本發(fā)明涉及高分遙感影像識別領域，特別涉及一種基于粗輪廓與最小MBR約束的高分辨率光學影像直角建筑物標繪方法。

背景技術：

近年來，衛(wèi)星遙感影像的空間分辨率已經達到了亞米級，因此高分影像中包含了豐富的地物細節(jié)信息，這為建筑物自動識別與標繪方法的研究提供了更為豐富的數據源。高分遙感影像中建筑物的提取與形狀標繪是未來智慧城市構建的關鍵因素。

本發(fā)明通過一種基于粗輪廓與最小MBR約束的高分辨率光學影像直角建筑物標繪方法，是在建筑物粗輪廓分類的基礎上采用一種更精確的幾何擬合匹配最佳方法對光學遙感影像直角建筑物的重要幾何信息進行半自動提取與幾何形狀標繪，該方法的過程包括：

首先利用CART分類樹與面向對象結合提取出高分影像中建筑物區(qū)域，然后用數學形態(tài)學做后處理，接著采用Cany算子提取出建筑物的粗輪廓信息。依據粗提取的結果，進一步研究基于建筑物的輪廓標繪出直角建筑物的幾何形狀。以直角建筑作為標繪為處理對象，循環(huán)處理最小MBR定義建筑物主方向幾何信息，以標繪的面積和周長作為評價標準，結合最小外包矩形約束來擬合直角建筑物各直線邊界，通過方向決策器判別各直線交點的拐角規(guī)則并把各交點按規(guī)則連接成封閉的多邊形，實現直角建筑物標繪。

本發(fā)明充分考慮建筑的直角特征，以及在確定建筑物的直角點時沒有被限制在現有的輪廓點上而是可以衍生出新的數據點來表示角點，提高了提取精度。本發(fā)明解決了現有方法中光學影像直角建筑物的標繪精度不高、魯棒性不足和擬合策略欠佳的問題，可以提高高空間分辨率影像中建筑物等人工目標的信息提取率。標繪結果面積精度和周長精度較高，提取速度更快，算法復雜程度更低，更益于實現與推廣。

技術實現要素：

發(fā)明的目的是提供一種高分辨率光學影像中直角建筑物的標繪方法，能夠使高分辨率光學影像中建筑物的輪廓識別并準確提取出來，使直角建筑物的提取和形狀標繪系統(tǒng)化。

具體步驟為：

(1)對高分辨率遙感影像選擇一個合適的分割尺度進行多尺度影像分割；將影像分割為同質區(qū)域，保證影像分割達到高優(yōu)化程度。分割時依據不同尺度的對象區(qū)域采取不同的分割尺度，當影像中目標尺度比較大時則選擇較大的尺度參數；當提取目標對象較小時則選擇較小的分割參數。

(2)將遙感影像多尺度分割之后利用專家系統(tǒng)獲取樣本的分類參數以確定判別規(guī)則來分類；確定建筑物的候選區(qū)域。

(3)分析樣本數據的特征值并確定分類閾值；建立CART分類樹的精度表；依據SPSS中建立起的CART規(guī)則信息，在eCognition中重新建立軟件能夠讀取的分類規(guī)則進行建筑物的提取。

(4)根據形態(tài)學的膨脹、腐蝕、開運算、閉運算數學原理預處理粗提取的建筑物信息，并將經過形態(tài)學處理的圖像邊界描述表達出來。

(5)采用Canny算子通過濾波，增加，檢測這三個過程進行輪廓的提取，屬于是先平滑后求導數的方法。

(6)尋找獲取建筑物的最小外接矩形(MBR)，方法是將輪廓繞其質心順時針旋轉，每次都旋轉相同的角度，然后記錄旋轉的角度和MBR頂點坐標，計算出MBR的周長和面積；然后繼續(xù)旋轉直至旋轉了360°回去原始位置；然后從獲得的MBR集合中找出面積或者周長最小的MBR，及其對應旋轉的角度；最后將獲取的最小面積MBR逆時針旋轉f度，得到的矩形就是輪廓的面積最小MBR。

(7)定義建筑物的主導方向，重構正交屋頂邊界，第一步是確定正交邊界多邊形的主方向，占主導地位方向的一對軸彼此正交的并代表了正交邊界邊緣的取向，每個邊界邊緣應平行的主導方向之一，主方向的確定是根據最小MBR來定的，用最小MBR中較長的邊的走向作為建筑物的主方向；較短邊的走向作為副主方向。

(8)獲取構成直角建筑物各邊到最小MBR的一對直角邊的距離，由于建筑物的邊界由坐標點表示的，這一過程能轉成計算構成邊的點集到直角邊的距離，利用聚類的方法把所得到的距離值分成N類，每一類用其平均值D表示距離直線的距離，而N表示的值就是構成直角建筑物的邊數；然后就是將N個距離值對應的最小MBR邊平移D個單位以此來擬合建筑物的各個邊。

(9)通過步驟(8)擬合的建筑物的邊界，獲得彼此正交的直線，計算各個直線的交點，以此來表示建筑物的角點或者位于邊界線上的點。

(10)通過“一個點的行走方向”將交點按一定的順序排列，然后根據行走方向將各點按指定的順序連接起來形成直角多邊形；從而完成建筑物的提取及形狀的標繪。

(11)以建筑物的主方向和副主方向為坐標軸，交點坐標為坐標原點，建立局部坐標系，新建立的坐標系把平面分成了四個區(qū)域，位于局部坐標原點上方的區(qū)域定義為第一象限(正主方向逆時針旋轉0°-90°)，位于局部坐標原點左邊的區(qū)域作為第二象限(正主方向逆時針旋轉90°-180°)，位于局部坐標原點下方的作為第三象限(正主方向逆時針旋轉180°-270°)，位于局部坐標原點右方的區(qū)域作為第四象限(正主方向逆時針旋轉270°-360°)。

(12)由于局部坐標原點是要么位于建筑的交點，要么位于建筑的邊上，根據直角拐角的方式能定義a、b、c、d四種形式，這四種形式中兩行走方向是彼此正交的，根據建筑邊界的走向定義了e、f兩種形式，這兩種行走方向是相向的，所以把坐標原點的行走方向分成了6個走向。

(13)以半徑為R，在每個局部坐標原點建立一個圓形區(qū)域，并截取出圓形區(qū)域內的輪廓點坐標，由截取的輪廓片段計算輪廓片段的曲率圓的圓心坐標點，根據圓心坐標的位置確定行走方向。

(14)根據計算的輪廓片段的曲率圓心平均坐標在局部坐標系中的位置確定交點坐標的曲率圓。

(15)非建筑物角點的交點，其區(qū)域內輪廓片段的平均曲率圓的圓心位于該交點局部坐標系的一對主方向軸上或者在很小范圍內波動，若位于副主方向軸上(或附近)，則其行走方向是主方向走向，若位于主方向軸線上(或附近)則其行走方向是副主方向；若圓心落于該點相應的象限內則該定的行走方向為該象限的行走方向；能根據各交點對應的平均曲率圓的圓心位置確定個交點的行走方向。

(16)根據各角點的行走方向，把這點依次連接起來形成一個封閉的正交多邊形，即得到基于最小MBR標繪方法的建筑物標繪結果。

本發(fā)明充分考慮了建筑的角點處為直角以及建筑物的主方向的特征，因此相對于最小二乘擬合方法來說，極大的增加了建筑物標繪的精度；以CART決策樹與面向對象結合的方法在eCognition中實現建筑提取，并利用Matlab和C++語言編程等實現了本發(fā)明提出的基于建筑物的最小MBR標繪的方法完成對直角建筑物形狀的標繪；提出了一個點的行走方向的概念，將無序的交點坐標按照一定順序排列。

附圖說明

圖1為本發(fā)明流程圖。

圖2為本發(fā)明最小MBR構建原理圖。

圖3為本發(fā)明輪廓坐標到MBR對直角邊的距離測度方式。

圖4為本發(fā)明基于最小MBR擬合直線原理圖。

具體實施方式

為了更清楚地說明本發(fā)明的技術方案，下面結合具體實施例對本發(fā)明做詳細說明，以下實施例有助于本領域的技術人員更好的理解本發(fā)明。應當指出的是，本領域內的其他技術人員在不脫離于本發(fā)明和實例的基礎上演變而來的其他實例，都屬于本發(fā)明的保護范圍。

圖1所示一種基于粗輪廓與最小MBR約束的高分辨率光學影像直角建筑物標繪方法的技術流程圖，其主要詳細步驟如下：

(1)機載和星載探測器感光元件上將記錄著不同建筑物的光譜、紋理、幾何、上下文、語義特征信息，建筑物的幾何特征相對來說是最顯著的特征。建筑物屋頂輪廓線、屋頂輪廓線邊緣相互間的夾角、屋頂面積。可以利用不穩(wěn)定的光譜、紋理特征提取建筑物粗輪廓，在這個實現過程中利用上下文、語義特征進行分類，最終運用建筑物的幾何規(guī)則關鍵特征提取準確的建筑物輪廓。

將高分辨率遙感影像通過面向對象的方法進行多尺度影像分割，多尺度影像分割是是根據一個特征集合把不同的影像對象分割成若干個具有意義的區(qū)域，每一個子區(qū)域表示一個同質區(qū)域，同時要求整副影像的同質分割達到高度優(yōu)化的程度。隨著遙感影像的分辨率的提高，影像的紋理、幾何、上下文等信息更加豐富，為多尺度分割提供更好的條件。選擇了一定量的、有代表性的數據。從eCognition中導出樣本數據的Brightness、RatioLayer2、GLCM系列、Shape index等屬性信息。圖像的形狀因子是一個目標圖像特征的數學描述，根據統(tǒng)計某一類特定的形狀因子的值的范圍可以有效的確定出目標圖像的特征

(2)對于不同尺度、不同時間分辨率的遙感影像，多尺度分割的參數也會隨之改變；同一尺度進行不同的地物提取分析時，對應的分割參數也不同，而且針對每一種地物建立不同的分割影像層獲得的結果要比多個地物在同一尺度下的分割獲得的結果要精確，因此根據不同的影像對象選擇一個合適的分割尺度。在eCognition中分割參數有：各光譜的權重、緊致度、形狀因子和分割尺度。

(3)在做分割的時候要根據不同的提取對象采取不同的分割尺度，當影像中目標尺度比較大時則選擇較大的尺度參數；當提取目標對象較小時則選擇較細的分割參數。在設定尺度參數的時，分割參數過大可能導致欠分割，所謂欠分割就是把多個目標對象被分割到一個“同質”區(qū)域；分割參數過于細則可能導致過分割，所謂過分割就是一個目標對象被分割成了多個同質區(qū)域，這兩種情況都會影響最后的提取精度，所以在設定分割參數的時候要根據所選的目標對象，選擇一個適當的分割參數是十分必要。圖2所示，是多尺度分割效果對比圖。

(4)一幅影像是由多個波段組成，不同的波段承載著不同的信息，在對特定目標對象進行提取的時候，如果該對象在某波段信息的敏感程度高于其它波段時，說明該目標對象在這波段上的信息較多，因此可以把這一波段的權重值設置大一些。如果某個波段對提取的目標對象是可有可無的，那么可以把該波段的權重設置較小一些甚至為0，以去掉多余的信息以提高分割質量。

(5)形狀因子的值改變著色彩和形狀分割準則的關系，通過改變形狀準則，同時也定義了色彩準則(色彩＝1-形狀。將形狀準則的權值設置為1，將導致在空間一致性上得到優(yōu)化。然而，形狀準則的值不能大于0.9，這是由于不考慮影像的光譜信息，分割的結果對象將與光譜信息無關。常用的形狀因子計算公式如下：

其中A代表面積，C代表周長。

(6)緊致度準則用于優(yōu)化與緊致度相關的影像對象。該準則應用于區(qū)分影像對象，這些影像對象是從非緊密對象中僅僅根據相對較弱的光譜對比度區(qū)分出來的。常用的緊致度的計算公式如下：

其中A代表面積，C代表周長。

(7)分割尺度越小影像被分割的圖斑越細，分割尺度越大被分割的圖斑越大。這個過程中尺度過于小，將導致過分割，也就是說原本是一完整對象的圖斑被分成了多個較小的圖斑；尺度過于大，將導致欠分割，就是說原本是兩個不同的對象被分割成了一個混合的圖斑。形狀因子越小分割得到的同質區(qū)域越細長，形狀因子越大分割的得到的同質區(qū)域越接近圓形；當緊致度越大時，類似的區(qū)域越容易被分割成一個同質區(qū)域。

(8)將遙感影像多尺度分割之后利用專家系統(tǒng)獲取樣本的分類參數以確定判別規(guī)則來分類，分析樣本數據的特征值并確定分類閾值。建立CART分類樹的精度表，圖3所示。根據在SPSS中建立起的CART規(guī)則信息，在eCognition中重新建立軟件能夠讀取的分類規(guī)則進行建筑物的提取，此分類精度大于90％等于，將分類結果用于影像的深入分析；小于90％，針對特征混淆，難以一步提取的情況，設置多次循環(huán)迭代重構分類規(guī)則。

考慮本發(fā)明信息提取結果中面積與周長樹都要比人工解譯的偏大，這主要是因為高分遙感影像如果采用非正攝影像，影像中會展現出建筑物的側面，側面的光譜與屋頂的光譜特征值易混淆，因此本發(fā)明提取的過程中容易把側面和房頂混為一類造成自動提取的結果偏大；而周長偏大主要有兩個原因造成的，其中之一是因為人工解譯的時候是利用一個簡單的矩形或多邊形代替建筑的真實形狀，這無形中就忽略了建筑物的細節(jié)部分，另一個原因是本發(fā)明提取的時候可能會把非建筑物的地類歸為建筑物，或者提取結果帶有“毛刺”，這些都會增加建筑物的周長，導致提取結果的精度下降。

(9)根據數學形態(tài)學原理預處理粗提取的建筑信息，需要用到的形態(tài)學原理有膨脹，腐蝕，開運算，閉運算等。形態(tài)學變換膨脹(dilation)采用向量加法對兩個集合進行合并。膨脹是所有可能向量加之和的集合，向量加法的兩個操作數分別來自于X和B，并且取得任意可能的組合。

若圖像X關于B做開運算后仍然保持不變，則稱其是關于B是開的。若圖像X關于B做閉運算后仍然保持不變，則稱其是關于B是閉的。

(10)將經過形態(tài)學處理的建筑物區(qū)域邊界描述表達出來，采用：邊界點集合、參數邊界、曲線逼近3種方法。邊界點集合，將目標的輪廓表示為邊界點集合，各點沒有順序；參數邊界，將目標的輪廓表示為參數曲線，其上的點有一定的順序；曲線逼近，利用一些幾何基元去近似逼近目標的輪廓線。

(11)采用Canny算子實現輪廓的提取，Canny算子是JohnCanny于1986年提出它與Marr(LoG)邊緣檢測方法類似，屬于是先平滑后求導數的方法。Canny算子的實現步驟通往是先濾波，再增加，最后檢測，這三個過程。

(12)在3種方法種，參數邊界較準確，有較好的效果。該表達方式根據設定好的擬合誤差閾值ε以及實際應用中的要求和數據精度要求，從多邊形點數據中篩選出一個子集來表示多邊形，其中ε表示為被舍去的點偏離特征點連線之間的垂直距離。把相繼的點任意分為多個小段，把各小段所有坐標點到此小段的直線距離與ε比較若在誤差范圍之內則去掉這個點，否則就保留。最典型的算法就是道格拉斯-普克(Douglas-Peucker)。這種方法簡便，但是對干擾點比較敏感，造成的誤差常較大。

(13)一般情況不同的目標對象在影像中局部區(qū)域的紋理、灰度等信息與其周圍其它地物之間有著顯著的變化，可以把這看作是一個階躍。對象的邊緣部分往往集中了對象的大部分信息，對象邊緣的確定與提取對于整個影像的識別與理解是一個十分重要的因素，是影像分割、對象檢測定位的一個重要依據。

(14)對修復后的建筑物進行幾何形狀標繪，本發(fā)明是基于最小MBR尋找建筑物的主方向進行建筑物標繪的。獲取MBR常用的方法是將輪廓繞其質心順時針旋轉，每次都旋轉相同的角度，然后記錄旋轉的角度和MBR頂點坐標，計算出MBR的周長和面積；然后繼續(xù)旋轉直至旋轉了360°回去原始位置；然后從獲得的MBR集合中找出面積或者周長最小的MBR，及其對應旋轉的角度；最后將獲取的最小面積MBR逆時針旋轉f度，得到的矩形就是輪廓的面積最小MBR，見圖2，具體步驟如下：

1).計算輪廓的形心Center(p,q)，形心x的坐標形心y的坐標以及，Center(p,q)與E₁(x₁,y₁)連線與x軸的夾角α₁；

2).找出E_i(x_i,y_i)中x_i和y_i最小和最大值minx,miny,maxx,maxy，以(minx,miny)，(maxx,maxy)，(minx,maxy)，(maxx,miny)作為外接矩形的四個頂點確定一個矩形；

3).計算矩形面積A₁,將A₁賦給MinArea，頂點坐標賦給Rect＝(minx,miny,maxx,maxy)；

4).以Center(p,q)為旋轉中心逆時針旋轉輪廓，設每次旋轉角度為θ，計算得到旋轉后輪廓的新坐標為E_i'(x'_i,y'_i)，x'＝p-cos(α₁+β)*x+sin(α₁+β)*y；y′＝q-sin(α₁+β)*x+cos(α₁+β)*y；

5).調用過程2)，計算旋轉β后的外接矩形的面積A_i，判斷if(A_i＜＝MinArea)；若為true，則MinArea＝A_i，同時將獲得的矩形四頂點坐標順時針旋轉β，更新Rect＝(min x′,min y′,m a xx′,m a yx′)；

6).重復調用4)和5)直至程序結束；

輸出：矩形頂點坐標集Rect＝(min x',min y',max x',max y')，矩形面積MinArea

(15)確定建筑物的主方向，重構正交屋頂邊界，第一步是確定正交邊界多邊形的主方向。占主導地位方向的一對軸彼此正交,并代表了正交邊界邊緣的取向，每個邊界邊緣應平行主方向之一。屋頂占主導地位的方向上的角度由逆時針旋轉x軸得到的角度來定義。屋頂的取向可以被認為是一個局部坐標系(即x′和y′軸坐標的屋頂系統(tǒng))。主方向的確定是根據最小MBR來定的，用最小MBR中較長的邊的走向作為建筑物的主方向；較短邊的走向作為副主方向。

(16)直角建筑還有一個重要的特征，組成直角建筑的各個邊都平行于與它所對應一對主方向。利用這一特征可以保證標繪的建筑各相鄰邊界彼此正交。

(17)計算主方向(Dominant Directions)：輸入：外接矩形頂點集E_i'(x'_i,y'_i)

1).選取前三個點E₁′，E₂′，E₃′構成的直角邊，計算兩條直角邊的長度

2).判斷兩條邊的長度，if L1＞＝L2，則L1的方向就是主方向，L2的方向為副主方向，與x軸的夾角分別為θ、θ±90°。

(18)輪廓的分段與擬合先計算輪廓點到最小MBR其中兩互相垂直的直線的距離選取建筑物輪廓標繪作為示例。通過(14)的算法獲取建筑的面積最小MBR，最小MBR由直線L12、L23、L34、L41組成，選取相互垂直的邊L12、L23。根據點到直線的距離公式：

計算輪廓上的坐標點E_i(x_i,y_i)到直線L12、L23的距離

(19)利用距離來分段輪廓。本發(fā)明采用的是根據聚類波峰波谷點實現輪廓的分段。當某個點的二次差分值大于0，則該點表示波峰；當某個點的二次微分值小于0，則該點表示波谷。根據波峰波谷聚集的情況，以及在距離層次上的分布，計算出L12和L23平移的距離情況。最終的平移距離以每一個段中距離的平均值來表示，見圖3。

(20)確定交點的行走方向。在步驟[19]中共獲得了7條直線，而這7條直線分別代表著建筑物的7條邊。而直線的交點則表示建筑物的角點或者是建筑物邊上的點。設兩直線L1與L2的直線方程為：

求得交點坐標：

7條直線彼此正交，產了12個交點，交點的分布情況如圖4所示

(21)確定12個點的排列順序。以建筑物的主方向和副主方向為坐標軸，交點坐標為坐標原點，建立局部坐標系，新建立的坐標系把平面分成了四個區(qū)域，位于局部坐標原點上方的區(qū)域定義為第一象限(正主方向逆時針旋轉0°-90°)，位于局部坐標原點左邊的區(qū)域作為第二象限(正主方向逆時針旋轉90°-180°)，位于局部坐標原點下方的作為第三象限(正主方向逆時針旋轉180°-270°)，位于局部坐標原點右方的區(qū)域作為第四象限(正主方向逆時針旋轉270°-360°)。

(22)由于局部坐標原點是要么位于建筑的交點，要么位于建筑的邊上，根據直角拐角的方式可以定義a、b、c、d四種形式，這四種形式中兩行走方向是彼此正交的，根據建筑邊界的走向定義了e、f兩種形式，這兩種行走方向是相向的，所以把坐標原點的行走方向分成了6個走向。

(23)以半徑為R，在每個局部坐標原點建立一個圓形區(qū)域，并截取出圓形區(qū)域內的輪廓點坐標，由截取的輪廓片段計算輪廓片段的曲率圓的圓心坐標點，根據圓心坐標的位置確定行走方向。最終獲得的各點的行走方向。

(24)根據計算的輪廓片段的曲率圓心平均坐標在局部坐標系中的位置確定的交點坐標曲率圓的結果。從圖中可以看到，非建筑物角點的交點，其區(qū)域內輪廓片段的平均曲率圓的圓心位于該交點局部坐標系的一對主方向軸上或者在很小范圍內波動，若位于副主方向軸上(或附近)，則其行走方向是主方向走向，若位于主方向軸線上(或附近)則其行走方向是副主方向；若圓心落于該點相應的象限內則該定的行走方向為該象限的行走方向。根據各交點對應的平均曲率圓的圓心位置確定個交點的行走方向見步驟[15]。根據各角點的行走方向，把這點依次連接起來形成一個封閉的正交多邊形，這就是基于最小MBR標繪方法的建筑物標繪結果。

(25)綜合上述，可以通過以上實施例的詳細步驟，對高分辨率遙感影像進行建筑物的形狀標繪。