[發(fā)明專利]人工陰影驅(qū)動(dòng)下多層次整體松弛匹配的高分辨率正射影像陰影檢測(cè)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911195527.3
• 申請(qǐng)日: 2019-11-28
• 公開（公告）號(hào): CN110992330B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 周國(guó)清;張?chǎng)┸?/a>;岳濤
• 申請(qǐng)（專利權(quán)）人: 桂林理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/13;G06T7/62;G06T7/66;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開一種人工陰影驅(qū)動(dòng)下多層次整體松弛匹配的高分辨率正射影像陰影檢測(cè)方法。首先，利用邊緣提取算法獲取正射影像和人工陰影影像中單棟建筑陰影輪廓，并建立陰影數(shù)據(jù)集；然后，根據(jù)建筑高度對(duì)兩組數(shù)據(jù)集進(jìn)行分層，對(duì)陰影數(shù)據(jù)集進(jìn)行多層次并行面特征整體松弛匹配，得到初始匹配結(jié)果；最后，對(duì)未匹配集合中的建筑物陰影進(jìn)行面特征整體匹配得到最后的匹配結(jié)果，從而完成高分辨率的正射影像的陰影檢測(cè)。利用本發(fā)明在人工陰影的基礎(chǔ)上對(duì)建筑物陰影檢測(cè)，可以更直接的確定建筑陰影的位置，更準(zhǔn)確的獲取建筑物陰影的邊界。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種高分辨率正射影像建筑物陰影檢測(cè)方法。

技術(shù)背景

所述的人工陰影像為：將影像航拍時(shí)的太陽(yáng)高度角和方位角與該影像的數(shù)字建筑模型(DBM)相結(jié)合，利用陰影建模算法計(jì)算出某一航拍時(shí)刻下建筑物阻礙太陽(yáng)光線造成的陰影區(qū)域在地平面上的幾何范圍，該幾何區(qū)域即為所求的陰影區(qū)域并將其灰度值賦值為0。

陰影檢測(cè)的方法目前有大致可以分為兩類。第一種是基于模型的方法，根據(jù)影像中的信息，場(chǎng)景的幾何形狀、太陽(yáng)高度角、DSM或者傳感器等參數(shù)建立陰影統(tǒng)計(jì)模型，并對(duì)逐個(gè)像素進(jìn)行判別。第二種是基于陰影的性質(zhì)的陰影檢測(cè)算法，根據(jù)陰影區(qū)域的光譜、紋理和邊緣等信息與非陰影區(qū)不同，結(jié)合特征閾值、統(tǒng)計(jì)混合模型、D-S證據(jù)理論等方法劃分陰影區(qū)域和非陰影區(qū)域。通過(guò)對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行分析，發(fā)現(xiàn)現(xiàn)有的陰影檢測(cè)算法還存在以下不足：

(1)基于陰影紋理、邊緣特征的檢測(cè)方法，由于影響陰影形成的因素很多，依靠陰影區(qū)域的紋理特征、邊緣特性，實(shí)現(xiàn)陰影的檢測(cè)，不僅會(huì)引入大量的計(jì)算，而且陰影區(qū)域邊界的界定也存在相當(dāng)?shù)碾y度。

(2)基于光譜特性的檢測(cè)方法，由于水體、偏藍(lán)色地物等在各個(gè)波段上的光譜特性與陰影很接近、閾值分割直方圖峰值不明顯，將干擾陰影區(qū)域的識(shí)別。

(3)閾值的選取需要極強(qiáng)的先驗(yàn)知識(shí)，根據(jù)人為經(jīng)驗(yàn)不斷進(jìn)行調(diào)整，才能達(dá)到滿意的效果，也降低檢測(cè)方法的適用性。

發(fā)明內(nèi)容

本發(fā)明提出了一種人工陰影驅(qū)動(dòng)下多層次整體松弛匹配的高分辨率正射影像陰影檢測(cè)方法，在人工陰影的基礎(chǔ)上對(duì)建筑物陰影檢測(cè)，可以更直接的確定建筑陰影的位置，更準(zhǔn)確的獲取建筑物陰影的邊界。

為了實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案為：

人工陰影驅(qū)動(dòng)下多層次整體松弛匹配的高分辨率正射影像陰影檢測(cè)，具體步驟為：

1、將航空影像拍攝時(shí)的太陽(yáng)高度角和方位角與影像的DBM數(shù)據(jù)相結(jié)合，利用陰影建模算法生成人工陰影影像。

將航空影像拍攝時(shí)的太陽(yáng)高度角和方位角與影像的DBM數(shù)據(jù)相結(jié)合，利用陰影建模算法生成陰影影像，通過(guò)空間重分類的方法對(duì)陰影區(qū)和非陰影區(qū)進(jìn)行重分類，將灰度值為0的區(qū)域歸為一類，將其他的灰度值同一賦值為255，歸為另一類，得到人工陰影影像。

2、創(chuàng)建兩幅影像的建筑陰影輪廓數(shù)據(jù)集，計(jì)算陰影面匹配單元的特征屬性。

采用Canny邊緣檢測(cè)算法提取影像中陰影輪廓，結(jié)合DBM數(shù)據(jù)進(jìn)行分割篩選，得到單棟建筑陰影的輪廓數(shù)據(jù)集。確定兩幅影像中建筑物陰影多邊形的輪廓范圍和大小，計(jì)算出每個(gè)陰影多邊形的重心坐標(biāo)；提取陰影輪廓特征點(diǎn)，計(jì)算每個(gè)陰影面的形狀中心距離值。

3、對(duì)兩組建筑物陰影數(shù)據(jù)集進(jìn)行分層。

通過(guò)對(duì)人工影像和正射影像中的建筑物陰影的面積和形狀相似度進(jìn)行對(duì)比，發(fā)現(xiàn)影像中建筑物越高面積差越大。因此，根據(jù)建筑物的高度，將每個(gè)陰影數(shù)據(jù)集劃分為3層。

4、對(duì)每層的陰影數(shù)據(jù)集進(jìn)行面特征整體松弛匹配得到正射影像中建筑物陰影的準(zhǔn)確位置。

(1)概率矩陣初始化