一種線狀地物的提取方法
【專利摘要】本發(fā)明提供了一種線狀地物的提取方法，對(duì)遙感影像進(jìn)行預(yù)處理，得到預(yù)處理圖像；從預(yù)處理圖像中提取植被區(qū)域并將其剔除，得到目標(biāo)區(qū)域；對(duì)目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取，并進(jìn)行矢量化，得到的線狀地物矢量化文件。該方法首先對(duì)遙感影像進(jìn)行預(yù)處理和植被區(qū)域的提取，對(duì)線狀地物周邊的其它地物進(jìn)行剔除，使得目標(biāo)區(qū)域在影像中突出顯示。再采用雙閾值濾波對(duì)目標(biāo)區(qū)域根據(jù)線狀地物類型的不同進(jìn)行特征提取，可以克服單閾值濾波提取時(shí)需要選擇合適閾值的問題，具有較好的線狀地物邊緣檢測(cè)能力，最大程度地避免椒鹽現(xiàn)象，便于矢量化，彌補(bǔ)現(xiàn)有技術(shù)由于只能定性對(duì)線狀地物進(jìn)行檢測(cè)和提取對(duì)耕地質(zhì)量等級(jí)進(jìn)行評(píng)價(jià)的不足。
【專利說明】一種線狀地物的提取方法【技術(shù)領(lǐng)域】[0001]本發(fā)明涉及遙感影像處理【技術(shù)領(lǐng)域】，尤其涉及一種線狀地物的提取方法?！颈尘凹夹g(shù)】[0002]隨著高空獲取遙感影響技術(shù)的迅速發(fā)展，目前在國土資源調(diào)查與監(jiān)測(cè)、基礎(chǔ)地理 數(shù)據(jù)更新等方面廣泛應(yīng)用了高空遙感影像數(shù)據(jù)以及對(duì)遙感影像數(shù)據(jù)的分析和處理。其中， 獲取的底面遙感影像中灌排水渠、田間道路等耕地線狀基礎(chǔ)設(shè)施是影響農(nóng)田識(shí)別的重要因 素之一，因此對(duì)于灌排水渠、田間道路等耕地現(xiàn)狀地物的正確識(shí)別與提取，對(duì)農(nóng)田識(shí)別質(zhì)量 評(píng)價(jià)具有價(jià)值和意義。[0003]傳統(tǒng)的方式是根據(jù)遙感數(shù)據(jù)圖像進(jìn)行人工解譯，但是誤差很大，并且效率太低，需 要耗費(fèi)大量的人工勞動(dòng)力。另外，在對(duì)遙感影像數(shù)據(jù)進(jìn)行處理的過程中線狀地物周邊的植 被等其它地物會(huì)對(duì)需要提取的線狀地物產(chǎn)生干擾，如田間道路有行道樹遮蔽覆蓋，給目標(biāo) 區(qū)域線狀地物的提取帶來較大的困難。只能定性的進(jìn)行地物的提取，還無法滿足對(duì)土地整 治區(qū)耕地質(zhì)量等級(jí)進(jìn)行快速評(píng)定的要求。
【發(fā)明內(nèi)容】
[0004](一)要解決的技術(shù)問題[0005]針對(duì)上述缺陷，本發(fā)明要解決的技術(shù)問如何實(shí)現(xiàn)在對(duì)遙感影像中的線狀地物進(jìn)行 提取的過程中盡量避免椒鹽現(xiàn)象的發(fā)生，從而能更加有利于耕地質(zhì)量等級(jí)的評(píng)價(jià)。[0006](二)技術(shù)方案[0007]為解決上述問題，本發(fā)明提供了一種線狀地物的提取方法，包括以下步驟:[0008]S1、對(duì)遙感影像進(jìn)行預(yù)處理，得到預(yù)處理圖像；[0009]S2、從所述預(yù)處理圖像中提取植被區(qū)域并將其剔除，得到目標(biāo)區(qū)域；[0010]S3、對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取，并進(jìn)行矢量化，得到 的線狀地物矢量化文件。[0011]進(jìn)一步地，步驟SI中所述對(duì)遙感影像進(jìn)行預(yù)處理具體包括:[0012]S11、對(duì)所述遙感影像進(jìn)行全色影像和多光譜影像的融合，得到融合影像；[0013]S12、對(duì)所述融合影像進(jìn)行灰度值計(jì)算，提取線狀地物的最大灰度值和最小灰度 值；[0014]S13、根據(jù)所述最大灰度值和最小灰度值進(jìn)行灰度二值化計(jì)算，得到所述預(yù)處理圖像。[0015]進(jìn)一步地，所述融合影像的分辨率與全色波段一致，且所述融合影像的波段數(shù)與 所述多光譜影像的波段數(shù)相同。[0016]進(jìn)一步地，步驟S2從所述預(yù)處理圖像中提取植被區(qū)域具體包括:[0017]S21、確定所述預(yù)處理圖像中的植被區(qū)域并進(jìn)行分類，包括:團(tuán)狀植被區(qū)域、簇狀植 被區(qū)域和片狀植被區(qū)域；[0018]S22、對(duì)團(tuán)狀植被區(qū)域和簇狀植被區(qū)域采用面積閾值法進(jìn)行剔除，對(duì)片狀植被區(qū)域采用掃描方法進(jìn)行剔除，得到所述目標(biāo)區(qū)域。[0019]進(jìn)一步地，步驟S3對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取具體包括:[0020]S31、對(duì)所述目標(biāo)區(qū)域根據(jù)不同線狀地物的灰度值進(jìn)行波段運(yùn)算，得到二值化圖；[0021]S32、對(duì)所述二值化圖進(jìn)行去噪處理；[0022]S33、進(jìn)行邊緣特征提取，得到邊緣圖像。[0023]進(jìn)一步地，步驟S32對(duì)所述二值化圖進(jìn)行去噪處理具體包括:[0024]S321、將濾波模板在所述二值化圖中進(jìn)行移動(dòng)，從所述二值化圖中選取一個(gè)像素作為中心像素，并將所述濾波模板的中心與所述中心像素的位置重合；[0025]S322、讀取所述濾波模板中的所有像素的灰度值，按照所述灰度值的等級(jí)進(jìn)行排序;[0026]S323、從中排序的灰度值中選擇平均值作為當(dāng)前灰度值進(jìn)行中值濾波，去出孤立噪聲。[0027]進(jìn)一步地，步驟S33所述對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取時(shí)采用自適應(yīng)雙閾值濾波，具體包括:[0028]S331、對(duì)所述目標(biāo)區(qū)域經(jīng)過二值化和去噪處理得到的圖像進(jìn)行高斯濾波，通過利用兩個(gè)一維高斯核兩次加權(quán)實(shí)現(xiàn)或者利用一個(gè)二維高斯核和一次卷積實(shí)現(xiàn)，其中一維高斯核為:
【權(quán)利要求】
1.一種線狀地物的提取方法，其特征在于，所述方法包括:S1、對(duì)遙感影像進(jìn)行預(yù)處理，得到預(yù)處理圖像；S2、從所述預(yù)處理圖像中提取植被區(qū)域并將其剔除，得到目標(biāo)區(qū)域；S3、采用雙閾值濾波對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取，并進(jìn)行矢量化，得到的線狀地物矢量化文件。
2.如權(quán)利要求1所述的提取方法，其特征在于，步驟SI中所述對(duì)遙感影像進(jìn)行預(yù)處理具體包括:S11、對(duì)所述遙感影像進(jìn)行全色影像和多光譜影像的融合，得到融合影像；S12、對(duì)所述融合影像進(jìn)行灰度值計(jì)算，提取線狀地物的最大灰度值和最小灰度值；S13、根據(jù)所述最大灰度值和最小灰度值進(jìn)行灰度二值化計(jì)算，得到所述預(yù)處理圖像。
3.如權(quán)利要求2所述的提取方法，其特征在于，所述融合影像的分辨率與全色波段一致，且所述融合影像的波段數(shù)與所述多光譜影像的波段數(shù)相同。
4.如權(quán)利要求1所述的方法，其特征在于，步驟S2從所述預(yù)處理圖像中提取植被區(qū)域具體包括:S21、確定所述預(yù)處理圖像中的植被區(qū)域并進(jìn)行分類，包括:團(tuán)狀植被區(qū)域、簇狀植被區(qū)域和片狀植被區(qū)域；S22、對(duì)團(tuán)狀植被區(qū)域和簇狀植被區(qū)域采用面積閾值法進(jìn)行剔除，對(duì)片狀植被區(qū)域采用掃描方法進(jìn)行剔除，得到所述目標(biāo)區(qū)域。
5.如權(quán)利要求1所述的提取方法，其特征在于，步驟S3對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取具體包括:S31、對(duì)所述目標(biāo)區(qū)域根據(jù)不同線狀地物的灰度值進(jìn)行波段運(yùn)算，得到二值化圖；S32、對(duì)所述二值化圖進(jìn)行去噪處理；S33、進(jìn)行邊緣特征提取，得到邊緣圖像。
6.如權(quán)利要求5所述的提取方法，其特征在于，步驟S32對(duì)所述二值化圖進(jìn)行去噪處理具體包括:S321、將濾波模板在所述二值化圖中進(jìn)行移動(dòng)，從所述二值化圖中選取一個(gè)像素作為中心像素，并將所述濾波模板的中心與所述中心像素的位置重合；S322、讀取所述濾波模板中的所有像素的灰度值，按照所述灰度值的等級(jí)進(jìn)行排序；S323、從中排序的灰度值中選擇平均值作為當(dāng)前灰度值進(jìn)行中值濾波，去出孤立噪聲。
7.如權(quán)利要求5所述的提取方法，其特征在于，步驟S33所述對(duì)所述目標(biāo)區(qū)域的圖像根據(jù)線狀地物類型進(jìn)行特征提取時(shí)采用自適應(yīng)雙閾值濾波，具體包括:S331、對(duì)所述目標(biāo)區(qū)域經(jīng)過二值化和去噪處理得到的圖像進(jìn)行高斯濾波，通過利用兩個(gè)一維高斯核兩次加權(quán)實(shí)現(xiàn)或者利用一個(gè)二維高斯核和一次卷積實(shí)現(xiàn)，其中一維高斯核為:
8.如權(quán)利要求1所述的提取方法，其特征在于，S3中進(jìn)行矢量化時(shí)通過進(jìn)行柵格圖像矢量化操作得到的，具體包括:534、對(duì)所述邊緣圖像進(jìn)行細(xì)化，得到柵格數(shù)據(jù)；535、跟蹤所述柵格數(shù)據(jù)，并整理成為線條，得到弧段和多邊形；536、去除所述弧段和所述多邊形上的多余數(shù)據(jù)點(diǎn)；537、判斷所述弧段和所述多邊形之間的空間關(guān)系，形成線狀地物的矢量化文件。
9.如權(quán)利要求1所述的提取方法，其特征在于，得到所述線狀地物的矢量化文件之后進(jìn)一步還包括:根據(jù)不同線狀地物的矢量化文件對(duì)耕地質(zhì)量等級(jí)進(jìn)行評(píng)價(jià)，對(duì)于所述矢量化文件表示的線狀地物的基本屬性進(jìn)行提取，并根據(jù)耕地等級(jí)檢測(cè)評(píng)定指標(biāo)進(jìn)行耕地質(zhì)量等級(jí)的評(píng)價(jià)。
10.如權(quán)利要求1或7所述的提取方法，其特征在于，進(jìn)行雙閾值濾波時(shí)，根據(jù)需要提取線狀地物的光譜特征選取最大閾值和最小閾值，用所述最小閾值的圖像去匹配所述最大閾值的圖像，對(duì)所述最高閾值的圖像中缺失的線狀地物進(jìn)行補(bǔ)充，使得提取的線狀地物具有完整的閉合曲線。
【文檔編號(hào)】G06K9/46GK103559493SQ201310495756
【公開日】2014年2月5日 申請(qǐng)日期:2013年10月21日 優(yōu)先權(quán)日:2013年10月21日
【發(fā)明者】楊建宇, 顧振偉, 湯賽, 張超, 朱德海, 趙冬玲, 楊永俠, 孫家波, 郭蕾 申請(qǐng)人:中國農(nóng)業(yè)大學(xué)