一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種遙感影像處理領(lǐng)域，具體說是一種基于直線統(tǒng)計(jì)特征的大幅面遙 感影像區(qū)域分類方法。
【背景技術(shù)】
[0002] 傳統(tǒng)的基于像元的遙感影像區(qū)域分類方法只處在圖像工程中的"圖像處理"階段， 已經(jīng)不能滿足現(xiàn)代遙感技術(shù)發(fā)展的要求。對(duì)于高分辨率遙感影像，單個(gè)像元一般不能反映 真實(shí)的地理對(duì)象，像元之間的拓?fù)潢P(guān)系也非常有限。由于基于像元的處理方法忽略了紋理、 上下文與形狀等空間特征，即便將軟分類器、亞像元分類方法與光譜解混技術(shù)引入其中，僅 基于圖像光譜信息的分類結(jié)果也難有大幅改善。在對(duì)高分辨率遙感影像進(jìn)行分類時(shí)，基于 像元的方法會(huì)導(dǎo)致更為嚴(yán)重的"椒鹽效應(yīng)"，從而影響分類結(jié)果的準(zhǔn)確性。雖然傳統(tǒng)目視判 讀的遙感信息提取方法精度較高，但需要投入大量的人力和時(shí)間，己不能滿足海量數(shù)據(jù)信 息的處理要求。當(dāng)前，從高分辨率遙感影像中提取地理信息的手段還比較落后，較突出的問 題仍然是"數(shù)據(jù)海量、信息不足、知識(shí)難求"。另外，處在信息社會(huì)中的人們對(duì)信息的時(shí)效性 越來越重視，這有力地促進(jìn)了遙感數(shù)據(jù)處理方法朝著半自動(dòng)化、自動(dòng)化的方向發(fā)展。因此， 高效的、智能化的遙感影像區(qū)域分類勢(shì)必成為當(dāng)前乃至今后遙感信息處理的研宄熱點(diǎn)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，可克服目 前遙感影像中建筑物提取準(zhǔn)確率低下的問題，充分利用不同類型的遙感影像區(qū)域具有不同 的直線統(tǒng)計(jì)特征，能夠準(zhǔn)確地區(qū)分出大幅面遙感影像中包含的荒地、鄉(xiāng)村、城郊和城市密集 區(qū)等類型，無需人工干預(yù)，自動(dòng)化程度高。
[0004] 為實(shí)現(xiàn)本發(fā)明的目標(biāo)所采用的技術(shù)方案是：方法包括以下步驟：
[0005] 步驟1 :對(duì)輸入遙感影像imagel按均勻網(wǎng)格進(jìn)行劃分，以劃分后的子圖像Ip I2、…、In作為最小處理單元，n為劃分后的子圖像的總數(shù)；
[0006] 步驟2 :對(duì)子圖像IpI2、…、In分別運(yùn)用直線提取算法提取直線；
[0007] 步驟3 :分別對(duì)子圖像1:、I2、…、1"中滿足鄰接關(guān)系的直線合并為一個(gè)直線支持 域；
[0008] 步驟4 :用傅里葉描述子將直線支持域擬合成橢圓；
[0009] 步驟5 :提取橢圓的長(zhǎng)軸，并重新定義為直線；
[0010] 步驟6 :提取直線的長(zhǎng)度屬性；
[0011] 步驟7 :計(jì)算直線的統(tǒng)計(jì)特征，包括直線長(zhǎng)度的均值和熵；
[0012] 步驟8 :利用分類器對(duì)步驟7中的直線的統(tǒng)計(jì)特征進(jìn)行分類。
[0013] 所述的直線提取算法采用基于梯度的方法，X和y方向的梯度Gx(X，y)和Gy(X，y) 分別利用以下兩個(gè)公式計(jì)算：
[0014]Gx(x,y) = {e(x)h(y)*f(x,y)}
[0015]Gy(x,y) = {e(y)h(x)*f(x,y)}
[0016] 像素點(diǎn)（x，y)的梯度計(jì)算公式為：
【主權(quán)項(xiàng)】
1. 一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其特征在于包括w下步 驟： 步驟1 ;對(duì)輸入遙感影像imagel按均勻網(wǎng)格進(jìn)行劃分，W劃分后的子圖像Ii、12、…、I。作為最小處理單元，n為劃分后的子圖像的總數(shù)； 步驟2 ;對(duì)子圖像Ii、12、…、I。分別運(yùn)用直線提取算法提取直線； 步驟3 ;分別對(duì)子圖像Ii、I,、…、I。中滿足鄰接關(guān)系的直線合并為一個(gè)直線支持域； 步驟4 ;用傅里葉描述子將直線支持域擬合成楠圓； 步驟5 ;提取楠圓的長(zhǎng)軸，并重新定義為直線； 步驟6;提取直線的長(zhǎng)度屬性； 步驟7 ;計(jì)算直線的統(tǒng)計(jì)特征，包括直線長(zhǎng)度的均值和滴； 步驟8 ;利用分類器對(duì)步驟7中的直線的統(tǒng)計(jì)特征進(jìn)行分類。
2. 根據(jù)權(quán)利要求1所述的一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其 特征在于直線提取算法采用基于梯度的方法，X和y方向的梯度G,(x，y)和Gy(x，y)分別利 用W下兩個(gè)公式計(jì)算： Gx(x，y) = {e(x)h(y)*f(x，y)} Gy(x，y) = {e(y)h(x)*f(x，y)} 像素點(diǎn)（X，y)的梯度計(jì)算公式為：
其中，e(k)為邊緣濾波器，h似為映射濾波器，k的取值為X或y，對(duì)應(yīng)的公式如下：
h似=e-°kc〇s(a|3k+3T/2) 其中a為尺度參數(shù)，e為影像分辨率參數(shù)。
3. 根據(jù)權(quán)利要求1所述的一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其 特征在于鄰接關(guān)系的確定方法為；選取一個(gè)闊值T(闊值T設(shè)定為5)，如果兩條直線之間的 最短距離小于T，則判定該兩條直接是鄰接的，否則為非鄰接的。
4. 根據(jù)權(quán)利要求1所述的一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其 特征在于用傅里葉描述子將直線支持域擬合成楠圓的方法為；利用傅里葉級(jí)數(shù)展開和歐拉 公式，對(duì)復(fù)周期函數(shù)進(jìn)行變化得到如下傅里葉系數(shù)：
其中x(k)和y(k)分別代表直線支持域邊界上的點(diǎn)的實(shí)部和虛部。 通過提取S組系數(shù)；（a_i，6_1)，（a。，6。）和（a。01)，可W得到楠圓的S個(gè)參數(shù)： 中屯、；Cxy二（a0，0 0)
5. 根據(jù)權(quán)利要求1所述的一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其 特征在于直線的統(tǒng)計(jì)特征中直線長(zhǎng)度的滴的計(jì)算方法為：構(gòu)建一個(gè)由50個(gè)bin的直方圖， 每個(gè)bin的寬度為4個(gè)像素，利用W下公式進(jìn)行計(jì)算：
6. 根據(jù)權(quán)利要求1所述的一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法，其 特征在于分類器采用帕爾森窗分類器。
【專利摘要】本發(fā)明涉及一種基于直線統(tǒng)計(jì)特征的大幅面遙感影像區(qū)域分類方法。包括如下步驟：步驟1，均勻網(wǎng)格劃分；步驟2，提取直線；步驟3，提取直線支持域；步驟4，橢圓擬合；步驟5，重新定義直線；步驟6，提取直線的長(zhǎng)度屬性；步驟7，計(jì)算直線的統(tǒng)計(jì)特征；步驟8，分類。充分利用不同類型的遙感影像區(qū)域具有不同的直線統(tǒng)計(jì)特征，能夠準(zhǔn)確地區(qū)分出大幅面遙感影像中包含的荒地、鄉(xiāng)村、城郊和城市密集區(qū)等類型，解決了在遙感影像中盲目地搜索建筑物的問題，有利于提高建筑物檢測(cè)的準(zhǔn)確性和效率，達(dá)到完全自動(dòng)化的效果。
【IPC分類】G06K9-62
【公開號(hào)】CN104794495
【申請(qǐng)?zhí)枴緾N201510221008
【發(fā)明人】施文灶
【申請(qǐng)人】福建師范大學(xué)
【公開日】2015年7月22日
【申請(qǐng)日】2015年5月4日