[發明專利]人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測

有效

• 申請號: 201911195527.3
• 申請日: 2019-11-28
• 公開（公告）號: CN110992330B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 周國清;張雯茜;岳濤
• 申請（專利權）人: 桂林理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/62;G06T7/66;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其具體步驟如下：

步驟1）利用數字建筑物模型DBM生成人工陰影影像；

步驟2）創建人工陰影影像和正射影像中建筑陰影輪廓數據集，計算并添加陰影面匹配單元的特征屬性；

步驟3）利用建筑物高度對兩組陰影數據集進行分層；

步驟4）初始化兩組陰影數據集概率矩陣；

步驟5）計算影像中各陰影面鄰域的支持系數，對初始概率矩陣進行迭代更新；

步驟6）根據陰影面輪廓的角點特征對1:M、N:1、M:N候選匹配對進行篩選，確定匹配對；

步驟7）根據步驟4）–步驟6）對建筑物陰影數據集進行多層次并行面特征整體松弛匹配，依據陰影的特征值對每層設置不同的鄰域相似閾值和總相似閾值確定該層的匹配對；將每匹配層中未匹配的建筑物陰影劃分至人工陰影未匹配集合和正射影像未匹配集合中，按照相同的方法對未匹配集合中的建筑物陰影進行面特征整體匹配得到最后的匹配結果，從而完成高分辨率的正射影像的陰影檢測。

2.根據權利要求1所述的人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其特征在于：在步驟2）中所述的匹配單元特征屬性包括陰影面的位置、形狀特征屬性：

采用Canny邊緣檢測算法提取影像中陰影輪廓，結合DBM數據對提取到的陰影輪廓進行分割篩選，確定兩幅影像中建筑物陰影面的輪廓范圍和大小；根據輪廓對應的坐標值，計算出每個陰影面的重心坐標；提取陰影輪廓特征點，計算每個陰影面的形狀中心距離值。

3.根據權利要求1所述的人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其特征在于：在步驟3）中所述的對兩組陰影數據集進行分層是根據每個陰影面對應的建筑物高度進行分層：

對比兩幅影像中陰影面的差異，總結陰影面差異的規律，利用建筑物的高度對影像中的建筑物陰影進行分層，將每幅影像分成筑物的高度對影像中的建筑物陰影進行分層，將每幅影像分成筑物的高度對影像中的建筑物陰影進行分層，將每幅影像分成筑物的高度對影像中的建筑物陰影進行分層，將每幅影像分成3層。

4.根據權利要求1所述的人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其特征在于：在步驟4）中所述的初始化兩組陰影數據集概率矩陣：

計算兩幅影像陰影面之間的位置、形狀相似值，得到正射影像中每個陰影面的初始概率值；以建筑物陰影面為匹配單元，計算待匹配的兩組面狀建筑物陰影面數據集中對應面間的位置和形狀相似性；設置權值，加權平均得到兩組數據中陰影面間的相似度矩陣；

對初始候選匹配對進行粗篩，剔除明顯錯誤的候選匹配對，刪除相似性小于給定閾值的并將其賦值為0，得到最終的相似度矩陣；對匹配初始概率進行估算，即把每個候選面的特征相關系數相加，除以所有候選面的相關系數和，得到初始概率矩陣。

5.根據權利要求4所述的人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其特征在于：在步驟5）中，計算影像中各陰影面鄰域的支持系數，對初始概率矩陣迭代更新：

確定建筑陰影面的鄰域候選匹配對，計算各個鄰域要素的支持系數，對初始概率值不斷迭代，獲取正射影像中建筑物陰影區域的位置；

通過廣度優先搜索策略以陰影面重心點為搜索目標，確定建筑物陰影面的目標面鄰域數目；計算鄰近候選匹配對間的特征差異值和支持程度，更新初始匹配矩陣。

6.根據權利要求5所述的人工陰影驅動下多層次整體松弛匹配的高分辨率正射影像陰影檢測方法，其特征在于：在步驟6）中，根據陰影多邊形的角點特征對1:M、N:1、M:N候選匹配對進行篩選，確定最終匹配對：

分別計算鄰近候選匹配對之間的相對位置和相對形狀關系；計算各鄰域要素的支持系數；利用位置，形狀相似性和相關系數三個相關系數，對匹配概率矩陣進行迭代更新；

提取1:M、N:1、M:N候選匹配對的輪廓特征點；結合陰影面的邊緣輪廓，篩選出陰影輪廓的特征點集；每個面輪廓包含的所有特征點曲率值的平均值作為該面的曲率值，計算出候選匹配對間曲率的相似值，確定初始匹配對。