[发明专利]一种在高分辨率遥感影像中识别建筑物的方法

摘要

本发明公开一种在高分辨率遥感影像中识别建筑物的方法，通过建立位置异质性处理器，可以分析影像中一个位置与另外一个位置在一定邻域范围内的异质性，进而通过建立像元规律性过滤器实现像元关键特征的提取，并基于训练数据对影像中的每一个像元是否隶属于建筑物进行判断，实现高精确度的高分辨率遥感影像中提取建筑物的提取。本发明可以遥感影像分辨率较高的情况下，输入一个包含建筑物和非建筑物样本集，就可以实现高精度的建筑物提取。

主权项

1.一种在高分辨率遥感影像中识别建筑物的方法，包括以下步骤：S1. 输入遥感影像Image，该影像包含BandNum个波段，该影像的大小为RowNum行，ColNum列，指定跨度阈值SpanNum；输入由SampleNum个样本点构成样本集TestSet；S101，输入遥感影像Image，该影像包含BandNum个波段，该影像的大小为RowNum行，ColNum列；S102，指定跨度阈值SpanNum；跨度阈值的取值区间为[5,10]，默认值为5；S103，在影像上选取SampleNum个样本点构成样本集TestSet；TestSet为一个SampleNum个样本集合{p1,p2,p3,..pSampleNum}，对于其中任意一个样本pi其内容为pi={hs,ls,lable,character}，其中hs表示pi在影像中所处行，ls表示pi在影像上所在处列，label的值为1或者‑1，其中1表示pi所在位置为建筑物，‑1表示pi所在位置为非建筑物,样本规律性特征character为4个元素的数组；S2. 建立影像位置异质性处理器HeteroOperator；HeteroOperator需要输入两个位置点px1和px2，输出为异质性差值HeteroDifference；S201，建立影像位置异质性处理器HeteroOperator；HeteroOperator的输入为两个位置点px1和px2；px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行，ls1表示px1在在影像中所处的列，px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行，ls1表示px1在在影像中所处的列；S202，设置异质性差值HeteroDifference=0；S203, 设置行暂存变量counterI=0；S204, 设置列暂存变量counterJ=0；S205，取出Image上（行为hs1‑2+counterI，列为ls1‑2+counterJ）的像元，并存储在变量Pixel1中；S206，取出Image上（行为hs2‑2+counterI，列为ls2‑2+counterJ）的像元，并存储在变量Pixel2中；S207,计算Pixel1与Pixel2的差距diff，计算公式如下：S208，计算HeteroDifference=HeteroDifference+diff；S209，计算counterJ=counterJ+1；S210，如果counterJ<(SpanNum/2)则转到S205, 否则转到S211；S211, 计算counterI=counterI+1；S212, 如果counterI<(SpanNum/2)则转到S204, 否则转到S213；S213，计算HeteroDifference=tanh(HeteroDifference)；S214，输出异质性差值HeteroDifference；S3，构建影像像元规律性过滤器Filter，Filter的输入为一个位置点PixelFilter，输出为该位置的规律性数组Regular：S301，构建影像像元规律性过滤器Filter，Filter的输入为一个位置点PixelFilter；PixelFilter的内容为PixelFilter={hsP,lsP},其中hsP表示PixelFilter在影像中所处的行，lsP表示PixelFilter在影像中所处的列；S302，计算过滤范围参数filterscope=round(SpanNum/4+0.5) ；其中round为进行四舍五入；S303，构建模板数组一mask1=[‑filterscope, ‑filterscope, filterscope, filterscope]，模板数组二mask2=[‑filterscope, filterscope, ‑filterscope, filterscope]；mask1和mask2为数组，两个数组均包含4个元素，数组的下标为从1到4；S304,构建规律性数组Regular=[0,0,0,0]；temp为数组，数组均包含4个元素，数组的下标为从1到4；S305，循环变量counterP=1；S306，建立px2变量，px2的hs2=hsP，px2的ls2=lsP；S307, 建立 px1变量，px1的hs1=hsP+SpanNum×mask1[counterP], px1的ls1=lsP+SpanNum×mask2[counterP]；其中mask1[counterP]表示mask1的第counterP个元素，mask2[counterP]表示mask2的第counterP个元素；S308，输入px1和px2，执行影像位置异质性处理器HeteroOperator，获得HeteroDifference；S309，Regular[counterP]=HeteroDifference；其中Regular[counterP]表示Regular的第counterP个元素；S310，counterP=counter+1；S311，如果counterP<=4则转到S306，否则转到S312；S312，输出Regular；S4，通过Filter处理TestSet的所有元素；TestSet中每一个样本通过Filter的处理获得规律性特征character；S401，取出TestSet中的一个元素pi={hs,ls,lable,character}；S402，建立变量PixelFilter，PixelFilter的hsP=hs，PixelFilter的lsP=ls；S403，输入PixelFilter，执行Filter，获得Regular；S404，pi的character=Regular；S5，构建结果影像ResultImage，ResultImage的行数与列数与Image相同；通过Filter处理Image中的所有像元，并与TestSet的样本进行比较，获得是否为建筑物的判断结果；根据判断结果设定ResultImage中像元的颜色，白色对应建筑，黑色对应非建筑；S501，取出Image中的每一个像元，像元其位置所在行为hsC，所在列为lsC；S502，建立变量PixelFilter，PixelFilter的hsP=hsC，PixelFilter的lsP=lsC；S503，输入PixelFilter，执行Filter，获得Regular；S504，样本计数器counterS=1，统计值sums=0；S505，取出TestSet中的第counterS个样本，获得该样本的label和character；S506，计算带下标距离labelDiff：S507， sums=sums+labelDiff；S508, counterS=counterS+1；S509, 如果counterS<=SampleNum则转到S505，否则转到S510；S510，如果sums>0则转到S511，否则转到S512；S511，将ResultImage上行为hsC列为lsC的像元标记为黑色，转到S513；S512，将ResultImage上行为hsC列为lsC的像元标记为白色；S513，处理过程结束。