一種從遙感圖像中提取建成區的方法

2023-09-19 02:58:10 3

一種從遙感圖像中提取建成區的方法
【專利摘要】本發明公開了一種從遙感圖像中提取建成區的方法。該方法可採用基於貝葉斯推理的視覺顯著性檢測方法，結合圖像分割、自動閾值選取實現高解析度遙感圖像建成區的自動檢測和提取，可廣泛應用於城市規劃、城市擴張研究、災情評估和救災決策等多個領域。
【專利說明】一種從遙感圖像中提取建成區的方法

【技術領域】
[0001] 本發明涉及圖像處理領域，具體地，涉及一種從遙感圖像中提取建成區的方法。

【背景技術】
[0002] 從遙感圖像中提取建成區是將遙感圖像應用於城市研究的一個關鍵環節，特別是 對城市規劃、城市擴張研究、城區受災範圍及損失評估等有重要意義，也是目前遙感圖像處 理與分析領域的研究熱點之一。近年來，隨著經濟快速發展，我國的城市化進程也進入了全 新的階段。城市擴張的特徵之一是城市面積的變化，尤其是土地利用性質的變化。合理進 行城市規劃和有效利用土地資源是使城市化合理有序進行以及可持續發展的前提。衛星遙 感圖像是目前城市研究的重要來源,如何利用遙感圖像來界定城市邊界、提取城市區域是 利用影像進行城市研究的前提。目前，國內外很多學者進行了這方面的研究，但是城市是一 個複合體，具有很多不確定性，每個城市都有其特點，針對一個城市進行的研究成果，很難 適用於另一個城市。因此，建成區的準確提取仍是一個世界性技術難題，需對其做進一步研 究和探索。
[0003]目前，基於遙感影像的城市建成區的提取方法主要有：目視解譯法、非監督分類 法、監督分類法、人工建築指數法、基於光譜知識的城區提取模型等。目視解譯法靠人工確 定影像上的物體屬性或特徵，對影像進行識別，描述影像上的各種關係，根據影像上的類 另IJ、屬性和關係進行系統的解釋。這種方法由於加入了人的識別，判斷精確度較高，但工作 較繁瑣，效率低下，同時需要解譯人員具有較高的遙感圖像解譯識別知識與經驗。非監督分 類的前提是假定遙感圖像上同類物體在同樣條件下具有相同的光譜特徵條件。非監督分類 不必獲取影像地物的先驗知識，僅靠影像上不同類的物光譜信息（或紋理信息、幾何信息） 進行特徵提取再通過非監督分類方法或特徵分布模型進行分類，最後對已分出的各個類別 的屬性進行確認。與非監督分類方法相對應地，監督分類法需要大量的已知建成區數據進 行訓練，將訓練好的模型應用於新的影像時，可以直接從影像中提取建成區。這種方法雖然 較非監督分類方法更為精確，但是需要大量的人工標註。歸一化建築指數提取建成區是以 Landsat TM數據為基礎利用第5和第4個波段的反射差來計算建築指數，然後再用閾值分 割的方法提取建成區。多光譜或者高光譜數據波段眾多，光譜精細，為遙感圖像分析提供了 新的思路。基於光譜知識的建成區提取模型綜合利用多光譜或者高光譜數據的多個波段， 分析建成區在各個波段的反射率，建立光譜反射模型，或用光譜匹配或用規則來提取建成 區。
[0004]上述方法在實際應用（例如，針對特定數據類型的應用）中仍然需要人工幹預和 背景知識的加入。現有方法的普適性，全自動化能力仍然存在不足，需要研究新的方法。


【發明內容】

[0005]本發明的目的是提供一種方法，該方法能從如資源三號、高分一號、Quickbird等 高解析度遙感圖像中自動提取建成區。
[0006]為了實現上述目的，本發明提供一種從遙感圖像中提取建成區的方法，包括：獲取 圖像中每個像素的顯著性值；根據顯著性值將圖像劃分為前景區域和背景區域；分別計算 前景區域和背景區域的像素特徵似然函數；針對圖像中的每個像素，根據該像素的顯著性 值和像素特徵似然函數得到該像素為建築區的概率值；根據所述概率值，判斷圖像中的每 個像素是否為建成區；以及從圖像中對應於被判斷為建成區的區域中提取建成區。
[0007]優選地，本發明可基於圖像中的邊緣像素來計算每個像素的顯著性值，並對顯著 性值進行歸一化得到先驗概率。
[0008]優選地，本發明可對圖像進行超像素分割，並以超像素為單位將圖像劃分為前景 區域和背景區域。
[0009]優選地，本發明可採用自動閾值分割以將圖像劃分為前景區域和背景區域。
[0010]優選地，可計算前景區域和背景區域中的像素特徵似然函數，並且可基於貝葉斯 公式並利用先驗概率和像素特徵似然函數計算像素為建成區的後驗概率，然後可採用自動 閾值分割進行建成區判斷，最後從被判斷為建成區的區域中提取建成區。
[ocm]通過上述技術方案，可結合圖像分割、自動閾值分割、特徵似然概率分析技術自動 從遙感圖像中提取建成區。在上述過程中，不需要進行數據訓練和人工幹預。在優選方案 中，本發明可以以超像素為單位來分割圖像的前景區域和背景區域，能有效減少計算量，並 且本發明可以以像素為單位提取建成區，和以更大區域為單位提取建成區的方法相比具有 更高的準確性。
[0012]本發明的其它特徵和優點將在隨後的【具體實施方式】部分予以詳細說明。

【專利附圖】

【附圖說明】
[0013]附圖是用來提供對本發明的進一步理解，並且構成說明書的一部分，與下面的具 體實施方式一起用於解釋本發明，但並不構成對本發明的限制。在附圖中：
[0014]圖1示出了根據本發明的優選實施方式從圖像中提取建成區的流程圖； _5]圖2示出了一幅高解析度遙感圖像；
[0016] 圖3示出了對應於圖2的邊緣圖像；
[0017]圖4是在圖像中設置對應於像素的窗口的示意圖；
[0018]圖5示出了對應於圖2的基於邊緣密度的像素顯著性圖；
[0019]圖6示出了對圖2進行超像素分割後得到的結果示意圖；
[0020]圖7示出了以超像素為單位將圖2所示的遙感圖像劃分為前景區域和背景區域後 的結果不意圖；
[0021]圖8示出了圖2所示的圖像中的像素為建成區的概率示意圖；
[0022]圖9示出了可施加至圖2的二值掩碼圖像；以及
[0023]圖10示出了對圖2所示的遙感圖像進行建成區提取後得到的結果示意圖。

【具體實施方式】
[0024]以下結合附圖對本發明的【具體實施方式】進行詳細說明。應當理解的是，此處所描 述的【具體實施方式】僅用於說明和解釋本發明，並不用於限制本發明。
[0025]圖1示出了根據本發明的優選實施方式從遙感圖像中提取建成區的流程圖。下文 中將以圖2所示的高解析度遙感圖像作為應用對象對本發明的優選實施方式進行詳細描 述。
[0026] 在步驟S11中，可獲取圖像中每個像素的顯著性值。本發明可選用經過圖像融合 後的高解析度（例如，每個像素點所表示的區域的長和寬在1?4米範圍內）多光譜遙感 圖像。在遙感圖像中，建成區中人工建築物與其周圍光譜差異顯著，使得建成區通常具有豐 富的邊緣，而如耕地、林地、水體等背景區域中邊緣較少，因此可基於邊緣密度得到像素的 顯著性值。本優選實施方式中計算顯著性值的具體步驟如下：
[0027] (1)計算每個像素的梯度幅值。可先將例如遙感圖像的彩色圖像轉換為灰度圖像， 然後計算每個灰度像素的梯度值,進一步得到像素的梯度幅值。原圖像和灰度圖像中相同 位置上的像素一一對應。I為用像素值表示的灰度圖像，可採用下式（1)對I濾波以得到X 軸方向和Y軸方向的梯度圖像gx和gy:
[0028] gx = I^fj, gy = I*f2 式（!）
[0029]其中表示卷積運算，和f2為如下所示的梯度算子：
[0030] [-1,0, l],f2= [-1,0, 1]τ 式（2)
[0031]將圖像gx和gy相加可得到例如遙感圖像的圖像中每個像素的梯度幅值。本發明 可採用梯度一階模計算梯度幅值：
[0032] g= |gx| + |gy| 式（3)
[0033]根據需要，也可選用梯度二階模等來計算梯度幅值。
[0034] (2)可採用自適應閾值選取方法計算該圖像的梯度幅值閾值，以判斷每個像素是 否為邊緣像素。本優選實施方式中，可使用大津法（0tsu法）計算梯度幅值閾值。文獻〇tsu N. A threshold selection method from gray-level histograms[J]. Automatica, 1975,1 1 (285_2%) :23-27中詳細介紹了大津法的具體計算步驟，本發明不再對其贅述。針對圖像 中的每個像素，如果該像素的梯度幅值大於計算出的梯度幅值閾值，則判斷該像素為邊緣 像素；否則判斷該像素不為邊緣像素。圖 3示出了根據上述方法得到的對應於圖2的邊緣 圖像。圖3中邊緣像素用白色像素點來表示，非邊緣像素用黑色像素點來表示。
[0035]除上述方法外，還可使用canny邊緣像素檢測算法等本領域已知技術手段來得到 如圖2所示的圖像的邊緣圖像。
[0036] (3)針對圖像中任意像素1，可在圖像中設置包含像素1的大小為w的窗口，用該 窗口的邊緣像^密度和邊緣像素分布來表示像素 i的顯著性。w為經驗值，可根據需要設 置。如圖上所示，本實施方式中，可在設置窗口時將像素1作為中心，並可用像素1作為坐 標原點建立直角坐標系。用ηε表示落在該窗口內的邊緣像素數目，用n w表示該窗口內的像 素總數，則該窗口的邊緣像素密度可表示為：
[0037]

【權利要求】
1. 一種從遙感圖像中提取建成區的方法，包括： 獲取圖像中每個像素的顯著性值； 根據所述顯著性值將所述圖像劃分為前景區域和背景區域； 分別計算所述前景區域和所述背景區域的像素特徵似然函數； 針對所述圖像中的每個像素，根據該像素的所述顯著性值和所述像素特徵似然函數得 到該像素為建築區的概率值； 根據所述概率值，判斷所述圖像中的每個像素是否為建成區；以及 從所述圖像中對應於被判斷為建成區的區域中提取建成區。
2·根據權利要求1所述的從遙感圖像中提取建成區的方法，其中，獲取圖像中每個元 素的顯著性值包括： 判斷所述圖像中的每個像素是否為邊緣像素； 針對所述圖像中的每個像素，在所述圖像中設置對應於該像素的窗口，該像素位於該 窗口中，並計算該窗口的邊緣像素密度和邊緣像素分布；以及 所述圖像中每個像素的所述顯著性值等於對應於該像素的所述窗口的所述邊緣像素 密度和所述邊緣像素分布的乘積。
3. 根據權利要求2所述的從遙感圖像中提取建成區的方法，其中，所述窗口的所述邊 緣像素密度為$，其中，ne表示該窗口內的所述邊緣像素的數目，n w表示該窗口內的像素 總數。
4. 根據權利要求2所述的從遙感圖像中提取建成區的方法，其中，每個像素位於對應 於該像素的所述窗口的中心，以該元素為坐標原點建立直角坐標系，用叫，1 = 1，2, 3, 4表 示對應於該像素的所述窗口中分別落在該坐標系的四個象限內的所述邊緣像素的數目，則 患軸 該窗口的所述邊緣像素分布為^ ° -L· /7?. 4 ^1-2,3,4
5. 根據權利要求1所述的從遙感圖像中提取建成區的方法，其中，根據所述顯著性值 將所述圖像劃分為前景區域和背景區域包括： 對所述圖像進行超像素分割，並且計算每個超像素的顯著性值；以及 根據所述超像素的所述顯著性值將所述圖像以超像素為單位劃分為所述前景區域和 所述背景區域。
6. 根據權利要求5所述的從遙感圖像中提取建成區的方法，其中，每個所述超像素的 顯著性值為包含在該超像素中的所有像素的所述顯著性值的平均值。
7. 根據權利要求5所述的從遙感圖像中提取建成區的方法，其中，將所述圖像以超像 素為單位劃分為所述前景區域和所述背景區域包括： 採用自適應閾值選取方法得到所述圖像中的超像素的顯著性值閾值，針對所述圖像中 的每個超像素，如果該超像素的所述顯著性值大於超像素的所述顯著性值閾值，則判斷該 超像素屬於所述前景區域，否則判斷該超像素屬於所述背景區域。
8. 根據權利要求1所述的從遙感圖像中提取建成區的方法，其中，所述像素特徵似然 函數包括顏色特徵似然函數、方向特徵似然函數和方向熵特徵似然函數中的至少一者。
9. 根據權利要求1或8所述的從遙感圖像中提取建成區的方法，其中，基於貝葉斯公式 根據下式計算所述圖像中的每個像素為建成區的概率值p(bulidings| 1): ~p(J)xp(ch\J)-， pif)xp(ch I./ )+p(b) ^ p(ch \ b) 其中，用1表示所述圖像中的任意一個像素，P(f)表示該像素 1屬於所述前景區域的 概率，此處p(f)為該像素 1的所述顯著性值歸一化後的結果；p(b)表示該像素 1屬於所 述背景區域的概率，p(b) = l-p(f) ;p(ch|f)為所述前景區域的所述像素特徵似然函數， p (ch|b)為所述背景區域的所述像素特徵似然函數。
10. 根據權利要求1所述的從遙感圖像中提取建成區的方法，其中，判斷所述圖像中的 每個像素是否為建成區包括： 採用自適應閾值選取方法得到所述圖像中的像素為建成區的概率閾值，針對所述圖像 中的每個像素，如果該像素的所述概率值大於所述概率閾值，則判斷該像素為建成區，否則 判斷該像素不為建成區。
【文檔編號】G06T7/00GK104217440SQ201410510648
【公開日】2014年12月17日 申請日期:2014年9月28日 優先權日:2014年9月28日
【發明者】溫奇, 範一大, 劉慶傑, 王薇, 崔燕, 黃河, 王平, 張薇, 李苓苓, 湯童, 林月冠, 王蘊紅 申請人:民政部國家減災中心, 北京航空航天大學