卫星影像中建筑物水平矢量轮廓自动批量提取方法
【专利摘要】本发明提供了一种卫星影像中建筑物水平矢量轮廓自动批量提取方法，首先利用K-均值算法进行图像分类，得到建筑物的主干部分，取各建筑物区域质心解决初始种子点的选取问题。生长出所有种子点所在区域后，借助图像边缘信息将建筑物区域与周围区域分开，并根据矩形度、带状指数等特征参数去除掉非建筑物区域，从而实现建筑物水平像素轮廓的自动提取。然后利用Hough变换、块处理等技术对水平像素轮廓进行直线矢量化处理，最终批量得到所有建筑物的水平矢量轮廓。本发明适用于卫星影像中俯视图为直线段结构多边形的普通建筑物的水平矢量轮廓的批量快速提取。
【专利说明】卫星影像中建筑物水平矢量轮廓自动批量提取方法
【技术领域】
[0001]本发明涉及一种从单幅建筑群卫星影像中自动批量提取建筑物水平矢量轮廓的方法，特别是对俯视图为直线结构多边形的建筑物的水平矢量轮廓的自动批量提取。
【背景技术】
[0002]利用单幅卫星影像实现三维场景虚拟重建是一个很活跃的研究课题，它主要应用在城市建设规划、军事场景仿真、资源管理、抗震救灾模拟等方面。在真实场景的三维虚拟重建中，绝大部分为结构简单、俯视图为直线段结构多边形的普通建筑物，如何实现这类大量存在的普通建筑物的快速建模是高效重建三维建筑群的关键，而如何实现从建筑群影像中自动批量地提取建筑物的水平轮廓是高效重建三维建筑群的基础，并且决定着未来重建的虚拟场景中建筑群的分布格局与真实场景的符合程度。
[0003]当前的研究中，针对不同的应用目的，人们提出了各种各样的建筑物图像边缘提取算法，比较常见的有snake模型法、水平集曲线演化法、区域生长法等。以上方法的研究对象均为灰度图像，不适用于彩色图像，因此无法利用彩色图像中丰富的颜色信息。除此之外，snake模型法对初始位置敏感，需要依赖其他机制将初始轮廓放置在感兴趣的图像特征附近，否则轮廓提取会失败，目前大多采用手工选取的办法来设置初始边界，不仅非常繁琐，而且给轮廓线自动生成造成了困难。而较为常用的区域生长法存在着两点不足:第一，是初始种子点的选取问题。当前方法对种子点的选取大多数是手动选取，需要大量的人工干涉，耗时费力，效率很低。第二，是生长阈值的选取问题。生长阈值过大将会出现过分割，即生成的目标区域面积往往比实际面积大；而生长阈值过小又会导致分割不足，即目标区域生长不完整。因此不同建筑物需要选取不同的生长阈值，这一工作需要人工逐一根据经验完成。另外，snake模型法与区域生长法针对的是单个目标区域，也即每次只能生成一个目标区域，导致了方法的低效率。
[0004]以上方法提取的边缘轮廓，均由像素组成，这里称之为像素轮廓。本专利研究建筑物水平轮廓提取的目的，是为后续建筑群的三维虚拟重建提供建模数据，需要对提取出的建筑物像素轮廓进一步作直线矢量化处理，这里将直线矢量化处理后的轮廓称为矢量轮廓。目前的轮廓矢量化方法是将边缘像素提取出来并组成列表，然后对该列表进行直线段拟合，其中设置一个距离阈值，定义为偏离直线的最大距离，当超过该距离阈值后，直线段就会按比例一分为二。这种方法的结果受距离阈值选取的影响较大，为了得到较好的效果，影像中的每个建筑物都需要对应不同的距离阈值，以往设置距离阈值的方法往往是根据经验手工设置，操作效率低。
【发明内容】
[0005]为了克服现有技术的不足，本发明提供一种从单幅建筑群卫星影像中批量快速提取建筑物水平像素轮廓的自动化方法；进一步提出一种新的无需距离阈值及其他阈值选取的直线矢量化自动处理方法，对提取到的建筑物水平像素轮廓进行直线矢量化处理，得到满足后续建筑物三维虚拟重建所需的水平矢量轮廓。该方法特别适用于卫星影像中俯视图为直线段结构多边形的普通建筑物的水平矢量轮廓的批量快速提取，对航拍建筑群影像中的这类建筑群同样适用。
[0006]本发明解决其技术问题所采用的技术方案是:首先利用K-均值算法进行图像分类，得到建筑物的主干部分，取各建筑物区域质心解决初始种子点的选取问题。生长出所有种子点所在区域后，借助图像边缘信息将建筑物区域与周围区域分开，并根据矩形度、带状指数等特征参数去除掉非建筑物区域，从而实现建筑物水平像素轮廓的自动提取。然后利用Hough变换、块处理等技术对水平像素轮廓进行直线矢量化处理，最终批量得到所有建筑物的水平矢量轮廓。
[0007]本发明中，图像坐标系的原点位于图像左上角，X轴正方向竖直向下，y轴正方向水平向右。具体步骤如下:
[0008]步骤一、采用高斯平滑滤波器对建筑群卫星影像进行平滑处理，所述高斯平滑滤波器的方差σ = 0.8,窗口大小为7*7像素；然后在Hsv色彩空间内，保持每个像素的色调不变，按照步进值Λ s调整饱和度，按照步进值Λ V调整亮度，对卫星影像进行图像增强处理，得到源图像IOTig，其中As为0.06-0.08，Λν为0.05-0.07 ;
[0009]步骤二、轮廓自动提取，包括以下步骤:
[0010]1.不同建筑物种子点的自动生成，包括以下步骤:
[0011]I)在Lab色彩空间利用K-均值算法，在代表颜色信息的a、b色彩子空间上对源图像Iwig进行建筑物区域分割，K-均值算法执行中需要的分类类别数等于图像IOTig在a、b色彩子空间的二维直方图中的峰值个数，将分割出建筑物的图像存储为Iseg ；
[0012]2)将图像1%转换为灰度图像，再由灰度图像转换为二值化图像Ibw，其中，建筑物区域为白色，背景为黑色，对二值化图像Ibw依次进行下列处理:
[0013](I)采用窗口为5*5像素的中值滤波器去掉图像中孤立的像素点；
[0014](2)采用5*5像素的方形结构算子进行开闭运算，去掉面积小于方形结构算子覆盖范围的区域；
[0015](3)去除面积小于Sarea个像素的连通区域，Sarea的取值范围为[700，2000]内的整数；
[0016](4)去除面积大于Imea个像素的连通区域，Imea的取值范围为[8000,10000]内的
整数；
[0017]3)对建筑物区域分别编号，并记录其质心作为各建筑物的初始种子点；设种子点位置坐标为(xk，yk)，k为建筑物编号，xk和yk分别为第k个建筑物种子点在图像中的行号
和列号，
【权利要求】
1.一种卫星影像中建筑物水平矢量轮廓自动批量提取方法，其特征在于包括下述步 骤: 步骤一、采用高斯平滑滤波器对建筑群卫星影像进行平滑处理，所述高斯平滑滤波器的方差σ =0.8,窗口大小为7*7像素；然后在Hsv色彩空间内，保持每个像素的色调不变，按照步进值As调整饱和度，按照步进值Λν调整亮度，对卫星影像进行图像增强处理，得到源图像 IOTig，其中 As 为 0.06-0.08，Λν 为 0.05-0.07 ; 步骤二、轮廓自动提取，包括以下步骤: 1.不同建筑物种子点的自动生成，包括以下步骤: 1)在Lab色彩空间利用K-均值算法，在代表颜色信息的a、b色彩子空间上对源图像1rig进行建筑物区域分割，K-均值算法执行中需要的分类类别数等于图像IOTig在a、b色彩子空间的二维直方图中的峰值个数，将分割出建筑物的图像存储为Iseg ; 2)将图像Iseg转换为灰度图像，再由灰度图像转换为二值化图像Ibw，其中，建筑物区域为白色，背景为黑色，对二值化图像Ibw依次进行下列处理: (1)采用窗口为5*5像素的中值滤波器去掉图像中孤立的像素点； (2)采用5*5像素的方形结构算子进行开闭运算，去掉面积小于方形结构算子覆盖范围的区域； (3)去除面积小于Sarea个像素的连通区域，s_的取值范围为[700，2000]内的整数； (4)去除面积大于I _a个像素的连通区域，IaMa的取值范围为[8000,10000]内的整数； 3)对建筑物区域分别编号，并记录其质心作为各建筑物的初始种子点；设种子点位置坐标为(? yk)，k为建筑物编号，Xk和yk分别为第k个建筑物种子点在图像中的行号和列
Σ Ef/o'-1) Σ号，；=............77:........-.......， v* =.............::7.:........::.........* i 表示图像的行号，j 表示图像的列 L.UmΣ Um ^ ?>._μ O)」L?号，f(i，j)表示(i，j)处像素的灰度值，D表示联通区域，符号L」表示向下取整运算。
2.提取建筑物区域，包括以下步骤: I)利用区域生长法，生成各候选建筑物的区域，具体步骤如下: (1)建立一个与源图像IOTig—样大小、像素灰度全部为O的图像Itjut,设生长阈值为thresh,其取值范围为8_10个像素； (2)定位出一个初始种子点(xk，yk)，k为建筑物编号，设置Iwt(xk，yk) = I ； (3)以(xk，yk)为中心，考虑(xk,yk)的四邻域像素(xk-l, yk), (xk+l, yk), (xk, yk-l),(xk, yk+l)，在Lab颜色空间内，根据欧氏距离分别计算种子点邻域内像素与种子点的颜色差 d(xsy) =: LWtiy +(a(x,y)-a>ml)-v))2 ? 其中，L(x, y)、a(x, y)、b(x，y)分别表示邻域内当前像素(x，y)的L、a、b分量值,而Lsee;d、ase;e;d、bse;e;d则表示当前种子点的L、a、b分量值；如果邻域内当前像素(X，y)的IMt (x, y) = O,并且d(x, y)〈thresh,则设置Itjut U，y) = 1，同时将U，y)压入堆栈； (4)从堆栈中弹出一个像素当作新的种子点，赋值给(xk，yk)，回到步骤(3);当堆栈为空时，生长结束； (5)回到步骤(2)，定位出下一个种子点，重复步骤(3)和(4)，直到所有种子点扫描完成，整个生长过程结束； 2)对源图像IOTig灰度化后用Canny算子检测出强边缘，强边缘上的像素为白色，其他像素为黑色，将此含有强边缘信息的图像存储为Irate ; 3)遍历图像Itjut，当Itjut中的像素处于白色的建筑物区域时，查看图像Iwte中对应位置的像素是否处于白色的边缘，若是，则将Itjut中对应像素变为黑色；
4)在图像1ut中，计算矩形度
【文档编号】G06K9/54GK103699900SQ201410003206
【公开日】2014年4月2日 申请日期:2014年1月3日 优先权日:2014年1月3日
【发明者】齐敏, 家建奎, 李珂, 樊养余, 齐榕, 赵子岩 申请人:西北工业大学