[发明专利]遥感影像分割水体多边形轮廓概括方法

说明书

技术领域

本发明涉及一种遥感影像分割水体多边形轮廓概括方法。

背景技术

伴随着遥感影像空间分辨率的显著提高，从这些高空间分辨率遥感影像(IKONOS，Quickbird，WorldView，GeoEye，等)中提取目标地物已成为可能。图像分割作为基于对象的遥感影像分析核心技术已受到广泛关注，目前集成到eCognition软件的多尺度分割方法是该领域的代表性究成果，为基于遥感影像的GIS数据工程化采集提供了一种全新的作业模式。一般通过图像分割技术生成的多边形轮廓呈现出锯齿状并含有大量的冗余点(见图1，边缘线条)，不符合地理信息系统(GIS)的数据需求及生产标准，必须通过轮廓概括优化方法给予消除。

由于高空间分辨率遥感影像数据自身的复杂性，对于轮廓概括方法一般很难建立全局性的参数模型来引导参数设置以实现对各个多边形逐个进行优化。通常轮廓优化的参数选择依赖于操作者经验或随机性尝试，即依靠试错法来进行。此外，一组固定的轮廓优化参数通常对应于整个多边形数据集，并没有考虑到数据集中每个多边形几何形状特征的差异性。

一般情况下，多边形轮廓概括优化算法可分为以下三种类型：

(1)距离约束类方法：如Douglas-Peucker法和径向距离法。这类方法具有高执行效率的优势，相比于其他方法可以很方便地应用到实际工程。

(2)角度约束类方法：如角度预测函数法，它使用角度作为限制条件压缩冗余节点，并已经成功的应用于地图等高线数据的概括。角度计算一般会使算法的计算量显著增加，在实际工程应用中需要加以改进。

(3)面积约束类方法：如Visvalingam最小面积误差发法，它在最小化面积误差的前提下，以消除对应于最小有效区域的点来实现多边形概括。面积计算一般会使算法的计算量显著增加，在工程应用中亦需加以改进。

上述三大类方法应用于基于对象高空间分辨率遥感影像分割轮廓概括时，均存在一定的局限性。

发明内容

针对上述问题，本发明的目的在于提供一种遥感影像分割水体多边形轮廓概括方法，解决遥感影像分割水体多边形锯齿状轮廓和大量冗余点的概括优化问题。

为达到上述目的，本发明所述一种遥感影像分割水体多边形轮廓概括方法，其步骤包括：

通过遥感影像数据分割获取整幅图像的初步分割结果，利用水体指数对分割获取的物理影像基元进行目标识别，获得初始分割水体多边形链表数据集；

统计数据集包含水体多边形的数目N，将水体多边形以链表形式保存；

对初始分割水体多边形集合中的每一个多边形逐一进行概括处理；

将概括处理完的水体多边形轮廓链表集合输出保存。

优选地，对初始分割水体多边形集合中的每一个多边形逐一进行概括处理的步骤包括：

确定一待概括多边形几何中心点，得到距中心点最远的第一边缘点，以及距第一边缘点最远的第二边缘点；第一边缘点和第二边缘点将多边形分为第一弧段和第二弧段；选择第一边缘点和第二边缘点为初始点集；

对第一弧段和第二弧段确定垂直和径向距离阈值；

依据与垂直和径向距离阈值的判断获得多边形弧段的概括处理结果。

为了达到上述目的，本发明所述一种遥感影像分割水体多边形轮廓概括系统，包括：

初步分割单元，用于通过遥感影像数据分割获取整幅图像的初步分割结果；

目标识别单元，用于利用水体指数对分割获取的物理影像基元进行目标识别，获得初始分割水体多边形链表数据集；

基元链表生成存储单元，用于统计数据集包含水体多边形的数目N，将水体多边形以链表形式保存；

多边形概括单元，用于对初始分割水体多边形集合中的每一个多边形逐一进行概括处理；

多边形轮廓链表存储单元，用于将概括处理完的水体多边形轮廓链表集合输出保存。

本发明的有益效果为：

本发明通过对遥感影像分割水体多边形轮廓概括以能够较为全面地呈现了水体所处的常态化识别地理环境，从而确保了实验的真实和有效性。

附图说明

图1是本发明所述遥感影像分割水体多边形轮廓概括方法的流程图；

图2是含有冗余节点的分割水体多边形轮廓图；

图3是垂向距离d_ε和径向距离d₁或d₂示意图；

图4是遥感影像分割水体多边形概括工程实验数据图；

图5是对图4的水体分割识别检测结果示意图；