遠(yuǎn)超過輸入遙感影像本身量級(jí)的樣本來訓(xùn)練深度網(wǎng)絡(luò)，單純的對(duì)一景影像分類代價(jià)十分巨大，而且當(dāng)新的影像中包含神經(jīng)網(wǎng)未知的（如屋頂顏色、方向）的建筑時(shí)，還需要補(bǔ)充大量樣本進(jìn)行計(jì)算。

因此需要引入一種方法，可以基于像元及其領(lǐng)域的異質(zhì)以及少量訓(xùn)練樣本性找到建筑物像元與非建筑物像元的差別，精確的在高分辨率遙感影像中確定建筑物的位置。

發(fā)明內(nèi)容：

針對(duì)現(xiàn)有技術(shù)提出的問題，本發(fā)明提出了一種在高分辨率遙感影像中提取建筑物的方法。通過建立位置異質(zhì)性處理器，可以分析影像中一個(gè)位置與另外一個(gè)位置在一定鄰域范圍內(nèi)的異質(zhì)性，進(jìn)而通過建立像元規(guī)律性過濾器實(shí)現(xiàn)像元關(guān)鍵特征的提取，并基于訓(xùn)練數(shù)據(jù)對(duì)影像中的每一個(gè)像元是否隸屬于建筑物進(jìn)行判斷，實(shí)現(xiàn)高精確度的高分辨率遙感影像中提取建筑物的提取。

本發(fā)明所述的一種在高分辨率遙感影像中識(shí)別建筑物的方法，包括以下步驟：

S1. 輸入遙感影像Image，該影像包含BandNum個(gè)波段，該影像的大小為RowNum行，ColNum列，指定跨度閾值SpanNum；輸入由SampleNum個(gè)樣本點(diǎn)構(gòu)成樣本集TestSet；

S101，輸入遙感影像Image，該影像包含BandNum個(gè)波段，該影像的大小為RowNum行，ColNum列；

S102，指定跨度閾值SpanNum；跨度閾值的取值區(qū)間為[5,10]，默認(rèn)值為5；

S103，在影像上選取SampleNum個(gè)樣本點(diǎn)構(gòu)成樣本集TestSet；

TestSet為一個(gè)SampleNum個(gè)樣本集合{p1,p2,p3,..p_SampleNum}，對(duì)于其中任意一個(gè)樣本p_i其內(nèi)容為p_i={hs,ls,lable,character}，其中hs表示p_i在影像中所處行，ls表示p_i在影像上所在處列，label的值為1或者-1，其中1表示p_i所在位置為建筑物，-1表示pi所在位置為非建筑物,樣本規(guī)律性特征character為4個(gè)元素的數(shù)組；

S2. 建立影像位置異質(zhì)性處理器HeteroOperator；HeteroOperator需要輸入兩個(gè)位置點(diǎn)px1和px2，輸出為異質(zhì)性差值HeteroDifference；