多邊形目標(biāo)的變化檢測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高分辨率遙感技術(shù)領(lǐng)域，具體涉及一種多邊形目標(biāo)的變化檢測方法及 裝置。
【背景技術(shù)】
[0002] 隨著智慧城市、數(shù)字地球的建設(shè)，我國已經(jīng)建成了一大批基礎(chǔ)、專題空間數(shù)據(jù)集， 送些數(shù)據(jù)在如國±資源調(diào)查、城市規(guī)劃、災(zāi)害預(yù)報與損毀評估等各行各業(yè)發(fā)揮著重要的作 用。遙感衛(wèi)星觀測具有時間周期短、觀測范圍廣等特點，可W方便地獲得大空間范圍內(nèi)連續(xù) 時間序列的數(shù)據(jù)。因此，應(yīng)用遙感數(shù)據(jù)對空間數(shù)據(jù)集進行變化檢測與更新具有重要的現(xiàn)實 意義與廣泛的應(yīng)用前景。
[0003] 遙感變化檢測技術(shù)起源于20世紀(jì)60年代，目前的研究主要方向都集中在利用多 時相的遙感影像進行變化檢測。研究方法一般是直接利用兩幅或多幅影像中的像素光譜 值、或提取出的植被指數(shù)、紋理參數(shù)、邊緣特征、PCA(主成分）等特征參數(shù)，通過差值、比值、 相關(guān)分析等方法獲取變化信息。目前運用遙感影像進行變化檢測，大多僅基于地物的光譜 特征進行變化檢測，當(dāng)同名地物在不同影像中光譜具有差異時檢測效果較弱。
[0004] GIS數(shù)據(jù)有著豐富的語義信息，是解譯后地物的符號表達(dá)，用GIS數(shù)據(jù)作為先驗知 識，結(jié)合遙感影像進行目標(biāo)的變化檢測，可W避免在圖像中進行目標(biāo)識別的困難，將感興趣 區(qū)準(zhǔn)確定位在目標(biāo)本身，能極大的提高檢測的準(zhǔn)確度。
[0005] 張曉東（2005)結(jié)合GIS數(shù)據(jù)與遙感數(shù)據(jù)，提出了基于多邊形面積填充率的自適 應(yīng)變化闊值確定方法，W及基于面特征的整體迭代求解方法。吳曉燕等（2010)將GIS數(shù) 據(jù)和遙感影像結(jié)合進行道路提取和變化檢測，提高了路網(wǎng)數(shù)據(jù)更新的自動化程度。徐文祥 (2011)結(jié)合遙感影像，分析點、線、面要素幾何變化類型，提出了基于空間特征碼的矢量要 素變化檢測研究。黃俊等（2012)結(jié)合高分辨率遙感影像和GIS數(shù)據(jù)，利用圖斑多邊形各類 特征，對±地利用類型進行了變化檢測。張偉等（2013)考慮建筑物等同名地物的形變，改 進了相關(guān)系數(shù)變化檢測方法，提高了檢測精度。
[0006] 上述應(yīng)用遙感數(shù)據(jù)更新GIS數(shù)據(jù)的方法目前主要存在如下問題；（1)上述方法都 是首先通過分類提取圖像中的目標(biāo)，然后再進行變化檢測，而目標(biāo)識別算法非常復(fù)雜，效果 又差，嚴(yán)重影響了變化檢測的效率和準(zhǔn)確度；（2)在高分辨率影像中，由于非正射引起的投 影差較為突出，因此傳統(tǒng)圖像配準(zhǔn)針對于圖像整體，而對于目標(biāo)個體偏差較大；(3)僅考慮 目標(biāo)邊緣的強度而忽略了目標(biāo)周邊的變化，通用性較差。

【發(fā)明內(nèi)容】

[0007] 有鑒于此，為克服上述至少一個缺點，并提供下述至少一種優(yōu)點。本發(fā)明公開了一 種多邊形目標(biāo)的變化檢測方法及裝置。
[0008] 為解決上述技術(shù)問題，本發(fā)明采用W下技術(shù)方案；一種多邊形目標(biāo)的變化檢測方 法，包括：
[0009] 在所述目標(biāo)的圖上坐標(biāo)下，基于所述目標(biāo)的GIS數(shù)據(jù)構(gòu)建所述目標(biāo)的邊界緩沖區(qū) 和整體緩沖區(qū)；
[0010] 提取所述邊界緩沖區(qū)的像素點集W及所述整體緩沖區(qū)中非邊界的像素點集；
[0011] 基于所提取的像素點集從所述目標(biāo)的梯度圖像中提取所述邊界緩沖區(qū)中的邊界 點梯度集合W及所述整體緩沖區(qū)中的非邊界點梯度集合；
[0012] 基于所提取的梯度集合，利用Z值檢驗法計算所述目標(biāo)的邊界顯著性值；W及
[0013] 如果所計算的邊界顯著性值小于設(shè)定的邊界顯著性闊值，則判斷所述目標(biāo)為發(fā)生 變化的目標(biāo)。
[0014] 在如上所述的多邊形目標(biāo)的變化檢測方法中，所述基于所述目標(biāo)的GIS數(shù)據(jù)構(gòu)建 所述目標(biāo)的邊界緩沖區(qū)和整體緩沖區(qū)之前，還包括；將所述目標(biāo)的GIS數(shù)據(jù)的經(jīng)締度坐標(biāo) 按照大地坐標(biāo)系轉(zhuǎn)換為地理坐標(biāo)，再將所述地理坐標(biāo)按照投影坐標(biāo)系轉(zhuǎn)換為圖上坐標(biāo)；W 及
[0015] 讀取所述目標(biāo)的遙感影像，并采用sobel算子、Roberts算子或拉普拉斯算子將所 述遙感影像進行處理得到梯度圖像。
[0016] 在如上所述的多邊形目標(biāo)的變化檢測方法中，所述基于所述目標(biāo)的GIS數(shù)據(jù)構(gòu)建 所述目標(biāo)的邊界緩沖區(qū)和整體緩沖區(qū)包括：
[0017] 基于所述GIS數(shù)據(jù)中目標(biāo)的邊界，W 1個像素的寬度為半徑建立邊界緩沖區(qū)；W及
[0018] 基于所述GIS數(shù)據(jù)中目標(biāo)的面積確定半徑，構(gòu)建整體緩沖區(qū)，所述半徑為所述面 積的十分之一。
[0019] 在如上所述的多邊形目標(biāo)的變化檢測方法中，所述提取所述邊界緩沖區(qū)中邊界的 像素點集W及所述整體緩沖區(qū)中非邊界的像素點集包括：
[0020] 基于式（2)提取所述邊界緩沖區(qū)中邊界的像素點集：
[00引]PC1 = {(X，y) I (X，y) e buffi} 似
[002引其中，buffi為所述邊界緩沖區(qū)；
[0023] 基于式（3)提取所述整體緩沖區(qū)中非邊界的像素點集：
[0024]
(：3)
[002引其中，buff2為所述整體緩沖區(qū)。
[0026] 在如上所述的多邊形目標(biāo)的變化檢測方法中，所述基于所提取的像素點集從所述 目標(biāo)的梯度圖像中提取所述邊界緩沖區(qū)中的邊界點梯度集合W及所述整體緩沖區(qū)中的非 邊界點梯度集合包括：
[0027] 基于所提取的像素點集PC1 W及式（4)，從所述目標(biāo)的梯度圖像中提取所述邊界 緩沖區(qū)中的邊界點梯度集合：
[002引 GC1 = {g(x，y) I (X，y) e Ρα} (4)
[0029] 基于所提取的像素點集PC2 W及式巧），從所述目標(biāo)的梯度圖像中提取所述整體 緩沖區(qū)中的的非邊界點梯度集合：
[0030] GC2 = {g(x，y) I (X，y) e P蝴 妨
[003。 其中，g(x，y)為點（x，y)的圖像梯度。
[0032] 在如上所述的多邊形目標(biāo)的變化檢測方法中，基于所提取的梯度集合，所述利用Z 值檢驗法計算所述目標(biāo)的邊界顯著性值包括：
[0033] 基于式（6)計算所述目標(biāo)的邊界顯著性值：
[0034]
6 )
[003引其中，Z表示所述目標(biāo)的邊界顯著性值，nl表示所述邊界緩沖區(qū)中的邊界點梯度 集合GC1的元素個數(shù)，n2表示所述整體緩沖區(qū)中的非邊界點梯度集合GC2的元素個數(shù)，μ 1 表示所述邊界緩沖區(qū)中的邊界點梯度集合GC1的均值，μ 2表示所述整體緩沖區(qū)中的非邊 界點梯度集合GC2的均值，S1表示所述邊界緩沖區(qū)中的邊界點梯度集合GC1的標(biāo)準(zhǔn)差，S2 表示所述整體緩沖區(qū)中的非邊界點梯度集合GC2的標(biāo)準(zhǔn)差；
[0036] 基于式（7)對所述目標(biāo)進行平移：
[0037] (X'，y'）= (x+i, y+U (7)
[0038] 其中，（X'，y'）表示（X，y)平移之后的坐標(biāo)，i表示平移量，
[0039] 計算所述目標(biāo)平移后的邊界顯著性值，在一定范圍內(nèi)逐像素點平移所述目標(biāo)，并 分別計算每次平移后的目標(biāo)的邊界顯著性值，得到所述范圍內(nèi)的邊界顯著性值的集合，并 取所述邊界顯著性值的集合中的最大值作為用于與所述邊界顯著性闊值進行比較的最終 邊界顯著性值，其中所述一定范圍根據(jù)所述目標(biāo)的偏移程度來確定。
[0040] 在如上所述的多邊形目標(biāo)的變化檢測方法中，所述邊界顯著性闊值基于圖像質(zhì)量 及目標(biāo)清晰程度來設(shè)定。
[0041] 為解決上述技術(shù)問題，本發(fā)明還采用W下技術(shù)方案；一種多邊形目標(biāo)的變化檢測 裝置，包括：
[0042] 緩沖區(qū)構(gòu)建模塊，用于在所述目標(biāo)的圖上坐標(biāo)下，基于所述目標(biāo)的GIS數(shù)據(jù)構(gòu)建 所述目標(biāo)的邊界緩沖區(qū)和整體緩沖區(qū)；
[0043] 像素點集提取模塊，用于提取所述邊界緩沖區(qū)的像素點集W及所述整體緩沖區(qū)中 非邊界的像素點集；
[0044] 梯度集合提取模塊，用于基于所提取的像素點集從所述目標(biāo)的梯度圖像中提取所 述邊界緩沖區(qū)中的邊界點梯度集合W及所述整體緩沖區(qū)中的非邊界點梯度集合；
[0045] 計算模塊，用于基于所提取的梯度集合，利用Z值檢驗法計算所述目標(biāo)的邊界顯 著性值；W及
[0046] 判斷模塊，用于如果所計算的邊界顯著性值小于設(shè)定闊值，則判斷所述目標(biāo)為發(fā) 生變化的目標(biāo)。
[0047] 在如上所述的多邊形目標(biāo)的變化