[发明专利]多边形语义匹配检测高分辨率正射影像阴影方法

权利要求书

1.多边形语义匹配检测高分辨率正射影像阴影方法，其具体步骤如下：

步骤1)根据数字建筑模型DBM和高分辨率航空影像拍摄瞬间的太阳高度角、方位角生成人工阴影多边形；

步骤2)从人工阴影多边形中提取阴影特征，包括阴影多边形的特征和邻近阴影多边形的语义特征；

步骤3)根据阴影多边形的搜索半径确定搜索范围内阴影多边形的待匹配多边形；

步骤4)计算阴影多边形特征的权重值和阴影多边形的相似系数；

步骤5)计算初始概率值筛选出待匹配多边形中的候选匹配多边形，完成第一级阴影匹配；

步骤6)确定每个人工阴影多边形的邻近多个多边形和对应的候选匹配对集合；

步骤7)确定邻近阴影多边形的语义特征权重值的大小，计算邻近多边形的相关系数；

步骤8)对邻近多个多边形进行邻域迭代匹配，当两次迭代过程中每个候选匹配对的匹配概率变化量小于设定值时，停止迭代；根据最终的概率矩阵确定矩阵中每一行和每一列的匹配概率值最大的候选匹配对，作为最终的匹配结果，完成第二级阴影匹配，进而实现阴影检测。

2.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤2)所述的阴影多边形的特征和邻近阴影多边形的语义特征：

阴影多边形的特征通过四种特征进行描述，即：①位置相似度(C₁)是两个多边形重心之间的距离比例；②方向相似度(C₂)是通过两个阴影多边形的最小面积外接矩形的方向夹角来衡量；③形状相似度(C₃)是通过计算两个阴影多边形的多级弦长差值来描述；④面积相似度(C₄)是两个阴影多边形重叠区域的面积的比例；

邻近阴影多边形的语义特征是对阴影多边形的4种特征进行改进，分别为：①邻近多边形位置相似度(r₁)是通过计算两个多边形的邻近距离的比值来描述；②邻近多边形方向相似度(r₂)是通过计算两个邻近多边形外接矩形的相对方向的比例来描述；③邻近多边形面积相似度(r₃)是通过计算两个邻近多边形面积的比值来衡量；④邻近多边形形状相似度(r₄)是通过计算两个邻近多边形的形状特征的比例来描述。

3.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤3)阴影多边形的搜索半径：

阴影多边形的搜索半径是根据人工阴影多边形重心构建Delaunay三角网计算人工阴影多边形的邻近距离的平均值。

4.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤4)计算阴影多边形特征的权重值：

对阴影多边形的四种特征进行对比分析，利用层次分析法确定每个阴影多边形的特征的权重。

5.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤5)所述的计算初始概率值并确定候选匹配多边形：

对阴影多边形的概率值估算即把每个待匹配对相关系数相加，除以所有待匹配对的相关系数和，计算出初始概率值，剔除不满足概率阈值的待匹配多边形确定候选匹配多边形。

6.根据权利要求1所述的多边形语义匹配检测高分辨率正射影像阴影方法，其特征在于：在步骤6)所述的确定每个人工阴影多边形的邻近多边形和对应的候选匹配对集合：

通过计算人工阴影多边形间的重心距离，对比距离值确定每个人工阴影多边形的距离最近的两个多边形为邻近多边形，进而确定两个邻近多边形对应的候选匹配对集合。