[发明专利]基于区域一致性的建筑物主角度修正方法

说明书

本发明公开了一种基于区域一致性的建筑物主角度修正方法，涉及遥感影像处理领域，该方法通过获取建构筑物的区域主角度和两个候选主角度，并通过区域主角度与候选主角度之间的关系，从候选主角度中筛选出真实主角度，对建筑物主角度进行修正。该方法作为建筑物提取的后处理方法，根据不规则房屋建构筑物所在区域范围内房屋建构筑物的走向一致性对该不规则房屋建构筑物的主角度进行修正，提高后处理中主角度计算的准确率，从而能够大大提升房屋建构筑物提取的后处理优化效果。

技术领域

本发明涉及遥感影像处理领域，具体涉及一种基于区域一致性的建筑物主角度修正方法。

背景技术

目前，随着智慧城市大数据时代的到来、以及卫星遥感技术的不断发展，对地观测、卫星遥感、生态评估、国土监管逐渐向宏观、动态、精细化方向发展，因而，大范围高效率的卫星遥感影像解译具有现实需求。高分辨率遥感影像中的建筑物提取对违建监测、城区自动提取、地图更新、城市变化监测、城市规划、三维建模、数字化城市建立等应用具有重要意义。高分辨率遥感影像在提高地物光谱特征，突出地物结构、纹理和细节等信息的同时，也因为卫星观测角度问题造成地物遮挡，尺度的增大带来了严重的异物同谱问题，同时增加了影像的噪声，因而限制了建筑物提取的精度，使得目视解译方法仍然是最普遍使用的判读方法，目视解译方法虽然精度相对有保证，但是其效率低、费时费力的缺点严重制约了高分辨率遥感影像的大规模应用，造成影像数据的极大浪费。

深度学习是人工智能中机器学习发展的新阶段，有效的解决了对复杂对象特征的刻画和复杂场景的关联分析等问题。面向高分辨率遥感影像建筑物提取的深度学习方法，可以自动提取建筑物的特征信息，实现高精度高效率的建筑物提取。然而，由于遥感影像的复杂性，建筑物受噪声、遮挡、阴影、低对比度的影响，目前的建筑物自动提取方法结果可靠性不高，存在明显的缺陷，如建筑物与道路的光谱特征相似因而无法被有效区分开来，无法通过全自动的方法直接获取精度较高的提取结果。现有的另一种方式是将计算机自动提取技术与人工交互相结合，即交互式地物提取，提取精度有了一定的保障。但是，这种方法需要人工给定建筑物的初始位置，依赖边缘信息提取建筑物，交互复杂，对人工给定位置的精度要求高，实施困难。

为进一步提高建筑物自动化提取的精度，并将提取结果应用于工程实践中，研究人员在建筑物提取的后处理方向展开了各种研究。基于建筑物的几何形状、空间分布等规则特征，对建筑物提取结果进行图形化的修正处理，优化后的成果可以直接用于具体工程项目。

在后处理方法中，通过计算获得的房屋建构筑物的主角度能够帮助提升深度学习方法提取建筑物的精度。然而现有的主角度计算方法仍然存在两个难以克服的问题，其一是由于建筑物本身形态多样，再加上自动化提取时带来的误差，给建筑物主角度的求取带来一定难度；其二是不同的主角度求取方法都有一定的适用范围和局限性，特别是对于提取效果不好建筑物，不同求取方法求取结果差异较大，因而难以取得较好的后处理效果。

发明内容

本发明提出一种基于区域一致性的建筑物主角度修正方法。该方法根据不规则房屋建构筑物所在区域范围内房屋建构筑物的走向一致性对该不规则房屋建构筑物的主角度进行修正，提高后处理中主角度计算的准确率，从而能够大大提升房屋建构筑物提取的后处理优化效果。

为实现上述技术目的，本发明的技术方案如下：

一种基于区域一致性的建筑物主角度修正方法，该方法包括以下步骤：

S1获取目标遥感影像，通过预设方法获取目标遥感影像的房屋建构筑物的候选主角度，所述候选主角度包括第一候选值和第二候选值；

S2计算第一候选值与第二候选值的差值，根据该差值和第一预设阈值的关系，将房屋建构筑物分为标准房屋建构筑物和待修正房屋建构筑物，同时获取标准房屋建构筑物的真实主角度；

S3通过区域统计策略得到待修正房屋建构筑物的区域主角度，区域统计策略包括外扩主角度统计和线段直方图统计；