欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2018105264682
申请人: 长春工程学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种在高分辨率遥感影像中识别建筑物的方法,包括以下步骤:S1. 输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列,指定跨度阈值SpanNum;输入由SampleNum个样本点构成样本集TestSet;

S101,输入遥感影像Image,该影像包含BandNum个波段,该影像的大小为RowNum行,ColNum列;

S102,指定跨度阈值SpanNum;跨度阈值的取值区间为[5,10],默认值为5;

S103,在影像上选取SampleNum个样本点构成样本集TestSet;

TestSet为一个SampleNum个样本集合{p1,p2,p3,..pSampleNum},对于其中任意一个样本pi其内容为pi={hs,ls,lable,character},其中hs表示pi在影像中所处行,ls表示pi在影像上所在处列,label的值为1或者-1,其中1表示pi所在位置为建筑物,-1表示pi所在位置为非建筑物,样本规律性特征character为4个元素的数组;

S2. 建立影像位置异质性处理器HeteroOperator;HeteroOperator需要输入两个位置点px1和px2,输出为异质性差值HeteroDifference;

S201,建立影像位置异质性处理器HeteroOperator;HeteroOperator的输入为两个位置点px1和px2;

px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列,px1的内容为px1={hs1,ls1},其中hs1表示px1在影像中所处的行,ls1表示px1在在影像中所处的列;

S202,设置异质性差值HeteroDifference=0;

S203, 设置行暂存变量counterI=0;

S204, 设置列暂存变量counterJ=0;

S205,取出Image上(行为hs1-2+counterI,列为ls1-2+counterJ)的像元,并存储在变量Pixel1中;

S206,取出Image上(行为hs2-2+counterI,列为ls2-2+counterJ)的像元,并存储在变量Pixel2中;

S207,计算Pixel1与Pixel2的差距diff,计算公式如下:S208,计算HeteroDifference=HeteroDifference+diff;

S209,计算counterJ=counterJ+1;

S210,如果counterJ<(SpanNum/2)则转到S205, 否则转到S211;

S211, 计算counterI=counterI+1;

S212, 如果counterI<(SpanNum/2)则转到S204, 否则转到S213;

S213,计算HeteroDifference=tanh(HeteroDifference);

S214,输出异质性差值HeteroDifference;

S3,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter,输出为该位置的规律性数组Regular:S301,构建影像像元规律性过滤器Filter,Filter的输入为一个位置点PixelFilter;

PixelFilter的内容为PixelFilter={hsP,lsP},其中hsP表示PixelFilter在影像中所处的行,lsP表示PixelFilter在影像中所处的列;

S302,计算过滤范围参数filterscope=round(SpanNum/4+0.5) ;

其中round为进行四舍五入;

S303,构建模板数组一mask1=[-filterscope, -filterscope, filterscope, filterscope],模板数组二mask2=[-filterscope, filterscope, -filterscope, filterscope];

mask1和mask2为数组,两个数组均包含4个元素,数组的下标为从1到4;

S304,构建规律性数组Regular=[0,0,0,0];

temp为数组,数组均包含4个元素,数组的下标为从1到4;

S305,循环变量counterP=1;

S306,建立px2变量,px2的hs2=hsP,px2的ls2=lsP;

S307, 建立 px1变量,px1的hs1=hsP+SpanNum×mask1[counterP], px1的ls1=lsP+SpanNum×mask2[counterP];

其中mask1[counterP]表示mask1的第counterP个元素,mask2[counterP]表示mask2的第counterP个元素;

S308,输入px1和px2,执行影像位置异质性处理器HeteroOperator,获得HeteroDifference;

S309,Regular[counterP]=HeteroDifference;

其中Regular[counterP]表示Regular的第counterP个元素;

S310,counterP=counter+1;

S311,如果counterP<=4则转到S306,否则转到S312;

S312,输出Regular;

S4,通过Filter处理TestSet的所有元素;

TestSet中每一个样本通过Filter的处理获得规律性特征character;

S401,取出TestSet中的一个元素pi={hs,ls,lable,character};

S402,建立变量PixelFilter,PixelFilter的hsP=hs,PixelFilter的lsP=ls;

S403,输入PixelFilter,执行Filter,获得Regular;

S404,pi的character=Regular;

S5,构建结果影像ResultImage,ResultImage的行数与列数与Image相同;

通过Filter处理Image中的所有像元,并与TestSet的样本进行比较,获得是否为建筑物的判断结果;根据判断结果设定ResultImage中像元的颜色,白色对应建筑,黑色对应非建筑;

S501,取出Image中的每一个像元,像元其位置所在行为hsC,所在列为lsC;

S502,建立变量PixelFilter,PixelFilter的hsP=hsC,PixelFilter的lsP=lsC;

S503,输入PixelFilter,执行Filter,获得Regular;

S504,样本计数器counterS=1,统计值sums=0;

S505,取出TestSet中的第counterS个样本,获得该样本的label和character;

S506,计算带下标距离labelDiff:

S507, sums=sums+labelDiff;

S508, counterS=counterS+1;

S509, 如果counterS<=SampleNum则转到S505,否则转到S510;

S510,如果sums>0则转到S511,否则转到S512;

S511,将ResultImage上行为hsC列为lsC的像元标记为黑色,转到S513;

S512,将ResultImage上行为hsC列为lsC的像元标记为白色;

S513,处理过程结束。