[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

说明书

本遥感图像建筑物检测分类方法首先获取源于机载雷达激光的DSM图数据和可见光图数据，把DSM图尺寸变换并二值化，滤除图像边缘的干扰，融合DSM图和可见光图，再分离融合图像的白色大小区域，对大区域利用组合特征进行分类，对小区域利用全局优化决策出建筑物分类的特征，按各特征设定的阈值对建筑物区域进行分类，计算熵最小的分支，再计算该分支中纯度最高的建筑物区域，结合这些数据得到各特征权重，权重最大的特征就是这一级分类特征，依次判决特征先后顺序，实现遥感图像建筑物检测分类过程。本发明可用于遥感图像建筑物的检测分类，对于准确地检测分类遥感图像建筑物有着重要意义，具有广阔的市场前景和应用价值。

技术领域

一种基于全局优化决策的遥感图像建筑物检测分类方法，属于数字图像处理领域，特别涉及建筑物检测分类的数字图像处理技术。

背景技术

随着互联网的发展，人们所面临的问题不是图像来源的缺乏，而是如何在许多图像中找到你所需要的信息。这就需要一个精确的技术来处理图像。在处理遥感图像的过程中，建筑物的检测与分类是非常重要的。遥感图像中建筑物的检测和分类，在土地规划、救灾等方面发挥着越来越广泛的作用。

遥感图像中建筑物的检测与分类，不仅包含在一个或多个场景中的建筑物的检测，而且还包含在场景中的各种建筑的详细描述。从技术上讲，这一过程包括建筑物的识别、特征提取、特征计算、检测分类和检验。

在建筑物检测方面，由于DSM图像包含建筑物的高度信息，我们可以使用DSM图像的局部特征自动检测相应的建筑面积，然后滤除图像中的噪声。这样，我们可以得到建筑物的轮廓。

在建筑物分类方面，一般的研究都采用了低层次的基本特征。Martin Szummer的技术对房间和户外使用图像底层特征，但这种分类方法只能识别特征明显的区域。AdityaVailaya使用了底层特征来区分城市的照片和风景照片。他用颜色，离散余弦变换系数和线特征来分类，但这种分类仅适用于具有丰富的色彩和明显的直线目标。为了获得更高的精度，Qasim Iqbal用线的长度、连接方式、结构进行分类，但分类器仍然集中在建筑与普通线特征检测。

在这些思想的基础上，本文采用全局优化决策和组合特征对建筑物进行检测和分类，并介绍了该算法的基本原理。该算法可以对建筑物进行更详细的分类，并适用于各种复杂场景的应用。

发明内容

(一)要解决的技术问题

本发明提供一种基于全局优化决策的遥感图像建筑物检测分类方法，本方法是传统熵算法的建筑物检测分类的改进，对各特征进行了权重处理，从而克服了传统熵算法存在的不足，能够更准确进行建筑物检测分类，检测分类结果的准确率更高。

(二)技术方案

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具体步骤：

步骤一、将通过机载雷达激光、高空摄像机等数字成像设备获取的遥感图像输入到计算机中。

步骤二、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。

步骤三、对建筑物区域按面积进行区分，对大区域利用组合特征进行分类。

步骤四、利用步骤三中得到小区域建筑物，计算出熵最小的分支以及各特征的权重，来进行建筑物分类。

(三)有益效果

本发明采用基于全局优化决策的遥感图像建筑物检测分类，充分利用全局决策和组合特征进行建筑物的检测分类。当我们使用传统熵来对这些样本进行分类时，只有有80％的建筑被分类为它们的原始类型。当我们使用全局优化决 策的遥感图像建筑物检测分类样本时，正确识别率可以达到92.5％。算法可用于对数码相机、手机摄像头等数字成像设备获取的遥感图像进行准确地建筑物检测分类，具有广阔的应用价值和市场前景。

附图说明