[发明专利]基于建筑形态分布的高分辨率影像城中村检测方法

说明书

本发明提供了一种基于建筑形态分布的高分辨率影像城中村检测方法，该方法从城中村的建筑空间分布建筑覆盖率高、个数多、面积小、间距近等特点出发，设计典型的建筑形态分布参数描述城中村的物理特点，并根据机器学习输出的分类概率，有针对性地对低置信度分类结果进行检查修正，以有限的人工干预提升最终产品制图精度。本发明相对于传统的光谱和纹理特征，建筑形态分布特征具有较高的语义信息，能够更好地描述复杂的城中村场景，实现准确的城中村提取，并适用于大范围的城中村遥感制图应用。

技术领域

本发明属于摄影测量与遥感领域，特别是涉及一种基于建筑形态分布的高分辨率影像城中村检测方法。

背景技术

城中村是中国在快速城市化进程中的特殊产物。城中村内部建筑分布拥挤，缺乏公共基础设施，再加上混杂的人口，容易引发环境卫生问题。因此，及时有效的城中村制图信息对城市管理非常必要，它能帮助城市管理人员制定合理的城市规划方案。然而，许多中国城市依然缺乏细致的城中村信息，传统的数据获取方法主要是实地测绘与调研，耗费巨大的人力与时间。

随着遥感技术的发展，高分辨率影像已经广泛应用于城市基本地物要素的监测，但是，国内利用遥感影像进行城中村的研究还相对较少，现有的城中村研究主要集中在社会科学领域，且多是局部案例分析，缺乏大范围、连续的城中村空间分布信息。同时，国外有一些针对贫民窟(slum)或者非正式居民区(informal settlement)提取的相关研究，而贫民窟与城中村在物理外观上具有一定的相似之处。该类场景识别的机器学习方法主要依赖于影像的光谱和纹理等底层特征信息，比如常用的灰度共生矩阵测度(gray-level co-occurrence matrix,GLCM)，但是这些底层特征物理意义不明确，难以描述大范围复杂的城中村场景。因此，在城中村检测的任务中，需要设计具有高层语义信息的特征来实现更有效的城中村场景表达。实际上，虽然城中村内光谱信息各异，但是城中村拥有一些共性特点。一般而言，城中村内部的建筑分布拥挤而密集，居住环境较差。这种建筑形态分布模式是城中村比较普遍的特点，为城中村的场景语义推断提供了线索。

此外，在大范围的遥感制图实践中，为了提升制图产品的精度，需要修正制图过程中存在的一些错误，以满足后续应用的需求。然而，该检查过程往往缺乏针对性，耗费大量时间。实际上，如果能考虑机器学习输出的分类置信度，有针对性地对低置信度分类结果进行检查修正，将会以有限的人工干预提升整体的精度。

发明内容

有鉴于此，本发明旨在克服上述现有技术中存在的缺陷，提供一种基于建筑形态分布的高分辨率影像城中村检测方法，以解决现有的光谱、纹理等底层影像特征不足以描述复杂的城中村场景的问题，该方法从城中村的物理特点出发，通过描述建筑的空间分布模式来进行城中村场景特征表达，实现城中村的准确提取。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于建筑形态分布的高分辨率影像城中村检测方法，该方法包括以下步骤：

步骤一：获取目标区域高分辨率卫星遥感影像和对应的道路矢量数据，影像空间分辨率在0.5至2米之间，至少包含可见光三个波段，能够支撑单个建筑物的识别。

步骤二：利用道路矢量数据将影像分割成大小不一的街区，作为城中村检测的基本单元，每个街区内部的土地利用和功能属性相对一致，比如每个街区内都是居民区、水体、森林等土地利用状态，而不存在不同土地功能的混淆。

街区是现代城市管理的基本单元，一般被多条道路包围形成，没有固定大小，但是内部的土地利用和功能属性相对一致。因此，街区具有天然的语义信息。以街区为基本单元进行城中村检测，能够缓解场景描述时的语义混淆情况，保持较好的边缘范围信息。并且，街区层次的城中村制图产品也更适用于城市规划与管理。