基于知识发现的QUICKBIRD影像乡村聚落单元信息提取技术

摘要

基于知识发现的QUICKBIRD影像乡村聚落单元信息提取技术。本发明涉及遥感专题信息提取。在高分辨率的遥感影像上，聚落呈现复杂多样的聚合体，这使得自动、半自动提取聚落空间单元信息具有较大的技术难度。这是需解决的技术问题。本发明发现了QUICKBIRD影像上乡村聚落各组分的光谱知识，并利用这些知识初步提取出乡村聚落的组分信息；再利用各组分的大小、空间关系等知识，最终实现半自动提出乡村聚落单元信息。该技术方法所提取的聚落单元面积精度达到97.4％，空间位置精度达到90.4％。该方法适用于从平原区、特别是成都平原区的QUICKBIRD影像上半自动提取其乡村聚落单元信息。

权利要求

1.一种基于知识发现的QUICKBIRD影像乡村聚落单元信息提取的方法，其特征在于，包括如下步骤：采用多项式几何校正模型，利用1∶10000地形图对QUICKBIRD全色波段和多光谱影像进行地理校正，并利用最近邻法确定像元亮度值；

利用线性拉伸对影像进行增强处理；

用QUICKBIRD影像的近红外和红光波段计算出归一化植被指数NDVI，用NDVI(i，j)表示；建立建筑物像元提取模型：如果B2(i，j)＞T并且NDVI(i，j)＜M，则该像元为建筑物像元，否则为非建筑物像元；其中B2(i，j)代表蓝色波段影像第i行第j列的像元值；当T的值为132，M的值为0.059时，可以将建筑物提取出来；

建立聚落绿地提取模型：如果B4(i，j)＜K，则该像元为聚落绿地像元，否则为非聚落绿地像元，其中B4(i，j)代表红光波段影像第i行第j列的像元值；当K＝70时，可以从QUICKBIRD影像上提取出聚落绿地；

建立房屋阴影提取模型：如果B1(i，j)＜K，则该像元为房屋阴影像元，否则为非房屋阴影像元，其中B1(i，j)代表全色波段影像第i行第j列的像元值，当K＝46时，房屋阴影将被从QUICKBIRD影像中提取出来；

将建筑物、聚落绿地和房屋阴影聚合为聚落，并以10个像元的尺度对其进行膨胀腐蚀处理，得到处理后的聚落单元，简称初层聚落单元；

将提取的建筑物与阴影合并，并以25个像元的尺度对其进行膨胀腐蚀处理，从而得到聚落掩膜图层；

利用聚落掩膜图层切取初层聚落单元，从而得到第二层聚落单元；将第二层聚落单元先收缩然后再膨胀15个像元的尺度，从而得到第三层聚落单元；将第三层聚落单元转换为矢量格式，并与建筑物区域进行叠加，将无建筑物的单元图斑去掉，从而得到最终提取的聚落单元信息。

说明书

基于知识发现的QUICKBIRD影像乡村聚落单元信息提取技

术

一、技术领域

[0001] 本发明涉及基于知识发现的遥感影像信息提取技术，特别是涉及基于知识发现的遥感影像(QUICKBIRD)的乡村聚落单元信息提取。二、背景技术

[0002] 聚落提取的方法主要包括目视解译提取【1】、分类提取【2-4】、基于知识发现的提取。一些学者已经成功的研究出了基于知识发现的从LANDSAT TM/ETM、CBERS等影像中提出城【5-7】
市、农村聚落信息的模型 ，对居民地及其背景光谱特征进行分析建立聚落提取模型。高分辨率影像如QUICKBIRD、IKONOS等为聚落的提取提供了先进技术，但这些主要应用于城【8】
市聚落信息的提取，很少有人将其用到农村聚落的提取上 。在高分辨率遥感影像上，聚落表现为复杂多样的聚合体，这使得聚落空间单元信息的提取具有较大的难度。

[0003] 参考文献：

[0004] [1]马荣华，陈雯，陈小卉，段学军.常熟市城镇用地扩展分析[J].地理学报，北京科学出版社2004.59(3)：418-426

[0005] [2]李晓文，方精云，朴世龙.上海城市土地利用转变类型及其空间关联分析[J].自然资源学报2003.22(6)：769-779

[0006] [3]杨国清，吴志峰，何建邦.珠江三角洲城镇建筑覆盖近期变化研究[J].地理研究，北京北京科学出版社2003.22(6)：780-788

[0007] [4]Bert Guindon，Ying Zhang，Craig Dillabaugh.Landsat urban mapping based on acombined spectral spatial methodology，Remote Sensing of Environment，2004，92 218 232

[0008] [5]杨存建，周成虎.基于知识发现的TM影像居民地自动提取研究[J].遥感技术与应用，2001，16(1)：1-6

[0009] [6]C.J.Yang，X.Y.Wang，H.Huang，Comparison of extracting rural residential areafrom satellite images with multiresolution，IGARSS，2008，U.S.，Boston，P1264-1267.

[0010] [7]Y.Zha，S.X.Ni and S.Yang，”An Effective Approach to Automatically Extract UrbanLand-use from TM lmagery，”Journal of Remote Sensing，Science press，Beijing，7(1)，pp.37-41，2003

[0011] [8]李锦业，张磊，吴炳方，马新辉.基于高分辨率遥感影像的城市建筑密度和容积率提取方法研究[M].遥感技术与应用，2007.22(3)：209-313三、发明内容

[0012] 本发明主要发明从QUICKBIRD影像中提取乡村聚落单元信息的技术方法。发现了乡村聚落各组分的光谱知识，利用这些知识从QUICKBIRD影像中提取出了乡村聚落的各组分信息；发现了各组分大小、空间关系等知识，并利用这些知识提取出乡村聚落单元。利用真实数据对其进行检验，该技术方法所提取的聚落单元面积精度达到97.4％，空间位置精度达到90.4％。四、附图说明

[0013] 说明书附图1为应用结果。图1中真实聚落单元边界在图中呈灰色；利用该发明技术方法提取的乡村聚落单元边界呈黑色。从图中可以看出提取的聚落单元与真实聚落单元空间位置和空间大小相差不大，精度较高。该技术方法所提取的聚落单元面积精度达到97.4％，空间位置精度达到90.4％
五、具体实施方式

[0014] 1、采用多项式几何校正模型，利用1∶1万地形图对QUICKBIRD全色波段和多光谱影像进行地理校正，并利用最近邻法确定像元亮度值。

[0015] 2、利用线性拉伸对影像进行增强处理。

[0016] 3、用QUICKBIRD影像的近红外和红光波段计算出NDVI。采用If B2(i，j)＞T and NDVI(i，j)＜M then该像元为建筑物。其中B2(i，j)代表蓝色波段影像第i行第j列的像元值。当T的值为132，M的值为0.059时，可以将建筑物提取出来。

[0017] 4、采用If B4(i，j)＜K then该像元为绿地像元。其中B4(i，j)代表红光波段影像第i行第j列的像元值。当K＝70时，可以从QUICKBIRD影像上提取出聚落绿地。

[0018] 5、采用If B1(i，j)＜K then该像元为房屋阴影像元。其中(B1(i，j)代表全色波段影像第i行第j列的像元值)。当K＝46时，房屋阴影将被从QUICKBIRD影像中提取出来。

[0019] 6、将建筑物、绿地和阴影聚合为聚落，并以10个像元的尺度对其进行膨胀腐蚀处理，得到处理后的聚落单元(简称初层聚落单元)。

[0020] 7、将提取的建筑物与阴影合并，并以25个像元的尺度对其进行膨胀腐蚀处理，从而得到聚落掩膜图层。

[0021] 8、利用聚落掩膜图层切取初层聚落单元，从而得到第二层聚落单元。将第二层聚落单元先收缩然后再膨胀15个像元的尺度，从而得到第三层聚落单元。将第三层聚落单元转换为矢量格式，并与建筑物进行叠加，如果，该单元图斑中无建筑物，则将该单元图斑去掉，从得到最终提取的聚落单元信息。