[发明专利]一种高分辨率遥感影像建筑区提取方法

说明书

本发明公开了遥感图像处理技术领域的一种高分辨率遥感影像建筑区提取方法，旨在解决现有技术中高分影像由于“同物异谱”和“异物同谱”现象严重，地物类型多样，场景结构复杂，导致建筑区自动提取效果不理想的技术问题。所述方法包括如下步骤：根据高分辨率遥感影像，获取边界重叠的图像块；利用格式塔知觉组织规则度量图像块视觉显著性，构建基于块的建筑区显著图；对建筑区显著图进行阈值分割，获取建筑区二值图，精化处理建筑区二值图以获取建筑区提取结果。

技术领域

本发明涉及一种高分辨率遥感影像建筑区提取方法，属于遥感图像处理技术领域。

背景技术

建筑区是指地面上被建筑物覆盖的区域，它既是一种重要的土地利用类型，也是人类居住、工作和活动的主要区域。随着城镇化和工业化快速发展，大量人口从农村转移到城市，导致城镇建筑区域不断扩张和更替。及时准确地获取建筑区位置和范围等地理空间信息，对于测绘、城市管理、规划、环境等部门具有重要意义。

卫星遥感由于具有宏观性和多时相性等特点，为城市建筑区的动态监测提供了有效数据源。近年来，随着高(空间)分辨率卫星遥感技术快速发展，利用高分辨率遥感影像在更精细的尺度上获取建筑区信息，成为学术界关注热点之一。虽然高分辨率遥感影像在描述建筑区细节方面具有更大优势，但由于高分影像“同物异谱”和“异物同谱”现象严重，地物类型多样，场景结构复杂，给建筑区的自动提取带来挑战。

目前，对于高分影像建筑区的提取，国内外学者提出了一系列方法。从利用的特征看，可分为基于纹理特征的方法和基于结构特征的方法。基于纹理特征的方法，主要包括灰度共生矩阵、Gabor小波变换、多尺度小波变换等，该方法源自普通图像的处理，虽具有一定通用性，但对于高分影像建筑区这类复杂目标，仍然缺少针对性的纹理特征描述算法。基于结构特征的方法，主要利用影像的局部特征点(如角点)和特征线(如边缘、直线)，该方法虽然利用了建筑区的局部结构特征，但目前的提取模型和算法主要是根据这些特征的空间分布密度，对于复杂场景的提取效果并不理想，容易受到其他地物的干扰，比如形状规则的农田、高速公路，也具有角点(或直线)密集分布的特点。

从影像处理的方式来看，可分为基于像素的方法、面向对象的方法和基于块的方法。由于高分影像光谱变异性较大，单个像素特征是不可靠的，因而基于像素的方法一般是通过定义邻域来利用上下文信息。面向对象的方法先对影像做图像分割，获得具有一定语义信息的图像对象(segment)，这些图像对象作为进一步处理的基本单元，其好处是可以较好地利用图像对象的空间信息，但该类方法对图像分割具有较大的依赖性，由于高分影像建筑场景比较复杂，要获得令人满意的分割结果目前仍然相对困难。基于块的方法，目前常用的是对影像进行格网划分，以该方法获得的块便于纹理、结构等多种空间信息的表示，并且非常适合于大范围影像的处理，但规则格网划分具有一定的随机性，也会一定程度上破坏建筑区内部的空间结构关系，并且在块划分较大时，提取的建筑区边界锯齿现象严重。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种高分辨率遥感影像建筑区提取方法，包括如下步骤：

根据高分辨率遥感影像，获取边界重叠的图像块；

利用格式塔知觉组织规则度量图像块视觉显著性，构建基于块的建筑区显著图；

对建筑区显著图进行阈值分割，获取建筑区二值图，精化处理建筑区二值图以获取建筑区提取结果。

进一步地，根据高分辨率遥感影像，获取边界重叠的图像块，包括：

对高分辨率遥感影像进行角点检测，获取角点集合；

利用角点集合划分高分辨率遥感影像，获取边界重叠的图像块。

进一步地，对高分辨率遥感影像进行角点检测，包括：采用Harris算子、SUSAN算子和FAST算子中的任一项对高分辨率遥感影像进行角点检测。

进一步地，利用角点集合划分高分辨率遥感影像，包括：