[发明专利]一种遥感建筑物检测方法

权利要求书

1.一种遥感建筑物检测方法，其特征在于，包括三个步骤：数据预处理、基于多属性联合优化的ACGA-DAPs提取，以及非监督决策融合框架构建；在预处理阶段，通过影像分割及一组判别规则首先提取候选建筑物对象集合；其次，通过遗传算法对MAPs的差分剖面进行筛选，利用自适应的ACGA-DAPs以提取潜在建筑物像素；在此基础上，结合统计与空间信息的建筑物指数SSBI，通过非监督的决策融合框架，最终实现了建筑物的自动化检测；

基于多属性联合优化的ACGA-DAPs提取过程包括：

在MAPs的提取过程中，首先对四种属性中的每种属性设定宽泛的取值区间及紧密的采样间隔，进而遍历区间内所有的尺度参数生成一组完整的MAPs集合；通过对所有相邻尺度进行差分，获得初始DAPs集合，定义为DAPs_cdi；

在DAPs_cdi基础上，通过引入GA算法以进一步筛选出不同属性中具有代表性的DAPs序列，并构建了一种自适应的ACGA-DAPs，具体步骤如下：

Step1：对于DAPs_cdi中属于同一属性的DAPs，首先进行有放回的随机抽样，获得该属性对应的Q个DAPs集合；

Step2：计算第q∈{1,2,...,Q}个DAPs集合D_q的适应度f(D_q)，f(D_q)由公式(4)计算得到：

其中，d_q为D_q中两个DAPs的差异性指标，d_q,q'为分别来自D_q和D_q'的两个DAPs的差异性指标；令任意两个DAPs的信息熵分别为H和H′，互信息为MI，则差异性指标d为：

Step3：保留适应度最小值对应的DAPs集合，定义为D_min；依据轮盘赌选择方法，重新选择Q-1个DAPs；采用One-point Crossover方法将D_min与Q-1个DAPs集合分别进行两两交叉操作并设定交叉概率P_c；采用轮盘赌选择方法重新选出Q个DAPs集合，并依据Step2的将D_min更新为D'_min；计算全部DAPs集合的距离分布矩阵S：

S＝(s_qq')_Q×Q (6)

其中，矩阵S中每个元素s_qq'表示D_q和D_q'之间的距离，获得每行的最小距离集合S_min；

令最大距离对应的适应度为f_m，依据公式(7)自适应确定交叉概率P_c：

其中f_max、f_min和f_avg分别为Q个DAPs集合中的最大、最小和平均适应度；

Step4:重复Step2和Step3，获得当前属性对应的代表性DAPs；遍历四种属性，所筛选出的全部DAPs共同构成ACGA-DAPs；

非监督决策融合框架的构建，包括：

(1)基于D-S证据理论的识别框架

令候选建筑物集合R_cdi中对象总数为I，对于任意一个对象R_i，i＝1,2,3，…，I，定义识别框架U：{B，NB}；其中，B代表建筑物，NB代表非建筑物，则U的非空子集A可取{B}，{NB}和{B，NB}；定义基本概率分配函数BPAF为m：2^U→[0,1]，并满足以下约束条件：

令ACGA-DAPs中的DAP总数为K，则K个m函数m₁，m₂，…，m_K的合成规则如下：

(2)建筑物指数集合SSBI的计算

Step1：计算统计学指标Dpro和Dpro′；依据R_cdi中全部对象内建筑物像素的比例，首先采用FCM方法确定两个比例参数v_B和v_NB，分别对应建筑物和非建筑物对象的聚类中心；依据ACGA-DAPs，计算R_i在第k∈{1,2，…，K}个DAP中的建筑物像素比例v_i，k到v_B和v_NB距离，分别定义为：

Dpro_i,k＝|ν_i,k-ν_B| (10)

Dpro′_i,k＝|ν_i,k-ν_NB| (11)

其中，Dpro和Dpro′作为统计学指标，反映了R_i属于建筑物和非建筑物对象的可能性，距离越小则可能性越高；

Step2：计算空间信息指标Dspa和Dspa′；令R_i中建筑物像素个数、非建筑物像素个数分别W_B、W_NB，第k个DAP中R_i的Dspa和Dspa′分别为：

其中，S_w和S_w′分别代表R_i中某一属于建筑物或非建筑物的像素到质心的距离；

Step3：计算SSBI；结合统计与空间信息指标并进行归一化，定义SSBI＝{SSBI_B，SSBI_NB}，其中：

(3)BPAF与判别规则

遍历所有R_i，依据公式(8)-(15)构建BPAF如下：

m_n({B})＝SSBI_B*γ_ate

m_n({NB})＝SSBI_NB*γ_ate (16)

m_n({B,NB})＝1-(SSBI_B*γ_ate+SSBI_NB*γ_ate)

其中，γ_ate为置信度因子，通过给DAPs数量较多的属性赋予较小的置信度，以应对ACGA-DAPs中可能存在属于四种不同属性的DAPs数量不平衡的问题；在ACGA-DAPs中，采用g_t分别代表四种属性的DAPs数量，t＝1,2,3,4，则某属性对应的γ_ate由公式(17)计算得到：

以此类推，分别获得四种属性对应的γ_ate；此时，基于BPAF，若满足m({B})m({NB})且m({B})m({B，NB})，则R_i是建筑物：否则，R_i是非建筑物；遍历R_cdi中的所有对象，从而获得最终的建筑物检测结果。