[发明专利]基于遥感和社会感知数据的居民小区提取与类型识别方法

权利要求书

1.基于遥感和社会感知数据的居民小区提取与类型识别方法，其特征在于，包括如下技术步骤：

步骤1：遥感影像预处理；

采用资源卫星提供的正视、前视、后视遥感影像进行角度差异特征的提取，所述角度差异特征将被用于识别居民小区类型；

在进行所述角度差异特征提取之前，需要将所述资源卫星提供的前视、后视遥感影像的分辨率重采样，使其与正视遥感影像的分辨率相同；

重采样后，以所述正视遥感影像为参考，对所述正视、前视、后视遥感影像进行直方图匹配；

步骤2：角度差异特征的计算；

当步骤一操作完成后，所述角度差异特征将由公式1计算得到：

ADF＝max(X_b-X_n,X_n-X_f,X_b-X_f)        公式(1)

其中，X_n、X_f、X_b分别为正视、前视、后视遥感影像；ADF为角度差异特征，即AngularDifference Feature；

步骤3：居民小区Point of Interest识别；

所述Point of Interest简称POI，所述POI数据由智能地图采集，用于地图导航服务；

每条POI数据均以矢量格式呈现，每条POI数据均具备三个属性信息，即：类型、名字、经纬度位置；

其中，与居民小区有关的类别包括，按照大类-中类-小类格式：商务住宅-住宅区-别墅、商务住宅-住宅区-住宅小区、商务住宅-住宅区-社区中心；在地名地址信息-门牌信息-楼栋号、通行设施-建筑物门-建筑物正门、通行设施-临街院门-临街院正门里，也有与居民小区有关的POI，这些POI点散布在住宅小区内部的楼栋号和门，因为智能地图将这些POI点归为了与居民小区无关的类型，需要通过文本相似度分析将与居民小区有关但被归为无关的POI点从“地名地址信息”和“通行设施”类别中识别出来，具体操作包括：

一、POI类别重分类；将POI类别按照表1进行重分类；

表1

二、将“待识别”POI与“住宅”POI进行文本相似度分析；

使用Jaro-winkler文本相似度测量计算“待识别”POI与“住宅”POI之间的文本相似度；如果相似度大于0.85，“待识别”POI将被识别为“住宅”POI，如果相似度小于0.85，“待识别”POI将不会被识别为“住宅”POI；

步骤4：居民小区边界提取；

一、地块提取；

使用Open Street Map提供的路网数据产生地块，该地块将作为居民小区边界提取的分析单元；

所述路网数据以矢量格式呈现，并根据道路的相对重要性将道路划分为了不同的级别；本发明将道路的原始分级重分类分为3级，参照表2所示，并以40米、20米、10米的半径建立缓冲区；

表2.道路等级重分类与缓冲区半径说明

二、居民小区POI聚类簇识别；

对POI名字的字符串进行文本相似性度量聚类，分析对象为“住宅”POI，分析单元为每个地块，通过相似性度量将具有相似名字的“住宅”POI的聚成一类；采用Jaro-winkler文本相似度计算文本相似度，并选择0.85作为文本相似度的阈值来产生不同的“住宅”POI聚类，聚类后“住宅”POI将形成不同的居民小区POI聚类簇；

三、居民小区边界提取；

采用凹包分析，从居民小区POI聚类簇中获得居民小区边界；采用基于三角不规则网络的凹包算法；

步骤5：居民小区类型识别；

以居民小区面矢量文件为单位，提取面内ADF的平均值；设置ADF阈值，划分为低层居住小区ADF60、中层居住小区60≤ADF≤80、高层居住小区ADF＞80。

2.根据权利要求1所述的基于遥感和社会感知数据的居民小区提取与类型识别方法，其特征在于，所述资源卫星使用资源3号02卫星。

3.根据权利要求1所述的基于遥感和社会感知数据的居民小区提取与类型识别方法，其特征在于，所述重采样和直方图匹配的操作工具采用ENVI软件。