[發明專利]結合變化信息和建筑特征的遙感影像新增建筑提取方法

有效

• 申請號: 202211314630.7
• 申請日: 2022-10-26
• 公開（公告）號: CN115880575B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 常曉宇;王敏;劉宇;王港;張曉男;謝鑫浩;孫方德;郭爭強;朱進;陳金勇
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06T7/10;G06V10/40;G06V10/774;G06V10/80
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

1.一種結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，包括以下步驟：

步驟1，采用SEEDS算法將后時相遙感影像分割，獲得超像素圖IM_seg；

步驟2，采用LSD算法對后時相遙感影像提取線段，得到線段集合L_set；

步驟3，基于線段集合L_set計算超像素S_i的邊緣線段垂直性

步驟4，利用邊緣線段垂直性和相交線段數計算建筑物線段指數

步驟5，利用形態學建筑指數MBI提取影像基于對象的形態學建筑特征

步驟6，融合形態學建筑特征和建筑線段指數計算影像的建筑物強度

步驟7，分別計算前后時相遙感影像的紋理特征和

步驟8，分別計算前后時相遙感影像的紋理特征差DT和光譜特征差DS；

步驟9，分別求紋理和光譜特征的變化強度IT和IS，通過直接求和獲得變化強度CI；

步驟10，依據分割結果IM_seg求對象級的變化強度CI_seg，并與建筑物強度加權融合得到新增建筑強度圖NBI；

步驟11，計算新增建筑強度圖NBI的分割閾值T，對NBI二值化后獲取新增建筑對象斑塊NB；

步驟12，對每一新增建筑對象斑塊NB分別計算形狀指數GI，過濾出GI超過閾值的斑塊NB，得到最終提取的新增建筑對象NB_post。

2.根據權利要求1所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟3中，當有n條線段與超像素S_i相交時，邊緣線段垂直性的表達式為：

式中，F(Δβ_jk)表示當兩條線段l_j、l_k與超像素S_i相交時的垂直性值，Δβ_jk表示線段之間的夾角，θ表示傾斜角差容許誤差。

3.根據權利要求2所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟4中建筑物線段指數采用如下公式計算：

其中，N()表示線段包含的像素個數，N(S_i∩l_m)表示線段l_m與超像素S_i相交的像素個數。

4.根據權利要求3所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟5中，基于對象的形態學建筑特征計算方式如下：

式中，MBI(x,y)表示形態學建筑指數MBI圖的(x,y)處的象元值，p和q分別表示與超像素S_i等面積的矩形的長和寬。

5.根據權利要求4所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟6中建筑物強度的計算方法如下：

式中，為可調節的加權因子，Nor()表示對建筑指數進行最大值最小值歸一化處理。

6.根據權利要求5所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟7中，采用GLCM的方差測度作為紋理特征，其計算方法如下：

其中，d∈{1,2}，P(i,j)代表灰度級別i和j在給定方向和距離情況下的出現的可能性，μ是GLCM的均值，N代表灰度級。

7.根據權利要求6所述的結合變化信息和建筑特征的遙感影像新增建筑提取方法，其特征在于，步驟8中，紋理特征差DT和光譜特征差DS的計算方法如下：

式中，S表示光譜波段，T₁和T₂分別表示遙感影像的兩個時間，abs()表示求絕對值。