一种城市绿地规划用景观生态检测系统的制作方法

本发明涉及图像数据，具体为一种城市绿地规划用景观生态检测系统。

背景技术：

1、城市绿地规划是一种城市综合部署管理和一定阶段城市发展的重要蓝图。随着城市居住人口和流动人口的动态变化，城市住建面积不断扩张，城市绿化环境受到破坏。而城市绿地作为城市整体生态环境的调节器，需要对城市绿地区域和变化情况进行及时地评估检测，避免城市绿地受到大规模破坏导致对城市的生态环境造成较大破坏，从而对应城市生活质量和生态文明建设造成较大的影响。

2、在城市绿地规划中，景观生态检测系统是一个重要的工具，它可以帮助城市规划者更好地理解和评估城市绿地的健康状态、功能和服务。该系统主要基于遥感技术，包括无人机和卫星图像，以收集关于城市绿地的详细信息。通过收集图像，并且对图像数据处理在城市绿地规划中的景观生态检测系统中起着至关重要的作用，因为它提供了关于城市绿地的详细和准确的信息，从而帮助做出更好的规划和管理决策。

3、然而现在对于传统聚类算法中由于聚类中心设置不当，导致最终聚类收敛效果较差，不能精确的的反应城市规划过程中绿地演变情况，最终造成城市规划生态检测的精确性效果较差。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了一种城市绿地规划用景观生态检测系统。本发明结合城市区域遥感图像中不同像素点位置处的数值差异变化情况计算构建得到不同像素点的重构特征值，通过对不同位置处像素点数值进行重构，对城市区域遥感图像中不同类别像素点特征进行凸显表征，便于后续对不同类别的像素点进行准确划分。进一步地，本发明根据重构特征值对像素点的窗口区域和扩展区域中分布特点进行计算，构建得到相应的同质差异特征数值，并结合该数值对传统聚类算法中初始聚类中心的选择方式进行优化改进。有效地规避了传统聚类算法中由于聚类中心选择不当导致后续聚类效果较差难以实现对城市绿地规划生态检测的准确性影响。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种城市绿地规划用景观生态检测系统，包括数据收集模块和与其通信连接的数据处理模块；所述数据收集模块，采取高分二号卫星对待检测的城市区域进行拍摄，用于采集待检测的城市区域进行拍摄的遥感图像，进而获取若干个对应城市区域的遥感图像；

5、所述数据处理模块，将获取到的若干个对应城市区域的遥感图像，对其进行灰度图像进一步计算后，根据聚类结果对城市区域遥感图像进行检测分析；

6、所述数据处理模块具体包括：

7、数据预处理单元：包括对若干个相对应城市区域的遥感图像进行噪声消减、图像剪裁和几何矫正处理步骤；

8、特征提取单元：识别预处理后的遥感图像，并量化图像中的关键特征，设置若干个聚类中心，计算城市区域遥感图像中不同像素点的表面特征，获取像素点重构系数和重构特征值；

9、差异特征计算单元：依据像素点重构系数和重构特征值进一步计算得到同质差异特征；

10、优化聚类单元：依据同质差异特征优化选取聚类中心进行聚类获得聚类结果，计算获取到像素点同质密度数值；

11、检测分析单元：依据聚类结果中的像素点同质密度数值检测分析，获取城市绿地规划动态变化指数。

12、优选地：所述数据预处理单元通过获取若干个对应城市区域的遥感图像，设置采用傅里叶带通滤波器对采集获取得到的城市区域遥感图像进行处理；

13、同时，使用直方图均衡化算法对其图像进行优化处理，得到细节特征保留清晰、亮度分布均匀的城市区域遥感图像。

14、优选地：沿着时间轴，获取不同位置区域的规划情况，随着时间轴的变化值，取某个固定时间段t内的城市区域遥感图像进行分析，设置第个时刻下的城市区域遥感图像为，进行计算；

15、在遥感图像中，像素点处的灰度数据为，以该像素点为中心大小为，取经验值为7，构成局部窗口区域；

16、对局部窗口区域中不同位置处的像素点进行计算分析，设置与中心像素点位置处像素点数值在同一重构区间的像素点数量记为，其中取经验值为10；通过以下公式计算获取像素点位置处的重构系数数值：

17、

18、式中：表示以像素点为中心的局部窗口区域中，除去的剩余像素点个数；表示了对应局部窗口区域中不同像素点位置处的下标索引；表示该局部窗口区域中第个像素点位置处的城市区域遥感图像的像素点数值大小；分别表示对应像素点区域中的最大和最小像素点数值；

19、其中，为了避免数值计算的极端情况，引入微小因子；为归一化函数，使计算结果位于区间上，通过式中计算得到像素点位置处的重构系数的数值大小。

20、优选地：令重构阈值，通过以下公式对像素点位置处的像素点数值进行优化重构，计算得到的重构特征值为：

21、

22、式中，表示像素点位置处的重构特征值，表示像素点位置处的重构系数，表示重构阈值。

23、优选地：所述差异特征计算单元计算步骤如下：

24、为了提高后续对城市区域遥感图像中绿地像素点区域划分的准确性，以像素点所在的局部窗口区域向周围延伸扩展得到四个其它局部窗口区域，对于像素点为中心的局部窗口区域中，不同像素点位置处的重构特征值计算获取得到相应的重构特征序列；

25、，其中；为了优化计算，局部窗口区域的重构特征序列的数值为像素点构成的局部窗口区域在行和列中的最大重构特征值和最小重构特征值的差值；同理，对应像素点向周围扩展的四个不同其它局部窗口区域计算得到相应的重构特征序列；

26、基于相应的重构特征序列，通过以下公式计算获得同质差异特征的数值：

27、

28、式中，表示像素点位置处的同质差异特征数值，表示了像素点为中心的局部窗口区域中向外扩展的四个其它局部窗口区域；为这四个其它局部窗口区域的下标索引；表示了两个重构特征序列之间的相似性，dtw对两个不同序列采用欧式距离进行计算；为像素点为中心的局部窗口区域中重构特征数值的第一质心坐标信息，为以像素点为中心的局部窗口区域的第二形心坐标信息；表示第一质心坐标信息和第二形心坐标信息之间相似性计算函数。

29、优选地：所述优化聚类单元用于对于城市区域遥感图像中划分为两种不同的类别，分别为绿地区域像素点类和非绿地城市区域像素点类；对于不同的类中心像素点具有如下特征：聚类中心的覆盖半径区域中同类像素点的密度最大；通过以下公式计算同质密度数值：

30、

31、式中，表示像素点位置处的同质密度数值，为覆盖截止半径，取经验值，表示以像素点为中心构成的覆盖截止半径区域中，与中心像素点在同质差异特征差距在置信区间上的所有像素点的总个数；与分别表示了对应覆盖截止半径区域中像素点和像素点的坐标特征信息，表示计算与之间的相似性；

32、对图像中不同位置处的像素点均计算得到同质密度数值的数值，将不同位置处的像素点数值从大到小进行排列，取最大的两个同质密度数值的像素点作为初始聚类中心，使用isodata算法进行聚类。

33、优选地：所述检测分析单元进行计算分析若干个间段内的城市区域遥感图像，获取得到不同时刻下城市区域遥感图像的绿地区域，设置第个时刻下的城市区域遥感图像中聚类获取得到的绿地区域记为，依据绿地区域，通过以下公式计算获取城市绿地规划动态变化指数：

34、

35、式中，q表示固定时间段t内的城市绿地规划动态变化指数，为时刻下城市区域遥感图像中通过计算获取得到的绿地区域的像素点面积，其具体计算过程为划分得到的绿地区域中像素点的数量。

36、（三）有益效果

37、本发明提供了一种城市绿地规划用景观生态检测系统。具备以下有益效果：

38、（1）该一种城市绿地规划用景观生态检测系统，本发明结合城市区域遥感图像中不同像素点位置处的数值差异变化情况计算构建得到不同像素点的重构特征值，通过对不同位置处像素点数值进行重构，对城市区域遥感图像中不同类别像素点特征进行凸显表征，便于后续对不同类别的像素点进行准确划分。进一步地，本发明根据重构特征值对像素点的窗口区域和扩展区域中分布特点进行计算，构建得到相应的同质差异特征数值，并结合该数值对传统聚类算法中初始聚类中心的选择方式进行优化改进。有效地规避了传统聚类算法中由于聚类中心选择不当导致后续聚类效果较差难以实现对城市绿地规划生态检测的准确性影响。

39、（2）该一种城市绿地规划用景观生态检测系统，随着时间轴的变化，通过分析不同时间点的城市区域遥感图像，可以获取不同位置区域的规划情况。这可以帮助我们了解城市发展的变化趋势，评估不同区域的发展速度和绿地变化情况。通过构建局部窗口区域，以像素点为中心并设定一定大小，可以在局部范围内进行像素点的计算分析。这可以帮助我们关注特定区域的细节特征，捕捉局部变化和绿地规划情况。通过计算局部窗口区域中不同位置处的像素点的重构系数，可以评估像素点的同质性和差异性。重构系数可以量化像素点与周围像素点的关联性和相似性，提供了绿地的空间连续性和分布模式的信息。通过统计局部窗口区域中与中心像素点位置处像素点数值在同一重构区间的像素点数量，可以揭示不同区域的绿地分布特征。这有助于确定绿地的密度和分布情况，并提供有关城市绿地规划的信息。

40、该一种城市绿地规划用景观生态检测系统，通过优化重构并计算重构特征值，可以定量化绿地区域的特征。重构特征值反映了像素点所在局部窗口区域中像素点分布的情况和与中心像素点的差异程度。这可以帮助我们量化绿地区域的内部一致性和与周围地物的差异性。通过计算重构特征值，可以辅助绿地区域的识别和划分。较大的重构特征值表明像素点所在区域具有较好的同质性和绿地特征，有助于确定绿地边界和识别绿地区域；重构特征值可以作为评估绿地区域的可信度度量。较大的重构特征值表示像素点所在区域的绿地特征较为显著，具有较高的绿地可能性。这可以帮助评估绿地区域的可靠性和确定性。

41、（4）该一种城市绿地规划用景观生态检测系统，差异特征计算单元通过局部窗口区域的扩展分析、重构特征序列的计算和同质差异特征的数值计算，可以实现更准确的绿地像素点区域划分和特征分析。有助于绿地规划和管理决策的支持，并提供更深入地理解和评估城市绿地的特征和变化。通过优化聚类单元可以根据同质密度数值选择合适的聚类中心，并使用isodata算法对城市区域遥感图像进行聚类。这有助于准确划分绿地区域和非绿地城市区域，并提供可靠的聚类结果用于城市绿地规划和管理决策。