基于建筑物基底矢量的遥感影像屋顶轮廓提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107092877A(43)申请公布日2017.08.25(21)申请号201710237766.5(22)申请日2017.04.12(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山武汉大学申请人重庆市地理信息中心(72)发明人胡翔云宫金杞胡艳丁忆李朋龙张泽烈徐永书陈静刘金龙李莉(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人严彦(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)权利要求书2页说明书8页附图4页(54)发明名称基于建筑物基底矢量的遥感影像屋顶轮廓提取方法(57)摘要本发明公开了一种基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，包括利用已有建筑物基底矢量图斑获取轮廓多边形；根据所述轮廓多边形生成待匹配建筑物屋顶的轮廓约束模板；针对待提取的遥感影像，选择符合建筑物特性的影像特征；基于相似性测度，利用轮廓约束模板和影像特征，采用匹配优化方法搜寻最佳匹配位置，获取建筑物屋顶轮廓图像等步骤。本发明技术方案实现了遥感影像中建筑物基底矢量与屋顶影像的轮廓匹配，可自动获取遥感影像中建筑物屋顶，同时还可以快速检测已有建筑物变化情况，对后续进一步开展违法建筑动态监测具有重要意义。CN107092877ACN107092877A权利要求书1/2页1.一种基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于，包括以下步骤：步骤1，利用已有建筑物基底矢量图斑，获取优化后的与建筑物基底图斑相应的轮廓多边形；步骤2，对步骤1得到的各建筑物基底图斑相应轮廓多边形，分别进行距离变换和缓冲区分析处理，生成待匹配建筑物屋顶的轮廓约束模板；步骤3，针对待提取的遥感影像，选择符合建筑物特性的影像特征；步骤4，基于相似性测度，利用步骤2中所述轮廓约束模板和步骤3中选择的影像特征，采用匹配优化方法在各建筑物基底图斑的邻近区域中搜寻最佳匹配位置，获取建筑物屋顶轮廓图像。2.根据权利要求1所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：步骤1中，通过相邻要素合并和点抽稀处理获取优化后的轮廓多边形。3.根据权利要求2所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：所述点抽稀处理包括以下步骤，S1，对图斑中的点序列，从起点开始每次取出相邻的三个点，计算中间点到其他两点连成的直线的距离；S2，将获得的距离与预设阈值进行比较，若小于预设阈值则从点序列中删除中间点，否则将中间点保留；S3，逐点进行判断，直至判断完当前点序列，获得轮廓多边形的点坐标序列。4.根据权利要求1所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：步骤2中，所述轮廓约束模板包括是以轮廓多边形为基准建立的方向约束模板、距离约束模板和对比度约束模板。5.根据权利要求1所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：步骤3中，选择的影像特征包括边缘直线特征、方向显著性与正交性、内部同质性和内外差异性，以及邻接关系。6.根据权利要求5所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：所述边缘直线特征中边缘特征提取采用基于结构森林的快速边缘检测算法，直线特征提取采用LSD方法。7.根据权利要求1或2或3或4或5或6所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：步骤4中，采用匹配优化方法在各建筑物基底图斑的邻近区域中搜寻最佳匹配位置，包括在针对某一建筑物基底图斑，采用相应轮廓多边形的轮廓约束模板在该建筑物基底图斑的邻近区域中遍历到某一位置时，将该位置称为当前轮廓多边形所在位置，提取相应匹配测度如下，步骤4-1，利用轮廓约束模板、遥感影像及影像特征，分别计算当前轮廓多边形所在位置的边缘直线匹配指数、对比度指数、区域显著性指数以及位置偏移概率；步骤4-2，将边缘直线匹配指数、对比度指数、区域显著性指数以及位置偏移概率进行加权处理，获取匹配测度。8.根据权利要求7所述的基于建筑物基底矢量的遥感影像屋顶轮廓提取方法，其特征在于：步骤4-2中所述匹配测度的计算公式为，2CN107092877A权利要求书2/2页S(x,y)＝ωeIe+ωcIc+ωsIs+ωaP其中，S(x,y)为点(x，y)的匹配测度，Ie,Ic,Is,P分别为影像的边缘直线匹配指数、对比度指数、区域显著性指数以及位置偏移概率，ωe,ωc,ωs,ωa为对应于Ie,Ic,Is,P的四个经验权值，且满足ωe+ωc+ωs+ωa＝1。3CN107092877A说明书1/8页基于建筑物基底矢量的遥感影像屋顶轮廓提取方法技术领域[0001]本发明涉及到遥感影像处理技术领域，具体地说，是一种基于建筑物基底矢量的遥