一種城市建成區(qū)邊界自動(dòng)提取方法
【專利摘要】本發(fā)明涉及一種城市建成區(qū)邊界自動(dòng)提取方法，尤指應(yīng)用于高分辨率全色遙感影像進(jìn)行城市建成區(qū)邊界自動(dòng)提取，屬于城市規(guī)劃領(lǐng)域。本發(fā)明首先對(duì)影像進(jìn)行直方圖均值拉伸處理，然后基于邊緣檢測(cè)算子提取城市建成區(qū)的邊緣密度合理區(qū)，并基于灰度共生矩陣和神經(jīng)網(wǎng)絡(luò)算法提取其紋理特征合理區(qū)，再將邊緣密度的合理區(qū)和紋理特征的合理區(qū)進(jìn)行與操作得到城市建成區(qū)的候選區(qū)，然后使用分塊密度過(guò)濾方法和數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行精提取，最后使用數(shù)學(xué)形態(tài)學(xué)方法將邊界進(jìn)行光滑處理并提取出城市建成區(qū)邊界。本發(fā)明能有效處理具有多個(gè)中心且空地水域面積較大的區(qū)域，彌補(bǔ)當(dāng)前已有方法的不足，且提取的城市建成區(qū)邊界具有較高的精度。
【專利說(shuō)明】—種城市建成區(qū)邊界自動(dòng)提取方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及一種城市建成區(qū)邊界自動(dòng)提取方法，尤指應(yīng)用于高分辨率全色遙感影像進(jìn)行城市建成區(qū)邊界自動(dòng)提取，本方法充分利用城市建成區(qū)在高分辨率全色遙感影像中的邊緣密度特征和紋理特征，有效地實(shí)現(xiàn)了城市建成區(qū)邊界的提取，屬于城市規(guī)劃領(lǐng)域。
【背景技術(shù)】
[0002]城市建成區(qū)的范圍反映的是一個(gè)城市發(fā)展的規(guī)模，是城市規(guī)劃中一個(gè)十分重要的指標(biāo)。城市建成區(qū)的面積也是計(jì)算城市的人口密度、公共設(shè)施水平、城市單位面積產(chǎn)值和城市擴(kuò)張系數(shù)等一系列指標(biāo)的基礎(chǔ)。準(zhǔn)確提取城市建成區(qū)邊界，是研究城市空間格局變化、城市擴(kuò)張和城市驅(qū)動(dòng)力分析等問(wèn)題的關(guān)鍵，對(duì)城市經(jīng)濟(jì)發(fā)展、城市規(guī)劃、土地資源管理等許多方面也起著重要的作用。
[0003]目前關(guān)于城市建成區(qū)范圍的概念還沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)。在僅以遙感影像為數(shù)據(jù)源進(jìn)行研究的前提下，“城市建成區(qū)邊界” 一般指通過(guò)遙感影像提取的城市建成區(qū)邊界，即城市行政范圍內(nèi)經(jīng)過(guò)征用的土地和實(shí)際建設(shè)發(fā)展起來(lái)的非農(nóng)業(yè)生產(chǎn)用地的邊界。以往通過(guò)人工方式從遙感影像上提取城市建成區(qū)邊界雖然準(zhǔn)確率高，但效率低且成本耗費(fèi)大，導(dǎo)致了數(shù)據(jù)更新延遲等問(wèn)題。近年來(lái)關(guān)于全色影像上城市建成區(qū)的提取研究有所增加，這些提取方法大致可以分為兩類。一類是基于區(qū)域增長(zhǎng)方法的半自動(dòng)提取方法，它首先需要人為確定出城市建成區(qū)的數(shù)目，為每一塊城市建成區(qū)人為設(shè)置種子點(diǎn)或區(qū)域，其方法的關(guān)鍵在于確定用于分割識(shí)別的相似性判據(jù)。這類方法對(duì)居民地這類單一類型的提取效果較好，但城市建成區(qū)是由建筑物、道路、綠地、水域及空地等多種地物類型相互延續(xù)、相互交錯(cuò)而構(gòu)成的復(fù)雜混合體，僅通過(guò)選擇種子并設(shè)置合適的閾值進(jìn)行區(qū)域生長(zhǎng)十分困難。另一類方法則主要是基于分類的思想，根據(jù)光譜和紋理特征進(jìn)行分類并作進(jìn)一步處理以達(dá)到提取城市建成區(qū)的目的。第一種有效的方法是采用分層方法，先根據(jù)紋理能量測(cè)度提取出候選區(qū)域，然后使用建筑物的直線方向特性和邊緣密度特性進(jìn)行提取，但該方法只適于單個(gè)中心且空地與水域面積較少的全色影像。隨后又有學(xué)者針對(duì)中低分辨率影像，提出基于模糊集理論和貝葉斯準(zhǔn)則的分類方法，對(duì)中低分辨率全色影像的提取效果較好，但對(duì)高分辨率影像的效果未知；也有學(xué)者使用基于Gabor濾波的方法，自動(dòng)確定最佳中心頻率來(lái)檢測(cè)居民地，，該方法無(wú)需訓(xùn)練樣本，但其需要計(jì)算多個(gè)中心頻率下整幅影像在4個(gè)方向上的濾波，這對(duì)一個(gè)城市區(qū)域大小的高分辨率遙感圖像而言運(yùn)算量太大，不適用于城市建成區(qū)邊界的提取。
[0004]傳統(tǒng)城市建成區(qū)邊界提取方法或者僅適于單個(gè)中心且空地與水域面積較少的全色影像，或者僅證明對(duì)中低分辨率遙感影像有效，或者運(yùn)算量太大，不能處理具有多個(gè)中心或空地水域面積較大的高分辨率全色影像，均具有一定的局限性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的技術(shù)問(wèn)題；提供了一種使提取的城市建成區(qū)邊界精度更高；并能有效處理具有多個(gè)中心且空地水域面積較大的區(qū)域，從而彌補(bǔ)當(dāng)前已有方法的不足的一種城市建成區(qū)邊界自動(dòng)提取方法。
[0006]本發(fā)明的上述技術(shù)問(wèn)題主要是通過(guò)下述技術(shù)方案得以解決的:
[0007]—種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，包括以下步驟:
[0008]步驟1，針對(duì)高分辨率(分辨率一般在5m以內(nèi))的全色遙感影像，要求影像的信噪比高，無(wú)明顯云層覆蓋，對(duì)影像進(jìn)行直方圖均值拉伸處理；
[0009]步驟2，對(duì)步驟I得到的預(yù)處理影像采用邊緣檢測(cè)算子提取出影像的邊緣密度合理區(qū)；
[0010]步驟3，對(duì)步驟I得到的預(yù)處理影像基于灰度共生矩陣和神經(jīng)網(wǎng)絡(luò)算法提取出影像的紋理特征合理區(qū)；
[0011]步驟4，對(duì)步驟2得到的邊緣密度合理區(qū)和步驟3得到的紋理特征合理區(qū)進(jìn)行與操作運(yùn)算，即取兩者的共同部分，得到城市建成區(qū)的候選區(qū)；
[0012]步驟5，對(duì)步驟4得到的城市建成區(qū)候選區(qū)采用分塊密度過(guò)濾處理和數(shù)學(xué)形態(tài)學(xué)等方法進(jìn)行精提取，提取出內(nèi)部封閉完整且達(dá)到設(shè)定面積規(guī)模(具體大小需根據(jù)具體城市人為設(shè)定)的城市建成區(qū)初步提取結(jié)果；
[0013]步驟6，對(duì)步驟5得到的影像采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)城市建成區(qū)邊界進(jìn)行光滑處理并提取邊界。
[0014]在上述的一種城市建成區(qū)邊界自動(dòng)提取方法，所述步驟2中，采用邊緣檢測(cè)算子提取邊緣密度合理區(qū)的步驟包括:
[0015]步驟2.1，采用邊緣檢測(cè)算子對(duì)步驟I得到的預(yù)處理影像提取影像的邊緣特征，得到邊緣特征影像；
[0016]步驟2.2.對(duì)邊緣特征影像采用Otsu自動(dòng)閾值分割法進(jìn)行二值化處理；
[0017]步驟2.3.對(duì)二值化得到的影像進(jìn)行分塊密度過(guò)濾處理。
[0018]在上述的一種城市建成區(qū)邊界自動(dòng)提取方法，所述步驟2.2的具體操作包括以下子步驟:
[0019]步驟2.21，設(shè)邊緣特征影像的象元取值范圍為[0，...^]，總象元數(shù)為N，灰度值為r的象元個(gè)數(shù)為&則灰度值r的概率p^nyN，灰度閾值K，其中，O≤K≤W ;然后將影像分為兩類，即灰度為[0，...，!(]的象元構(gòu)成一類,記為Dtl ;灰度值為[Κ+1，...，Ι]的象元構(gòu)成另一類，記為D1 ；
[0020]步驟2.22，先計(jì)算整幅影像的灰度均值μ:y=PQ(k) μ。⑷+P1O μι(Κ)，其中P0(K)為Dtl類的概率，P1 (K) SD1類的概率，μ O (K)為Dtl類所有象元的灰度均值，MK)為D1類所有象元的灰度均值，具體計(jì)算公式如下:
【權(quán)利要求】
1.一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，包括以下步驟: 步驟I，針對(duì)高分辨率的全色遙感影像，要求影像的信噪比高，無(wú)明顯云層覆蓋，對(duì)影像進(jìn)行直方圖均值拉伸處理； 步驟2，對(duì)步驟I得到的預(yù)處理影像采用邊緣檢測(cè)算子提取出影像的邊緣密度合理區(qū)； 步驟3，對(duì)步驟I得到的預(yù)處理影像基于灰度共生矩陣和神經(jīng)網(wǎng)絡(luò)算法提取出影像的紋理特征合理區(qū)； 步驟4，對(duì)步驟2得到的邊緣密度合理區(qū)和步驟3得到的紋理特征合理區(qū)進(jìn)行與操作運(yùn)算，即取兩者的共同部分，得到城市建成區(qū)的候選區(qū)； 步驟5，對(duì)步驟4得到的城市建成區(qū)候選區(qū)采用分塊密度過(guò)濾處理和數(shù)學(xué)形態(tài)學(xué)等方法進(jìn)行精提取，提取出內(nèi)部封閉完整且達(dá)到設(shè)定面積規(guī)模的城市建成區(qū)初步提取結(jié)果； 步驟6，對(duì)步驟5得到的影像采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)城市建成區(qū)邊界進(jìn)行光滑處理并提取邊界。
2.根據(jù)權(quán)利要求1所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，所述步驟2中，采用邊緣檢測(cè)算子提取邊緣密度合理區(qū)的步驟包括: 步驟2.1，采用邊緣檢測(cè)算子對(duì)步驟I得到的預(yù)處理影像提取影像的邊緣特征，得到邊緣特征影像； 步驟2.2.對(duì)邊緣特征影像采用Otsu自動(dòng)閾值分割法進(jìn)行二值化處理； 步驟2.3.對(duì)二值化得到的影像進(jìn)行分塊密度過(guò)濾處理。
3.根據(jù)權(quán)利要求1所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，所述步驟`2.2的具體操作包括以下子步驟: 步驟2.21，設(shè)邊緣特征影像的象元取值范圍為[0，...^]，總象元數(shù)為N，灰度值為r的象元個(gè)數(shù)為&則灰度值r的概率p^rvU灰度閾值K，其中，O≤K≤W ;然后將影像分為兩類，即灰度為[0，...，!(]的象元構(gòu)成一類,記為Dtl ;灰度值為[K+1,…，W]的象元構(gòu)成另一類，記為D1 ； 步驟2.22，先計(jì)算整幅影像的灰度均值μ:μ=ρ0 (k) μ 0 (K) +P1 (k) μ丨(K)，其中P。(K)為D0類的概率，P1 (K)為D1類的概率，μ C1 (K)為Dci類所有象元的灰度均值，μ i (K)為D1類所有象元的灰度均值，具體計(jì)算公式如下:
4.根據(jù)權(quán)利要求3所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，所述步驟2.3的具體操作包括以下子步驟: 步驟2.31，對(duì)影像進(jìn)行分塊，即將其劃分為Ν*Ν大小的若干個(gè)子區(qū)域影像； 步驟2.32，計(jì)算子區(qū)域影像中像元值為I的象元密度P，即用每個(gè)子區(qū)域影像中的像元值為I的象元個(gè)數(shù)除以子區(qū)域影像的總象元個(gè)數(shù)； 步驟2.33，比較計(jì)算的密度值P與設(shè)置的密度閾值T的大小，若P不小于T則將該子區(qū)域影像的像元值均設(shè)為1，否則設(shè)為O。
5.根據(jù)權(quán)利要求1所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，所述步驟3中，所述的基于灰度共生矩陣和神經(jīng)網(wǎng)絡(luò)算法提取紋理特征合理區(qū)的步驟包括: 步驟3.1，將影像進(jìn)行量化為指定的灰度級(jí)，并設(shè)置紋理方向，步長(zhǎng)大小和掃描窗口的大小，計(jì)算影像的灰度共生矩陣，并歸一化； 步驟3.2，計(jì)算8個(gè)紋理指標(biāo)值，每個(gè)紋理指標(biāo)對(duì)應(yīng)一個(gè)波段，得到具有8個(gè)波段的紋理特征影像，具體而言，取μ
6.根據(jù)權(quán)利要求5所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，所述步驟`3.1包括以下子步驟: 步驟3.11將影像量化為指定的灰度級(jí)L ;定義影像的掃描窗口大小為s*s，s為奇數(shù)；f (i，j)表示第i行第j列的像元值，則量化后的象元值h(i，j)為:
h(1-]) = 其中，[X]表示X向下取整數(shù)，1=1，2?"，8;」_=1，2吣，8;步驟3.12設(shè)置紋理方向?yàn)棣?，步長(zhǎng)大小為d，則灰度共生矩陣為: g(i, j)=#{(xl, yl), (xl+a, yl+b) e RXC|h(xl, yl) =i, h(xl+a, yl+b)=j} 其中，g(i, j)表示灰度共生矩陣第i行第j列的像元值，i=l, 2...，L; j=l, 2...，L ；#(x)表示集合X中的元素個(gè)數(shù)；a和b的取值分別為:a=&(dcos Θ ), b=&(dsin Θ )，其中&(x)表示X向上取整數(shù)，具體當(dāng)Θ取值為O。,45° ,90°或135°時(shí)，a和b的取值為:
7.根據(jù)權(quán)利要求1所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，步驟5所述采用分塊密度過(guò)濾處理和數(shù)學(xué)形態(tài)學(xué)等方法進(jìn)行精提取的步驟包括: 步驟5.1，步驟4得到的城市建成區(qū)候選區(qū)往往不是封閉、完整的區(qū)域，而會(huì)顯得比較破碎，區(qū)域之間存在縫隙和空洞，因此考慮采用密度過(guò)濾的方式對(duì)密度較大的區(qū)域進(jìn)行填充，采用分塊密度過(guò)濾處理(參見(jiàn)步驟2.3所述)，得到城市建成區(qū)的中心區(qū)域； 步驟5.2，將城市建成區(qū)候選區(qū)和城市建成區(qū)中心區(qū)域進(jìn)行或操作運(yùn)算，這樣得到的候選區(qū)其中心部分更加完整； 步驟5.3，上步驟得到的城市建成區(qū)仍往往會(huì)有許多小圖斑，根據(jù)城市建成區(qū)的區(qū)域連通性特點(diǎn)這些圖斑需要過(guò)濾掉，采用基于數(shù)學(xué)形態(tài)學(xué)的區(qū)域連通算法統(tǒng)計(jì)每個(gè)區(qū)域的面積，設(shè)置面積閾值M，將面積小于M的區(qū)域過(guò)濾掉，這樣得到的區(qū)域會(huì)因?yàn)槌鞘薪ǔ蓞^(qū)中的小湖泊、草地等而存在空洞，為了得到完整的城市建成區(qū)，采用基于數(shù)學(xué)形態(tài)學(xué)的區(qū)域填充算法將其中的空洞填充。
8.根據(jù)權(quán)利要求1所述的一種城市建成區(qū)邊界自動(dòng)提取方法，其特征在于，步驟6所述采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)城市建成區(qū)邊界進(jìn)行光滑處理并提取邊界的步驟包括:步驟6.1，選擇3維矩陣
【文檔編號(hào)】G06T7/60GK103824309SQ201410089596
【公開日】2014年5月28日 申請(qǐng)日期:2014年3月12日 優(yōu)先權(quán)日:2014年3月12日
【發(fā)明者】劉耀林, 李海江, 焦利民, 劉艷芳, 譚榮輝, 邱麗娟 申請(qǐng)人:武漢大學(xué)