[发明专利]一种遥感影像建筑物识别方法

摘要

一种遥感影像建筑物识别方法，属于遥感目标图像识别方法，克服现有建筑物检测方法中存在的建筑物误检和漏检的问题，以提高正确检测率。本发明顺序包括：区域分割步骤、建筑物初提取步骤、道路滤波步骤和建筑物后提取步骤。本发明具有良好的稳定性和较强的环境适应能力，可以解决建筑物与邻近光谱相近的道路相互混淆的问题，而且可以检测同一幅影像中具有不同形状结构和光谱特性的建筑物目标，建筑物提取结果准确率高、鲁棒性好，能有效提取绝大多数高分辨率遥感图像下的各类建筑物目标，在地理信息系统和数字城市系统建设中具有一定的实用价值。

主权项

1.一种遥感影像建筑物识别方法，顺序包括：(1)区域分割步骤，包括下述子步骤：(1.1)对输入影像u₁的每个像素点(x₀，y₀)计算似然函数，得到邻域总变分影像LS(u₁)，并将其规格化至[0，255]之间；LS(u1(x0,y0))=∫Dru1(x0,y0)λ(x,y)dxdy∫Dru1(x0,y0)λ(x,y)|▿u1(x,y)|2+βdxdy]]>其中，分母为加权的邻域总变分，为梯度算子，0＜β＜1，为可调参数，避免在▿u1=0]]>时分母为0；x₀，y₀为输入影像u₁像素点的横坐标和纵坐标，1≤x₀≤h，1≤y₀≤w，h，w分别为输入影像u₁的长和宽；为以像素点(x₀，y₀)为圆心，半径为r的圆形支持域，r取5～13；λ(x，y)为支持域中对应像素点(x，y)的权值，λ(x,y)=exp(-(x-x0)2+(y-y0)22);]]>x，y为支持域中像素点(x，y)的横坐标和纵坐标，(x-x₀)²+(y-y₀)²≤r；(1.2)将邻域总变分影像LS(u₁)中像素值小于分割阈值的像素点的像素值赋为0，像素值大于分割阈值的像素点保留其原有像素值，得到阈值处理后的影像u₂，分割阈值为30～40；(1.3)采用区域生长方法分割阈值处理后的影像u₂中像素值非0区域，得到包括多个候选建筑物对象区域的影像u₃；每个候选建筑物对象区域由多个同质像素组成；(1.4)利用绿地的光谱特征将绿地O₁从影像u₃分离出去，得到屏蔽绿地O₁后的影像u₄；(2)建筑物初提取步骤：提取分割完整的矩形状建筑物目标；对屏蔽绿地后的影像u₄，计算各区域的矩形度P₁、长宽比P₂和面积S₀，当该区域的0.8≤P₁≤1、1≤P₂≤4且100/M≤S₀≤5000/M时，将该区域标记为建筑物对象O₂并提取，得到建筑物初提取后的影像u₅，1≤M≤5，为输入影像u₁的分辨率；P1=S0SR,]]>P2=l1l2,]]>其中，S₀为区域面积，为区域所包含像素点个数；S_R为该区域最小外接矩形面积，对于矩形房屋P₁取得最大值1.0；l₁、l₂分别表示区域最小外接矩形的长和宽；(3)道路滤波步骤，包括下述子步骤：(3.1)形态学滤波：用一组多方向线状结构元素对建筑物初提取后的影像u₅做如下形态学运算，提取影像中的道路区域O₃放入道路影像f：符号ο表示二值形态学开运算，一组多方向线状结构元素为：其中，(x_i，y_i)表示多方向线状结构元素的元素坐标，方向角α_i＝i×10°，长度L为80～100个像素；(3.2)去除道路区域：用u₅减去f，剔除影像u₅中的道路区域，实现建筑物区域与道路区域的分离，得到道路滤波后的影像u₆；(4)建筑物后提取步骤：首先利用初提取的建筑物对象O₂和已排除的绿地O₁、道路区域O₃作为训练集提取特征，得到建筑物类判别特征矢量集和非建筑物类判别特征矢量集；然后对建筑物类和非建筑物类判别特征矢量集分别进行建立先验模型，以估计建筑物类和非建筑物类两类对象的条件概率密度函数；最后利用贝叶斯判别方法对道路滤波后的影像u₆中各区域进行判决，得到后提取的建筑物，连同所述建筑物初提取步骤中提取的建筑物对象O₂，一并作为识别出的建筑物。