[发明专利]一种基于全局优化决策的遥感图像建筑物检测分类方法

权利要求书

1.一种基于全局优化决策的遥感图像建筑物检测分类方法，其特征在于包括以下步骤：

(1)将通过机载雷达激光获取LiDAR数据生成的DSM图像数据，和高空摄像机获取的可见光图像输入到计算机中；

(2)处理DSM图像与可见光图像得到融合图像，并提取建筑物区域；

(3)对建筑物区域按面积进行区分，把建筑物区域面积设定阈值f，建筑物区域面积大于f时为大面积区域，对大面积区域再利用面积、颜色、混乱度、密集度的组合特征计算进行分类；

(4)利用步骤(3)中建筑物区域面积小于f时得到的小区域建筑物，按面积、颜色、混乱度、密集度的四个特征，计算出熵最小的分支r的熵I_min,r，再计算出熵最小分支r中数目最多的相同建筑物占该分支的概率，以及占同类建筑物总数的概率，最后确定出各特征的权重，根据权重大小顺序按照该权重大的特征先进行建筑物分类。

2.根据权利要求1所述的一种基于全局优化决策的遥感图像建筑物检测分类方法，其特征是：所述步骤(3)分出区域面积明显偏大的建筑物区域，根据遥感图像建筑物的特征，确定出面积、颜色、混乱度、密集度四个特征，其中面积为建筑物区域像素的个数，颜色Color、混乱度S、密集度C的计算如下式：

Color＝||max(R,G,B)-min(R,G,B)|| (1)

其中Color表示图像的颜色值，R,G,B分别代表融合图像三个通道各代表的像素值；

其中S表示图像的混乱度，i表示图像像素数目，N代表图像像素最大数目，x代表像素的平均值，x_i表示图像像素值；

其中C代表密集度，A和P分别为建筑物区域的面积和周长。

3.根据权利要求1所述的一种基于全局优化决策的遥感图像建筑物检测分类方法，其特征是：所述步骤(4)分别计算小区域建筑物的分类，其方法是采用公式如下：

(1)计算图像计算出融合图像的熵，如下式：

I＝-(P₁log₂P₁+P₂log₂P₂+...+P_klog₂P_k) (4)

其中k为建筑物的种类，P₁,P₂,...,P_k分别代表k类建筑物在总建筑物中的概率，I代表融合图像的熵；

(2)按各特征分类计算出熵最小的分支r的熵I_min,r，如下式：

其中s为面积、颜色、混乱度、密集度四个特征分类出的分支，I_min,r代表融合图像熵最小的分支r的熵，I_s代表s分支的熵；

(3)计算出熵最小分支r中数目最多的相同建筑物占该分支的概率，以及占同类建筑物总数的概率，如下式：

其中l代表建筑物类型的编号，B_lr代表r分支中l类建筑物的数目，N_r代表该r分支中总的建筑物的数目，B_ls代表s分支中l类建筑物的总数，M_lr与N_lr分别代表熵最小的r分支中数目最多的相同l类建筑物占该分支的概率以及占同l类建筑物总数的概率；

(4)计算各特征的权重，根据权重大小顺序确定出分类特征的顺序进行分类，按照该权重大的特征先进行分类，如下式：

其中s为面积、颜色、混乱度、密集度四个特征分类出的分支,W_s为分支s的特征权重,l代表建筑物的编号,M_ls与N_ls分别代表熵最小分支中数目最多的相同建筑物占该分支的概率以及占同类建筑物总数的概率，I_s代表融合图像的熵。