一種基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法
【技術(shù)領(lǐng)域】
[0001] -種基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法，屬于數(shù)字圖像處理領(lǐng) 域，特別涉及建筑物檢測分類的數(shù)字圖像處理技術(shù)。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)的發(fā)展，人們所面臨的問題不是圖像來源的缺乏，而是如何在許多圖 像中找到你所需要的信息。這就需要一個精確的技術(shù)來處理圖像。在處理遙感圖像的過程 中，建筑物的檢測與分類是非常重要的。遙感圖像中建筑物的檢測和分類，在土地規(guī)劃、救 災(zāi)等方面發(fā)揮著越來越廣泛的作用。
[0003] 遙感圖像中建筑物的檢測與分類，不僅包含在一個或多個場景中的建筑物的檢 測，而且還包含在場景中的各種建筑的詳細(xì)描述。從技術(shù)上講，這一過程包括建筑物的識 另IJ、特征提取、特征計(jì)算、檢測分類和檢驗(yàn)。
[0004] 在建筑物檢測方面，由于DSM圖像包含建筑物的高度信息，我們可以使用DSM圖像 的局部特征自動檢測相應(yīng)的建筑面積，然后濾除圖像中的噪聲。這樣，我們可以得到建筑物 的輪廓。
[0005] 在建筑物分類方面，一般的研究都采用了低層次的基本特征。Martin Szummer的 技術(shù)對房間和戶外使用圖像底層特征，但這種分類方法只能識別特征明顯的區(qū)域。Aditya Vailaya使用了底層特征來區(qū)分城市的照片和風(fēng)景照片。他用顏色，離散余弦變換系數(shù)和線 特征來分類，但這種分類僅適用于具有豐富的色彩和明顯的直線目標(biāo)。為了獲得更高的精 度，Qasim Iqbal用線的長度、連接方式、結(jié)構(gòu)進(jìn)行分類，但分類器仍然集中在建筑與普通線 特征檢測。
[0006] 在這些思想的基礎(chǔ)上，本文采用全局優(yōu)化決策和組合特征對建筑物進(jìn)行檢測和分 類，并介紹了該算法的基本原理。該算法可以對建筑物進(jìn)行更詳細(xì)的分類，并適用于各種復(fù) 雜場景的應(yīng)用。

【發(fā)明內(nèi)容】

[0007] (一）要解決的技術(shù)問題
[0008] 本發(fā)明提供一種基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法，本方法是傳 統(tǒng)熵算法的建筑物檢測分類的改進(jìn)，對各特征進(jìn)行了權(quán)重處理，從而克服了傳統(tǒng)熵算法存 在的不足，能夠更準(zhǔn)確進(jìn)行建筑物檢測分類，檢測分類結(jié)果的準(zhǔn)確率更高。
[0009] (二）技術(shù)方案
[0010] -種基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法，其特征在于包括以下具 體步驟：
[0011] 步驟一、將通過機(jī)載雷達(dá)激光、高空攝像機(jī)等數(shù)字成像設(shè)備獲取的遙感圖像輸入 到計(jì)算機(jī)中。
[0012] 步驟二、處理DSM圖像與可見光圖像得到融合圖像，并提取建筑物區(qū)域。
[0013] 步驟三、對建筑物區(qū)域按面積進(jìn)行區(qū)分，對大區(qū)域利用組合特征進(jìn)行分類。
[0014] 步驟四、利用步驟三中得到小區(qū)域建筑物，計(jì)算出熵最小的分支以及各特征的權(quán) 重，來進(jìn)行建筑物分類。
[0015] (三）有益效果
[0016] 本發(fā)明采用基于全局優(yōu)化決策的遙感圖像建筑物檢測分類，充分利用全局決策和 組合特征進(jìn)行建筑物的檢測分類。當(dāng)我們使用傳統(tǒng)熵來對這些樣本進(jìn)行分類時，只有有 80%的建筑被分類為它們的原始類型。當(dāng)我們使用全局優(yōu)化決策的遙感圖像建筑物檢測 分類樣本時，正確識別率可以達(dá)到92. 5%。算法可用于對數(shù)碼相機(jī)、手機(jī)攝像頭等數(shù)字成像 設(shè)備獲取的遙感圖像進(jìn)行準(zhǔn)確地建筑物檢測分類，具有廣闊的應(yīng)用價值和市場前景。
【附圖說明】
[0017] 圖1 :基于基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法流程圖；
[0018] 圖2 :本發(fā)明實(shí)驗(yàn)用圖，其中圖2a為DSM圖像，圖2b為尺度變換的DSM圖，圖2c為 二值化的DSM圖，圖2d為濾波后的DSM圖，圖2e為可見光圖像，圖2f為融合后得到的建筑 物區(qū)域圖像。
[0019] 圖3 :本發(fā)明實(shí)驗(yàn)用圖，其中圖3a為建筑物類型圖，圖3b為傳統(tǒng)熵算法的建筑物 分類結(jié)果圖，圖3c為本發(fā)明方法的建筑物分類結(jié)果圖。
【具體實(shí)施方式】
[0020] 為了更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖及【具體實(shí)施方式】詳細(xì)介紹本發(fā) 明。
[0021] 本發(fā)明是一種基于全局優(yōu)化決策的遙感圖像建筑物檢測分類方法，該方法主要包 括以下幾個步驟：
[0022] 1.將通過機(jī)載雷達(dá)激光、高空攝像機(jī)等數(shù)字成像設(shè)備獲取的遙感圖像輸入到計(jì)算 機(jī)中。
[0023] 2.處理DSM圖像與可見光圖像得到融合圖像，并提取建筑物區(qū)域。
[0024] 3.對建筑物區(qū)域按面積進(jìn)行區(qū)分，對大區(qū)域利用組合特征進(jìn)行分類。
[0025] 4.利用步驟三中得到小區(qū)域建筑物，計(jì)算出熵最小的分支以及各特征的權(quán)重，來 進(jìn)行建筑物分類。
[0026] 本發(fā)明的具體實(shí)現(xiàn)流程如圖1所示，各部分具體實(shí)施細(xì)節(jié)如下：
[0027] 1.將通過機(jī)載雷達(dá)激光、高空攝像機(jī)等數(shù)字成像設(shè)備獲取的遙感圖像輸入到
[0028] 計(jì)算機(jī)中
[0029] 遙感圖像是通過數(shù)字成像設(shè)備（如機(jī)載雷達(dá)激光、高空攝像機(jī)等）獲取的。機(jī)載 雷達(dá)激光獲取了 LiDAR數(shù)據(jù)生成的DSM圖像數(shù)據(jù)，高空攝像機(jī)獲取了可見光圖像數(shù)據(jù)，將產(chǎn) 生色偏的圖像讀入到計(jì)算機(jī)中，這些數(shù)據(jù)信息是進(jìn)行遙感圖像建筑物檢測與分類的基礎(chǔ)。
[0030] 2.處理DSM圖像與可見光圖像得到融合圖像，并提取建筑物區(qū)域
[0031] 針對步驟1中獲取的DSM圖像進(jìn)行變換，分為以下幾個步驟實(shí)現(xiàn)：
[0032] (1)利用雙立方插值把DSM圖像數(shù)據(jù)縮放至可見光圖像相同尺寸。
[0033] (2)根據(jù)DSM圖像直方圖分布及其高度信息確定疑似建筑物區(qū)域，把DSM圖2值 化，把疑似建筑物區(qū)域設(shè)置成白色，然后利用面積顏色等因素濾除圖像邊緣的干擾部分，并 對白色區(qū)域標(biāo)注編號。具體效果圖如圖2。
[0034] (3)利用⑵中計(jì)算得到的具有標(biāo)記出建筑物區(qū)域的DSM圖像與可見光圖做融合。
[0035] 3.對建筑物區(qū)域按面積進(jìn)行區(qū)分，并確定出組合特征，對大區(qū)域利用組合特征進(jìn) 行分類
[0036] 通過對圖像數(shù)據(jù)及組合特征的分析，分為以下幾