个步骤实现：
[0037] (1)分出区域面积明显偏大的建筑物区域，这样有利于提高分类的准确性。
[0038] (2)根据遥感图像建筑物的特征，确定出面积、颜色、混乱度、密集度等四个特征， 其中面积我们用建筑物区域像素的个数，颜色、混乱度、密集度如下式：
[0039] Color = | | max (R, G, B) -min (R, G, B) | (1)
[0040] 其中Color表示图像的颜色值，R，G，B分别代表融合图像三个通道各代表的像素 值。
[0042] 其中S表示图像的混乱度，i表示图像像素数目，N代表图像像素最大数目，X代表 像素的平均值，X1表示图像像素值。
[0044] 其中C代表密集度，A和P分别为建筑物区域的面积和周长。
[0045] (3)利用选取好的特征对大区域进行分类。
[0046] 4.利用步骤3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
[0047] (1)计算图像计算出融合图像的熵，如下式：
[0049] 其中P1, P2, ...，Pk分别代表事件可能性在总样本中的概率，I all代表融合图像的 熵。
[0050] (2)按各特征分类计算出熵最小的分支，如下式：
[0053] 其中I代表融合图像的熵，k为特征分类出的分支数，p为特征分类的最大分支数， Ik代表k分支的熵，1为熵最小的分支号。
[0054] (3)计算出熵最小分支中数目最多的相同建筑物占该分支的概率，以及占同类建 筑物总数的概率，如下式： CN 105184308 A ^ ^ Ij 4/4 贝
[0056] 其中B11代表各分支中同类建筑物的数目，心代表总的同类建筑物的数目，B υ代表 分支中建筑物的总数，Pu与Q Ii分别代表熵最小分支中数目最多的相同建筑物占该分支的 概率以及占同类建筑物总数的概率，i代表建筑物的编号。
[0057] (4)计算各特征的权重，按权重大小顺序确定出分类特征的顺序进行分类，如下 式：
[0059] 其中Pli与Qli分别代表熵最小分支中数目最多的相同建筑物占该分支的概率以及 占同类建筑物总数的概率，I代表融合图像的熵，i代表建筑物的编号，η代表建筑物的最大 编号。
[0060] 本发明可用于遥感图像建筑物的检测分类，对于准确地检测分类遥感图像建筑物 有着重要意义，具有广阔的市场前景和应用价值。
【主权项】
1. 一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步 骤： (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。 (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。 (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。 (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。2. 根据权利要求1所述的一种基于全局优化决策的遥感图像建筑物检测分类方法，其 特征是：所述步骤（3)分出区域面积明显偏大的建筑物区域，根据遥感图像建筑物的特征， 确定出面积、颜色、混乱度、密集度等四个特征，其中面积我们用建筑物区域像素的个数，颜 色、混乱度、密集度如下式： Color = I I max (R, G, B) -min (R, G, B) | (I) 其中Color表示图像的颜色值，R，G，B分别代表融合图像三个通道各代表的像素值。其中S表示图像的混乱度，i表示图像像素数目，N代表图像像素最大数目，X代表像素 的平均值，X1表示图像像素值。其中C代表密集度，A和P分别为建筑物区域的面积和周长。3. 根据权利要求1所述的一种基于全局优化决策的遥感图像建筑物检测分类方法，其 特征是：所述步骤（4)分别计算小区域建筑物的分类，其方法是采用公式如下： (1) 计算图像计算出融合图像的熵，如下式： Iaii= -(P Ilog2Pi+P2Iog2P2^ +Pklog2Pk) (4) 其中P1, P2, ...，Pk分别代表事件可能性在总样本中的概率，I all代表融合图像的熵。 (2) 按各特征分类计算出熵最小的分支，如下式：其中I代表融合图像的熵，k为特征分类出的分支数，p为特征分类的最大分支数，Ik 代表k分支的熵，1为熵最小的分支号。 (3) 计算出熵最小分支中数目最多的相同建筑物占该分支的概率，以及占同类建筑物 总数的概率，如下式：其中B11代表各分支中同类建筑物的数目，N 表总的同类建筑物的数目，B υ代表分支 中建筑物的总数，Pu与Q Ii分别代表熵最小分支中数目最多的相同建筑物占该分支的概率 以及占同类建筑物总数的概率，i代表建筑物的编号。 (4)计算各特征的权重，按权重大小顺序确定出分类特征的顺序进行分类，如下式：其中Pu与Q Ii分别代表熵最小分支中数目最多的相同建筑物占该分支的概率以及占 同类建筑物总数的概率，I代表融合图像的熵，i代表建筑物的编号，η代表建筑物的最大编 号。
【专利摘要】本遥感图像建筑物检测分类方法首先获取源于机载雷达激光的DSM图数据和可见光图数据，把DSM图尺寸变换并二值化，滤除图像边缘的干扰，融合DSM图和可见光图，再分离融合图像的白色大小区域，对大区域利用组合特征进行分类，对小区域利用全局优化决策出建筑物分类的特征，按各特征设定的阈值对建筑物区域进行分类，计算熵最小的分支，再计算该分支中纯度最高的建筑物区域，结合这些数据得到各特征权重，权重最大的特征就是这一级分类特征，依次判决特征先后顺序，实现遥感图像建筑物检测分类过程。本发明可用于遥感图像建筑物的检测分类，对于准确地检测分类遥感图像建筑物有着重要意义，具有广阔的市场前景和应用价值。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105184308
【申请号】CN201510468282
【发明人】罗晓燕, 白椿山, 马媛媛
【申请人】北京航空航天大学
【公开日】2015年12月23日
【申请日】2015年8月3日