[发明专利]一种基于遥感影像的识别方法

说明书

技术领域

本发明涉及遥感对地观测识别领域，特别涉及一种基于遥感图像的识别方法，其适用于利用遥感影像对城市土地进行土地识别等调查。

背景技术

掌握城市用地的使用现状是开展城市规划和建设工作的必备基础。遥感解译和实地踏勘是目前开展现状调查的主要方法。从发展趋势来看，遥感将会发挥更为重要的作用。但是随着高分辨率传感器技术的发展，卫星遥感图像的空间分辨率越来越高，图像的内容和形式也随之发生了很大的改变，图像的空间信息越来越丰富，这给传统的图像识别分类技术带来了新的挑战。

在遥感对地观测领域，土地覆盖/土地类型识别是一项基础应用。长期以来主要根据地物的光谱物理特性对多光谱遥感数据进行分类。由于传统影像的空间分辨率比较低，含有大量混合像元，存在同物异谱、异物同谱等现象，使得能够准确且稳定识别出的类型比较少，尤其是难以细分城市用地，无法满足城市规划和建设部门日常工作需要，只能用作宏观趋势性分析。随着分辨率提升至1米甚至小于1米，通过遥感影像能表现出的地物类型越来越丰富，往往需要对图像进行分割，如专利文献1(CN101710387A)中公开了一种高分辨率遥感图像智能分类方法，其通过将之前获得的全色图像的图像分割结果空间映射得到多光谱图像的分割结果，并对欠分割的全色图像的分割区域进行再分割，生成区域的特征空间，然后采用分类器设计并实现图像分类，其有效地解决了图像欠分割区域所存在影响图像分类精度的问题。但是其无法有效地将土地的现状进行识别及标识，仍旧需要人工目视判读方式按照城市规划需要对图像进行识别和标识，但是工作量大，周期长，对解译人员要求高，亟需利用计算机进行辅助分类。

基于面向对象影像分析方法(Object Oriented Image Analysis)，虽然能够自动或半自动从高分辨率遥感影像中提取出建筑、植被和水域等基本地物要素，进而识别出地表某些区域的土地使用类型，但很难按行业标准实现大区域的土地类型识别。究其原因，主要是由于行业标准多以用地的功能属性为主，遥感影像反映的是物理属性，而物理属性与功能属性之间不存在一一对应关系，现实中混杂着大量的同物异类和异类同物现象。例如《城市用地分类与规划建设用地标准》(GBJ 137-90)规定，绿地作为大类G与居住用地R并存，同时也以居住用地的三级小类R14出现；又如公共绿地G1是指向公众开放，有一定游憩设施的绿化用地，包括其范围内的水域，此时水域将和植被一起被归类为G1，而不是独立的水域类型E1。所以，单纯依靠影像进行计算机判读分类难以满足相关行业的应用需求。

发明内容

以实地踏勘方式调查城市用地现状的成本很高，难以短周期性形式持续开展。人工解译遥感影像的方法虽然有所改善，但是工作量依然较大，对人员要求高。现有基于计算机判读的土地类型识别更进一步提高了工作效率，但识别结果不符合城市规划等行业标准。本发明旨在克服这个难点，在利用面向对象影像分析方法识别出基本地物要素的基础上，通过引入先验信息实现用地性质和地块边界的准确判定，在高效识别标识的基础上使最终结果符合需求。

为实现该目的，本发明提供了一种基于遥感影像的识别方法，该方法包括以下步骤：从遥感影像中提取矢量地物要素；将矢量地物要素分割为若干个矢量地物要素集合；根据先验信息而获得行业类型，并将该行业类型添加到该先验信息中；将先验信息中的行业类型映射为土地类型，并将该土地类型添加到该先验信息中；将先验信息与矢量地物要素或矢量地物要素集合进行空间叠加分析，确定两者的寄宿关系；根据先验信息确定矢量地物要素或矢量地物要素集合的属性；根据矢量地物要素或矢量地物要素集合的属性进行聚类，得到相邻同类矢量地物要素的凸包；对凸包进行图形整饰，并对其赋予土地类型，从而得到识别结果。

优选地，所述将矢量地物要素分割为若干个矢量地物要素集合是利用道路网进行分割的。

为了实现该目的，本发明还提供了一种基于遥感影像的识别方法，该方法包括以下步骤：从遥感影像提取矢量地物要素，并将包含土地类型的先验信息与矢量地物要素进行空间叠加分析，确定两者的寄宿关系；根据先验信息确定矢量地物要素的属性；根据矢量地物要素的属性进行聚类，得到相邻同类矢量地物要素的凸包；对凸包进行图形整饰，并对其赋予土地类型，从而得到识别结果。

优选地，该先验信息为兴趣点信息。

优选地，该属性包括名称、地址和土地类型。

优选地，该遥感影像为高分辨率遥影像。

优选地，该方法用于对城市土地使用类型的识别。

本发明有效地提高遥感图像的识别性能，提升效率，更好地符合需要。