[发明专利]一种基于规则和样本融合的建筑信息提取方法及系统有效
申请号: | 201910533634.6 | 申请日: | 2019-06-19 |
公开(公告)号: | CN110427961B | 公开(公告)日: | 2022-04-05 |
发明(设计)人: | 胡月明;贺晓璐;刘振华 | 申请(专利权)人: | 华南农业大学 |
主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/764;G06T5/50;G06T7/11 |
代理公司: | 广东广盈专利商标事务所(普通合伙) 44339 | 代理人: | 李俊 |
地址: | 510642 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 规则 样本 融合 建筑 信息 提取 方法 系统 | ||
本发明公开了一种基于规则和样本融合的建筑信息提取方法及系统,其中,所述方法包括:获取对应区域的worldview2单片数据;对提取到的所述worldview2单片数据进行预处理,获取预处理后的worldview2单片数据;根据预处理后的worldview2单片数据进行基于样本的面向对象建筑物信息提取,获取第一建筑物区域信息;以及根据预处理后的worldview2单片数据进行基于规则的面向对象建筑物信息提取,获取第二建筑物区域信息;将第一建筑物区域信息与第二建筑物区域信息进行融合,获取建筑物区域融合提取信息。在本发明实施中,提取出无明显错误的建筑物,且建筑物直观感受较好、轮廓清晰、形状较为规则。
技术领域
本发明涉及城市建筑物信息提取技术领域,尤其涉及一种基于规则和样本融合的建筑信息提取方法及系统。
背景技术
随着城镇建设的发展,城市化的水平的不断提高,城市建设用地呈高位增长态势;建设用地的扩大,对社会和生态环境造成了一定的影响;而建筑物作为建设用地中最重要的目标地物,对其进行信息提取和精确识别是城市遥感研究中的热点问题;建筑物的快速获取一方面有助于城市管理者对城市的管理和规划、生产力布局以及城市三维建模等,另一方面对土地资源的保护和可持续利用具有重要意义。
目前建筑物的提取方法主要有三类:一基于几何边界的提取方法,主要是通过检测建筑物的分段线来获得建筑物边缘轮廓信息,进而实现建筑物的信息提取;如Wang Jun等通过增强建筑物边缘对比度,采用EDLines分段检测器提取建筑线分段,将检测的线段按层次分组到候选矩形建筑中,使用线连接和闭合轮廓搜索的方法进行矩形建筑物的自动提取。二基于图像分割的方法,图像分割是将遥感影像分成多个具有不同特性的多边形区域。由于不同的地物最优分割尺度不一,在建筑物提取前需对影像进行多尺度分割;如党涛对中卫市影像图进行多尺度分割,利用小尺度获取不透水面结果图,然后在大尺度影像中进一步提取建筑物信息;三基于辅助信息的方法,利用阴影和DEM(Digital ElevationModel)、DSM(Digital Surface Model)、LIDAR(Light Detection And Ranging)等高度数据的辅助进行建筑物的提取;Lafarge等通过标记点过程的方法实现建筑物足迹的粗略逼近,用矩形对建筑物足迹进行建模,然后改进相邻矩形之间的连接,将高度不连续的矩形进行纠正,实现了建筑物的自动提取。
由于城市建筑物环境复杂多样,建筑物的提取存在较大的困难和干扰,目前单独使用基于样本的面向对象建筑物提取精度低,单独使用基于规则的面向对象建筑物提取易将部分灰色建筑物与暗色调裸地和沥青路混淆。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于规则和样本融合的建筑信息提取方法及系统,提取出无明显错误的建筑物,且建筑物直观感受较好、轮廓清晰、形状较为规则。
为了解决上述技术问题,本发明实施例提供了一种基于规则和样本融合的建筑信息提取方法,所述方法包括:
获取对应区域的worldview2单片数据,所述worldview2单片数据包括1.8m的多光谱数据及0.5m的全色波段数据;
对提取到的所述worldview2单片数据进行预处理,获取预处理后的worldview2单片数据;
根据预处理后的worldview2单片数据进行基于样本的面向对象建筑物信息提取,获取第一建筑物区域信息;以及
根据预处理后的worldview2单片数据进行基于规则的面向对象建筑物信息提取,获取第二建筑物区域信息;
将所述第一建筑物区域信息与所述第二建筑物区域信息进行融合,获取建筑物区域融合提取信息。
可选的,所述对提取到的所述worldview2单片数据进行预处理,获取预处理后的worldview2单片数据,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南农业大学,未经华南农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910533634.6/2.html,转载请声明来源钻瓜专利网。