一种高分辨率遥感影像人工地物轮廓检测方法技术

本发明专利技术涉及一种高分辨率遥感影像人工地物轮廓检测方法。包括如下步骤：步骤1，先对输入遥感影像

A method of contour detection for man-made objects based on high resolution remote sensing images

The invention relates to a method for detecting artificial ground contour of a high-resolution remote sensing image. The method comprises the following steps: Step 1, inputting remote sensing image first;

【技术实现步骤摘要】
一种高分辨率遥感影像人工地物轮廓检测方法
本专利技术涉及一种遥感影像处理领域，具体说是一种高分辨率遥感影像人工地物轮廓检测方法。
技术介绍
遥感影像是地面目标和现象在图像上的光谱和几何特征的综合反映，不仅仅是体现亮度特征和色度特征的象素单元集合，而且具有复杂的光谱特征和结构特征。高分辨率遥感影像是一种非常特殊的数字图像，其复杂程度远高于普通图像。高分辨率遥感影像的轮廓检测是遥感信息分析与理解的基础，是数字图像处理领域的一个挑战。目前，许多学者不断提出相关轮廓检测理论和方法，但就己发表的成果来看，这些方法还存在以下问题：(1)由于遥感影像在成像过程中受传感器、太阳位置等多因素的影响，影像中所表现的目标地物信息不仅不完全，而且含有大量噪声。边缘和噪声在空间域都表现为灰度的较大突变，在频率域则反映为同是高频分量，在其上执行轮廓检测的结果常常把噪声当作边缘点而检测出来，使真正的轮廓由于受噪声干扰而没被检测出来。(2)遥感影像信息量丰富，与一般图像相比，其包含的内容远比普通的图像多，不同地物间信息的相互影响与干扰，不显著或模糊的边界使得要提取出感兴趣的目标轮廓变得非常困难。
技术实现思路
本专利技术提供了一种高分辨率遥感影像人工地物轮廓检测方法，以高分辨率遥感影像作为数据源，在尺度空间上做差异图像，可以减少噪声对提取轮廓的干扰，最大限度地保留影像的边缘信息，方法的计算量小，自适应能力强，输出结果可靠。为实现本专利技术的目标所采用的技术方案是：方法包括以下步骤：步骤1：先对输入遥感影像I进行下采样，得到Is，将Is与高斯核函数进行卷积，得到影像Isc，将Is减去Isc，得到差异图像D；步骤2：用灰度统计比较窗口GSC对步骤1的差异图像D进行边缘检测，得到候选曲线集合Scont；步骤3：考虑到步骤2的灰度统计比较窗口GSC服从正态分布的规律，采用基于标准误差函数的验证方法对步骤2的候选曲线集合Scont中的所有曲线进行验证并筛选，得到精选曲线集合Fcont；步骤4：对步骤3的精选曲线集合Fcont中的所有曲线分别进行平滑处理，输出高分辨率遥感影像人工地物轮廓检测结果。所述的高斯核函数的标准差其中k为权衡系数，用于平衡轮廓的锯齿和模糊程度，s为尺度空间中相邻尺度的比值。所述的灰度统计比较窗口GSC是可移动的，移动方式采用逐行扫描的形式。所述的灰度统计比较窗口GSC是由亮模板ML和暗模板MD邻接而成的窗口，由侧面宽度w确定窗口包含的区域大小，并按照以下公式计算灰度统计比较窗口GSC中候选曲线的取值v：式(1)中，M和N分别为亮模板ML和暗模板MD中包含的像素点数，Lm和Dn分别为亮模板ML中的第m个像素和暗模板MD中的第n个像素，当灰度统计比较窗口GSC不含边界信息，覆盖匀质区域，Ln恒等于Dn，即δ(Lm,Dn)＝0.5时，当灰度统计比较窗口GSC包含显著的边界信息，Ln恒小于Dn，即δ(Lm,Dn)＝1时，v＝M×N；当候选曲线的取值v大于阈值T1时，将候选曲线作为提炼曲线。所述的侧面宽度w是指亮模板ML和暗模板MD的最小外接矩形的短边，采用两个取值其中，保证亮模板ML和暗模板MD至少覆盖一行的像素，用于检测对比度高的轮廓。保证亮模板ML和暗模板MD至少覆盖三行的像素，用于检测含有噪声、边缘模糊的轮廓。所述的基于标准误差函数的验证方法为利用以下公式计算曲线的标准误差取值SER：式(2)中，积分上限h表达式中的当提炼曲线的标准误差取值SER小于阈值T2时，将其作为精选曲线。所述的平滑处理方法采用贝塞尔曲线平滑法。所述的候选曲线是指直接用边缘检测算法检测得到的结果，其中包含过短或无效的边缘，需要后续步骤进一步验证和筛选。本专利技术的有益效果是：最大限度地挖掘遥感影像中的人工地物的轮廓信息，可以应用于建筑物、道路等人工地物的准确提取。附图说明图1是本专利技术的总体处理流程图。图2是本专利技术的灰度统计比较窗口示意图。具体实施方式下面结合附图详细描述本专利技术的具体实施方式。图1是本专利技术的总体处理流程图：在步骤101，输入待处理的高分辨率遥感影像I为Quickbird全色影像，空间分辨率为0.81米。在步骤102，对高分辨率遥感影像I进行下采样得到Is，其中，采样间隔为2个像素。在步骤103，将Is与高斯核函数进行卷积，得到影像Isc，将Is减去Isc，得到差异图像D，其中，高斯核函数的标准差其中k为权衡系数，用于平衡轮廓的锯齿和模糊程度，s为尺度空间中相邻尺度的比值。经反复试验，将k设定为1.5，将s设定为0.8。在步骤104，用灰度统计比较窗口GSC对步骤103中的差异图像D进行边缘检测，得到候选曲线集合Scont，其中，GSC是可移动的，移动方式采用逐行扫描的形式，基于高分辨率遥感影像的人工地物遵循规则分布的特征并考虑后续步骤的计算量和轮廓相关信息保留程度之间的权衡问题，用不同传感器和不同尺寸的遥感影像进行试验，发现将移动步距P设置5的效果最佳，灰度统计比较窗口GSC是由亮模板ML和暗模板MD邻接而成的窗口，由侧面宽度w确定窗口包含的区域大小，并按照以下公式计算灰度统计比较窗口GSC中候选曲线的取值v：其中，M和N分别为亮模板ML和暗模板MD中包含的像素点数，Lm和Dn分别为亮模板ML中的第m个像素和暗模板MD中的第n个像素，当灰度统计比较窗口GSC不含边界信息，覆盖匀质区域，不含边界信息，Ln恒等于Dn，即δ(Lm,Dn)＝0.5)时，当灰度统计比较窗口GSC包含显著的的边界信息，Ln恒小于Dn，即δ(Lm,Dn)＝1)时，v＝M×N；当候选曲线的取值v大于阈值T1时，将候选曲线作为提炼曲线。侧面宽度w采用两个取值其中，保证亮模板ML和暗模板MD至少覆盖一行的像素，用于检测对比度高的轮廓；保证亮模板ML和暗模板MD至少覆盖三行的像素，用于检测含有噪声、边缘模糊的轮廓。在步骤105，考虑到步骤104的灰度统计比较窗口GSC服从正态分布的规律，采用基于标准误差函数的验证方法对步骤4的候选曲线集合Scont中的所有曲线进行验证并筛选，得到精选曲线集合Fcont，其中，基于标准误差函数的验证方法为利用以下公式计算曲线的标准误差取值SER：其中，积分上限h表达式中的当提炼曲线的标准误差取值SER小于阈值T2时，将其作为精选曲线。在步骤106，对步骤105的精选曲线集合Fcont中的所有曲线利用贝塞尔曲线平滑法分别进行平滑处理。在步骤107，输出轮廓。经试验，步骤104中的阈值T1和步骤106中阈值T2分别设置为0.75和0.6。图2是本专利技术的灰度统计比较窗口示意图。200为差异图像D的局部，201为一段轮廓曲线，202为亮模板ML，203为暗模板MD，204为侧面宽度w。本文档来自技高网...

【技术保护点】
一种高分辨率遥感影像人工地物轮廓检测方法，其特征在于包括以下步骤：步骤1：先对输入遥感影像I进行下采样，得到I

【技术特征摘要】
1.一种高分辨率遥感影像人工地物轮廓检测方法，其特征在于包括以下步骤：步骤1：先对输入遥感影像I进行下采样，得到Is，将Is与高斯核函数进行卷积，得到影像Isc，将Is减去Isc，得到差异图像D；步骤2：用灰度统计比较窗口GSC对步骤1的差异图像D进行边缘检测，得到候选曲线集合Scont；步骤3：考虑到步骤2的灰度统计比较窗口GSC服从正态分布的规律，采用基于标准误差函数的验证方法对步骤2的候选曲线集合Scont中的所有曲线进行验证并筛选，得到精选曲线集合Fcont；步骤4：对步骤3的精选曲线集合Fcont中的所有曲线分别进行平滑处理，输出高分辨率遥感影像人工地物轮廓检测结果。2.根据权利要求1所述的一种高分辨率遥感影像人工地物轮廓检测方法，其特征在于所述的高斯核函数，其标准差其中k为权衡系数，用于平衡轮廓的锯齿和模糊程度，s为尺度空间中相邻尺度的比值。3.根据权利要求1所述的一种高分辨率遥感影像人工地物轮廓检测方法，其特征在于灰度统计比较窗口GSC是可移动的，移动方式采用逐行扫描的形式。4.根据权利要求1所述的一种高分辨率遥感影像人工地物轮廓检测方法，其特征在于灰度统计比较窗口GSC是由亮模板ML和暗模板MD邻接而成的窗口，由侧面宽度w确定窗口包含的区域大小，并按照以下公式计算灰度统计比较窗口GSC中候选曲线的取值v：式(1)中，M和N分别为亮模板ML和暗模板M...

【专利技术属性】
技术研发人员：施文灶，刘金清，黄晞，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建,35