[发明专利]多尺度多特征融合的遥感影像阴影检测提取方法及系统

说明书

技术领域

本发明属于遥感图像处理数据预处理技术领域，涉及一种基于多尺度多特征融合的遥感影像检测和提取方法及系统。

背景技术

高分辨率遥感影像(一般为分辨率5米以下)具有更加清晰的地物形状、更加丰富的纹理信息以及更加明确的空间分布等特点，因此在对地观测中发挥着重要的作用。但是高分辨率遥感影像存在大量的阴影，其会对后续高分辨遥感影像解译和分析带来不利影响；另一方面，阴影也可以作为特定的辅助信息为地物提供几何及形状特征。因此阴影提取是高分辨率遥感影像处理的重要步骤和研究热点之一。基于不变颜色特征模型的阴影提取方法是遥感影像的阴影提取的重要方向之一，该类方法又分为基于像素的阴影提取和面向对象的阴影提取两类方法。其中基于像素的方法仅仅使用光谱特征进行阴影提取，该类方法虽然计算简单且高效，但是计算结果却形状完整性差且伴有椒盐噪声现象。而面向对象的方法是高分辨率遥感影像阴影提取中高效的一种提取方法。这是由于在此类方法中，空间信息被充分利用和挖掘，并且由于影像分割后大量的同质像素形成了候选阴影区域，提取阴影的形状完整性也比面向像素的方法更加优秀。

分割是面向对象的影像处理的关键步骤，其结果会对后续的提取结果产生较大的影响。图像信息的尺度决定了提取目标信息的力度，大尺度上获取更为宏观粗糙的信息，小尺度决定目标提取将更加微观精细。尺度在分割技术中也是一种重要的参数，其决定了分割提取地物的大小。阴影在高分辨遥感影像上不具有统一的尺度，如建筑物的阴影面积较大，但是树木的阴影面积较小。当针对同类地物具有不同尺度大小的表现时，统一尺度分割会导致过分割和欠分割现象出现。因此针对高分辨率遥感影像的基于多尺度多特征融合的阴影检测和提取方法能够得到更好的提取精度。

发明内容

本发明的目的在于针对现有技术的缺点和不足，提供一种基于多尺度多特征融合的高分辨率遥感影像阴影检测和提取方法及系统，通过多个尺度的对象分割技术综合获取不同尺度下的阴影对象信息，采用阴影在不变颜色模型中的光谱特征进行基于对象的阴影提取，最后综合不同尺度下的阴影提取结果获取最终的阴影分布图。提取方法能适用于高分辨率遥感影像处理领域。

本发明所采用的技术方案提高一种多尺度多特征融合的遥感影像阴影检测提取方法，所述遥感影像为高分辨率遥感影像，包括以下步骤：

步骤a，将原始高分辨遥感影像进行多种尺度下的对象分割，获取初始的影像对象；

步骤b，将遥感影像投影变换至RGB和HSI颜色空间，获取三种不变的阴影颜色特征，根据K-means聚类方法对三种阴影颜色特征分别进行二值化处理，得到三张基于各阴影颜色特征的二值候选阴影影像；

步骤c，根据步骤a所得每种尺度下对象分割结果，分别采用D-S证据理论融合步骤b提取的多种不变的阴影光谱特征进行面向对象的阴影提取，实现方式如下，

设步骤b得到的三个二值候选阴影影像F₁,F₂,F₃为三个证据，假设集合Θ＝{h₀,h₁}，其中h₀代表阴影区域的对象，而h₁代表非阴影区域；则2^Θ的非空子集是{h₀}，{h₁}，{h₀,h₁}；设影像被多尺度分割算法分割为多个对象，对象定义为O_j,j＝1,2,...,k，

设针对F_i的第j个对象内的三个非空集合的基本概率分配函数为i＝1,2,3，分别如下所示，

其中，p_i分别是特征F_i的权重，和分别代表在F_i特征下对象j内的候选阴影像素个数和总像素个数；

融合三个特征的分别为m^j(h₀)、m^j(h₁)、m^j(h₀,h₁)，当下式满足时，对象j被提取为阴影区域。

步骤d，将不同尺度下获取的阴影提取结果进行决策融合，从而获取最终的阴影区域。

而且，步骤a中，采用三种尺度下的多尺度分割结果。

而且，对每种尺度，分别采用自下而上基于异质度准则的区域增长分割方式实现。

而且，步骤d中，采用投票法进行决策融合。