[发明专利]一种遥感影像城市建成区提取方法

说明书

本发明涉及一种遥感影像城市建成区提取方法，属于遥感影像处理技术领域。本发明首先采用基于深度学习的语义分割模型，提取出原始建成区；然后针对提取出的原始建成区采用形态学腐蚀处理。本发明采用基于语义分割与形态学运算相结合的夜光遥感数据提取建成区的方法，提高了平均空间精度和面积精度，并且实现了面积精度和空间位置精度之间的平衡，同时提取出的建成区具有平滑的边界，解决了传统算法存在锯齿状边缘的问题。并且所提的Boundary Restrain结构元进行形态学腐蚀运算有效的改善了由于灯光溢出问题引起的建成区范围偏大的问题。

技术领域

本发明涉及一种遥感影像城市建成区提取方法，属于遥感影像处理技术领域。

背景技术

城市建成区的一般性定义为一个市政区域范围内经过征用的土地和实际建成发展起来的非农业生产建设的地段，包括近郊区域的城市，并且具有完善的市政公用设施的城市建设用地。目前，随着我国各城市的规模不断扩大，如何快速、准确的提取城市建成区对城市发展现状以及未来的规划具有重要的意义。同时对建成区的提取可以为研究其他相关任务提供基础数据，建成区的提取成果还可以为重大事故发生后的救援以及重建工作提供重要的依据。

遥感影像提取建成区是遥感影像重要的研究方向之一。目前，利用夜光遥感数据提取建成区主要包括统计分析法、突变检测法、领域极值法等。统计分析法借助统计数据对结果不断优化进而逼近真实数据，这种方法提取精度较高，但是需要人工寻找最佳阈值，因此效率较低。突变检测法是通过不断调整提取的阈值，将目标区域周长突变时的阈值作为最佳阈值，该方法提取精度高，但是由于不同城市空间异质性不一，因此稳定性较差。邻域极值法通过获取领域差值影像和极值搜索提取建成区，该方法速度较快，但是对大尺度建成区提取效果未知。上述这些传统方法提取的建成区还存在锯齿状边缘的不足。

利用多光谱影像通过机器学习提取城市建成区的方法主要包括支持向量机、随机森林和无监督聚类等。这些方法提取速度较快，但是未能进行深度特征的提取，精度往往有限。深度学习中的卷积神经网络能够提取图像深层次的特征，在图像分类领域的能力已经超过人类，已经广泛应用于图像处理各个领域。基于卷积神经网络的语义分割近年来得到广泛的研究。国内外已有学者利用语义分割提取建成区及附属要素等，如杨建宇等人研究了利用SegNet提取高空间分辨率影像农村建设用地的方法，王俊强等人研究了利用Deeplabv3+CRF提取高空间分辨率的典型地物要素的方法，但是这些利用多光谱影像的提取方法易受植被、水体等干扰，进而影响了城市建成区的提取精度。

发明内容

本发明的目的是提供一种遥感影像城市建成区提取方法，以解决目前城市建成区的提取精度低的问题。

本发明为解决上述技术问题而提供一种遥感影像城市建成区提取方法，该提取方法包括以下步骤：

1)获取夜光遥感影像，并对其进行预处理；

2)将预处理后的夜光遥感影像输入到已训练的基于深度学习的语义分割模型中，提取出原始建成区；

3)对提取出的原始建成区进行形态学腐蚀处理，以消除灯光溢出的影响。

本发明首先采用基于深度学习的语义分割模型，提取出原始建成区；然后针对提取出的原始建成区采用形态学腐蚀处理，以缩减明亮区域和消除凸起，解决传统方法存在的灯光溢出问题。本发明采用基于语义分割与形态学运算相结合的夜光遥感数据提取建成区的方法，提高了平均空间精度和面积精度，并且实现了面积精度和空间位置精度之间的平衡，同时提取出的建成区具有平滑的边界，解决了传统算法存在锯齿状边缘的问题。

进一步地，所述的语义分割模型采用PSPNet模型，PSPNet模型包括有PSP模块，所述的PSP模块用于使用不同的步长和不同池化大小的平均池化对基础卷积网络生成的特征图进行池化操作，并将经过不同大小网格处理得到新的特征图进行上采样后与原始特征图在通道维度上进行融合。