[发明专利]遥感图像中人工地物的检测方法及设备

说明书

本申请提供了一种遥感图像中人工地物的检测方法及设备，能够对样本遥感图像中的像素点进行特征提取，并进一步通过支持向量机算法对特征提取后的像素点进行建模，得到用于确定遥感图像中像素点是否为人工地物像素点的分类模型，在对检测遥感图像中的像素点进行类似的特征提取之后，再根据得到的分类模型对检测遥感图像中的像素点进行分类，确定检测遥感图像中的人工地物像素点并进行标识，从而充分利用了遥感图像的纹理特征，能够适用于多种复杂遥感图像的人工地物识别，更好地表达原始图像中的信息，去噪分割的界限更加清晰，分类效果比其它分类器更好，提高了遥感图像中人工地物的识别精确度。

技术领域

本申请涉及遥感图像分析领域，尤其涉及一种遥感图像中人工地物的检测方法及设备。

背景技术

近年来，基于遥感图像的人工地物目标检测被广泛应用于城市规划、灾害评估、变化检测以及地图更新等方面，遥感影像人工地物目标检测是指遥感卫星或雷达拍摄地面情况，获取遥感图像，能够利用一定技术对地面遥感图像的分析处理，从中精确检测识别出人工地物(如建筑物)，并可在遥感图像中标记出人工地物范围的技术。然而由于高分辨率遥感影像中场景的复杂性与多样性，地物边界线不清晰，同一地物类型也有可能呈现不同形态，使得人工地物精确检测成为一项富有挑战性的工作。

目前人工地物提取算法主要分为自下而上数据驱动的提取算法和自上而下知识驱动的提取算法。数据驱动的人工地物提取算法通过提取影像的多种特征，确定分类判别标准，此类算法在提取目标过程中并不关注其类别，而是直接对影像进行特征提取及分割等处理，因此具有适用性广、对单目标及复杂景物分析均适用的特点，但是由于在分割、特征提取等处理设计过程中缺乏知识的指导，导致算法设计较为复杂。知识驱动的提取算法根据知识规则的限定，通过分析目标在影像中可能存在的特征进行分割，其针对性强，避免提取影像中过多的次要特征，算法效率高。其缺点为当识别的目标发生改变后，相应的知识规则会发生变化，因此普适性较差。遥感影像中场景复杂，同一地物类型有可能呈现不同形态，自上而下知识驱动的提取算法难以精确地提取完整的人工地物目标。

申请内容

本申请的一个目的是提供一种遥感图像中人工地物的检测方法及设备，用以解决现有技术中难以在遥感图像中精确识别人工地物、难以适用于不同类型的遥感图像的问题。

为实现上述目的，本申请提供了一种遥感图像中人工地物的检测方法，其中，该方法包括：

获取样本遥感图像，对所述样本遥感图像中的像素点进行特征提取，并通过支持向量机算法对特征提取后的像素点进行建模，获取所述像素点为人工地物像素点的分类模型；

获取检测遥感图像，基于冗余轮廓波变换将所述检测遥感图像分解为低通子带和带通方向子带；根据所述带通方向子带对应的基函数表达的信息，确定最优基函数，并将最优基函数对应的带通方向子带确定为用于特征提取的带通方向子带；根据所述低通子带和用于特征提取的带通方向子带中对应坐标的像素点的信息，提取所述检测遥感图像中像素点的特征；根据所述像素点的特征，使用所述分类模型对所述像素点进行分类，确定所述像素点中的人工地物像素点；

对检测遥感图像像素点中的人工地物像素点进行标识。

进一步地，对所述样本遥感图像中的像素点进行特征提取，包括：

对所述样本遥感图像进行下采样，获取下采样样本遥感图像；基于冗余轮廓波变换将下采样样本遥感图像分解为样本低通子带和样本带通方向子带；根据所述样本带通方向子带对应的基函数表达的信息，确定最优基函数，并将最优基函数对应的样本带通方向子带确定为用于特征提取的样本带通方向子带；根据所述样本低通子带和用于特征提取的样本带通方向子带中对应坐标的像素点的信息，提取所述下采样样本遥感图像中像素点的特征，其中，所述样本遥感图像中的像素点已经标识为人工地物像素点或非人工地物像素点。