城市制图方法及装置与流程

本发明涉及遥感应用技术领域，尤其涉及一种城市制图方法及装置。

背景技术：

城市，由于人口与资源的集中，成为研究全球气候变化与人类活动的研究重点。尽管城市占地面积仅为2％，但是其却占据了50％的人口，产生了90％的GDP，排放了70％的温室气体，为了更好地监测城市发展对人类的影响，因此研究大尺度范围与高精度的监测水平，成为了一个热点探索问题。

由于遥感影像的覆盖范围广，因此成为了监测城市发展的重要数据来源，低空间分辨率遥感影像能够覆盖较大区域，但是由于其空间分辨率低，而无法展示出城市的细节部分。目前基于遥感影像的城市化研究主要有以下几个有待加强的地方：城市的定义不明确，遥感影像的空间分辨率过低，现有算法效果不足。

Landsat遥感影像由于其具有更高的空间分辨率(30m)，因此成为了研究城市化的重点数据源，但Landsat遥感影像仅仅使用光学影像，难以改善同谱异物、同物异谱现象，如裸地与建筑物，阴影与水体等问题，相关研究者提出了基于生物量成分指数、多源归一化不透水指数等指数进行处理的处理方法。但基于生物量成分指数进行处理的处理方法中，在预处理阶段需要对水体进行掩膜，预处理步骤较多，操作复杂，严重影响计算效率。基于多源归一化不透水指数进行处理的处理方法中，其存在夜间影像覆盖范围较小，且利用地表温度误差较大等缺点，导致构建的城市地图区域精度低，无法展示城市细节部分。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种城市制图方法及装置。

本发明解决其技术问题所采用的技术方案是：一种城市制图方法，包括如下步骤：

接收用户输入的目标城市的遥感影像，获取遥感影像数据；

基于所述遥感影像数据，获取所述遥感影像的目标植被指数；

接收用户输入的所述目标城市的原始灯光数据；

对所述原始灯光数据进行归一化和重采样处理，获取目标灯光数据；

基于所述目标植被指数和所述目标灯光数据，获取城市指数；

基于所述城市指数进行制图，获取所述目标城市的城市效果图。

优选地，所述遥感影像数据包括近红外波段和红光波段；

所述基于所述遥感影像数据，获取所述遥感影像的目标植被指数，包括：采用植被指数计算公式对所述遥感影像数据进行处理，获取所述遥感影像的目标植被指数；

其中，所述植被指数计算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI为目标植被指数，NIR为近红外波段，R为红光波段。

优选地，所述基于所述遥感影像数据，获取所述遥感影像的目标植被指数，之后还包括：

利用所述目标城市的至少三个遥感影像中同一像元的目标植被指数，构建所述像元的目标植被指数序列；

采用预设合成规则对每一所述像元的目标植被指数序列进行合成，获取所述像元的合成植被指数；

基于每一所述像元的合成植被指数，更新所述遥感影像的目标植被指数；

其中，所述预设合成规则包括：获取所述像元的目标植被指数序列的最大值和最小值；若所述最大值大于第一阈值，则将所述最大值作为所述像元的合成植被指数；若所述最小值小于第二阈值，则将所述最小值作为所述像元的合成植被指数；若所述最大值不大于和/或所述最小值不大于所述第二阈值，则将所述目标植被指数序列的中值作为所述像元的合成植被指数。

优选地，所述对所述原始灯光数据进行归一化和重采样处理，获取目标灯光数据，包括：

采用线性归一化公式对所述原始灯光数据进行归一化处理，获取归一化灯光数据；

采用最邻近分配法对所述归一化灯光数据进行重采样，以获取与所述遥感影像具有相同空间分辨率的目标灯光数据；

其中，所述线性归一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'为归一化灯光数据，RNTL为原始灯光数据，Max和Min分别为原始灯光数据的最大值和最小值。

优选地，所述基于所述目标植被指数和所述目标灯光数据，获取城市指数，包括：

采用城市指数构建公式对所述目标植被指数和所述目标灯光数据进行处理，以获取所述城市指数；

其中，所述城市指数构建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI为城市指数，NTL为目标灯光数据，NDVI为目标植被指数。

本发明还提供一种城市制图装置，包括：

遥感影像数据获取模块，用于接收用户输入的目标城市的遥感影像，获取遥感影像数据；

目标植被指数获取模块，用于基于所述遥感影像数据，获取所述遥感影像的目标植被指数；

原始灯光数据接收模块，用于接收用户输入的所述目标城市的原始灯光数据；

目标灯光数据获取模块，用于对所述原始灯光数据进行归一化和重采样处理，获取目标灯光数据；

城市指数获取模块，用于基于所述目标植被指数和所述目标灯光数据，获取城市指数；

城市制图处理模块，用于基于所述城市指数进行制图，获取所述目标城市的城市效果图。

优选地，所述遥感影像数据包括近红外波段和红光波段；

所述目标植被指数获取模块，用于采用植被指数计算公式对所述遥感影像数据进行处理，获取所述遥感影像的目标植被指数；

其中，所述植被指数计算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI为目标植被指数，NIR为近红外波段，R为红光波段。

优选地，所述目标植被指数获取模块包括：

植被指数序列构建单元，用于利用所述目标城市的至少三个遥感影像中同一像元的目标植被指数，构建所述像元的目标植被指数序列；

合成植被指数获取单元，用于采用预设合成规则对每一所述像元的目标植被指数序列进行合成，获取所述像元的合成植被指数；

目标植被指数更新单元，用于基于每一所述像元的合成植被指数，更新所述遥感影像的目标植被指数；

其中，所述预设合成规则包括：获取所述像元的目标植被指数序列的最大值和最小值；若所述最大值大于第一阈值，则将所述最大值作为所述像元的合成植被指数；若所述最小值小于第二阈值，则将所述最小值作为所述像元的合成植被指数；若所述最大值不大于和/或所述最小值不大于所述第二阈值，则将所述目标植被指数序列的中值作为所述像元的合成植被指数。

优选地，所述目标灯光数据获取模块包括：

归一化处理单元，用于采用线性归一化公式对所述原始灯光数据进行归一化处理，获取归一化灯光数据；

重采样处理单元，用于采用最邻近分配法对所述归一化灯光数据进行重采样，以获取与所述遥感影像具有相同空间分辨率的目标灯光数据；

其中，所述线性归一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'为归一化灯光数据，RNTL为原始灯光数据，Max和Min分别为原始灯光数据的最大值和最小值。

优选地，所述城市指数获取模块，用于采用城市指数构建公式对所述目标植被指数和所述目标灯光数据进行处理，以获取所述城市指数；

其中，所述城市指数构建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI为城市指数，NTL为目标灯光数据，NDVI为目标植被指数。

本发明与现有技术相比具有如下优点：本发明所提供的城市制图方法及装置中，基于遥感影像获取目标植被指数，获取原始灯光数据获取目标灯光数据，再利用目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图。该城市制图方法及装置中，处理过程简单方便，自动化程度高，处理效率高，无需进行复杂的预处理过程；而且基于目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图，制图效果好，精度高，易于推广使用。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例1中城市制图方法的一流程图；

图2是本发明实施例1中城市制图方法的一具体示意图；

图3是本发明实施例2中城市制图装置的一原理框图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

实施例1

图1示出本实施例中的城市制图方法的流程图。该城市制图方法基于随着植被指数降低，城市灯光数据增大的现象，通过对植被指数和灯光数据进行处理，即可获取目标城市的城市指数，基于城市指数进行制图，即可获取目标城市的城市效果图。如图1所示，该城市制图方法包括如下步骤：

S10：接收用户输入的目标城市的遥感影像，获取遥感影像数据。

其中，该遥感影像可以是中低分辨率遥感影像，由于中低分辨率遥感影像具有影像覆盖面广且价格低廉的优点，使其应用在城市制图中具有覆盖面广和价格低廉的优点，可有效降低制图成本。

本实施例中，接收用户输入的landsat7ETM+这一中分辨率遥感影像，landsat7ETM+遥感影像具有较高的空间分辨率(30m)，以保证基于landsat7ETM+遥感影像进行制图时，制得的目标城市的城市效果图的精度较高。其中，landsat7是1999年美国发射的一陆地探测卫星系统，装备有Enhanced Thematic Mapper Plus(简称为ETM+，增强型专用制图仪)设备，ETM+被动感应地表反射的太阳辐射和散发的热辐射，有8个波段的感应器，覆盖了红外到可见光的不同波长范围。ETM+设备在红外波段的分辨率较高，具有较高的准确性，以使最终的城市效果图具有较高的精度。由于ETM+遥感影像被动感应地表反射的太阳辐射和散发的热辐射，在基于ETM+遥感影像获取遥感影像数据时，需进行大气校正，以获取真实的地表反射率。可以理解地，遥感影像数据还可以为Sentinal-2A影像或者其他影像。

由于该城市制图方法基于植被指数和城市灯光数据进行制图，使得该遥感影像中应包括可影响植被指数的遥感影像数据。本实施例中，遥感影像数据包括近红外波段和红光波段。近红外光(Near Infrared，NIR)波段是介于可见光(ⅥS)和中红外光(MIR)之间的电磁波，按ASTM(美国试验和材料检测协会)定义是指波长在780～2526nm范围内的电磁波，习惯上又将近红外区划分为近红外短波(780～1100nm)和近红外长波(1100～2526nm)两个区域。近红外区域是人们最早发现的非可见光区域。红光波段是可见光波段中的一部分，可见光波段的波长范围在0.77～0.622微米之间，可用于计算植被指数。

S20：基于遥感影像数据，获取遥感影像的目标植被指数。

其中，目标植被指数用于识别遥感影像中的植被覆盖情况，目标植被指数越大，其覆盖的植被越多，可基于目标植被指数确定目标城市的植被覆盖情况。

步骤S20具体包括：采用植被指数计算公式对遥感影像数据进行处理，获取遥感影像的目标植被指数；

其中，植被指数计算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI为目标植被指数，NIR为近红外波段，R为红光波段。NDVI(Normalized Difference Vegetation Index,归一化差分植被指数)，用于检测植被生成、植被覆盖度和消除部分辐射误差等领域。其中，NIR和R分别指近红外波段和红光波段的反射率值。

进一步地，NDVI的取值在[-1，1]之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。可以理解地，目标植被指数NDVI是一个归一化数据，其数据获取在[-1，1]之间，使得利用该目标植被指数NDVI进行处理时，收敛速度快，可加快数据处理效率。

采用单一的遥感影像的目标植被指数进行制图时，目标植被指数与最终形成的城市效果图相关联，由于目标植被指数会影响城市效果图的精度，因此需保证目标植被指数的准确率。因此，该城市制图方法中，步骤S20之后，还包括如下步骤：

S21：利用目标城市的至少三个遥感影像中同一像元的目标植被指数，构建像元的目标植被指数序列。

可以理解地，至少三个遥感影像中所覆盖的目标城市相同，每一遥感影像中相同像元指向目标城市中相同位置。在利用目标城市的至少三个遥感影像中同一像元的目标植被指数，构建像元的目标植被指数序列时，将同一像元的目标植被指数依据时间顺序排序，以形成该像元的目标植被指数序列。可以理解地，至少三个遥感影像依据一定的时间间隔采集，如年度或月度。本实施例中以年度为例，若像元A的第一年某一天的目标植被指数为0.32，第二年同一天的目标植被指数为0.40，第三年同一天的目标植被指数为0.45，则该像元A的目标植被指数序列为{0.32，0.4，0.45}。

S22：采用预设合成规则对每一像元的目标植被指数序列进行合成，获取像元的合成植被指数。

其中，预设合成规则包括：获取像元的目标植被指数序列的最大值和最小值；若最大值大于第一阈值，则将最大值作为像元的合成植被指数；若最小值小于第二阈值，则将最小值作为像元的合成植被指数；若最大值不大于和/或最小值不大于第二阈值，则将目标植被指数序列的中值作为像元的合成植被指数。可以理解地，采用预设合成规则对每一像元的目标植被指数序列进行合成，可将目标植被指数序列中多个目标植被指数转换成一个最能体现像元对应的目标城市的植被覆盖程度的合成植被指数。目标植被指数的取值范围在[-1，1]之间，第一阈值用于限定是否为植被区域，第二阈值用于限定是否为水体区域。若目标植被指数大于第一阈值，则该目标植被指数对应的区域为植被区域；若目标植被指数小于第二阈值，则该目标植被指数对应的区域为水体区域；若目标植被指数在第一阈值和第二阈值之间，则该目标植被指数对应的区域为裸地或城市。

本实施例中，设第一阈值为0.4，第二阈值为-0.2；若像元A的目标植被指数序列为{0.55，0.58，0.49，0.45，0.50}，像元B的目标植被指数序列为{-0.1，-0.15，-0.2，-0.18，-0.22}，像元C的目标植被指数序列为{0.13，0.11，0.15，0.2，0.22}。依据该预设合成规则进行合成处理，则像元A的合成植被指数为0.58，像元B的合成植被指数为-0.22，像元C的合成植被指数为0.15。

S23：基于每一像元的合成植被指数，更新遥感影像的目标植被指数。

每一遥感影像包含多个像元，将每一像元的合成植被指数更新为遥感影像中相应像元的目标植被指数，以更新遥感影像的目标植被指数，并基于更新后遥感影像的目标植被指数进行城市制图，使最终形成的城市效果图的精度较高，可更清晰显示城市细节部分。

S30：接收用户输入的目标城市的原始灯光数据。

由于该城市制图方法的实现是基于随着植被指数降低，城市灯光数据增大的现象，因此需接收用户输入目标城市的原始灯光数据，并对原始灯光数据进行处理，以实现城市制图的目的。

S40：对原始灯光数据进行归一化和重采样处理，获取目标灯光数据。

对原始灯光数据进行归一化处理，将原始灯光数据限制在预设范围内，以方便后续进行数据处理，提高数据收敛速度，提高数据处理效率。由于在对原始灯光数据进行归一化处理后，可能导致像元大小不符合要求，需要使不同像元采用相同的分辨率，因此需进行重采样处理，以保证获取到的目标灯光数据的每一像元具有相同的空间分辨率，以使后续基于目标灯光数据获取城市指数的过程计算方便，加快收敛速度，提高。

步骤S40具体包括：

S41：采用线性归一化公式对原始灯光数据进行归一化处理，获取归一化灯光数据。

其中，线性归一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'为归一化灯光数据，RNTL为原始灯光数据，Max和Min分别为原始灯光数据的最大值和最小值。

可以理解地，用户输入的目标城市的原始灯光数据具有最大值和最小值，将目标城市的每一像元的原始灯光数据RNTL进行归一化处理，以获取该像元的归一化灯光数据NTL'，进而获取目标城市的归一化灯光数据，利用该归一化灯光数据进行后续城市制图，可在一定程度上加快数据收敛速度，提高数据处理效率。

S42：采用最邻近分配法对归一化灯光数据进行重采样，以获取与遥感影像具有相同空间分辨率的目标灯光数据。

其中，最邻近分配法是用于离散(分类)数据的重采样技术，不会更改输入单元的值。将输出栅格数据集中单元中心的位置定位到输入栅格后，最邻近分配法将确定输入栅格上最近的单元中心位置并将该单元的值分配给输出栅格上的单元。本实施例中，采用最邻近分配法对归一化灯光数据进行重采样，以获取与遥感影像具有相同空间分辨率的目标灯光数据，以使后续基于目标灯光数据获取城市指数的过程计算方便，进一步加快收敛速度，提高处理效率。

S50：基于目标植被指数和目标灯光数据，获取城市指数。

由于遥感影像中存在随着植被指数降低，城市灯光数据增大的现象，基于该现象获取植被指数和灯光数据与城市指数之间的关联关系，再利用该关联关系对目标植被指数和目标灯光数据进行处理，即可获取城市指数，利用该城市指数可进行制图。

步骤S50具体包括：采用城市指数构建公式对目标植被指数和所述目标灯光数据进行处理，以获取城市指数。

其中，城市指数构建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI为城市指数，NTL为目标灯光数据，NDVI为目标植被指数。

可以理解地，目标灯光数据是对原始灯光数据进行归一化和重采样处理的结果，利用目标灯光数据获取城市指数时，具有收敛速度快、处理效率高的优点。目标植被指数NDVI是一个归一化数据，其数据获取在[-1，1]之间，使得利用该目标植被指数NDVI进行处理时，收敛速度快，可加快数据处理效率。

S60：基于城市指数进行制图，获取目标城市的城市效果图。

由于城市指数与目标植被指数和目标夜间灯光指数相关联，使得基于城市指数进行制图以形成的城市效果图的区域精度高，可清楚显示城市细节部分。

图2示出本实施例中城市制图方法的一具体示意图。如图2所示，基于目标城市的遥感影像数据，获取的目标植被指数(NDVI)如图2中A图所示；对原始灯光数据进行归一化和重采样处理，获取的目标灯光数据(NTL)如图2中B图所示；基于目标植被指数(NDVI)和目标灯光数据(NTL)，获取城市指数(NDUI)如图2中C图所示；基于城市指数进行制图，获取目标城市的城市效果图如图2中D图所示。

本实施例所提供的城市制图方法中，基于遥感影像获取目标植被指数，获取原始灯光数据获取目标灯光数据，再利用目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图。该城市制图方法中，处理过程简单方便，自动化程度高，处理效率高，无需进行复杂的预处理过程；而且基于目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图，制图效果好，精度高，易于推广使用。

实施例2

图3示出本实施例中的城市制图装置的原理框图。该城市制图装置基于随着植被指数降低，城市灯光数据增大的现象，通过对植被指数和灯光数据进行处理，即可获取目标城市的城市指数，基于城市指数进行制图，即可获取目标城市的城市效果图。如图3所示，该城市制图装置包括遥感影像数据获取模块10、目标植被指数获取模块20、原始灯光数据接收模块30、目标灯光数据获取模块40、城市指数获取模块50和城市制图处理模块60。

遥感影像数据获取模块10，用于接收用户输入的目标城市的遥感影像，获取遥感影像数据。

其中，该遥感影像可以是中低分辨率遥感影像，由于中低分辨率遥感影像具有影像覆盖面广且价格低廉的优点，使其应用在城市制图中具有覆盖面广和价格低廉的优点，可有效降低制图成本。

本实施例中，接收用户输入的landsat7ETM+这一中分辨率遥感影像，landsat7ETM+遥感影像具有较高的空间分辨率(30m)，以保证基于landsat7ETM+遥感影像进行制图时，制得的目标城市的城市效果图的精度较高。其中，landsat7是1999年美国发射的一陆地探测卫星系统，装备有Enhanced Thematic Mapper Plus(简称为ETM+，增强型专用制图仪)设备，ETM+被动感应地表反射的太阳辐射和散发的热辐射，有8个波段的感应器，覆盖了红外到可见光的不同波长范围。ETM+设备在红外波段的分辨率较高，具有较高的准确性，以使最终的城市效果图具有较高的精度。由于ETM+遥感影像被动感应地表反射的太阳辐射和散发的热辐射，在基于ETM+遥感影像获取遥感影像数据时，需进行大气校正，以获取真实的地表反射率。可以理解地，遥感影像数据还可以为Sentinal-2A影像或者其他影像。

由于该城市制图装置基于植被指数和城市灯光数据进行制图，使得该遥感影像中应包括可影响植被指数的遥感影像数据。本实施例中，遥感影像数据包括近红外波段和红光波段。近红外光(Near Infrared，NIR)波段是介于可见光(ⅥS)和中红外光(MIR)之间的电磁波，按ASTM(美国试验和材料检测协会)定义是指波长在780～2526nm范围内的电磁波，习惯上又将近红外区划分为近红外短波(780～1100nm)和近红外长波(1100～2526nm)两个区域。近红外区域是人们最早发现的非可见光区域。红光波段是可见光波段中的一部分，可见光波段的波长范围在0.77～0.622微米之间，可用于计算植被指数。

目标植被指数获取模块20，用于基于遥感影像数据，获取遥感影像的目标植被指数。

其中，目标植被指数用于识别遥感影像中的植被覆盖情况，目标植被指数越大，其覆盖的植被越多，可基于目标植被指数确定目标城市的植被覆盖情况。

具体地，目标植被指数获取模块20，用于采用植被指数计算公式对遥感影像数据进行处理，获取遥感影像的目标植被指数；

其中，植被指数计算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI为目标植被指数，NIR为近红外波段，R为红光波段。NDVI(Normalized Difference Vegetation Index,归一化差分植被指数)，用于检测植被生成、植被覆盖度和消除部分辐射误差等领域。其中，NIR和R分别指近红外波段和红光波段的反射率值。

进一步地，NDVI的取值在[-1，1]之间，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大。可以理解地，目标植被指数NDVI是一个归一化数据，其数据获取在[-1，1]之间，使得利用该目标植被指数NDVI进行处理时，收敛速度快，可加快数据处理效率。

采用单一的遥感影像的目标植被指数进行制图时，目标植被指数与最终形成的城市效果图相关联，由于目标植被指数会影响城市效果图的精度，因此需保证目标植被指数的准确率。因此，该城市制图装置中，目标植被指数获取模块20包括植被指数序列构建单元21、合成植被指数获取单元22和目标植被指数更新单元23。

植被指数序列构建单元21，用于利用目标城市的至少三个遥感影像中同一像元的目标植被指数，构建像元的目标植被指数序列。

可以理解地，至少三个遥感影像中所覆盖的目标城市相同，每一遥感影像中相同像元指向目标城市中相同位置。在利用目标城市的至少三个遥感影像中同一像元的目标植被指数，构建像元的目标植被指数序列时，将同一像元的目标植被指数依据时间顺序排序，以形成该像元的目标植被指数序列。可以理解地，至少三个遥感影像依据一定的时间间隔采集，如年度或月度。本实施例中以年度为例，若像元A的第一年某一天的目标植被指数为0.32，第二年同一天的目标植被指数为0.40，第三年同一天的目标植被指数为0.45，则该像元A的目标植被指数序列为{0.32，0.4，0.45}。

合成植被指数获取单元22，用于采用预设合成规则对每一像元的目标植被指数序列进行合成，获取像元的合成植被指数。

其中，预设合成规则包括：获取像元的目标植被指数序列的最大值和最小值；若最大值大于第一阈值，则将最大值作为像元的合成植被指数；若最小值小于第二阈值，则将最小值作为像元的合成植被指数；若最大值不大于和/或最小值不大于第二阈值，则将目标植被指数序列的中值作为像元的合成植被指数。可以理解地，采用预设合成规则对每一像元的目标植被指数序列进行合成，可将目标植被指数序列中多个目标植被指数转换成一个最能体现像元对应的目标城市的植被覆盖程度的合成植被指数。目标植被指数的取值范围在[-1，1]之间，第一阈值用于限定是否为植被区域，第二阈值用于限定是否为水体区域。若目标植被指数大于第一阈值，则该目标植被指数对应的区域为植被区域；若目标植被指数小于第二阈值，则该目标植被指数对应的区域为水体区域；若目标植被指数在第一阈值和第二阈值之间，则该目标植被指数对应的区域为裸地或城市。

本实施例中，设第一阈值为0.4，第二阈值为-0.2；若像元A的目标植被指数序列为{0.55，0.58，0.49，0.45，0.50}，像元B的目标植被指数序列为{-0.1，-0.15，-0.2，-0.18，-0.22}，像元C的目标植被指数序列为{0.13，0.11，0.15，0.2，0.22}。依据该预设合成规则进行合成处理，则像元A的合成植被指数为0.58，像元B的合成植被指数为-0.22，像元C的合成植被指数为0.15。

目标植被指数更新单元23，用于基于每一像元的合成植被指数，更新遥感影像的目标植被指数。

每一遥感影像包含多个像元，将每一像元的合成植被指数更新为遥感影像中相应像元的目标植被指数，以更新遥感影像的目标植被指数，并基于更新后遥感影像的目标植被指数进行城市制图，使最终形成的城市效果图的精度较高，可更清晰显示城市细节部分。

原始灯光数据接收模块30，用于接收用户输入的目标城市的原始灯光数据。

由于该城市制图装置的实现是基于随着植被指数降低，城市灯光数据增大的现象，因此需接收用户输入目标城市的原始灯光数据，并对原始灯光数据进行处理，以实现城市制图的目的。

目标灯光数据获取模块40，用于对原始灯光数据进行归一化和重采样处理，获取目标灯光数据。

对原始灯光数据进行归一化处理，将原始灯光数据限制在预设范围内，以方便后续进行数据处理，提高数据收敛速度，提高数据处理效率。由于在对原始灯光数据进行归一化处理后，可能导致像元大小不符合要求，需要使不同像元采用相同的分辨率，因此需进行重采样处理，以保证获取到的目标灯光数据的每一像元具有相同的空间分辨率，以使后续基于目标灯光数据获取城市指数的过程计算方便，加快收敛速度，提高。

目标灯光数据获取模块40具体包括归一化处理单元41和重采样处理单元42。

归一化处理单元41，用于采用线性归一化公式对原始灯光数据进行归一化处理，获取归一化灯光数据。

其中，线性归一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'为归一化灯光数据，RNTL为原始灯光数据，Max和Min分别为原始灯光数据的最大值和最小值。

可以理解地，用户输入的目标城市的原始灯光数据具有最大值和最小值，将目标城市的每一像元的原始灯光数据RNTL进行归一化处理，以获取该像元的归一化灯光数据NTL'，进而获取目标城市的归一化灯光数据，利用该归一化灯光数据进行后续城市制图，可在一定程度上加快数据收敛速度，提高数据处理效率。

重采样处理单元42，用于采用最邻近分配法对归一化灯光数据进行重采样，以获取与遥感影像具有相同空间分辨率的目标灯光数据。

其中，最邻近分配法是用于离散(分类)数据的重采样技术，不会更改输入单元的值。将输出栅格数据集中单元中心的位置定位到输入栅格后，最邻近分配法将确定输入栅格上最近的单元中心位置并将该单元的值分配给输出栅格上的单元。本实施例中，采用最邻近分配法对归一化灯光数据进行重采样，以获取与遥感影像具有相同空间分辨率的目标灯光数据，以使后续基于目标灯光数据获取城市指数的过程计算方便，进一步加快收敛速度，提高处理效率。

城市指数获取模块50，用于基于目标植被指数和目标灯光数据，获取城市指数。

由于遥感影像中存在随着植被指数降低，城市灯光数据增大的现象，基于该现象获取植被指数和灯光数据与城市指数之间的关联关系，再利用该关联关系对目标植被指数和目标灯光数据进行处理，即可获取城市指数，利用该城市指数可进行制图。

具体地，城市指数获取模块50，用于采用城市指数构建公式对目标植被指数和所述目标灯光数据进行处理，以获取城市指数。

其中，城市指数构建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI为城市指数，NTL为目标灯光数据，NDVI为目标植被指数。

可以理解地，目标灯光数据是对原始灯光数据进行归一化和重采样处理的结果，利用目标灯光数据获取城市指数时，具有收敛速度快、处理效率高的优点。目标植被指数NDVI是一个归一化数据，其数据获取在[-1，1]之间，使得利用该目标植被指数NDVI进行处理时，收敛速度快，可加快数据处理效率。

城市制图处理模块60，用于基于城市指数进行制图，获取目标城市的城市效果图。

由于城市指数与目标植被指数和目标夜间灯光指数相关联，使得基于城市指数进行制图以形成的城市效果图的区域精度高，可清楚显示城市细节部分。

如图2所示，该城市制图装置中，基于目标城市的遥感影像数据，获取的目标植被指数(NDVI)如图2中A图所示；对原始灯光数据进行归一化和重采样处理，获取的目标灯光数据(NTL)如图2中B图所示；基于目标植被指数(NDVI)和目标灯光数据(NTL)，获取城市指数(NDUI)如图2中C图所示；基于城市指数进行制图，获取目标城市的城市效果图如图2中D图所示。

本实施例所提供的城市制图装置中，基于遥感影像获取目标植被指数，获取原始灯光数据获取目标灯光数据，再利用目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图。该城市制图装置中，处理过程简单方便，自动化程度高，处理效率高，无需进行复杂的预处理过程；而且基于目标植被指数和目标灯光数据获取城市指数，利用城市指数进行制图，制图效果好，精度高，易于推广使用。

本发明是通过几个具体实施例进行说明的，本领域技术人员应当明白，在不脱离本发明范围的情况下，还可以对本发明进行各种变换和等同替代。另外，针对特定情形或具体情况，可以对本发明做各种修改，而不脱离本发明的范围。因此，本发明不局限于所公开的具体实施例，而应当包括落入本发明权利要求范围内的全部实施方式。