The invention provides a high resolution remote sensing image building rapid extraction method of image gray-scale extraction, and then through the Gauss filter denoising, then use the Otsu method of the Canny adaptive processing method to extract the actual edge two value image based on reuse method based on Freeman chain code extraction two the value of the line in the image, finally get the corner connection form building outline, fast automatic extraction of completed buildings in high resolution remote sensing image; rapid extraction method of high resolution remote sensing images provided by the invention of the building, can realize the fast extraction of remote sensing images in buildings without human intervention in the process. Fast extraction speed, high accuracy.
【技術實現步驟摘要】
本專利技術屬于高分辨率遙感影像信息提取領域，涉及對高分辨遙感影像的中人造地物的識別和提取，特別是涉及對那些邊緣由直線、弧線組成的建筑物提取的
技術介紹
隨著遙感影像的分辨率不斷提高，影像中的信息更加復雜，地物的紋理形狀信息更加多樣化，而建筑物在大小形狀上各有區別，再加上周邊其他地物的混淆、陰影的干擾等原因容易造成在影像上建筑物形狀的變化，因此要對建筑物的形狀做精確的描述是件非常困難的事情。近年來，許多研究人員在利用遙感影像進行建筑物提取方面作了大量研究工作，各種新方法、新理論層出不窮，其中基于建筑物輪廓大多是由矩形或是弧線構成的特點，通過特定處理方法，尋找圖像中的邊緣、線條、角點等特征來識別建筑物是主流研究方向之一。
技術實現思路
本專利技術提供了一種高分辨率遙感影像中的建筑物快速提取方法，可快速尋找圖像中的邊緣、線條、角點等特征來識別建筑物；一種高分辨率遙感影像中的建筑物快速提取方法，其中，包括如下步驟：步驟1)、讀取遙感影像，提取灰度圖像：遙感圖像中每個像素點的色彩具有R、G、B三個分量,P(r,g,b)代表一像素點,其中r代表該像素點的R分量的值，g代表該像素點的G分量的值，b代表該像素點的B分量的值；灰度函數H(P)的值表示像素點P(r,g,b)的灰度值：H(P)＝0.3r+0.59g+0.11b式(1)用式(1)按照從左到右、從上到下的順序依次掃描遙感圖像中的每個像素點，得到
【技術保護點】
一種高分辨率遙感影像中的建筑物快速提取方法，其特征在于，包括如下步驟：步驟1)、讀取遙感影像，提取灰度圖像：遙感圖像中每個像素點的色彩具有R、G、B三個分量,P(r,g,b)代表一像素點,其中r代表該像素點的R分量的值，g代表該像素點的G分量的值，b代表該像素點的B分量的值；灰度函數H(P)的值表示像素點P(r,g,b)的灰度值：H(P)＝0.3r+0.59g+0.11b???式(1)用式(1)按照從左到右、從上到下的順序依次掃描遙感圖像中的每個像素點，得到每個像素點的灰度值，按照式(1)掃描時同樣的順序組成第一灰度圖像；步驟2)、使用高斯濾波對第一灰度圖像進行降噪處理：2a)、計算大小為(2k+1)×(2k+1)的高斯模板U(x，y)：U(x,y)=12πσ2exp(-(x-k-1)2+(y-k-1)22σ2)]]>???式(2)其中，k為正整數且k≥1，x，y分別代表高斯模板中元素的橫坐標和縱坐標；σ＞0，為第一灰度圖像的平滑程度參數；2b)、取k＝1，大小為3×3的高斯模板U(x，y)中9個元素的模板值分別為m1、m2、m3、m4、m5、m6、m7、...
【技術特征摘要】
1.一種高分辨率遙感影像中的建筑物快速提取方法，其特征在于，包括如下步驟：
步驟1)、讀取遙感影像，提取灰度圖像：
遙感圖像中每個像素點的色彩具有R、G、B三個分量,P(r,g,b)代表一像素點,其中r代
表該像素點的R分量的值，g代表該像素點的G分量的值，b代表該像素點的B分量的值；
灰度函數H(P)的值表示像素點P(r,g,b)的灰度值：
H(P)＝0.3r+0.59g+0.11b式(1)
用式(1)按照從左到右、從上到下的順序依次掃描遙感圖像中的每個像素點，得到每個
像素點的灰度值，按照式(1)掃描時同樣的順序組成第一灰度圖像；
步驟2)、使用高斯濾波對第一灰度圖像進行降噪處理：
2a)、計算大小為(2k+1)×(2k+1)的高斯模板U(x，y)：
U(x,y)=12πσ2exp(-(x-k-1)2+(y-k-1)22σ2)]]>式(2)
其中，k為正整數且k≥1，x，y分別代表高斯模板中元素的橫坐標和縱坐標；σ＞0，為第
一灰度圖像的平滑程度參數；
2b)、取k＝1，大小為3×3的高斯模板U(x，y)中9個元素的模板值分別為m1、m2、m3、m4、m5、
m6、m7、m8、m9；
第一灰度圖像中，除左、上、右、下四條寬度為一像素的邊緣外任一像素點P點的8鄰像
素，即緊鄰像素點P的左上、上、右上、左、右、左下、下、右下8個方向上的像素；像素點P與8鄰
像素的灰度值按照第一灰度圖像中從左至右、從上到下的順序依次為g1、g2、g3、g4、g5、g6、
g7、g8、g9；
用該高斯模板U(x，y)按照從左到右、從上到下的順序依次掃描第一灰度圖像中除左、
上、右、下四條寬度為一像素的邊緣外的每一個像素P，各像素點P由高斯模板U(x，y)做高斯
濾波的方法見式(3)；
S=Σj=19mj,U0=1S×Σi=19(gi×mi)]]>式(3)
所述的U0表示以高斯模板U(m，n)做高斯濾波后所到的像素點P的灰度值；S為中間變量，
表示像素點P和其8鄰像素的灰度值的總和；
按照式(3)依從左到右、從上到下的順序對第一灰度圖像中像素點P進行依次掃描時，
對當前所掃描的像素點P由高斯模板U(x，y)所確定的鄰域內所有像素的加權平均灰度值替
代當前像素點P的灰度值，掃描結束后得到第二灰度圖像；
步驟3)、使用基于Otsu方法的自適應Canny算法提取圖像中的邊緣；
31)：用一階偏導的有限差分來計算梯度的幅值和方向；
采用Canny算法,其中所采用的卷積模板為式(4)；
M1=-11-11M2=11-1-1]]>式(4)
其中M1、M2分別為第二灰度圖像x、y軸方向上的一階偏導數矩陣,依照所述一階偏導數
矩陣M1、M2按照從左到右、從上到下的順序依次掃描第二灰度圖像中的每一個像素點，得到
每個像素點x、y方向上的梯度幅值Gx、Gy：
Gx＝[f(x+1,y)-f(x,y)+f(x+1,y+1)-f(x,y+1)]/2式(5)
Gy＝[f(x,y)-f(x,y+1)+f(x+1,y)-f(x+1,y+1)]/2式(6)
x、y表示所處理像素點的橫坐標、縱坐標值，f(x,y)表示第二灰度圖像中坐標為(x,y)
的像素點的灰度值，該像素點的梯度幅值G(x,y)和方向角θ(x,y)由式(7)和式(8)處理得
到；
G(x,y)=Gx2+Gy2]]>式(7)
θ(x,y)=arctan(GyGx)]]>式(8)
由式(7)和式(8)對第二灰度圖像中每一個像素點按照從左到右、從上到下的順序依次
掃描，得到第二灰度圖像中每一個像素點梯度幅值和方向角；
32)：非極大值抑制；
經過上述步驟31)的處理，得到了每個像素的梯度幅值G(x,y)和方向角θ(x,y)，為了得
到最真實的邊緣，須保留每個像素點在其梯度方向上的極大值，而刪掉當前像素點梯度方
向上的其他值，即非極大值抑制；對第二灰度圖像中每個像素點按照從左到右、從上到下的
順序進行非極大值抑制，即處理得到第三灰度圖像，第三灰度圖像顯示了遙感影像中建筑
物影像的邊緣；
非極大值抑制的具體處理方法如下；
判斷是否是極大值，需要根據當前掃描像素點梯度方向所在的區間，在x軸和y軸方向
分別進行插值計算，然后再進行比較,以找到最大值，梯度方向所在的區間指的是梯度方向
α所在的角度范圍，插值是為了更合理地判斷當前像素點的梯度方向：
①當0<α<π4]]>以及π<α<5π4]]>時，令Gp＝g3w+g2(1-
w),Gn＝g7w+g8(1-w)；所述的w為中間變量；
②當π4<α<π2]]>以及5π4<α<3π2]]>時，令Gp＝g7w+g4(1-
w),Gn＝g3w+g6(1-w)；
③當π2<α<3π4]]>以及3π2<α<7π4]]>時，令Gp＝g6w+g5(1-
w),Gn＝g4w+g1(1-w)；
④當3π4<α<π]]>以及7π4<α<2π]]>時，令Gp＝g2w+g1(1-
w),Gn＝g8w+g9(1-w)；
其中，g5為當前處理像素的梯度幅值，gn(1≤n≤4,6≤n≤9)表示8鄰像素的梯度幅值，
Gp表示梯度方向上前一個像素的梯度幅值，Gn表示梯度方向上后一個像素的梯度幅值；
當梯度方向α的值在上述相應的區間內時，當且僅當目前所處理像素的梯度幅值g5大于
前述①～④中各插值方法計算出的Gp和Gn時，g5為極大值，也就是邊緣點；
33)、計算最優高低閾值
讀取第三灰度圖像的寬度為W像素、高度為H像素，則第三灰度圖像中的像素總數N為：
N＝W×H式(9)
設第三灰度圖像中每一像素的梯度幅值G(x,y)的范圍為[0,G]，讀
取每一像素的梯度幅值G(x,y)，找梯度幅值等于確定值為i的像素，得到梯度幅值等于i的
像素個數為Ni個，i∈[0,G]；設T1為最優低閾值，T2為最優高閾值；
非邊緣點總個數N1(T1,T2)為：
N1(T1,T2)=Σi=0T1Ni]]>式(10)
其中，Ni是梯度幅值等于i的像素的個數；
非邊緣點所占比例值ω1(T1,T2)為：
ω1(T1,T2)=(N1(T1,T2)N)]]>式(11)
潛在邊緣點總個數N2(T1,T2)為：
N2(T1,T2)=Σi=T1+1T2Ni]]>式(12)
潛在邊緣點所占比例值ω2(T1,T2)為：
ω2(T1,T2)=(N2(T1,T2)N)]]>式(13)
真邊緣點總個數N3(T1,T2)為：
N3(T1,T2)=Σi=T2+1GNi]]>式(14)
真邊緣點所占比例值ω3(T1,T2)為：
ω3(T1,T2)=(N3(T1,T2)N)]]>式(15)
非邊緣點的平均梯度μ1(T1,T2)、潛在邊緣點的平均梯度μ2(T1,T2)和真邊緣點的平均梯
度μ3(T1,T2)如下：
μ1(T1,T2)=Σi=0T1iNiN1(T1,T2):μ2(T1,T2)=Σi=T1+1T2iNiN2(T1,T2):μ3(T1,T2)=Σi=T2+1GiNiN3(T1,T2)]]>式(16)
第三灰度圖像總的梯度均值μs為：
μs＝μ1(T1,T2)ω1(T1,T2)+μ2(T1,T2)ω2(T1,T2)+μ3(T1,T2)ω3(T1,T2)式(17)
非邊緣點、潛在邊緣點和真邊緣點這三類像素的類間方差σ2(T1,T2)為：
σ2(T1,T2)＝ω1(T1,T2)(μ1(T1,T2)-μS)2+ω2(T1,T2)(μ2(T1,T2)-μS)2+ω3(T1,T2)(μ3(T1,
T2)-μS)2式(18)
使類間方差σ2(T1,T2)在[1,G-1]范圍內依次取值，當類間方差σ2(T1,T2)為最大值時，此
時的T1、T2的值即為最優低閾值T1和最優高閾值T2；
34)：用雙閾值算法檢測和邊緣連接；
根據上一步33)中得到的最優低閾值T1和最優高閾值T2對第三灰度圖像進行過濾，像素
點的梯度幅值如果大于高閾值則認為當前像素點必然是邊緣點，即真邊緣點，如果當前處
理像素點的梯度幅值小于低閾值，則認為當前像素點必然不是邊緣點；處于低閾值和高閾
值之間的像素點是潛在的邊緣點，即假邊緣；將第三灰度圖像根據高閾值過濾得到的邊緣
點鏈接成輪廓，當到達輪廓的端點時，在端點的8鄰點...
【專利技術屬性】
技術研發人員：班瑞，鄭延召，
申請(專利權)人：鄭州恒正電子科技有限公司，
類型：發明
國別省市：河南;41
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。