一种抑制裸地的建筑指数构建及建筑区域快速提取方法与流程

本发明属于遥感影像处理技术领域，尤其涉及一种基于landsatoli多光谱影像的建筑指数构建及建筑区域提取方法。

背景技术：

城市建筑用地是指人类从事所有社会和经济活动最基本的场所，承载着区域经济、政治、文化等领域的发展。在城市建成区域自1981年以来快速增长，城镇常住人口也在2011年首次突破50％。随着社会的发展和进步，城市建筑用地的合理和有效利用变得越来越重要，直接关系到社会的可持续发展。其面积和分布的变化，都会对城市生态环境产生重大的影响。因此，准确地获取和了解城市建筑区域中地建筑用地信息及空间分布特点，定量地研究它对城市生态环境地影像程度，这对城市规划、生态环境保护以及人居环境质量的提高，都有重要的意义。

现有指数或者模型存在的建筑区域与裸地容易混淆、阈值选取工作繁琐、工作量大等不足的问题。

技术实现要素：

本发明旨在解决以上现有技术的问题。提出了一种提高建筑区域分类提取的精度和效率，解决现有指数或者模型存在的建筑区域与裸地容易混淆、阈值选取工作繁琐、工作量大等不足的抑制裸地的建筑指数构建及建筑快速提取方法。本发明的技术方案如下：

一种抑制裸地的建筑指数构建及建筑区域快速提取方法，其包括以下步骤：

1)、获取待提取区域的landsat8遥感影像；对获取到的遥感影像数据进行包括裁剪、大气校正、几何精校正在内的预处理；

2)、计算光谱指数：预设光谱指数模型，并结合预处理后的多光谱遥感数据中第二波段-第七波段，计算抑制裸地的建筑指数brbi；

3)、最优阈值的选取：依据改进的双窗口变步长寻值算法对步骤2)中获取的光谱指数brbi影像进行处理，改进的双窗口变步长寻值算法能够获得分割阈值；

4)、把步骤3)中的提取的建筑区域范围导出，生成建筑区域矢量数据；

5)、使用步骤4)生成的建筑区域矢量数据，裁剪步骤1)生成的landsatoli多光谱影像，获得建筑区域信息数据。

进一步的，所述步骤1)对获取到的遥感影像数据进行包括裁剪、大气校正、几何精校正在内的预处理，具体包括以下具体内容：

(11)、使用遥感影像处理软件对landsatoli原始数据进行几何校正和辐射定标；

(12)、使用遥感影像处理软件对步骤(11)中定标后的多光谱数据进行flaash模块大气校正；

(13)、对于步骤(12)中大气校正后的数据，根据目标区域的范围，进行裁剪处理，得到目标区域的完整的多光谱数据。

进一步的，所述步骤2)计算抑制裸地的建筑指数brbi，具体包括：综合考虑第二、第三、第四、第五、第六和第七波段中各地物的关系，构建一个抑制裸地的建筑指数模型：

模型包括两个指数：

其中，brbi、bbai和bai分别表示抑制裸地的建筑指数、建筑区域与裸地指数和裸地区域指数；ρ^oli6为遥感影像短波红外波段的反射率；ρ^oli5为遥感影像近红外波段的反射率；ρ^oli4为遥感影像的红光波段；^oli7为短波红外2波段的亮度值；^oli6为短波红外1波段的亮度值；^oli4为红光波段的亮度值；^oli3为绿光波段的亮度值；^oli2为蓝光波段的亮度值。

进一步的，所述步骤3)获取brbi影像的阈值t，包括以下内容：

(31)阈值搜索范围被设置为指数影像的最大值a和最小值b之间的差值，第一搜索步长p1由获得，m表示搜索过程中可能的阈值数量；

(32)分别对潜在阈值b-p1，b-2*p1，...，并对这些潜在阈值k计算总体准确度其中nk1是被正确分类为建筑区域的像元数量，nk2是被正确分类为非建筑像元的数量，n是总像元数量；

(33)当满足|oamax-oamin|＜δ时，停止迭代，此时oamax对应的即为最佳阈值，若不满足则将阈值范围改变为(toptimal-p1,toptimal+p1)，toptimal表示最佳阈值并从步骤(31)重新开始，其中oamax和oamin是总体精度的最大值和最小值，δ是误差常数。

进一步的，所述步骤5)使用步骤4)生成的建筑区域矢量数据，裁剪步骤1)生成的landsatoli多光谱影像，获得建筑区域信息数据。

本发明的优点及有益效果如下：

(1)本发明综合使用landsatoli多光谱影像数据的第二、第三、第四、第五、第六和第七波段的数据，构建了裸地与建筑区域指数和抑制裸地的建筑指数，排除了裸地信息对建筑区域信息的影像，从而提高了建筑区域提取的精度和效率；

(2)在阈值选取的过程中，采用了idfps方法，优化阈值选取步骤，提高提取效率。

(3)采用本发明的建筑区域提取步骤，可以提高分类处理效率，并能获得较高的分类精度，采用不同城市进行了验证，本发明在能快速提取建筑区域的同时能很好地排除裸地的影像，总精度达到88％。

附图说明

图1是本发明提供优选实施例抑制裸地的建筑指数构建及建筑区域快速提取方法流程图；

图2是重庆市landsat8遥感影像；

图3为图2的建筑区域提取效果图，其中白色像元代表建筑区域，黑色像元代表非建筑像元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

实施例：如图所示，采用以下步骤取得重庆市建筑区域信息数据

(1)使用envi5.1软件，对landsatoli多光谱原始数据进行辐射定标、flaash大气校正、裁剪预处理，包括以下具体内容：

(11)使用遥感影像处理软件对landsatoli原始数据进行辐射定标；

(12)使用遥感影像处理软件对步骤(11)中定标后的多光谱数据进行flaash模块大气校正；

(13)对于步骤(12)中大气校正后的数据，根据目标区域的范围，进行裁剪处理，得到目标区域的完整的多光谱数据；

(2)针对landsatoli多光谱数据，如下表所示：

综合考虑第二、第三、第四、第五、第六和第七波段中各地物的关系，构建一个抑制裸地的建筑指数模型：

模型包括两个指数：

其中，brbi、bbai和bai分别表示抑制裸地的建筑指数、建筑区域与裸地指数和裸地区域指数；ρ^oli6为遥感影像短波红外波段的反射率；ρ^oli5为遥感影像近红外波段的反射率；ρ^oli4为遥感影像的红光波段；^oli7为短波红外2波段的亮度值；^oli6为短波红外1波段的亮度值；^oli4为红光波段的亮度值；^oli3为绿光波段的亮度值；^oli2为蓝光波段的亮度值；

(3)获取步骤(2)得到的brbi影像的阈值t，步骤包括以下内容：

(31)阈值搜索范围被设置为指数影像的最大值a和最小值b之间的差值，

第一搜索步长p1由获得；

(32)分别对潜在阈值b-p1，b-2*p1，...，并对这些潜在阈值k计算总体准确度其中nk1是被正确分类为建筑区域的像元数量，nk2是被正确分类为非建筑像元的数量，n是总像元数量；

(33)当满足|oamax-oamin|＜δ时，停止迭代，此时oamax对应的即为最佳阈值。若不满足则将阈值范围改变为(toptimal-p1,toptimal+p1)，并从(31)重新开始。其中oamax和oamin是总体精度的最大值和最小值，δ是误差常数；

(4)把步骤(3)中提取的建筑区域范围导出，生成建筑区域矢量数据；

(5)使用步骤(4)生成的建筑区域矢量数据，裁剪步骤(1)生成的landsatoli多光谱影像，获得建筑区域信息数据。

图2为重庆市遥感影像；图3为图2的建筑区域提取效果图。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。