[发明专利]一种基于形态学建筑物指数的建筑物提取方法

摘要

本发明公开了一种基于形态学建筑物指数的建筑物提取方法，包括步骤一、影像预处理；二、不透水层组分图像的提取；三、形态学建筑物指数特征图像的获取301、结构元素的选取，302、CFO算子的建立，303、基于CFO算子的白帽变换的建立，304、采用差分多尺度形态学原理建立差分白帽形态学开闭混合重建序列，并求取出差分白帽形态学开闭混合重建序列的平均值，建立起形态学建筑物指数EMBI(x)，并得到了形态学建筑物指数特征图像，完成了建筑物的初步提取；四、采用决策树分析方法完成建筑物的最终提取。本发明实现便捷，建筑物提取精度、可靠性、精度和效率高，自动化程度高，实用性和可行性好。

主权项

一种基于形态学建筑物指数的建筑物提取方法，其特征在于该方法包括以下步骤：步骤一、影像预处理：对需要进行建筑物提取的影像进行辐射校正、去噪和几何纠正，纠正影像中的几何与辐射变形并提高影像的清晰度；步骤二、不透水层组分图像的提取：采用凸几何端元提取方法和线性混合光谱分解理论提取影像中的不透水层组分图像；步骤三、形态学建筑物指数特征图像的获取：采用建筑物属性与形态学运算之间的关系建立形态学建筑物指数，得到形态学建筑物指数特征图像，其具体过程如下：步骤301、结构元素的选取：选取线性结构的元素作为结构元素，定义为SE＝strel(‘line’,d,s)，其中，‘line’为结构元素的类型且类型为线性，d为结构元素的方向，s为结构元素的大小；步骤302、CFO算子的建立：首先对不透水层组分图像进行闭重建，形成闭重建图像，然后再对闭重建图像进行开重建，建立起CFO算子，并得到了CFO图像；步骤303、基于CFO算子的白帽变换的建立：将闭重建图像与CFO图像作减法，完成基于CFO算子的白帽变换；步骤304、采用差分多尺度形态学原理建立差分白帽形态学开闭混合重建序列，并求取出差分白帽形态学开闭混合重建序列的平均值，建立起形态学建筑物指数EMBI(x)，并得到了形态学建筑物指数特征图像，完成了建筑物的初步提取；其中，x为测试像元；步骤四、采用决策树分析方法完成建筑物的最终提取，其具体过程为：步骤401、首先对形态学建筑物指数EMBI(x)特征设置阈值t1，然后对形态学建筑物指数特征图像进行阈值分割，当EMBI(x)≥t1时，剔除土壤、植被和阴影的干扰，得到了一次阈值分割后图像；步骤402、首先对连通区域长宽比Ratio(x)特征设置阈值t2，然后对一次阈值分割后图像进行阈值分割，当Ratio(x)≤t2时，剔除明亮和狭长道路对象的干扰，得到了二次阈值分割后图像；步骤403、首先对连通区域面积Area(x)特征设置阈值t3，然后对二次阈值分割后图像进行阈值分割，当Area(x)≥t3时，剔除噪声的干扰，得到了三次阈值分割后图像，即为最终提取得到的建筑物图像；步骤二中所述采用凸几何端元提取方法和线性混合光谱分解方法提取影像中的不透水层组分图像的具体过程为：步骤201、将影像进行主成分变换，并将主成分变换后的前三个波段分别作为X轴、Y轴和Z轴，构成三维散点图；步骤202、在所述三维散点图上选择顶点及其邻近样本的平均光谱作为端元，并定义端元对应的类型为高亮度不透水地物、低亮度不透水地物、植被、土壤和阴影，建筑物包含在高亮度不透水地物和低亮度不透水地物中；步骤203、采用线性混合光谱分解方法，将高亮度不透水地物和低亮度不透水地物组合形成包含建筑物的不透水层组分图像；步骤301中所述d的取值为：d＝{22.5°,45°,67.5°,90°,112.5°,135°,157.5°,180°}，步骤301中所述s的取值为：s＝{9,13,17,21,25,29,33}。