一种同源高分辨率影像和DSM数据的建筑物提取方法及装置与流程

本发明涉及数据提取，尤其涉及一种同源高分辨率影像和dsm数据的建筑物提取方法及装置。

背景技术：

1、近年来，随着对地观测技术的发展，人类对地球的综合观测能力达到空前水平。遥感影像数据获取的速度加快，更新周期缩短，时效性越来越强。遥感影像的空间分辨率显著提高，遥感影像表现出更丰富的地物细节信息，几何结构和纹理特征等也更加明显。从遥感影像上快速准确提取建筑物，对于土地利用监测、数字城市建设、智慧城市建设、城市规划等方面具有重要意义。运用遥感技术进行快速、大范围建筑物提取逐渐显现优势。

2、目前，根据所使用数据源的不同，主要采用高分辨率遥感影像能获取光谱、纹理、几何形状等信息，三维信息数据获取高度信息，两者结合实现优势互补的基于二维影像数据加三维信息数据的提取方法提取建筑物。

3、但是，上述方法的数据源不统一，并且不同数据源存在获取时间不同，影像分辨率不同，摄影角度不同等差异，诸多差异的存在对后期提取过程造成影响，迫使来自不同数据源的两组数据只能分离操作，后续再将各自的提取结果进行合并，而无法将两组数据有机结合使用，导致在大规模复杂场景下的建筑物提取速度较慢，提取结果普适性较低。

技术实现思路

1、鉴于上述问题，本发明提供一种同源高分辨率影像和dsm数据的建筑物提取方法及装置，主要目的是为了实现大规模复杂场景下的建筑物快速提取。

2、为解决上述技术问题，本发明提出以下方案：

3、第一方面，本发明提供一种同源高分辨率影像和dsm数据的建筑物提取方法，所述方法包括：

4、获取研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据；

5、利用预设多尺度分割规则对所述研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据进行多尺度分割生成父对象层和子对象层，所述父对象层用于生成特征辅助子对象层提取；

6、利用预设非建筑对象剔除规则剔除所述子对象层上的非建筑对象，所述非建筑对象至少包括植被、水体和阴影；

7、利用预设建筑分类提取规则提取所述子对象层上的建筑对象，所述预设建筑分类提取规则是根据建筑物房顶的颜色不同进行分类提取；

8、基于从所述子对象层上提取的建筑对象，利用预设建筑区域生长规则进行所述建筑对象对应的建筑区域生长，且将所述建筑区域生长后的所述建筑对象对应的破碎建筑图斑进行合并，得到目标建筑物。

9、优选地，所述获取研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据，包括：

10、获取所述研究区的高分辨率立体像对数据，所述高分辨率立体像对数据至少包括前视高分辨率影像数据、后视高分辨率影像数据和下视高分辨率影像数据，且包含全色波段和多光谱波段信息；

11、对所述高分辨率立体像对数据对应的下视高分辨率影像数据进行大气校正、正射校正、数据融合等预处理，获取所述高分辨率正射影像数据；

12、根据所述高分辨率立体像对数据生成所述dsm数据。

13、优选地，所述利用预设多尺度分割规则对所述研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据进行多尺度分割生成父对象层和子对象层，包括：

14、从所述研究区的高分辨率正射影像数据中获取r、g、b及nir波段对应的数据；

15、根据预设比例权重分别对所述r、g、b及nir波段对应的数据和所述dsm数据进行多尺度分割生成所述父对象层和所述子对象层。

16、优选地，所述利用预设非建筑对象剔除规则剔除所述子对象层上的非建筑对象，包括：

17、基于归一化植被指数ndvi和mean_blue特征，利用预设剔除植被规则剔除所述子对象层上的植被；

18、基于归一化水体指数ndwi和brightness特征，利用预设剔除水体规则剔除所述子对象层上的水体；

19、基于brightness特征和mean_scale_filtered特征，利用预设剔除阴影规则剔除所述子对象层上的阴影。

20、优选地，所述建筑对象至少包括高亮房、红顶房、蓝顶房、褐顶房、灰顶房和黑顶房；所述预设建筑分类提取规则至少包括预设提取高亮房规则、预设提取红顶房规则、预设提取蓝顶房规则、预设提取褐顶房规则、预设提取灰顶房规则和预设提取黑顶房规则；

21、所述利用预设建筑分类提取规则提取所述子对象层上的建筑对象，包括：

22、基于亮度brightness特征、mean_nir特征、area特征和矩形拟合度rectangularfit特征，利用预设提取高亮房规则提取所述子对象层上的高亮房；

23、基于rri红波占比指数特征、area特征和brightness特征，利用预设提取红顶房规则提取所述子对象层上的红顶房；

24、基于mean blue特征、brdi蓝红差异指数、area特征和brightness特征，利用预设提取蓝顶房规则提取所述子对象层上的蓝顶房；

25、基于diff(dsm,unclassified)特征、mean scale_filtered特征、形状指数shapeindex特征、矩形拟合度rectangular fit特征和area特征，利用所述预设提取褐顶房规则提取所述子对象层上的褐顶房；

26、基于diff(dsm,unclassified)特征、mean scale_filtered特征、形状指数shapeindex特征、矩形拟合度rectangular fit特征和area特征，利用预设提取灰顶房规则提取所述子对象层上的灰顶房；

27、基于diff(dsm,unclassified)特征、mean scale_filtered特征、mean red特征、形状指数shape index特征和area特征，利用预设提取黑顶房规则提取所述子对象层上的黑顶房。

28、优选地，所述基于从所述子对象层上提取的建筑对象，利用预设建筑区域生长规则进行所述建筑对象对应的建筑区域生长，且将所述建筑区域生长后的所述建筑对象对应的破碎建筑图斑进行合并，得到目标建筑物，包括：

29、基于diff(dsm,unclassified)特征和mean scale_filtered特征，剔除所述建筑对象中高度低于附近unclassified类别的对象，得到剩余建筑对象，且将所述剩余建筑对象确定为建筑种子节点；

30、将与建筑种子节点相邻的对象作为候选区进行建筑区域生长，得到破碎建筑图斑，且将所述破碎建筑图斑进行合并，得到目标建筑物。

31、优选地，在所述基于从所述子对象层上提取的建筑对象，利用预设建筑区域生长规则进行所述建筑对象对应的建筑区域生长，且将所述建筑区域生长后的所述建筑对象对应的破碎建筑图斑进行合并，得到目标建筑物之后，所述方法还包括：

32、利用预设优化规则对所述目标建筑物进行优化处理，所述预设优化规则至少包括建筑补充优化、边界平滑优化和矢量优化。

33、为了实现上述目的，根据本发明的第二方面，提供了一种装置，所述装置执行上述第一方面所述同源高分辨率影像和dsm数据的建筑物提取方法。

34、为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面所述同源高分辨率影像和dsm数据的建筑物提取方法。

35、为了实现上述目的，根据本发明的第四方面，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第二方面所述用于同源高分辨率影像和dsm数据的建筑物提取装置的全部或部分步骤。

36、借由上述技术方案，本发明提供的同源高分辨率影像和dsm数据的建筑物提取方法及装置，是由于主要采用基于二维影像数据加三维信息数据的提取方法提取建筑物存在大规模复杂场景下的建筑物提取速度较慢的问题。为此，本发明通过获取研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据；利用预设多尺度分割规则对所述研究区的高分辨率正射影像数据和所述高分辨率正射影像数据对应的dsm数据进行多尺度分割生成父对象层和子对象层；利用预设非建筑对象剔除规则剔除所述子对象层上的非建筑对象；利用预设建筑分类提取规则提取所述子对象层上的建筑对象；基于从所述子对象层上提取的建筑对象，利用预设建筑区域生长规则进行所述建筑对象对应的建筑区域生长，且将所述建筑区域生长后的所述建筑对象对应的破碎建筑图斑进行合并，得到目标建筑物。本发明可以实现在建筑类型多样、结构复杂、材质种类丰富的复杂场景区域中，无需大量训练样本，可实现快速、广域、低成本建筑提取。需要说明的是目前其他方法较慢是因为需要制作大量优质样本标签，本发明方法可以实现较快的效果是因为无需样本制作，可以直接基于生成的融合影像和dsm数据进行建筑提取；且其他方法往往解决的是小范围内，结构简单的单体建筑。

37、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。