[發明專利]一種基于改進的BL模型建成區提取方法

在審

• 申請號: 201811348631.7
• 申請日: 2018-11-13
• 公開（公告）號: CN109614872A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 王璐;孟慶巖;孫震輝;趙茂帆;胡蝶;劉振華;胡月明
• 申請（專利權）人: 中國科學院遙感與數字地球研究所;華南農業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

1.一種基于改進的BL模型建成區提取方法，其特征在于，包括如下步驟：

對圖像進行預處理；

基于多線索融合和測地加權貝葉斯模型構建弱顯著圖，并基于弱顯著性圖選取強化分類模型的訓練樣本；

訓練得到強顯著性圖，并基于加權方法整合弱顯著性圖和強顯著性圖；

使用分數階達爾文粒子群優化算法分割最終的顯著圖，以準確捕捉建成區的信息。

2.如權利要求1所述的方法，其特征在于，所述對圖像進行預處理步驟，具體為：

基于最臨近方法將圖像進行重采樣到10米；基于最佳指數因子方法獲取最佳波段組合生成假彩色圖像；利用簡單線性迭代聚類超像素分割方法將假彩色圖像分割成均勻和緊湊的區域，然后將相似的超像素合并成不同的分割對象。

3.如權利要求1所述的方法，其特征在于，所述基于多線索融合和測地加權貝葉斯模型構建弱顯著圖，并基于弱顯著性圖選取強化分類模型的訓練樣本；步驟，具體為：

首先利用分割對象的緊湊性，顏色，紋理等線索獲取弱顯著性圖；然后引入空間權重貝葉斯模型去掉弱顯著性圖的背景信息；并將弱顯著性圖中水體去除。最后基于去除水體后的弱顯著圖生成Boosting模型的訓練樣本。

4.如權利要求1所述的方法，其特征在于，所述訓練得到強顯著性圖，并基于加權方法整合弱顯著性圖和強顯著性圖步驟，具體為：

首先基于Boosting模型獲取強顯著性圖，然后利用長方體元胞自動機整合不同尺度的強顯著性圖，最后將弱顯著性圖和強顯著性圖進行加權得到最終的顯著性圖。

5.如權利要求1所述的方法，其特征在于，所述使用分數階達爾文粒子群優化算法分割最終的顯著圖，以準確捕捉建成區的信息步驟，具體法為：

分數階達爾文粒子群優化算法找到分割圖像的最佳閾值，利用該閾值對圖像進行分割得到建成區信息圖。