一種基於高解析度遙感影像的農村居民點信息提取方法
2023-07-20 22:38:41 2
一種基於高解析度遙感影像的農村居民點信息提取方法
【專利摘要】一種基於高解析度遙感影像的農村居民點信息提取方法，首先對高解析度遙感影像進行Canny邊緣檢測，通過鏈碼追蹤獲取矢量邊緣線；然後對矢量邊緣進行道格拉斯—普克化簡提取直線段，並按照長度約束剔除較短的直線段、保留較長的直線段；接著根據直線段間的鄰接關係和夾角約束提取直角點，並統計一定空間區域範圍內直角點的密度特徵、生成直角點密度特徵圖像，且特徵圖像與輸入的高解析度遙感圖像具有相同的空間範圍和空間解析度；最後，利用大津算法對密度特徵圖像進行二值化處理，通過連通成分分析提取農村居民點矢量圖斑，從而實現農村居民點信息的提取，不僅提高了精度和效果，而且魯棒性和普適性更好。
【專利說明】一種基於高解析度遙感影像的農村居民點信息提取方法
【技術領域】
[0001]本發明涉及一種遙感影像信息提取方法，具體地說是一種基於高解析度遙感影像的農村居民點信息提取方法，屬於圖像智能處理【技術領域】。
【背景技術】
[0002]城鎮化是人口持續向城鎮集聚的過程，是世界各國工業化進程中必然經歷的歷史階段，是實現工業化、現代化歷程中的重要標誌，體現了社會生產生活方式的質變與優化。我國直至改革開放以後，才迎來城鎮化發展的浪潮。國家統計局的數據顯示，中國的城鎮化水平由1978年的17.9%上升到2012年的52.6%，上升了 34.7個百分點，年均上升1.0個百分點，達到了世界平均水平。但快速發展的城鎮化背後潛藏的諸多矛盾、問題也日益凸顯。諸如,城鎮化與工業化之間的不匹配,土地城鎮化與人口城鎮化之間的非規整,城鎮結構體系不合理，城鎮化導致的土地浪費，環境質量降低等等問題。因此，在黨的十八大報告中，提出了有中國特色的新型城鎮化發展之路，將其定位為我國面向新時期經濟社會發展提出的國家戰略。為改善城鎮化與導致的土地浪費的問題，新型城鎮化在城鎮建設方面強調「集聚增長、混合利用、緊湊開發」的集聚緊湊策略，注重土地資源的合理配置與利用。另夕卜，新型的城鎮化建設過程中既要快速的監測城鎮建成區面積信息，又要快速的獲取農村居民點面積信息，以服務於國民經濟的宏觀調控和國土資源的高效利用。
[0003]農村居民點面積是判斷一個區域經濟社會發展規模和階段的重要指標，也是判斷一個區域城鎮發展水平的重要依據，以及判斷一個區域土地利用效率的基礎數據，反映了一個區域的綜合經濟實力與現代化水平。
[0004]伴隨遙感技術的快速發展，高解析度遙感影像已經成為獲取農村居民點信息的主要途徑。如何從海量高解析度遙感影像數據中高效、精準地提取農村居民點區域邊界信息，是高解析度遙感影像智能解譯中亟待解決的關鍵技術問題之一。同時，農村居民點是遙感影像中典型的、很常見也很重要的地物要素類型，其信息的有效獲取，在地理數據更新、地形圖測制與修測、城市規劃管理等領域均有及其重要的意義。
[0005]在遙感圖像農村居民點提取方法上，目前應用較為廣泛的方法包括:目視解譯法、監督分類法、非監督分類法、面向對象的分類算法、人工神經網絡法、基於譜間特徵與多種指數法、基於空間結構的提取方法等。由於農村居民點內部地物複雜性，空間分布的差異性與時域的變異性，目前農村居民點提取方法中精度最高的仍是目視解譯方法，但其需要投入巨大的人力和時間。而現有基於圖像分類、光譜指數和空間結構的方法，往往受到「同物異譜，異物同譜」和地物空間結構的複雜性影響，通常需要後期的人工參與進行識別修正，以提高提取精度。另外，從數據源上，目前已有的方法多數適用於中低空間解析度的遙感影像，部分提出的高解析度遙感農村居民點提取方法又往往受影像質量、場景複雜度的影響較大、且需要大量的人工幹預，這降低了方法的普適性和自動化程度。
[0006]而在居民地內部包含有大量的人造目標(如建築物頂、道路、停車場等)，這些人造目標存在大量的直角點特徵；同時，自然地物(如林地、草地、耕地)不存在或者僅僅存在少量直角點特徵。這反應在影像特徵方面，表現為:居民點區域的高解析度遙感影像可以檢測出大量的直角點，非居民地區域的高解析度遙感影像檢測不出或者可以檢測出少量的直角點，且居民點區域高解析度遙感影像的直角點的密度顯著的大於非居民點區域高解析度遙感影像的直角點密度。因此，如果能可靠地檢測到屬於這些人工地物的直角點，很自然地就可以利用影像中的角點密度特徵及其分布來推斷候選居民地的位置及其大小。
[0007]近20年來，人們提出了很多角點檢測方法，最著名的是Harris角點檢測算法。儘管Harris角點檢測算法對角點的定位非常準確，並且能在居民地內部檢測到大量的角點，但存在的不足是，該方法對紋理區域十分敏感，容易在一些紋理豐富的非居民地中(如森林、農田等)檢測到大量的角點。因此，直接利用Harris角點提供的信息來推斷影像中的居民地區域是不切實際的。
【發明內容】
[0008]針對現有技術的不足，本發明提供了一種基於高解析度遙感影像的農村居民點信息提取方法，它能夠滿足影像中農村居民地提取的需要，提高高解析度遙感影像農村居民點提取的魯棒性和普適性。
[0009]本發明解決其技術問題採取的技術方案是:一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，包括以下步驟:
[0010]步驟一，對高解析度遙感影像進行邊緣檢測獲取矢量邊緣線；
[0011]步驟二，對矢量邊緣線進行化簡提取直線段，只保留較長的直線段；
[0012]步驟三，根據直線段間的鄰接關係和夾角約束提取直角點，並生成直角點密度特徵圖像；
[0013]步驟四，對直角點密度特徵圖像進行二值化處理，提取農村居民點矢量圖斑，從而實現了農村居民點信息的提取。
[0014]優選地，在步驟一中，對高解析度遙感影像進行Canny邊緣檢測，通過鏈碼邊緣追蹤方法獲取矢量邊緣線。
[0015]優選地，在步驟二中，分別對每一條矢量邊緣線進行道格拉斯一普克(Douglas-Peukcer)分裂提取直線段，並按照長度閾值約束剔除較短的直線段、保留較長的直線段。
[0016]優選地，在步驟三中，根據直線段間的鄰接關係和夾角約束提取直角點，並統計一定空間區域範圍內直角點的密度特徵以及生成直角點密度特徵圖像，且生成的直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度。
[0017]優選地，在步驟四中，利用大津算法(Otsu算法)對直角點密度特徵圖像進行二值化處理，並通過連通成分分析提取農村居民點矢量圖斑。
[0018]進一步地，所述步驟一具體包括以下步驟:(I)採用高斯濾波器對高解析度遙感影像進行平滑處理；(2)計算梯度的幅值和方向；(3)對梯度幅值進行非極大值抑制；(4)用雙閾值算法檢測圖像邊緣；(5)通過鏈碼邊緣追蹤方法獲取矢量邊緣線。
[0019]進一步地，所述步驟二具體包括以下步驟:(I)對於某一矢量的曲線，計算曲線之間距離弦通距離最大的點C;(2)如果距離d(C，Jb)大於一定的閾值，則點C保留下來，作為最終曲線的一個頂點；(3)繼續對曲線按照步驟⑴和(2)進行處理，即如果弧之間距離最大的頂點D到弦的距離仍然大於預設閾值，則頂點D保留下來作為新的頂點；同樣，計算弧之間的距弦斤距離最大的頂點E，如果距離大於預設閾值，則頂點E保留下來作為新的頂點；(4)重複步驟(3)繼續對曲線進行處理，直到沒有超過預設閾值的頂點為止。
[0020]進一步地，所述步驟三具體包括以下步驟:(I)對某一直線段的一個端點，搜索距離該端點一定空間距離閾值內的所有直線段，並檢查是否有其他直線段與該直線段垂直；如果存在垂直該直線段的直線段，則求取兩垂直直線的交點作為直角點；(2)對上述直線段的另一端點做類似的處理，如果獲取的直角點與已有的直角點不重複，則作為新的直角點；反之，不保留該直角點；(3)繼續用按照步驟(I)和(2)處理其它直線段，直至所有的直線段判別完成，則可以生成該高解析度遙感圖像上的所有直角點；(4)生成一個新的直角點密度特徵圖像，該直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度，且圖像的每一個像素值標記為O ;(5)對直角點密度特徵圖像按照一定的規則進行分塊，每一塊呈正方形、且塊與塊之間無重疊；(6)計算每一塊內直角點的數量n，同時該塊內直角點密度特徵圖像的像素值標記為n，直至所有的塊處理完畢，其中，η為正整數。
[0021]進一步地，所述步驟四具體包括以下步驟:(1)對直角點密度特徵圖像採用大津算法進行聚類處理，把直角點密度特徵圖像的每一像素按像素值分成兩類，即農村居民點類和非農村居民點類；(2)對農村居民點類的像素進行4連通的連通成分分析，對獲取的連通成分進行柵格矢量化處理生成農村居民點矢量圖斑。
[0022]本發明的有益效果如下:
[0023](I)改進了直角點的提取方法，使用鄰近直線段求交生成直角點，使直角點提取更加魯棒，克服了常規的角點檢測方法受影像質量、場景複雜度和自然地物影響的弱點。
[0024](2)通過直角點密度強度特徵分析獲取了高解析度遙感影像的農村居民點區域和非農村居民點區域信息，極大地提高了高解析度遙感影像農村居民點提取的精度和效果。
[0025](3)相比現有的農村居民點提取方法，本發明的的魯棒性和普適性更好。
【專利附圖】
【附圖說明】
[0026]圖1為本發明的方法流程圖；
[0027]圖2(a、b、c、d)為本發明的對矢量邊緣線進行化簡提取直線段的過程示意圖；
[0028]圖3為本發明的提取直角點的示意圖；
[0029]圖4為本發明農村居民點信息提取的技術流程圖；
[0030]圖5為某一農村區域的高解析度遙感影像；
[0031]圖6為經典的Harris角點檢測算法的檢測結果及局部放大圖；
[0032]圖7為本發明直角點提取方法的檢測結果及局部放大圖；
[0033]圖8為本發明基於高解析度遙感影像的農村居民點信息(白色區域)提取結果圖。
【具體實施方式】
[0034]為能清楚說明本方案的技術特點，下面通過【具體實施方式】，並結合其附圖，對本發明進行詳細闡述。下文的公開提供了許多不同的實施例或例子用來實現本發明的不同結構。為了簡化本發明的公開，下文中對特定例子的部件和設置進行描述。此外，本發明可以在不同例子中重複參考數字和/或字母。這種重複是為了簡化和清楚的目的，其本身不指示所討論各種實施例和/或設置之間的關係。應當注意，在附圖中所圖示的部件不一定按比例繪製。本發明省略了對公知組件和處理技術及工藝的描述以避免不必要地限制本發明。
[0035]針對農村居民地信息提取的需要，本發明提供了一種基於直角點密度特徵分析的高解析度遙感影像農村居民點信息提取方法，尤其採取了一種基於矢量直線段的直角點生成方法，以提高直角點檢測和高解析度遙感影像農村居民點提取的魯棒性和普適性，可應用於高解析度遙感圖像的智能解譯，特別是遙感製圖、城鎮化監測、生態紅線監測等【技術領域】。
[0036]如圖1所示，本發明的一種基於高解析度遙感影像的農村居民點信息提取方法，它包括以下步驟:
[0037]步驟一，對高解析度遙感影像進行Canny邊緣檢測，通過鏈碼邊緣追蹤方法獲取矢量邊緣線；
[0038]步驟二,分別對每一條矢量邊緣線進行道格拉斯一普克(Douglas-Peukcer)分裂提取直線段，並按照長度閾值約束剔除較短的直線段、只保留較長的直線段；
[0039]步驟三，根據直線段間的鄰接關係和夾角約束提取直角點，並統計一定空間區域範圍內直角點的密度特徵以及生成直角點密度特徵圖像，且生成的直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度；
[0040]步驟四，利用大津算法(Otsu算法)對直角點密度特徵圖像進行二值化處理，並通過連通成分分析提取農村居民點矢量圖斑，從而實現了農村居民點信息的提取。
[0041]進一步地，所述步驟一具體包括以下步驟:
[0042](I)採用高斯濾波器對高解析度遙感影像進行平滑處理
[0043]採用I[i，j]表示原始圖像中像素(行號為1、列號為j)的像素值，使用可分離濾波方法求圖像與高斯平滑濾波器卷積，得到的結果是一個已平滑數據陣列，如式(I)所示:
[0044]S[i, j] =G[o]*I[i, j],(I)
[0045]其中S[i，j]表示平滑後像素值；G(o)是高斯函數；0是散布參數，它控制著平滑程度。
[0046](2)計算梯度的幅值和方向
[0047]式⑴所示已平滑數據陣列S[i，j]的梯度可以使用2X2 —階有限差分近似式來計算X與y偏導數的兩個陣列P [i，j]與Q[i，j]，如式(2)所示:
[0048]P[i，j]?(S[i，j+l]-S[i, j]+S[i+l, j+l]-S[i+l, j])/2
[0049]A(2)
[0050]Q[i，j] ^ (S[i，j]-S[i+l, j]+S[i, j+l]-S[i+l, j+l])/2
[0051]在這個2X2正方形內求有限差分的均值，以便在圖像中的同一點計算X和y的偏導數梯度。幅值M[i，j]和方位角Θ [i, j]可用直角坐標到極坐標的坐標轉化公式來計算，如式(3)和式(4)所示:
[0052]M [/,./] = '/屍[/,./]:+(?[/,./]:(3)
[0053]Θ [i, j] = arctan(Q[i, j]/P[i, j]) 4)
[0054]其中，反正切函數包含了兩個參量,它表示一個角度,其取值範圍是整個圓周範圍內。
[0055](3)對梯度幅值進行非極大值抑制
[0056]為了精確定位邊緣，必須細化梯度幅值圖像M[i，j]中的屋脊帶，只保留幅值局部變化最大的點，這一過程就是非極大值抑制(nonmaxima suppress1n,匪S)。這一算法首先將梯度角Θ [i, j]的變化範圍減小到圓周的四個扇區之一，公式如式(5)所示:
[0057]ζ [i, j] = Sector( Θ [i, j])(5)
[0058]四個扇區的標號為0到3，對應著3X3鄰域內元素的四種可能組合，任何通過鄰域中心的點必通過其中一個扇區；梯度線可能方向的圓周分區用度來標記。該算法使用一個3X3鄰域作用於幅值陣列M[i，j]的所有點；在每一點上，鄰域的中心像素M[i，j]與沿著梯度線的兩個元素進行比較，其中梯度線是由鄰域的中心點處的扇區值i [i, j]給出的。如果在鄰域中心點處的幅值M[i，j]不比沿梯度線方向上的兩個相鄰點幅值大，則M[i，j]賦值為零。這一過程可以把M[i，j]寬屋脊帶細化成只有一個像素點寬。在非極大值抑制過程中，保留了屋脊的高度值。
[0059]設
[0060]N[i, j] = NMS(M[i, j], ζ [i, j]) (6)
[0061]表示非極大值抑制過程，N[i, j]中的非零值對應著圖像強度階躍變化處的對比度。儘管在邊緣檢測的第一步對圖像進行了平滑，但非極大值抑制幅值圖像N[i，j]仍會包含許多由噪聲和細紋理引起的假邊緣段。實際中，假邊緣段的對比度一般是很小的。
[0062](4)用雙閾值算法檢測圖像邊緣
[0063]為了減少假邊緣的數量，Canny算子採用了雙閾值算法。雙閾值算法對非極大值抑制圖像N[i，j]作用雙閾值」和τ2，且T2?2 T1，得到兩個閾值邊緣圖像T1Kj]和T2[i，j]。由於圖像!^，j]是用高閾值得到的，因此它含有很少的假邊緣，但T2[i，j]可能在輪廓上有間斷(太多的假錯誤)。雙閾值法要在T2[i，j]中把邊緣連接成輪廓，當到達輪廓的端點時，該算法就在I\[i，j]的8-鄰點位置尋找可以連接到輪廓上的邊緣，這樣，算法將不斷地在I\[i，j]中收集邊緣，直到將!^^中所有的間隙連接起來為止。進行完連接後，得到二值化的細化的邊緣圖像。
[0064](5)通過鏈碼邊緣追蹤方法獲取矢量邊緣線
[0065]邊緣跟蹤也稱為邊緣點連結，是由梯度圖中一個邊緣點出發，依次搜索並連接相鄰邊緣點從而逐步檢測出邊界的方法。為了消除噪聲的影響，保持邊界的光滑性，在搜索時每確定一個新的邊界點都要考慮先前得到的邊界點。而為了克服噪聲造成的邊緣點之間的不連通，對梯度圖要充分保持其已有的信息。一般來說邊界跟蹤包括三個步驟:
[0066]⑴確定作為搜索起點的邊緣點(根據算法不同，可以是一個點或多個點)，起點的選擇很重要，整個算法對此依賴性很大；
[0067]⑵確定和採取一種合適的數據結構和搜索機理，在已發現的邊界點的基礎上確定新的邊界點，要注意研究先前的結果對選擇下一個檢測像素和下一個結果的影響；
[0068]⑶確定搜索終結的準則或終止條件(如封閉邊界則回到起點)，並在滿足條件時停止進程，結束搜索。
[0069]進一步地，所述步驟二具體包括以下步驟:(I)對於某一矢量的曲線，計算曲線之間距離弦距離最大的點C，如圖2(a)所示；(2)如果距離d(C，ΛΒ )大於一定的閾值
(本發明中設置為3個像素，下同)，則點C保留下來，作為最終曲線的一個頂點，如圖2(b)所示；(3)繼續對曲線按照步驟(I)和(2)進行處理，即如果弧之間距離最大的頂點D到弦的距離仍然大於預設閾值，則頂點D保留下來作為新的頂點；同樣，計算弧之間的距弦巧距離最大的頂點E，如果距離大於預設閾值，則頂點E保留下來作為新的頂點，如圖2 (c)所示；(4)重複步驟(3)繼續對曲線進行處理，直到沒有超過預設閾值的頂點為止，如圖2(d)所示。
[0070]進一步地，所述步驟三具體包括以下步驟:(I)對某一直線段的一個端點，搜索距離該端點一定空間距離閾值內的所有直線段，並檢查是否有其他直線段與該直線段垂直；如果存在垂直該直線段的直線段，則求取兩垂直直線的交點作為直角點；(2)對上述直線段的另一端點做類似的處理，如果獲取的直角點與已有的直角點不重複，則作為新的直角點；反之，不保留該直角點；(3)繼續用按照步驟(I)和(2)處理其它直線段，直至所有的直線段判別完成，則可以生成該高解析度遙感圖像上的所有直角點；(4)生成一個新的直角點密度特徵圖像，該直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度，且圖像的每一個像素值標記為O ;(5)對直角點密度特徵圖像按照一定的規則進行分塊，每一塊呈正方形、且塊與塊之間無重疊；(6)計算每一塊內直角點的數量n，同時該塊內直角點密度特徵圖像的像素值標記為n，直至所有的塊處理完畢，其中，η為正整數。如圖3所示，直線段Linel為當前待判別的直線段，直線段Linel —端的端點標記為O，直線段Line2、Line3、Line4距離端點ο最近的端點的距離分別為d2、d3、d4,且d2、d3、d4的長度均小於設定的距離閾值S。其中，唯有Line3與Linel的夾角接近90° ;此時，求直線段Linel與直線段Line3的交點作為一個新的直角點。繼續進行下一直線段的判別和直角點的求取；但如果直角點已經存在，則不算新的直角點，並忽略。
[0071]進一步地，所述步驟四具體包括以下步驟:(1)對直角點密度特徵圖像採用大津算法進行聚類分類處理。居民地與非居民地的特徵圖像像素值服從一個雙峰分布，二者之間必然存在一個分割閾值，利用大津算法方法可以找到最佳的分割閾值。即，把直角點密度特徵圖像的每一像素按像素值分成兩類，即農村居民點類和非農村居民點類。(2)對農村居民點類的像素進行4連通的連通成分分析。連通成分分析的過程是:
[0072]第一編掃描:逐行的搜索整個圖像R，對於每個非零像素R(i，j)賦一個非零的值V.根據鄰域像素的標號來選擇V值，其中鄰域的性質是4連通。
[0073]如果所有的鄰域都是背景像素，則R(i，j)被賦予一個新的標號；
[0074]如果僅有一個鄰域像素有非零標號，那麼就把這個標號賦予像素R(i，j)；
[0075]如果鄰域中有不止非零像素，則把這些像素中的任意一個的標號賦予要標註的像素。如果鄰域的標號有不同的，即標號衝突，則將標號對作為等價的保存起來。等價對被保存在單獨的數據結構——等價表中。
[0076]第二遍掃描:所有的區域像素在第一編掃描時被標註了，但是一些區域存在具有不同標號的像素(由於標號衝突)。再一遍掃描圖像，使用等價表的信息重新標註像素(例如用等價表中的最小值)。當目標的形狀是U形、E形的鏡像等時，經常會發生標號衝突。等價表是一個出現在圖像中的所有標號對的列表；所有的等價標號在第二步中被用一個唯一的標號代替。因為通常標號衝突的數目事先不知道，所以為把等價表保存在數組中必須分配足夠的空間。推薦使用動態分配的數據結構。更進一步，如果指針被賦予標號標識，第二遍圖像掃描就沒有必要了，而且僅僅重寫這些指針所指的標號會更快一些。算法在4-鄰域和8-鄰域的情況下基本相同，不同點僅在鄰域掩模的形狀上。為了便於在第二遍掃描中對區域進行簡單計數，給區域賦予遞增的標號是有用的。
[0077]對獲取的連通成分進行柵格矢量化處理生成農村居民點矢量圖斑。
[0078]本發明創造性地引入鄰接的、夾角滿足一定條件的長直線段求交獲取直角點的檢測算法，利用新的直角點檢測算法，以局部區域的直角點密度大小特徵作為農村居民點的判別依據，識別和提取農村居民點矢量圖斑。同時還集成了經典的Canny邊緣檢測算法、道格拉斯一普克(Douglas-Peukcer)、連通成分分析、Otosu算法等,形成了一套完整的適合於農村居民點提取的技術流程。
[0079]如圖4所示，本發明進行農村居民點信息提取的數值計算流程如下:
[0080](I)加載農村區域的高解析度遙感影像數據；
[0081](II)對高解析度遙感影像進行Canny邊緣檢測；
[0082](III)進行邊緣追蹤生成矢量邊緣線；
[0083](IV)對矢量邊緣線利用道格拉斯一普克(Douglas-Peukcer)算法分裂提取直線段；
[0084](V)按照長度閾值約束剔除較短的直線段、而保留較長的直線段；
[0085](VI)根據直線段間的鄰接關係和夾角約束提取直角點；
[0086](VII)生成直角點密度特徵圖像；
[0087](VIII)利用大津算法(Otsu算法)對密度特徵圖像進行二值化分類，即農村居民點類、非農村居民點類；
[0088]( IX )對農村居民點類像素進行連通成分分析；
[0089]( X )對獲取的連通成分進行柵格矢量化處理生成農村居民點圖斑。
[0090]為了驗證基於直角點密度特徵分析的高解析度遙感影像農村居民點信息提取方法的有效性，同時為了比較經典的Harris角點檢測算法和本發明提出的直角點提取算法的性能，結合某一高解析度衛星影像進行了農村居民點提取實驗、Harris角點提取實驗和本發明提出的直角點提取實驗。
[0091]本實驗在相同實驗平臺下，實驗硬體平臺為CPU P42.6GHz, RAM 2G，作業系統為Windows XP，實驗數據為山東省臨沂市沂水縣的某一農村區域高解析度遙感影像，如圖5所示。經典的Harris角點檢測算法的檢測結果如圖6所示，Harris角點(白色十字)的提取結果為39795個角點；本發明提出的直角點提取算法的檢測結果如圖7所示，本發明的直角點(白色十字)提取方法的結果為11553個直角點；本發明基於高解析度遙感影像農村居民點提取結果分別如圖8所示，圖8中白色區域為農村居民點。由此可知，在相同的實驗平臺和實驗數據情況下，本發明提出的直角點提取算法提取的直角點的數量少、且集中分布於農村居民點內部區域；而經典的Harris角點檢測算法提取的角點的數量較多、其中有部分非直角點，且有大量的點分布於非農村居民點內部區域；可見，本發明提出的直角點提取算法的性能優於經典的Harris角點檢測算法。另外，基於直角點密度特徵分析的高解析度遙感影像農村居民點提取結果與人工解譯的結果基本一致，證明了本發明涉及方法具有優異的提取效果。
[0092] 以上所述只是本發明的優選實施方式，對於本【技術領域】的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也被視為本發明的保護範圍。
【權利要求】
1.一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，包括以下步驟: 步驟一，對高解析度遙感影像進行邊緣檢測獲取矢量邊緣線； 步驟二，對矢量邊緣線進行化簡提取直線段，只保留較長的直線段； 步驟三，根據直線段間的鄰接關係和夾角約束提取直角點，並生成直角點密度特徵圖像； 步驟四，對直角點密度特徵圖像進行二值化處理，提取農村居民點矢量圖斑。
2.根據權利要求1所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，在步驟一中，對高解析度遙感影像進行Canny邊緣檢測，通過鏈碼邊緣追蹤方法獲取矢量邊緣線。
3.根據權利要求1所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，在步驟二中，分別對每一條矢量邊緣線進行道格拉斯一普克分裂提取直線段，並按照長度閾值約束剔除較短的直線段、保留較長的直線段。
4.根據權利要求1所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，在步驟三中，根據直線段間的鄰接關係和夾角約束提取直角點，並統計一定空間區域範圍內直角點的密度特徵以及生成直角點密度特徵圖像，且生成的直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度。
5.根據權利要求1所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，在步驟四中，利用大津算法對直角點密度特徵圖像進行二值化處理，並通過連通成分分析提取農村居民點矢量圖斑。
6.根據權利要求1至5任一項所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，所述步驟一具體包括以下步驟:(I)採用高斯濾波器對高解析度遙感影像進行平滑處理；(2)計算梯度的幅值和方向；(3)對梯度幅值進行非極大值抑制；(4)用雙閾值算法檢測圖像邊緣；(5)通過鏈碼邊緣追蹤方法獲取矢量邊緣線。
7.根據權利要求1至5任一項所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，所述步驟二具體包括以下步驟:(I)對於某一矢量的曲線，計算曲線之間距離弦IT距離最大的點C ; (2)如果距離d(C，JJ )大於一定的閾值，則點C保留下來，作為最終曲線的一個頂點；(3)繼續對曲線按照步驟⑴和(2)進行處理，即如果弧之間距離最大的頂點D到弦的距離仍然大於預設閾值，則頂點D保留下來作為新的頂點；同樣，計算弧之間的距弦？I距離最大的頂點E，如果距離大於預設閾值，則頂點E保留下來作為新的頂點；(4)重複步驟(3)繼續對曲線進行處理，直到沒有超過預設閾值的頂點為止。
8.根據權利要求1至5任一項所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，所述步驟三具體包括以下步驟:(I)對某一直線段的一個端點，搜索距離該端點一定空間距離閾值內的所有直線段，並檢查是否有其他直線段與該直線段垂直；如果存在垂直該直線段的直線段，則求取兩垂直直線的交點作為直角點；(2)對上述直線段的另一端點做類似的處理，如果獲取的直角點與已有的直角點不重複，則作為新的直角點；反之，不保留該直角點；(3)繼續用按照步驟(I)和(2)處理其它直線段，直至所有的直線段判別完成，則可以生成該高解析度遙感圖像上的所有直角點；(4)生成一個新的直角點密度特徵圖像，該直角點密度特徵圖像與高解析度遙感圖像具有相同的空間範圍和空間解析度，且圖像的每一個像素值標記為O ;(5)對直角點密度特徵圖像按照一定的規則進行分塊，每一塊呈正方形、且塊與塊之間無重疊；(6)計算每一塊內直角點的數量n，同時該塊內直角點密度特徵圖像的像素值標記為n，直至所有的塊處理完畢，其中，η為正整數。
9.根據權利要求1至5任一項所述的一種基於高解析度遙感影像的農村居民點信息提取方法，其特徵是，所述步驟四具體包括以下步驟:(I)對直角點密度特徵圖像採用大津算法進行聚類處理，把直角點密度特徵圖像的每一像素按像素值分成兩類，即農村居民點類和非農村居民點類；(2)對農村居民點類的像素進行4連通的連通成分分析，對獲取的連通成分進行柵格矢量化處理生成農村居民點矢量圖斑。
【文檔編號】G06K9/46GK104182754SQ201410408651
【公開日】2014年12月3日 申請日期:2014年8月19日 優先權日:2014年8月19日
【發明者】董梅, 蘇建東, 劉廣玉, 楊舉田, 林祥國, 倪歡, 鄭成鵬, 田雷, 張彥東, 王梅勳, 王家民, 李聯玉, 梅興霞, 宗浩, 徐碩, 武博, 譚效磊, 王麗麗, 王苜華 申請人:山東臨沂菸草有限公司