1.一种高分辨率SAR图像建筑物叠掩提取方法,其特征在于,所述高分辨率SAR图像建筑物叠掩提取方法包括以下步骤:基于多尺度梯度特征提取高分辨率SAR图像中建筑物的叠掩区;
基于多尺度梯度特征提取高分辨率SAR图像中建筑物的叠掩区的步骤,包括:根据像元灰度阈值分割方法从高分辨率SAR图像中初步提取建筑物的叠掩区预选像元,根据水平距离向、对角线距离向的梯度公式,计算得到每个所述叠掩区预选像元的三个距离向上的梯度特征值,所述水平距离向、对角线距离向的梯度公式为:gx=sign(p6‑p4)×2p5÷(p6+p4)g1=sign(p9‑p1)×2p5÷(p9+p1)g2=sign(p3‑p7)×2p5÷(p3+p7)其中gx表示水平距离向梯度,g1表示左下方对角线距离向梯度,g2表示左上方对角线距离向梯度,pi表示像元灰度值,sign用于取正负性;
根据所述三个距离向上的梯度特征值的相对大小,得到中心边界像元在三个距离向上灰度变化速率最大的梯度特征值;
根据所述灰度变化速率最大的梯度特征值的分布情况及值域范围,得到自适应梯度阈值;
根据不同尺度下的自适应梯度阈值对高分辨率SAR图像在不同尺度下得到的梯度特征图分别进行分割,得到不同尺度下的叠掩区边界预选像元;
根据所述叠掩区预选像元和所述不同尺度下的叠掩区边界预选像元,以某一尺度新增像元数占比作为尺度递增终止指标,当新增像元个数占比少于设定阈值时,结束对多尺度梯度特征值的计算,得到综合不同尺度梯度特征的第一叠掩区;
根据阴影区配对方法对所述第一叠掩区进行筛选,得到高分辨率SAR图像的建筑物叠掩区;
计算所述叠掩区的形状变异参数;
所述形状变异参数的定义为:
其中cvshape表示形状变异参数,σ表示叠掩区统计值的标准差,μ表示叠掩区统计值的平均值,Lmax表示叠掩区统计值的最大值,即叠掩区最长距离;
根据所述形状变异参数将建筑物划分为中低层建筑物和高层建筑物;
若所述建筑物为所述中低层建筑物,则保留原有的叠掩区;
若所述建筑物是所述高层建筑物,则判断是否为单栋高层建筑物;
若是,则基于边界条带扫描算法在所述原有的叠掩区重新提取建筑物叠掩区;
基于边界条带扫描算法在所述原有的叠掩区重新提取建筑物叠掩区的步骤包括:采用指定尺度的边界条带进行扫描分析,得到该尺度的条带扫描结果;
条带扫描结束后,基于所述条带扫描结果转用边界像元集进行逐像素的扫描,根据边界像元集内各像元灰度值的阈值提取建筑物叠掩区;
若否,则判断所述高层建筑物中是否存在叠掩现象的叠掩区;
若存在,则在有建筑物分布矢量数据辅助的情况下,基于矢量边界分割和边界条带扫描算法在所述原有的叠掩区重新提取建筑物叠掩区,在无建筑物分布矢量数据辅助的情况下,基于灰度量化边界分割和边界条带扫描算法相结合的方法在所述原有的叠掩区重新提取建筑物叠掩区;
基于矢量边界分割和边界条带扫描算法在所述原有的叠掩区重新提取建筑物叠掩区的步骤包括:在有建筑物分布矢量数据辅助的情况下,根据基于多尺度梯度特征提取的建筑物叠掩区像元,定位建筑物矢量中对应的矢量数据;
根据该栋建筑物的矢量数据对边界信息进行分割提取,获得拟边界像元信息;
根据拟边界像元信息,运用“探针”算子探测该栋建筑物叠掩区范围;
在所述叠掩区范围采用边界条带扫描算法,重新提取该栋建筑物的叠掩区;
所述基于灰度量化边界分割和边界条带扫描算法相结合的方法在所述原有的叠掩区重新提取建筑物叠掩区的步骤包括:对实验区的高分辨率SAR图像进行灰度级量化;获取所述基于多尺度梯度特征提取的建筑物叠掩区外接矩形范围内灰度量化图像,采用梯度算子提取所述灰度量化图像的灰度量化边界;
基于所述灰度量化边界,结合提取到的叠掩区远距离端边界线的位置区间,筛选灰度量化边界,将按位置约束得到的灰度量化边界进行形态学变换,实现叠掩分割;
以灰度量化边界为模板实现灰度量化图像上逐像素的边界扫描,实现叠掩重构,得到建筑物的叠掩区。
2.根据权利要求1所述的一种高分辨率SAR图像建筑物叠掩提取方法,其特征在于,在所述基于多尺度梯度特征提取高分辨率SAR图像的建筑物叠掩区的步骤之前,还包括:对原始高分辨率SAR图像进行预处理,获得预处理后高分辨率SAR图像。
3.根据权利要求2所述的高分辨率SAR图像建筑物叠掩提取方法,其特征在于,所述预处理包括:研究区域提取和滤波去噪。