[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

说明书

技术领域

本发明涉及遥感影像信息提取技术领域，特别涉及一种基于遥感影像进行农村空废宅基地信息自动提取的方法。

背景技术

我国快速工业化、城镇化进程中，由于农村宅基地管理制度不完善，农村“一户多宅”、超标占用宅基地、宅地基空置、废弃等低效利用问题比较突出，而且随着工业化、城镇化的快速推进，这一问题正不断加剧。根据全国人口普查数据，1995年我国农村人口峰值为8.6亿，到2010年减少到6.7亿，预计至2020年将超过1亿农民转移进城，届时有3亿多农村人口“离村进城”，若现有城乡二元体制与土地制度不能根本突破，农村空置、废弃宅基地将十分严重。因此，快速、准确地调查农村“空废宅基地”的数量、面积等信息，摸清农村宅基地空置、废弃状况，对政府在土地管理中科学决策具有重大的意义。

遥感技术作为一种非接触式获取信息技术，尤其是当前高分遥感的发展，相对传统的地面实际调查走访，具有节约成本、获取周期短等显著优点。然而，目前关于高分影像自动提取“农村空废宅基地”信息方面的技术仍属空白，实际应用主要依靠室内人工目视解译和室外走访调查相结合的方式。

人工目视解译是根据高分遥感影像中空废宅基地特征，如庭院含有大量植被、垃圾，房屋老化、破损等判断是否为空废宅基地，手动勾画出宅基地范围的斑块，并赋给斑块是否为空废宅基地的属性信息，然后根据解译结果进行室外走访调查，验证其提取精度。这种解译方法的缺点在于解译的边界面积与实际地籍测量数据可能存在一定冲突，而且当进行大范围推广时，不仅会耗费大量人力资源，还使信息获取周期变长，同时信息提取结果由于解译人员干预，其结果也可能会在一定程度上受人为因素干扰，使结果丧失一定程度的客观性。

随着高分遥感卫星的发射，一些面向高分遥感信息提取的方法，得到长足的发展。其中基于分割的面向对象信息提取技术，因其基于人眼视觉认知机理，将基于像素的解译方法提升到基于对象的解译方法，有效的解决了高分遥感影像中“同物异谱”和“异物同谱”的问题，提高了解译精度。但现有面向对象方法，经常忽略已有高精度数据的利用，使信息提取的结果精度较低，且与已有数据出入较大。此外，现有面向对象方法中，在进行对象分类识别时多利用对象的光谱、形状、纹理特征，忽视了上下文特征。例如空废宅基地的判断，仅利用宅基地自身对象的特征，忽略庭院的植被覆盖度、屋顶的破损度等特征，以及这些特征之间的综合，即上下文特征，容易引起空废宅基地的误判。不注重自动化分类器，使用人为设定的判别规则判断对象的类别，是目前面向对象信息提取中难以实现全自动化的一个重要原因。

发明内容

针对上述问题，本发明提出了一种在遥感影像中自动提取农村空废宅基地信息的方法，本发明的方法利用矢量地籍数据的约束分割，并引入多尺度空间结构上下文特征，采用模式识别方法识别空废宅基地，实现了信息高精度、自动化提取。

具体而言，本发明提供一种基于遥感影像的空废宅基地信息提取方法，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：获取一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的边界范围作为约束条件，对所述遥感图像进行分割，以分割出疑似宅基地对象；

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分解，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；

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，以便从所述宅基地对象中识别出空废宅基地。

进一步地，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。

进一步地，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。