[发明专利]一种基于遥感影像的空废宅基地信息自动提取方法

权利要求书

1.一种基于遥感影像的空废宅基地信息自动提取方法，其特征在于，该方法包括：

步骤1：提取宅基地对象，该步骤包括：

步骤1-1：获取研究区域的遥感影像以及该区域内的矢量地籍数据；

步骤1-2：对所获得的遥感影像进行预处理；

步骤1-3：利用所述矢量地籍数据中的各宅基地边界范围作为约束条件，对所述遥感影像进行分割，得到疑似宅基地对象；

步骤1-4：基于所述矢量地籍数据判断所分割出的对象是否为宅基地对象，并将判断出的所有宅基地对象组成父对象集；

步骤2：提取宅基地对象的特征，该步骤包括：

步骤2-1：对所提取出的每个宅基地对象进行再分割，将每个宅基地对象分解为多个子对象；

步骤2-2：分别提取各个子对象的特征，为每个子对象构建一个特征集合，所提取的子对象的特征包括：房屋的光谱、纹理特征，房屋上下文光谱特征，以及庭院上下文光谱特征和植被面积比；

步骤2-3：整合所提取出的各个子对象的特征集合，构建表示父对象——宅基地对象的多维特征空间；

步骤3：利用作为样本的宅基地对象训练分类器，使所述分类器能够基于所述多维特征空间从宅基地对象中识别出空废宅基地；

步骤4：利用训练后的分类器基于所述多维特征空间对所述遥感影像中的所有非样本宅基地对象进行识别，以便从所述所有非样本宅基地对象中识别出空废宅基地。

2.根据权利要求1所述的基于遥感影像的空废宅基地信息自动提取方法，其特征在于，所述预处理包括对所述遥感影像进行几何校正以及以矢量地籍数据的投影空间为基准进行投影转换，所述子对象包括房屋和庭院。

3.根据权利要求1所述的基于遥感影像的空废宅基地信息自动提取方法，其特征在于，作为样本的宅基地对象也被成像在所述遥感影像中，并且作为样本的宅基地对象包括空废宅基地和非空废宅基地两种类型的样本。

4.根据权利要求1所述的基于遥感影像的空废宅基地信息自动提取方法，其特征在于，所述步骤3包括：步骤3-1，将作为样本的宅基地对象划分为学习样本集和测试样本集；步骤3-2，利用所述学习样本集训练所述分类器，步骤3-3，利用测试样本集对学习后的分类器进行验证测试；步骤3-4，判断学习后的分类器的分类结果是否满足预定精度标准，如果满足预定精度标准则将学习后的分类器用于所述步骤4中对空废宅基地的识别，否则调整分类器参数或者改变学习样本集和测试样本集的划分并且返回到步骤3-1。

5.根据权利要求1所述的基于遥感影像的空废宅基地信息自动提取方法，其特征在于，所述步骤1-3包括：对经过预处理后的遥感影像以矢量地籍数据中宅基地宗地边界作为约束条件分割，使分割结果中的宅基地边界与矢量地籍数据中的相应边界一致。

6.根据权利要求1所述的基于遥感影像的空废宅基地信息自动提取方法，其特征在于，所述方法中，提取特征的过程包括：

1)多尺度分割：对父对象集进行多尺度分割，分割参数设置通过欠分割率确定，欠分割率指在试验区域中，错误分割对象数占总分割对象数比例，当实验多组分割参数而欠分割率相近时，取总分割对象数较小的一组参数，以保证子分割对象空间范围的紧凑性；

2)子对象集分类：子对象集包括房屋、庭院，根据矢量地籍数据的详尽程度，如果包含房屋矢量边界，则房屋对象可以在矢量约束下分割，直接提取房屋，同时将房屋子对象集在宅基地对象集中的补集作为庭院子对象集；如果矢量边界不包含房屋边界，则根据子对象的光谱、形状、纹理特征，分别选取房屋和庭院的样本，训练相应的SVM分类器，对子对象集进行分类，从而得到房屋子对象集和庭院子对象集；

3)子对象特征提取：提取的子对象特征有房屋的光谱、纹理特征，房屋上下文光谱特征，以及庭院上下文光谱特征和植被面积比，上下文光谱特征的具体计算公式如下：

fSD_meani(A)=1nA(Σk=1nA(c‾i(Ak))2-1nA(Σk=1nA(c‾i(Ak))Σk=1nA(c‾i(Ak))))]]>

fAVG_DNi(A)=1nAΣj=1nAδi(Aj)]]>

δi(Aj)=Σk≠jwkj(|c‾i(Aj)-c‾i(Ak)|)/Σk≠jwkj]]>

其中，i指第i波段；A_j、A_k指当前实例A的第j、k个子对象；A指当前房屋对象集的一个对象实例；指当前子对象A_j在波段i中的均值；w_kj指子对象A_j的相邻子对象A_k公共边长占对象A_j总边长的比例，n_A指实例A的子对象数量，和分别表示房屋对象的子对象之间的统计特征几何匀质性和算术匀质性；

4)父对象多维特征空间构成：该步骤将上述步骤3)中提取的子对象特征联合，构成宅基地对象的多维特征空间。