[发明专利]一种面向对象的遥感影像建筑物及其阴影提取的方法

权利要求书

1.一种面向对象的遥感影像建筑物及其阴影提取的方法，其特征在于该方法包括以下步骤：

（1）影像预处理：根据研究区的情况，对同一区域的全色波段影像和多光谱波段影像进行裁剪处理，获得研究区的影像I₁；

（2）多尺度分割：经过预处理后的遥感影像I₁，根据设定的光谱标准和形状标准参数，选择三十个分割尺度：5，10，15，20，25，30，35，40，45，50，55，60，65，70，75，80，85，90，95，100，110，120，130，140，150，160，170，180，190，200对影像进行多尺度分割，形成不同尺度的影像对象层，利用次最大面积结合目视观察选择最优分割尺度，考虑到影像的处理效率，尺度200、55和30被选取作为最终地物提取较为适宜的尺度，由此形成了3个尺度影像对象层，即影像I₂、I₃、I₄；

（3）非建筑物和非阴影的提取：在200尺度影像I₂上，对于每一个对象，如果长度特征和长宽比特征阈值满足逻辑与，则属于道路类R，否则依旧是未分类，得到提取了道路的影像I₅；在55尺度影像I₃上，如果NDWI、NDVI和红色波段比率满足一定的阈值条件，则该对象分别属于水体类W、植被类V和裸地类B，获得提取了水体、植被、裸地的影像I₆；然后将影像I₅和I₆的分类结果继承到30尺度影像I₄上，从而得到影像I₇，这样可以剔除道路、水体、绿地和裸地的影像，提高建筑物和其阴影提取的准确率；

（4）建筑物及其阴影潜在区的提取：在影像I₇上，从未分类对象中利用光谱特征提取出阴影潜在区SH；通过最临近分类器，结合光谱特征提取建筑物潜在区BH，该光谱特征包括波段均值、亮度均值，同时得到的地物还有部分阴影潜在区TS（也即前面提取SH时漏掉的阴影潜在区）、临时道路类TR和临时裸地类TB，将TS归类到阴影潜在区SH，从而得到包含阴影潜在区SH和建筑物潜在区BH的影像I₈；

（5）建筑物及其阴影的优化处理：在影像I₈上，采用空间特征、上下文关系和平滑算法对阴影进行优化处理，得到最终识别出的阴影类别S；同时，利用上下文关系、平滑算法，对建筑物潜在区BH中存在很多错分和漏分的建筑物进行优化处理，得到最终识别出的建筑物类别B；

经过上述步骤，得到所述面向对象的遥感影像建筑物及其阴影的提取。

2.如权利要求1所述的方法，其特征是步骤（2）中设定的光谱标准和形状标准参数是通过专家知识结合目视观察获得的，其中，光谱与形状标准的比值在为1：1，光滑度参数和紧致度参数的比值也是1：1。

3.如权利要求1所述的方法，其特征是步骤（3）中，所述NDWI、NDVI和红色波段比率满足一定的阈值条件是指：NDWI阈值为0.3～0.4，NDVI阈值为0.25～0.35，红色波段比率阈值为0.1～0.2。

4.如权利要求1所述的方法，其特征是步骤（5）中，采用以下优化处理方法得到最终确定的阴影类别S，其步骤包括：

（1）首先合并相邻的阴影潜在区对象，以便进行后续的空间特征、上下文关系和平滑算法对阴影进行优化处理；

（2）当合并后的阴影潜在区SH的对象面积满足一定的阈值条件时，将其归类为未分类，从而剔除部分错分的建筑物阴影；

（3）阴影潜在区SH包围的对象也应该属于阴影类别，利用这一上下文关系，将漏分的阴影对象归类到阴影潜在区SH；

（4）采用平滑算法优化阴影边缘，使其变得光滑，这样得到所述阴影类别S。

5.如权利要求4所述的方法，其特征是所述平滑算法为：Growing增长和Shrinking收缩算法，凹进去的部分按5*5的窗口进行填补，如果大于等于0.5，则继续增长，如此循环；凸起的类别按5*5的窗口进行收缩，如果小于等于0.5，则继续收缩，如此循环。通过他们可以平滑对象的边缘。

6.如权利要求4所述的方法，其特征是步骤（2）中，所述一定的阈值条件是指：面积阈值Area为250～300。

7.如权利要求1所述的方法，其特征是步骤（5）中，采用以下优化处理方法得到最终确定的建筑物类别B，其步骤包括：

（1）将相邻的建筑物潜在区BH的对象进行合并；

（2）建筑物都与阴影相邻，利用这一相邻关系可以剔除很多错分的建筑物；

（3）建筑物潜在区BH包围的对象也应该属于建筑物类别，利用这一上下文关系，可以将漏分的建筑物对象归类到建筑物潜在区BH；

（4）仍有一些建筑物被漏掉了，分类到了其他的地物类别，这时通过其与已分类建筑物的相邻程度判断是否应将其归类到建筑物类别；

（5）采用平滑算法规范化建筑物边缘，使其变得光滑，这样得到最终的建筑物类别B。