一種基于遙感影像的地理空間數(shù)據(jù)動態(tài)更新的方法及系統(tǒng)的制作方法
【技術領域】
[0001] 本發(fā)明涉及地理信息技術領域，具體涉及一種基于遙感影像的地理空間數(shù)據(jù)動態(tài) 更新的方法及系統(tǒng)。
【背景技術】
[0002] 隨著城市化進程的快速推進，城市地表形態(tài)的變化速度越來越快，地表景觀的開 發(fā)、利用及引起的土地覆蓋變化已經成為全球環(huán)境變化中的重要組成部分。地表的變化情 況與城市的發(fā)展息息相關，需要及時將變化信息應用于部門決策中。為滿足相關部門對數(shù) 據(jù)的要求，必須對空間數(shù)據(jù)進行及時動態(tài)更新，保證數(shù)據(jù)的現(xiàn)勢性、準確性和適用性。而空 間數(shù)據(jù)更新是維護空間數(shù)據(jù)庫現(xiàn)勢性的主要手段，因此進行空間數(shù)據(jù)更新具有極其重大的 意義。"更新數(shù)據(jù)"的來源多種多樣，主要有地形圖修補測量、竣工測量或市政測量產生的矢 量空間數(shù)據(jù)以及遙感影像數(shù)據(jù)等，其中遙感影像使用頻率更高。遙感圖像成像周期越來越 短，圖像質量越來越高，大大擴展了遙感的應用范圍。遙感技術作為目前為止能夠提供大面 積范圍動態(tài)觀測的唯一手段，具有空間上的連續(xù)性和時間上的序列性，可以提供地物的多 時相數(shù)據(jù)。利用遙感數(shù)據(jù)的優(yōu)點進行數(shù)據(jù)更新可以節(jié)約成本，節(jié)省人力，使數(shù)據(jù)更新更加便 捷、快速。進行數(shù)據(jù)更新的前提是尋找變化信息，即進行變化檢測。
[0003] 目前的變化檢測方法有多種類型多種檢測方式，在一定程度上取得了極大的發(fā) 展，但仍然存在許多難點，例如數(shù)據(jù)處理不能滿足實際應用標準、算法的檢測能力受空間、 光譜、時域和專業(yè)內容限制而影響到檢測精度。盡管如此，目前在變化檢測的所有方法中， 圖像差值和線性變換一般比其他檢測方法更為準確?，F(xiàn)有技術中提出圖像差值法進行變化 檢測，其基本思想是將兩時相的遙感影像各個波段上的像元進行差值運算，從而生成一幅 新的差值圖像，這一差值圖像代表了兩時相間像元的光譜變化情況。以及現(xiàn)有的光譜變化 向量分析的方法，其原理是基于不同時相影像間的輻射變化，著重分析各個波段間的差異， 從而確定變化強度和方向特征。對于不同時期的遙感影像，進行圖像的光譜測量，每個像元 可以生成一個具有變化方向和變化強度兩個特征的變化向量，變化強度通過兩個數(shù)據(jù)點之 間的歐氏距離求得。該方法在提取變化像元時通過設定閾值來進行，可以充分利用影像的 波段信息，雖然可以利用大部分乃至全部的光譜信息，在一定程度上提高了檢測精度，但用 于判斷像元是否變化所需的閾值難以確定。
[0004]在數(shù)據(jù)更新上，基于事件的時空數(shù)據(jù)庫增量更新方法假設地理時間信息能與變化 信息同時被收集，通過地理空間變化事件來確定單一實體變化類型，進而通過單一實體變 化類型與動態(tài)操作算子之間的關系來確定更新操作以實現(xiàn)時空數(shù)據(jù)庫更新的自動化(或半 自動化）。這一方法雖然將自動化的思想引入數(shù)據(jù)更新，但在實際操作中，由于地理空間變 化時間極其復雜，存在許多復合地理事件，因此難以確定復合事件涉及對象的變化類型。基 于時空變化類型和數(shù)據(jù)差的數(shù)據(jù)庫的增量信息表達與建模方法，從理論上闡述了增量信息 模型，但該概念模型主要針對地形數(shù)據(jù)庫，其推廣后的適用性較差。此外，基于CHT-EUR模型 的數(shù)據(jù)更新方法致力于如何實現(xiàn)多比例尺空間數(shù)據(jù)的更新，在一定程度上實現(xiàn)了多比例尺 數(shù)據(jù)的聯(lián)動更新，但這一方法在進行聯(lián)動更新時未能自動更新小比例尺數(shù)據(jù)，存在空間疊 加分析速度變慢、未考慮要素間的拓撲關系等問題。

【發(fā)明內容】

[0005] 本發(fā)明針對現(xiàn)有變化檢測方法不能快速而簡單，提供了一種基于遙感影像的地理 空間數(shù)據(jù)動態(tài)更新的方法及系統(tǒng)，基于多種方法綜合起來使用以提高變化檢測的精度，提 出將影像代數(shù)法與變化矢量分析法相結合的思想，綜合了影像代數(shù)法和變化矢量分析法的 優(yōu)點，得到一種簡單、快速而準確的變化檢測方法。
[0006] 本發(fā)明提供了一種基于遙感影像的地理空間數(shù)據(jù)動態(tài)更新的方法，包括如下步 驟：
[0007] 對即將更新入庫的遙感影像數(shù)據(jù)進行影像預處理；
[0008] 采用影像代數(shù)法和變化矢量分析法相結合的方式識別出變化信息；
[0009] 采用中值濾波的方法對識別出的變化信息進行濾波消除噪聲；
[0010] 根據(jù)濾波處理后的差值圖像確定地物變化的分布區(qū)域，分別對變化區(qū)域的歷史影 像和現(xiàn)勢影像進行圖像分類；
[0011]采用改進的測地線主動輪廓模IGAC模型對變化地物的邊界進行提?。?br>[0012]采用面狀柵格數(shù)據(jù)的矢量化方法對以IGAC模型提取處理的邊界進行處理，生成影 像變化區(qū)域的矢量邊界圖；
[0013] 對地物的邊界進行規(guī)整，使近似弧狀的多線段地物邊界擬合成圓弧狀；
[0014] 基于四叉樹空間索引原理對更新數(shù)據(jù)進行分割定位變化區(qū)域；
[0015] 基于神經決策樹的方法識別出要素的變化類型；
[0016] 將變化的類型提取出來；
[0017] 將變化的信息在原有數(shù)據(jù)庫中進行更新入庫。
[0018] 所述對即將更新入庫的遙感影像數(shù)據(jù)進行影像預處理包括：
[0019] 用選定的圖像、圖形或物體，對待處理的圖像進行遮擋，控制圖像處理的區(qū)域或處 理過程；
[0020] 以歷史影像作為參考，對現(xiàn)勢影像進行重投影，使現(xiàn)勢影像的空間參考與歷史影 像的一致，檢查現(xiàn)勢影像和歷史影像的空間分辨率是否一致，如若不同則以歷史影像為基 準對現(xiàn)勢影像進行重采樣，統(tǒng)一現(xiàn)勢影像和歷史影像的像元大??；
[0021] 使同一地區(qū)不同來源的影像上同名地物能具有相同的坐標進行影像空間配準； [0022] 基于直方圖匹配的方法進行色彩校正。
[0023]所述使同一地區(qū)不同來源的影像上同名地物能具有相同的坐標進行影像空間配 準包括：
[0024]將兩個時相的影像進行疊加分析，找出影像的公共區(qū)域；
[0025] 將待糾正區(qū)域進行均勻網格劃分，兩幅影像的相似區(qū)域賦予一個相同的編號，一 一對應；
[0026] 在劃分好網格的基礎上，以每一塊網格區(qū)域為單元進行控制點對搜索；
[0027] 使用系統(tǒng)自動生成的控制點對實現(xiàn)空間配準。
[0028] 所述采用改進的測地線主動輪廓模IGAC模型對變化地物的邊界進行提取包括：
[0029] 進行形態(tài)學濾波獲得地物的初始位置U0,進而得到初始曲線的曲率k;
[0030] 根據(jù)提取的變化區(qū)域生成深度梯度圖像T，并計算各點的Fg作為常數(shù)c;
[0031 ]計算變化區(qū)域的梯度影像Ixy;
[0032] 根據(jù)梯度影像計算邊緣停止函數(shù)g及邊緣停止函數(shù)的梯度Vg;
[0033] 初始化模型參數(shù)，利用IGAC模型進行迭代直至穩(wěn)定，得到變化區(qū)域邊界。所述采用 面狀柵格數(shù)據(jù)的矢量化方法對以IGAC模型提取處理的邊界進行處理，生成影像變化區(qū)域的 矢量邊界圖包括：
[0034] 采用高通濾波將柵格圖像二值化或者以特殊值標識邊界點；
[0035] 對每個邊界弧段由一個節(jié)點向另一個節(jié)點搜索；
[0036] 形成完整的拓撲結構并建立與屬性數(shù)據(jù)的聯(lián)系；
[0037]去除多余點及曲線潤滑。
[0038]所述基于四叉樹空間索引原理對更新數(shù)據(jù)進行分割定位變化區(qū)域包括：
[0039]對圖層進行四叉樹剖分，計算區(qū)域內的"節(jié)點-弧段"特征，并進行層次檢索，以快 速定位到變化區(qū)域，再對區(qū)域內的要素進行遍歷要素搜索匹配，確定變化類型。
[0040]所述基于神經決策樹的方法識別出要素的變化類型包括：
[0041]在決策樹的非葉節(jié)點中設置神經網絡通過訓練建立模型，然后利用模型進行變化 ?目息檢測和識別；
[0042]變化信息的識別把新舊對象組合的變化特征指標作為一個樣本，加至神經網絡決 策樹的根節(jié)點；
[0043] 在分裂節(jié)點處對其匹配特征指標進行分類判斷，如果樣本進入神經網絡節(jié)點，則 根據(jù)訓練所得到的權重和偏置值進行識別，計算網絡的輸出量；
[0044] 依據(jù)判別函數(shù)判斷輸出量所屬類別。
[0045] 所述將變化的信息在原有數(shù)據(jù)庫中進行更新入庫步驟之前還包括：
[0046] 進行空間沖突檢測消除不符合完整性約束的空間關系。
[0047] 所述進行空間沖突檢測消除不符合完整性約束的空間關系包括：
[0048] 使用顧及語義特征的拓撲檢驗方法構建約束條件進行目標搜索，找出不符合完整 性約束的空間關系；
[0049] 利用空間編輯功能對空間沖突涉及的對象進行處理，反復檢驗直至消除所有沖突 后方再進入更新入庫環(huán)節(jié)。
[0050] 相應的，本發(fā)明還提供了一種基于遙感影像的地理空間數(shù)據(jù)動態(tài)更新的系統(tǒng)，所 述系統(tǒng)包括：
[0051]影像預處理模塊，用于對即將更新入庫的遙感影像數(shù)據(jù)進行影像預處理；
[0052] 影像比對模塊，用于采用影像代數(shù)法和變化矢量分析法相結合的方式識別出變化 信息；
[0053] 濾波消噪模塊，用于采用中值濾波的方法對識別出的變化信息進行濾波消除噪 聲；
[0054]圖像分類模塊，用于根據(jù)濾波處理后的差值圖像確定地物變化的分布區(qū)域，分別 對變化區(qū)域的歷史影像和現(xiàn)勢影像進行圖像分類；
[0055]邊界提取模塊，用于采用改進的測地線主動輪廓模IGAC模型對變化地物的邊界進 行提??；
[0056]邊界矢量化處理模塊，用于采用面狀柵格數(shù)據(jù)的矢量化方法對以IGAC模型提取處 理的邊界進行處理，生成影像變化區(qū)域的矢量邊界圖；
[0057]邊界規(guī)整模塊，用于對地物的邊界進行規(guī)整，使近似弧狀的多線段地物邊界擬合 成圓弧狀；
[0058]變化區(qū)域定位模塊，用于基于四叉樹空間索引原理對更新數(shù)據(jù)進行分割定位變化 區(qū)域；
[0059] 更新信息識別模塊，用于基于神經決策樹的方法識別出要素的變化類型；
[0060] 變化信息提取模塊，用于將變化的類型提取出來；
[0061] 更新入庫模塊，用于將變化的信息在原有數(shù)據(jù)庫中進行更新入庫。
[0062] 所述系統(tǒng)還包括：
[0063] 空間沖突檢測模塊，用于進行空間沖突檢測消除不符合完整性約束的空間關系。
[0064] 本發(fā)明實施例實行將多種方法綜合起來使用以提高變化檢測的精度，提出將影像 代數(shù)法與變化矢量分析法相結合的思想，綜合了影像代數(shù)法和變化矢量分析法的優(yōu)點，得 到一種簡單、快速而準確的變化檢測方法，這種方法能充分利用影像的信息，減少數(shù)據(jù)來源 的限制，具有較廣的適應性，克服了傳統(tǒng)單一變化檢測方法的弱點。在進行影像空間配準時 自動生成配準的控制點，代替人工選取的方式，提高控制點的選取速度和空間配準精度，為 變化檢測實現(xiàn)全面自動化