多边形目标的变化检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及高分辨率遥感技术领域，具体涉及一种多边形目标的变化检测方法及 装置。
【背景技术】
[0002] 随着智慧城市、数字地球的建设，我国已经建成了一大批基础、专题空间数据集， 送些数据在如国±资源调查、城市规划、灾害预报与损毁评估等各行各业发挥着重要的作 用。遥感卫星观测具有时间周期短、观测范围广等特点，可W方便地获得大空间范围内连续 时间序列的数据。因此，应用遥感数据对空间数据集进行变化检测与更新具有重要的现实 意义与广泛的应用前景。
[0003] 遥感变化检测技术起源于20世纪60年代，目前的研究主要方向都集中在利用多 时相的遥感影像进行变化检测。研究方法一般是直接利用两幅或多幅影像中的像素光谱 值、或提取出的植被指数、纹理参数、边缘特征、PCA(主成分）等特征参数，通过差值、比值、 相关分析等方法获取变化信息。目前运用遥感影像进行变化检测，大多仅基于地物的光谱 特征进行变化检测，当同名地物在不同影像中光谱具有差异时检测效果较弱。
[0004] GIS数据有着丰富的语义信息，是解译后地物的符号表达，用GIS数据作为先验知 识，结合遥感影像进行目标的变化检测，可W避免在图像中进行目标识别的困难，将感兴趣 区准确定位在目标本身，能极大的提高检测的准确度。
[0005] 张晓东（2005)结合GIS数据与遥感数据，提出了基于多边形面积填充率的自适 应变化阔值确定方法，W及基于面特征的整体迭代求解方法。吴晓燕等（2010)将GIS数 据和遥感影像结合进行道路提取和变化检测，提高了路网数据更新的自动化程度。徐文祥 (2011)结合遥感影像，分析点、线、面要素几何变化类型，提出了基于空间特征码的矢量要 素变化检测研究。黄俊等（2012)结合高分辨率遥感影像和GIS数据，利用图斑多边形各类 特征，对±地利用类型进行了变化检测。张伟等（2013)考虑建筑物等同名地物的形变，改 进了相关系数变化检测方法，提高了检测精度。
[0006] 上述应用遥感数据更新GIS数据的方法目前主要存在如下问题；（1)上述方法都 是首先通过分类提取图像中的目标，然后再进行变化检测，而目标识别算法非常复杂，效果 又差，严重影响了变化检测的效率和准确度；（2)在高分辨率影像中，由于非正射引起的投 影差较为突出，因此传统图像配准针对于图像整体，而对于目标个体偏差较大；(3)仅考虑 目标边缘的强度而忽略了目标周边的变化，通用性较差。
【发明内容】
[0007] 有鉴于此，为克服上述至少一个缺点，并提供下述至少一种优点。本发明公开了一 种多边形目标的变化检测方法及装置。
[0008] 为解决上述技术问题，本发明采用W下技术方案；一种多边形目标的变化检测方 法，包括：
[0009] 在所述目标的图上坐标下，基于所述目标的GIS数据构建所述目标的边界缓冲区 和整体缓冲区；
[0010] 提取所述边界缓冲区的像素点集W及所述整体缓冲区中非边界的像素点集；
[0011] 基于所提取的像素点集从所述目标的梯度图像中提取所述边界缓冲区中的边界 点梯度集合W及所述整体缓冲区中的非边界点梯度集合；
[0012] 基于所提取的梯度集合，利用Z值检验法计算所述目标的边界显著性值；W及
[0013] 如果所计算的边界显著性值小于设定的边界显著性阔值，则判断所述目标为发生 变化的目标。
[0014] 在如上所述的多边形目标的变化检测方法中，所述基于所述目标的GIS数据构建 所述目标的边界缓冲区和整体缓冲区之前，还包括；将所述目标的GIS数据的经缔度坐标 按照大地坐标系转换为地理坐标，再将所述地理坐标按照投影坐标系转换为图上坐标；W 及
[0015] 读取所述目标的遥感影像，并采用sobel算子、Roberts算子或拉普拉斯算子将所 述遥感影像进行处理得到梯度图像。
[0016] 在如上所述的多边形目标的变化检测方法中，所述基于所述目标的GIS数据构建 所述目标的边界缓冲区和整体缓冲区包括：
[0017] 基于所述GIS数据中目标的边界，W 1个像素的宽度为半径建立边界缓冲区；W及
[0018] 基于所述GIS数据中目标的面积确定半径，构建整体缓冲区，所述半径为所述面 积的十分之一。
[0019] 在如上所述的多边形目标的变化检测方法中，所述提取所述边界缓冲区中边界的 像素点集W及所述整体缓冲区中非边界的像素点集包括：
[0020] 基于式（2)提取所述边界缓冲区中边界的像素点集：
[00引]PC1 = {(X，y) I (X，y) e buffi} 似
[002引其中，buffi为所述边界缓冲区；
[0023] 基于式（3)提取所述整体缓冲区中非边界的像素点集：
[0024]
(：3)
[002引其中，buff2为所述整体缓冲区。
[0026] 在如上所述的多边形目标的变化检测方法中，所述基于所提取的像素点集从所述 目标的梯度图像中提取所述边界缓冲区中的边界点梯度集合W及所述整体缓冲区中的非 边界点梯度集合包括：
[0027] 基于所提取的像素点集PC1 W及式（4)，从所述目标的梯度图像中提取所述边界 缓冲区中的边界点梯度集合：
[002引 GC1 = {g(x，y) I (X，y) e Ρα} (4)
[0029] 基于所提取的像素点集PC2 W及式巧），从所述目标的梯度图像中提取所述整体 缓冲区中的的非边界点梯度集合：
[0030] GC2 = {g(x，y) I (X，y) e P蝴 妨
[003。 其中，g(x，y)为点（x，y)的图像梯度。
[0032] 在如上所述的多边形目标的变化检测方法中，基于所提取的梯度集合，所述利用Z 值检验法计算所述目标的边界显著性值包括：
[0033] 基于式（6)计算所述目标的边界显著性值：
[0034]
6 )
[003引其中，Z表示所述目标的边界显著性值，nl表示所述边界缓冲区中的边界点梯度 集合GC1的元素个数，n2表示所述整体缓冲区中的非边界点梯度集合GC2的元素个数，μ 1 表示所述边界缓冲区中的边界点梯度集合GC1的均值，μ 2表示所述整体缓冲区中的非边 界点梯度集合GC2的均值，S1表示所述边界缓冲区中的边界点梯度集合GC1的标准差，S2 表示所述整体缓冲区中的非边界点梯度集合GC2的标准差；
[0036] 基于式（7)对所述目标进行平移：
[0037] (X'，y'）= (x+i, y+U (7)
[0038] 其中，（X'，y'）表示（X，y)平移之后的坐标，i表示平移量，
[0039] 计算所述目标平移后的边界显著性值，在一定范围内逐像素点平移所述目标，并 分别计算每次平移后的目标的边界显著性值，得到所述范围内的边界显著性值的集合，并 取所述边界显著性值的集合中的最大值作为用于与所述边界显著性阔值进行比较的最终 边界显著性值，其中所述一定范围根据所述目标的偏移程度来确定。
[0040] 在如上所述的多边形目标的变化检测方法中，所述边界显著性阔值基于图像质量 及目标清晰程度来设定。
[0041] 为解决上述技术问题，本发明还采用W下技术方案；一种多边形目标的变化检测 装置，包括：
[0042] 缓冲区构建模块，用于在所述目标的图上坐标下，基于所述目标的GIS数据构建 所述目标的边界缓冲区和整体缓冲区；
[0043] 像素点集提取模块，用于提取所述边界缓冲区的像素点集W及所述整体缓冲区中 非边界的像素点集；
[0044] 梯度集合提取模块，用于基于所提取的像素点集从所述目标的梯度图像中提取所 述边界缓冲区中的边界点梯度集合W及所述整体缓冲区中的非边界点梯度集合；
[0045] 计算模块，用于基于所提取的梯度集合，利用Z值检验法计算所述目标的边界显 著性值；W及
[0046] 判断模块，用于如果所计算的边界显著性值小于设定阔值，则判断所述目标为发 生变化的目标。
[0047] 在如上所述的多边形目标的变化