一种基于全局优化决策的遥感图像建筑物检测分类方法
【技术领域】
[0001] -种基于全局优化决策的遥感图像建筑物检测分类方法，属于数字图像处理领 域，特别涉及建筑物检测分类的数字图像处理技术。
【背景技术】
[0002] 随着互联网的发展，人们所面临的问题不是图像来源的缺乏，而是如何在许多图 像中找到你所需要的信息。这就需要一个精确的技术来处理图像。在处理遥感图像的过程 中，建筑物的检测与分类是非常重要的。遥感图像中建筑物的检测和分类，在土地规划、救 灾等方面发挥着越来越广泛的作用。
[0003] 遥感图像中建筑物的检测与分类，不仅包含在一个或多个场景中的建筑物的检 测，而且还包含在场景中的各种建筑的详细描述。从技术上讲，这一过程包括建筑物的识 另IJ、特征提取、特征计算、检测分类和检验。
[0004] 在建筑物检测方面，由于DSM图像包含建筑物的高度信息，我们可以使用DSM图像 的局部特征自动检测相应的建筑面积，然后滤除图像中的噪声。这样，我们可以得到建筑物 的轮廓。
[0005] 在建筑物分类方面，一般的研究都采用了低层次的基本特征。Martin Szummer的 技术对房间和户外使用图像底层特征，但这种分类方法只能识别特征明显的区域。Aditya Vailaya使用了底层特征来区分城市的照片和风景照片。他用颜色，离散余弦变换系数和线 特征来分类，但这种分类仅适用于具有丰富的色彩和明显的直线目标。为了获得更高的精 度，Qasim Iqbal用线的长度、连接方式、结构进行分类，但分类器仍然集中在建筑与普通线 特征检测。
[0006] 在这些思想的基础上，本文采用全局优化决策和组合特征对建筑物进行检测和分 类，并介绍了该算法的基本原理。该算法可以对建筑物进行更详细的分类，并适用于各种复 杂场景的应用。
【发明内容】
[0007] (一）要解决的技术问题
[0008] 本发明提供一种基于全局优化决策的遥感图像建筑物检测分类方法，本方法是传 统熵算法的建筑物检测分类的改进，对各特征进行了权重处理，从而克服了传统熵算法存 在的不足，能够更准确进行建筑物检测分类，检测分类结果的准确率更高。
[0009] (二）技术方案
[0010] -种基于全局优化决策的遥感图像建筑物检测分类方法，其特征在于包括以下具 体步骤：
[0011] 步骤一、将通过机载雷达激光、高空摄像机等数字成像设备获取的遥感图像输入 到计算机中。
[0012] 步骤二、处理DSM图像与可见光图像得到融合图像，并提取建筑物区域。
[0013] 步骤三、对建筑物区域按面积进行区分，对大区域利用组合特征进行分类。
[0014] 步骤四、利用步骤三中得到小区域建筑物，计算出熵最小的分支以及各特征的权 重，来进行建筑物分类。
[0015] (三）有益效果
[0016] 本发明采用基于全局优化决策的遥感图像建筑物检测分类，充分利用全局决策和 组合特征进行建筑物的检测分类。当我们使用传统熵来对这些样本进行分类时，只有有 80%的建筑被分类为它们的原始类型。当我们使用全局优化决策的遥感图像建筑物检测 分类样本时，正确识别率可以达到92. 5%。算法可用于对数码相机、手机摄像头等数字成像 设备获取的遥感图像进行准确地建筑物检测分类，具有广阔的应用价值和市场前景。
【附图说明】
[0017] 图1 :基于基于全局优化决策的遥感图像建筑物检测分类方法流程图；
[0018] 图2 :本发明实验用图，其中图2a为DSM图像，图2b为尺度变换的DSM图，图2c为 二值化的DSM图，图2d为滤波后的DSM图，图2e为可见光图像，图2f为融合后得到的建筑 物区域图像。
[0019] 图3 :本发明实验用图，其中图3a为建筑物类型图，图3b为传统熵算法的建筑物 分类结果图，图3c为本发明方法的建筑物分类结果图。
【具体实施方式】
[0020] 为了更好地理解本发明的技术方案，下面结合附图及【具体实施方式】详细介绍本发 明。
[0021] 本发明是一种基于全局优化决策的遥感图像建筑物检测分类方法，该方法主要包 括以下几个步骤：
[0022] 1.将通过机载雷达激光、高空摄像机等数字成像设备获取的遥感图像输入到计算 机中。
[0023] 2.处理DSM图像与可见光图像得到融合图像，并提取建筑物区域。
[0024] 3.对建筑物区域按面积进行区分，对大区域利用组合特征进行分类。
[0025] 4.利用步骤三中得到小区域建筑物，计算出熵最小的分支以及各特征的权重，来 进行建筑物分类。
[0026] 本发明的具体实现流程如图1所示，各部分具体实施细节如下：
[0027] 1.将通过机载雷达激光、高空摄像机等数字成像设备获取的遥感图像输入到
[0028] 计算机中
[0029] 遥感图像是通过数字成像设备（如机载雷达激光、高空摄像机等）获取的。机载 雷达激光获取了 LiDAR数据生成的DSM图像数据，高空摄像机获取了可见光图像数据，将产 生色偏的图像读入到计算机中，这些数据信息是进行遥感图像建筑物检测与分类的基础。
[0030] 2.处理DSM图像与可见光图像得到融合图像，并提取建筑物区域
[0031] 针对步骤1中获取的DSM图像进行变换，分为以下几个步骤实现：
[0032] (1)利用双立方插值把DSM图像数据缩放至可见光图像相同尺寸。
[0033] (2)根据DSM图像直方图分布及其高度信息确定疑似建筑物区域，把DSM图2值 化，把疑似建筑物区域设置成白色，然后利用面积颜色等因素滤除图像边缘的干扰部分，并 对白色区域标注编号。具体效果图如图2。
[0034] (3)利用⑵中计算得到的具有标记出建筑物区域的DSM图像与可见光图做融合。
[0035] 3.对建筑物区域按面积进行区分，并确定出组合特征，对大区域利用组合特征进 行分类
[0036] 通过对图像数据及组合特征的分析，分为以下几