專(zhuān)利名稱(chēng):基于知識(shí)發(fā)現(xiàn)的quickbird影像鄉(xiāng)村聚落單元信息提取技術(shù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于知識(shí)發(fā)現(xiàn)的遙感影像信息提取技術(shù)，特別是涉及基于知識(shí)發(fā)現(xiàn)的遙感影像(QUICKBIRD)的鄉(xiāng)村聚落單元信息提取。
背景技術(shù)：
聚落提取的方法主要包括目視解譯提取
1
、分類(lèi)提取
2_4
、基于知識(shí)發(fā)現(xiàn)的提取。 一些學(xué)者已經(jīng)成功的研究出了基于知識(shí)發(fā)現(xiàn)的從LANDSAT TM/ETM、CBERS等影像中提出城市、農(nóng)村聚落信息的模型
5_7
，對(duì)居民地及其背景光譜特征進(jìn)行分析建立聚落提取模型。高分辨率影像如QUICKBIRD、IKONOS等為聚落的提取提供了先進(jìn)技術(shù)，但這些主要應(yīng)用于城市聚落信息的提取，很少有人將其用到農(nóng)村聚落的提取上
8
。在高分辨率遙感影像上，聚落表現(xiàn)為復(fù)雜多樣的聚合體，這使得聚落空間單元信息的提取具有較大的難度。
參考文獻(xiàn)
[1]馬榮華，陳雯，陳小卉，段學(xué)軍.常熟市城鎮(zhèn)用地?cái)U(kuò)展分析[J].地理學(xué)報(bào)，北京科學(xué)出版社 2004. 59(3) 418-426
[2]李曉文，方精云，樸世龍.上海城市土地利用轉(zhuǎn)變類(lèi)型及其空間關(guān)聯(lián)分析[J]. 自然資源學(xué)報(bào)2003. 22(6) =769-779
[3]楊國(guó)清，吳志峰，何建邦.珠江三角洲城鎮(zhèn)建筑覆蓋近期變化研究[J].地理研究，北京北京科學(xué)出版社2003. 22(6) 780-788
[4]Bert Guindon, Ying Zhang, Craig Dillabaugh. Landsat urban mapping based on acombined spectral spatial methodology,Remote Sensing of Environment, 2004,92 218 232
[5]楊存建，周成虎.基于知識(shí)發(fā)現(xiàn)的TM影像居民地自動(dòng)提取研究[J].遙感技術(shù)與應(yīng)用，2001，16(1) 1-6
[6] C. J. Yang, X.Y.Wang, H. Huang, Comparison of extracting rural residential areafrom satellite images with multiresolution, IGARSS,2008, U.S., Boston,P1264-1267.
[7]Y. Zha, S. X. Ni and S. Yang, "An Effective Approach to Automatically Extract UrbanLand-use from TM Imagery,"Journal of Remote Sensing,Science press, Beijing,7(1)，pp.37-41,2003
[8]李錦業(yè)，張磊，吳炳方，馬新輝.基于高分辨率遙感影像的城市建筑密度和容積率提取方法研究[M].遙感技術(shù)與應(yīng)用，2007. 22(3) 209-313

發(fā)明內(nèi)容
本發(fā)明主要發(fā)明從QUICKBIRD影像中提取鄉(xiāng)村聚落單元信息的技術(shù)方法。發(fā)現(xiàn)了鄉(xiāng)村聚落各組分的光譜知識(shí)，利用這些知識(shí)從QUICKBIRD影像中提取出了鄉(xiāng)村聚落的各組
3分信息；發(fā)現(xiàn)了各組分大小、空間關(guān)系等知識(shí)，并利用這些知識(shí)提取出鄉(xiāng)村聚落單元。利用真實(shí)數(shù)據(jù)對(duì)其進(jìn)行檢驗(yàn)，該技術(shù)方法所提取的聚落單元面積精度達(dá)到97. 4%，空間位置精度達(dá)到90. 4%。
四、



1為應(yīng)用結(jié)果。圖1中真實(shí)聚落單元邊界在圖中呈灰色；利用該發(fā)明技術(shù)方法提取的鄉(xiāng)村聚落單元邊界呈黑色。從圖中可以看出提取的聚落單元與真實(shí)聚落單元空間位置和空間大小相差不大，精度較高。該技術(shù)方法所提取的聚落單元面積精度達(dá)到 97. 4%，空間位置精度達(dá)到90. 4% 0
五具體實(shí)施方式
1、采用多項(xiàng)式幾何校正模型，利用1 1萬(wàn)地形圖對(duì)QUICKBIRD全色波段和多光譜影像進(jìn)行地理校正，并利用最近鄰法確定像元亮度值。
2、利用線(xiàn)性拉伸對(duì)影像進(jìn)行增強(qiáng)處理。
3、用QUICKBIRD影像的近紅外和紅光波段計(jì)算出NDVI。采用If B2(i, j) >T and NDVI (i，j) < M then該像元為建筑物。其中B2 (i，j)代表藍(lán)色波段影像第i行第j列的像元值。當(dāng)T的值為132，M的值為0. 059時(shí)，可以將建筑物提取出來(lái)。
4、采用If B4(i,j) < K then該像元為綠地像元。其中B4(i，j)代表紅光波段影像第i行第j列的像元值。當(dāng)K = 70時(shí)，可以從QUICKBIRD影像上提取出聚落綠地。
5、采用If Bl (i，j) < K then該像元為房屋陰影像元。其中(Bi (i，j)代表全色波段影像第i行第j列的像元值)。當(dāng)K = 46時(shí)，房屋陰影將被從QUICKBIRD影像中提取出來(lái)。
6、將建筑物、綠地和陰影聚合為聚落，并以10個(gè)像元的尺度對(duì)其進(jìn)行膨脹腐蝕處理，得到處理后的聚落單元(簡(jiǎn)稱(chēng)初層聚落單元)。
7、將提取的建筑物與陰影合并，并以25個(gè)像元的尺度對(duì)其進(jìn)行膨脹腐蝕處理，從而得到聚落掩膜圖層。
8、利用聚落掩膜圖層切取初層聚落單元，從而得到第二層聚落單元。將第二層聚落單元先收縮然后再膨脹15個(gè)像元的尺度，從而得到第三層聚落單元。將第三層聚落單元轉(zhuǎn)換為矢量格式，并與建筑物進(jìn)行疊加，如果，該單元圖斑中無(wú)建筑物，則將該單元圖斑去掉，從得到最終提取的聚落單元信息。
權(quán)利要求
1.一種從高分辨率影像中提取鄉(xiāng)村聚落單元信息的方法。其主要特征是通過(guò)研究發(fā)現(xiàn)聚落各組分的光譜知識(shí)，利用這些知識(shí)從QUICKBIRD影像中提取出了鄉(xiāng)村聚落的各組分； 根據(jù)發(fā)現(xiàn)的各組分大小，空間關(guān)系等知識(shí)，并利用這些知識(shí)，通過(guò)空間數(shù)據(jù)處理，提取出準(zhǔn)確的鄉(xiāng)村聚落單元信息。該方法適用于從QUICKBIRD影像上準(zhǔn)確快速半自動(dòng)提取平原區(qū)、 特別是成都平原的鄉(xiāng)村聚落單元信息。
2.權(quán)利1要求的基于知識(shí)發(fā)現(xiàn)的QUICKBIRD農(nóng)村聚落信息提取的特征是用 QUICKBIRD影像的近紅外和紅光波段計(jì)算出歸一化植被指數(shù)，用NDVI (i，j)表示，如果 B2(i，j) >T andNDVI(i, j) < M則該像元為建筑物像元，否則為非建筑物像元。其中，B2 (i， j)為藍(lán)光波段影像第i行第j列的像元值)。當(dāng)T的值為132，M的值為0. 059時(shí)，可以提取出精度較高的建筑物區(qū)域。
3.權(quán)利2要求的基于知識(shí)發(fā)現(xiàn)的QUICKBIRD農(nóng)村聚落信息提取的特征是如果B4(i， j) < K則該像元為聚落綠地像元，否則為非聚落綠地像元。其中，B4(i，j)代表紅光波段影像第i行第j列的像元值。當(dāng)K = 70時(shí)，可以從QUICKBIRD影像上提取出聚落綠地區(qū)域。
4.權(quán)利3要求的基于知識(shí)發(fā)現(xiàn)的QUICKBIRD農(nóng)村聚落信息提取的特征是如果Bl(i， j) < K則該像元為房屋陰影像元。其中Bl (i，j)代表全色波段影像第i行第j列的像元值。當(dāng)K = 46時(shí)，可以從QUICKBIRD影像上提取出房屋陰影。
5.權(quán)利4要求的基于知識(shí)發(fā)現(xiàn)的QUICKBIRD農(nóng)村聚落信息提取的特征是將建筑物、 房屋陰影、聚落綠地聚合為聚落，并以10個(gè)像元的尺度對(duì)其進(jìn)行膨脹腐蝕處理，得到處理后的聚落單元(簡(jiǎn)稱(chēng)初層聚落單元)。同時(shí)將提取的建筑物與陰影合并，并以25個(gè)像元的尺度對(duì)其進(jìn)行膨脹腐蝕處理，從而得到聚落掩膜圖層。
6.權(quán)利5要求的基于知識(shí)發(fā)現(xiàn)的QUICKBIRD農(nóng)村聚落信息提取的特征是利用聚落掩膜圖層切取初層聚落單元，從而得到第二層聚落單元。將第二層聚落單元先收縮然后再膨脹15個(gè)像元的尺度，從而得到第三層聚落單元。將第三層聚落單元轉(zhuǎn)換為矢量格式，并與建筑物區(qū)域進(jìn)行疊加，如果，該單元圖斑中無(wú)建筑物，則將該單元圖斑去掉，從得到最終提取的聚落單元信息。
專(zhuān)利摘要
一、發(fā)明名稱(chēng)基于知識(shí)發(fā)現(xiàn)的QUICKBIRD影像鄉(xiāng)村聚落單元信息提取技術(shù)。二、所屬技術(shù)領(lǐng)域：
本發(fā)明涉及遙感專(zhuān)題信息提取。三、需要解決的技術(shù)問(wèn)題在高分辨率的遙感影像上，聚落呈現(xiàn)復(fù)雜多樣的聚合體，這使得自動(dòng)、半自動(dòng)提取聚落空間單元信息具有較大的技術(shù)難度。這是需解決的技術(shù)問(wèn)題。四、主要特征和用途本發(fā)明發(fā)現(xiàn)了QUICKBIRD影像上鄉(xiāng)村聚落各組分的光譜知識(shí)，并利用這些知識(shí)初步提取出鄉(xiāng)村聚落的組分信息；再利用各組分的大小、空間關(guān)系等知識(shí)，最終實(shí)現(xiàn)半自動(dòng)提出鄉(xiāng)村聚落單元信息。該技術(shù)方法所提取的聚落單元面積精度達(dá)到97.4％，空間位置精度達(dá)到90.4％。該方法適用于從平原區(qū)、特別是成都平原區(qū)的QUICKBIRD影像上半自動(dòng)提取其鄉(xiāng)村聚落單元信息。
文檔編號(hào)G06T7/00GKCN102214358SQ201010142931
公開(kāi)日2011年10月12日 申請(qǐng)日期2010年4月9日
發(fā)明者盧洲, 楊存建, 牟琳, 王琴 申請(qǐng)人:盧洲, 楊存建, 牟琳, 王琴導(dǎo)出引文BiBTeX, EndNote, RefMan