專利名稱：基于遙感影像和gis數(shù)據(jù)的面狀地物變化檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感影像與GIS(地理信息系統(tǒng))相結(jié)合應(yīng)用領(lǐng)域，涉及一種基于遙感影像和GIS數(shù)據(jù)的面狀地物變化檢測整體迭代解求方法。
背景技術(shù)：
自然界的變化和人類的各種活動每天都在改變著地表景觀及其利用形式。人口的快速增長及城市化的發(fā)展，加速了這種變化。這些變化將對地球資源與環(huán)境產(chǎn)生深遠(yuǎn)的影響，因此及時、有效地監(jiān)測地表變化，更新相關(guān)的地理信息系統(tǒng)，為資源管理與規(guī)劃和環(huán)境保護(hù)等職能部門提供科學(xué)決策的依據(jù)是十分必要的。為了解地球而發(fā)展起來的衛(wèi)星對地觀測技術(shù)，無疑是監(jiān)測地表變化的最佳技術(shù)手段。現(xiàn)代遙感技術(shù)已經(jīng)進(jìn)入了一個能夠快速、及時提供多種對地觀測海量數(shù)據(jù)的新階段。要從目前每天接收的數(shù)以TB計的遙感影像中，分揀出我們感興趣的數(shù)據(jù)，依靠傳統(tǒng)的人工解譯方法顯然不行，這就需要通過某種方法讓計算機(jī)來理解圖像和檢測哪兒發(fā)生了變化(變化檢測)，把我們的注意力引向我們感興趣的地方。在空間數(shù)據(jù)框架建成以后，為了實現(xiàn)數(shù)據(jù)快速更新，保持其現(xiàn)勢性，變化檢測顯得尤為重要，自動變化檢測是遙感與GIS領(lǐng)域今后研究的重點之一(李德仁2003)。
現(xiàn)有的變化檢測方法主要還是停留在像素級的數(shù)據(jù)引導(dǎo)上，缺乏知識引導(dǎo)的特征級變化檢測方法(李德仁2003)。目前變化檢測方法模型主要是對不同時相的遙感影像進(jìn)行處理，其前提條件是地物的時相變化能夠引起圖像上像素值的明顯變化。這類變化檢測方法僅僅利用了圖像灰度信息，沒有利用檢測對象的幾何信息和其他知識。由于圖像灰度對地物的表達(dá)有一定的不確定性，因而使得變化檢測的結(jié)果出現(xiàn)很多偽變化。盡管已經(jīng)存在許多變化檢測方法，但對于某一特定的應(yīng)用和研究區(qū)域選擇一個合適的方法仍然十分困難。GIS數(shù)據(jù)中包含了豐富的語義和非語義信息，集成遙感圖像和GIS數(shù)據(jù)進(jìn)行變化檢測分析是近年來變化檢測方法發(fā)展的趨勢之一(D.Lu 2004)。
目前一般的變化檢測方法步驟可以歸納為數(shù)據(jù)預(yù)處理、數(shù)據(jù)配準(zhǔn)、特征提取(基于特征級的變化檢測方法)、變化檢測、結(jié)果分析，這些步驟是獨立進(jìn)行的，每一步的誤差都會傳遞到下一步，其中數(shù)據(jù)配準(zhǔn)和特征提取對變化檢測有著關(guān)鍵性的影響，使得變化檢測的結(jié)果精度和可靠性不可控制，而且檢測過程也比較盲目。為此本發(fā)明提出了一種基于特征級的變化檢測方法，把影響變化檢測結(jié)果的關(guān)鍵步驟數(shù)據(jù)配準(zhǔn)、特征提取和變化檢測同步迭代求解，相互約束、修正。利用GIS數(shù)據(jù)中的知識進(jìn)行引導(dǎo)減少特征提取和變化檢測的盲目性，提高結(jié)果的可靠性和精度。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于遙感影像和GIS數(shù)據(jù)的面狀地物變化檢測方法，該方法能夠?qū)崿F(xiàn)多源、多傳感器、不同時相數(shù)據(jù)之間的變化檢測。
本發(fā)明提供的技術(shù)方案是，一種基于遙感影像和GIS數(shù)據(jù)的面狀地物變化檢測方法，包括以下步驟一、對GIS數(shù)據(jù)預(yù)處理；I.從GIS數(shù)據(jù)中選取按實際成圖比例表達(dá)的面狀地物，并提取表達(dá)其幾何形狀的多邊形；II.計算I中每一個多邊形的以下相似特征量多邊形最小外接矩形的面積；多邊形最小外接矩形的寬和高；多邊形的面積；多邊形的周長；多邊形的形狀編碼；III.按下述步驟確定I中的多邊形的“Label”點1)根據(jù)每個多邊形的坐標(biāo)進(jìn)行柵格化，生成多邊形外接矩形大小的圖像；2)用腐蝕運算(Erosion)對1)中的圖像進(jìn)行腐蝕處理至凸多邊形圖像變成一條直線；凹多邊形圖形變成一條或多條聯(lián)通的曲線；3)對2)生成的結(jié)果，從這些直線或者曲線中，選取一個中間點，作為Label點；或者繼續(xù)利用腐蝕運算，對得到的線圖像進(jìn)行運算，直到線變成一個點，最后得到的這個點作為圖像的Label點；二、對遙感影像預(yù)處理；處理步驟如下1)初始化i＝0，輸入原始圖像fi(x，y)；2)用二維卷積算子h(x，y)與圖像fi(x，y)進(jìn)行卷積，得到fi+1(x，y)；其中h(x,y)=12561643128164125616411633211616431283329643323128164116332116164125616431281641256]]>3)計算第一個小波系數(shù)wi+1(x，y)＝fi(x，y)-fi+1(x，y)；4)如果i＜n，其中n為給定的分解次數(shù)，i＝i+1，返回2)；5)重復(fù)2)，3)，4)直至i＝n；6)選取1-3個小波面作為遙感影像預(yù)處理結(jié)果；對遙感影像邊界的處理采用鏡像對稱的方法，即行向f(-i，j)＝f(i，j)；f(i+k，j)＝f(i-k，j)其中i＜＝N，k＝1，2，…，N為圖像的總的行數(shù)；列向f(i，-j)＝f(i，j)；
f(i，j+k)＝f(i，j-k)其中j＜＝N，k＝1，2，…，N為圖像的總的列數(shù)；三、建立粗略幾何位置關(guān)系根據(jù)確定的控制點，通過最小二乘法計算遙感影像與GIS數(shù)據(jù)之間的幾何變換模型參數(shù)，建立GIS數(shù)據(jù)與遙感影像之間的粗略幾何位置關(guān)系；四、讀取經(jīng)過GIS數(shù)據(jù)預(yù)處理后的一個多邊形，根據(jù)三中建立的幾何位置關(guān)系，預(yù)測GIS多邊形Label點在遙感影像上對應(yīng)的同名點的位置，以該點為種子點，采取自適應(yīng)迭代區(qū)域生長方法提取遙感影像上的面狀地物多邊形特征；灰度一致性的閾值從零開始隨著迭代次數(shù)增加逐步增大(增大區(qū)域提取閾值)，對每次提取的多邊形計算最小外接矩形面積(相似量)，計算遙感影像上提取的多邊形與GIS多邊形最小外接矩形面積之間的差異，直到滿足預(yù)定閾值條件；記錄下每個滿足閾值的多邊形，作為GIS中多邊形的候選同名多邊形；五、面狀地物的變化檢測1.計算候選同名多邊形的相似特征量多邊形最小外接矩形的寬和高；多邊形的面積；多邊形的周長；多邊形的形狀編碼；2.以多邊形最小外接矩形寬和高為相似特征量，從1結(jié)果中選擇特征相似的多邊形；3.以多邊形的面積為相似度量，從2結(jié)果中選擇特征相似的多邊形；4.以多邊形的周長為相似度量，從3結(jié)果中選擇特征相似的多邊形；5.以多邊形的形狀編碼為相似度量，從4結(jié)果中選擇特征相似的多邊形；選擇形狀編碼的相似性最大的多邊形為同名特征；6.如果5中的結(jié)果不滿足預(yù)先設(shè)定的閾值，就認(rèn)為該面狀地物發(fā)生了變化，標(biāo)記該GIS多邊形為變化區(qū)域；否則(最大相似值大于相似性閾值)該面狀地物沒有發(fā)生變化，取該多邊形及遙感影像上的同名多邊形的重心為控制點，參與下一個面狀地物變化檢測，優(yōu)化粗略幾何位置關(guān)系；六、對其驟一I中提取的每個待檢測的GIS多邊形按照步驟三至五進(jìn)行迭代處理，直至所有多邊形都匹配完成。最后，對檢測的結(jié)果進(jìn)行精度評價。
本發(fā)明對感興趣地物的GIS數(shù)據(jù)進(jìn)行上述操作，可以檢測出變化地物，對于沒有變化的地物，可以獲得控制點，利用這些控制點可以實現(xiàn)影像與GIS數(shù)據(jù)的自動配準(zhǔn)。本發(fā)明利用GIS數(shù)據(jù)中的知識進(jìn)行引導(dǎo)減少特征提取和變化檢測的盲目性，提高結(jié)果的可靠性和精度。本發(fā)明能夠?qū)崿F(xiàn)多源、多傳感器、不同時相數(shù)據(jù)之間的變化檢測。


附圖為本發(fā)明的流程示意圖。
具體實施例方式
參見附圖，本發(fā)明包括以下步驟一、對GIS數(shù)據(jù)的預(yù)處理I.從GIS數(shù)據(jù)中選取按實際成圖比例表達(dá)的面狀地物，并提取表達(dá)其幾何形狀的多邊形。
II.根據(jù)多邊形坐標(biāo)計算面積，并對所有的多邊形按面積由大到小進(jìn)行排序。
III.計算每一組用于匹配的多邊形的相似特征量。相似性特征量的計算見下述步驟四。
IV.確定多邊形的“Label”點。對每個多邊形按照以下步驟，計算Label點1)根據(jù)每個多邊形的坐標(biāo)在計算機(jī)內(nèi)存中進(jìn)行柵格化，生成多邊形外接矩形大小的二值圖像。
2)用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運算(Erosion)對1)中的結(jié)果進(jìn)行多次腐蝕處理。在進(jìn)行腐蝕的過程中，一般取腐蝕結(jié)構(gòu)元素為[1 1；1 1]。腐蝕結(jié)構(gòu)元素的對稱性主要是控制腐蝕的方向。
3)如果圖像是一個凸多邊形，在經(jīng)過步驟2)后，會變成一條直線；如果圖形是一個凹多邊形，腐蝕的結(jié)果會是一條或多條聯(lián)通的曲線。
4)對3)生成的結(jié)果，在選取Label點時，有兩種方法一是從這些直線或者曲線中，選取一個中間點，作為Label點；二是繼續(xù)利用腐蝕運算，對得到的線圖像進(jìn)行運算，直到線變成一個點，最后得到的這個點，就可以作為圖像的Label點。
在對3)中的結(jié)果進(jìn)行腐蝕時，腐蝕結(jié)構(gòu)元素一般定義為[1 0；0 1]。
二、基于 小波分解的遙感影像預(yù)處理基于遙感影像與GIS變化檢測的整體解求方法中要求從影像上提取面狀地物的多邊形特征，為此希望影像預(yù)處理過程在抑止圖像噪聲的同時增強邊緣信息、平滑同質(zhì)區(qū)域。這里應(yīng)用小波變換方法研究了一種 小波分解的遙感影像預(yù)處理方法。方法原理如下設(shè)函數(shù)ψ(x)∈L2(R)(L2(R)為平方可積空間)，且ψ(x)滿足Cψ=2π∫-∞+∞|ψ‾(ω)|2|ω|dω<+∞---(2-1)]]>或∫-∞+∞ψ(x)dx=0---(2-2)]]>式中ψ(ω)是ψ(x)的傅立葉變換。
當(dāng)ψ(x)滿足(2-1)或(2-2)式，并且能較快速收斂時，我們稱ψ(x)為基本小波。當(dāng)ψ(x)經(jīng)過伸縮a和平移b操作后得ψa,b(x)=|a|-12ψ(x-ba)---(2-3)]]>式中a，b∈R且a≠0此時，ψa，b(x)稱為小波。
函數(shù)f(x)的小波變換定義為wf(a,b)=∫-∞+∞f(x)·|a|12ψ‾[a-1(x-b)]dx---(2-4)]]>式中f(x)∈L2(R)，b∈R，ψ(x)為ψ(x)的復(fù)共軛。
上面介紹了連續(xù)小波變換的定義，連續(xù)小波不能用來編程計算，必須要離散化。連續(xù)小波變換的離散化的方法有多種，但是，對于不同的問題不是所有的離散方法都有效。著名的Mallat算法是利用正交基進(jìn)行塔式分解，但是經(jīng)過該方法變換后的圖像的大小發(fā)生了變化，這種變化在一些圖像處理過程中往往是不利的，例如模式識別，多源影像融合等。
為了使圖像經(jīng)過小波變換后尺寸大小不變，這里采用一種被稱為 小波分解的方法把圖像分解成不同的小波平面。 小波算法的基本思想是把信號或圖像分解為不同頻率通道上的近似信號和每一尺度下的細(xì)節(jié)信號。該細(xì)節(jié)信號稱為小波面，其圖像大小與原始圖像尺寸相同。
對于一維信號C(x)，假設(shè){C0(x)}為信號C(x)和尺度函數(shù)φ(x)的標(biāo)量積，尺度函數(shù)實際上是一個低通濾波器。信號C(x)經(jīng)過第一次濾波后得到C1(x)，w1(x)＝C0(x)-C1(x)包含這兩個尺度之間的信息，w1(x)稱為第一小波面，也是對應(yīng)尺度函數(shù)的小波變換的結(jié)果。而小波函數(shù)ψ(x)與尺度函數(shù)φ(x)有如下關(guān)系12ψ(x2)=φ(x)-12φ(x2)---(2-5)]]>相鄰的尺度之間相差兩倍，經(jīng)過i次濾波后得到Ci(x)為Ci(x)=Σ1h(1)·Ci-1(x+2i-11)---(2-6)]]>離散小波變換小波系數(shù)為wi(x)＝Ci-1(x)-Ci(x) (2-7)wi(x)為尺度i下的小波系數(shù)(小波面)，Ci(x)為i尺度下的近似信號，h為低通濾波器，它與尺度函數(shù)φ(x)滿足下列方程12φ(x2)=Σ1h(1)·φ(x-1)---(2-8)]]> 離散小波對信號進(jìn)行分解，生成一組相鄰不同分辨率的小波面{wi}和近似信號之和。
如果選擇線性內(nèi)插的尺度函數(shù)即φ(x)＝1-|x| 如果x∈[-1，1]φ(x)＝0 如果x∉[-1,1]]]>(2-9)于是可以計算出h(-1)＝1/4，h(0)＝1/2，h(1)＝1/4，得12φ(x2)=14φ(x+1)+12φ(x)+14φ(x-1)]]>Ci+1(x)=14Ci(x-2i)+12Ci(x)+14Ci(x+2i)]]>(2-10)
上述的 離散小波分解很容易推廣到二維從而得到一個二維的3×3的卷積算子1161811618141811618116]]>如果采用B3次樣條尺度函數(shù)，那么二維卷積算子為12561643128164125616411633211616431283329643323128164116332116164125616431281641256]]>實現(xiàn)步驟如下1)初始化i＝0，輸入原始圖像fi(x，y)2)用濾波器h(x，y)與圖像fi(x，y)進(jìn)行卷積，得到fi+1(x，y)fi+1(x，y)＝fi(x，y)×h(x，y)；3)進(jìn)行第一次小波變化，得到第一個小波系數(shù)wi+1(x，y)＝fi(x，y)-fi+1(x，y)；4)如果i＜n(n為給定的分解次數(shù))，i＝i+1，返回2)；5)重復(fù)2)，3)，4)直至i＝n。
對邊界的處理采用鏡像對稱的方法，即行向f(-i，j)＝f(i，j)；f(i+k，j)＝f(i-k，j)其中i＜＝N，k＝1，2，…，N為圖像的總的行數(shù)；列向f(i，-j)＝f(i，j)；f(i，j+k)＝f(i，j-k)其中j＜＝N，k＝1，2，…，N為圖像的總的列數(shù)。
在實際應(yīng)用中根據(jù)需要選用合適的小波面?zhèn)€數(shù)。
三、幾何變換參數(shù)的計算根據(jù)控制點，通過最小二乘法計算遙感影像與GIS數(shù)據(jù)之間的幾何變換模型參數(shù)，通過幾何變換模型建立GIS數(shù)據(jù)坐標(biāo)與遙感影像像素之間的幾何位置關(guān)系。常用的幾何變換模型有仿射變換，多項式變換和透視投影變換(共線方程)等。
圖像的幾何變換模型根據(jù)不同的實際情況可以分別采用三種方式(1)對于地形比較平坦的地區(qū)，先采用簡單的多項式變換作為遙感影像幾何變換粗略模型，待通過匹配確定了足夠多的、高精度的控制點后再應(yīng)用嚴(yán)格的影像糾正模型進(jìn)行高精度微分糾正；(2)一開始就采用遙感影像幾何畸變的嚴(yán)格糾正模型，隨著控制點數(shù)目和精度的提高不斷精化模型參數(shù)；(3)采用(1)和(2)的混合型，先采用簡單的多項式變換作為遙感影像幾何變換粗略模型，待通過匹配獲取到了能夠解求嚴(yán)格模型參數(shù)最少控制點數(shù)目后，采用影像畸變嚴(yán)格改正模型，再隨著控制點數(shù)目的增加對嚴(yán)格的影像糾正模型參數(shù)進(jìn)行迭代精化。
四、相似特征量相似特征量的定義十分關(guān)鍵，它是判斷同名特征的尺度。相似特征量的定義直接關(guān)系到檢測結(jié)果的可靠性、穩(wěn)定性和唯一性，也決定了計算量的大小。
對于面狀地物的多邊形特征這里定義以下五個相似特征量來描述其相似性1、多邊形最小外接矩形的面積；2、多邊形最小外接矩形的寬和高；3、多邊形的面積；4、多邊形的周長；5、多邊形的形狀編碼；這些特征相似量在一起組成了一個由粗到細(xì)的相似度量集合，雖然單就每一個測度量而言不能唯一確定同名特征，但這一組相似測定卻可以把候選特征縮小到很小的范圍內(nèi)，再加上三中計算的粗略幾何位置的約束，就可以唯一確定同名特征。
五、面狀地物多邊形特征的提取讀取經(jīng)過GIS數(shù)據(jù)預(yù)處理后的一個多邊形，根據(jù)三中建立的幾何位置關(guān)系，預(yù)測GIS多邊形Label點在遙感影像上對應(yīng)的同名點的位置，以該點為種子點，采取自適應(yīng)迭代區(qū)域生長方法提取遙感影像上的面狀地物多邊形特征；灰度一致性的閾值從零開始隨著迭代次數(shù)增加逐步增大(增大區(qū)域提取閾值)，對每次提取的多邊形計算最小外接矩形面積(相似量)，計算遙感影像上提取的多邊形與GIS多邊形最小外接矩形面積之間的差異，直到滿足預(yù)定閾值條件；記錄下每個滿足閾值的多邊形，作為GIS中多邊形的候選同名多邊形。這樣就自動實現(xiàn)了GIS數(shù)據(jù)引導(dǎo)下的圖像區(qū)域多邊形特征自適應(yīng)提取。
六、搜索策略用GIS多邊形Label點的幾何變換結(jié)果為引導(dǎo)，為了兼顧計算效率和準(zhǔn)確性，采用如下的搜索策略1、按多邊形面積從大到小逐步進(jìn)行匹配。
面積大的多邊形能夠允許的幾何誤差大，按面積由大到小逐步提高幾何變換模型的精度，可以保證經(jīng)過圖像幾何變換模型計算的GIS多邊形Label點落在同名的圖像區(qū)域內(nèi)。
2、對同名特征的匹配采用分層匹配，逐步細(xì)化的策略。具體方法如下
1)以GIS多邊形的Label點的幾何變換結(jié)果為圖像同名多邊形區(qū)域提取的種子點，以GIS多邊形最小外接矩形面積為相似度量，逐步增大灰度一致性閾值，提取圖像多邊形區(qū)域。最小外接矩形面積相似的度量閾值可以預(yù)先設(shè)定，閾值的設(shè)定可以寬松些。從圖像上提取、記錄下每個滿足閾值的多邊形，作為候選的同名多邊形特征。
2)以多邊形最小外接矩形寬和高為相似度量，從1)結(jié)果中選擇特征相似的多邊形。
3)以多邊形的面積為相似度量，從2)結(jié)果中選擇特征相似的多邊形。
4)以多邊形的周長為相似度量，從3)結(jié)果中選擇特征相似的多邊形。
5)以多邊形的形狀編碼為相似度量，從4)結(jié)果中選擇特征相似的多邊形。選擇形狀編碼的相似性最大的多邊形為同名特征。
七、面狀地物的變化檢測如果六5)中的結(jié)果不滿足預(yù)先設(shè)定的相似性閾值，就認(rèn)為該面狀地物發(fā)生了變化，標(biāo)記該GIS多邊形；否則(即最大相似值大于相似性閾值)該面狀地物沒有發(fā)生變化，取該多邊形及遙感影像上的同名多邊形的重心為控制點，參與下一個面狀地物變化檢測，優(yōu)化粗略幾何位置關(guān)系，直至步驟一I中提取的待檢測的GIS多邊形都處理完畢。最后，對檢測的結(jié)果進(jìn)行精度評價。
本發(fā)明用于不同時相的GIS矢量數(shù)據(jù)之間做變化檢測時，可以省略第二、五步，而直接利用矢量坐標(biāo)來描述多邊形地物。
本發(fā)明用于不同時相的柵格數(shù)據(jù)之間做變化檢測時，先對其中一個時相的柵格數(shù)據(jù)進(jìn)行地物提取，再按本發(fā)明所述的方法處理。
權(quán)利要求
1.一種基于遙感影像和GIS數(shù)據(jù)的面狀地物變化檢測方法，其特征是包括以下步驟一、對GIS數(shù)據(jù)預(yù)處理；I.從GIS數(shù)據(jù)中選取按實際成圖比例表達(dá)的面狀地物，并提取表達(dá)其幾何形狀的多邊形；II.計算I中每一個多邊形的以下相似特征量多邊形最小外接矩形的面積；多邊形最小外接矩形的寬和高；多邊形的面積；多邊形的周長；多邊形的形狀編碼；III.按下述步驟確定I中的多邊形的“Label”點1)根據(jù)每個多邊形的坐標(biāo)進(jìn)行柵格化，生成多邊形外接矩形大小的圖像；2)用腐蝕運算對1)中的圖像進(jìn)行腐蝕處理至凸多邊形圖像變成一條直線；凹多邊形圖形變成一條或多條聯(lián)通的曲線；3)對2)生成的結(jié)果，從這些直線或者曲線中，選取一個中間點，作為Label點；或者繼續(xù)利用腐蝕運算，對得到的線圖像進(jìn)行運算，直到線變成一個點，最后得到的這個點作為圖像的Label點；二、對遙感影像預(yù)處理；處理步驟如下1)初始化i＝0，輸入原始圖像fi(x，y)；2)用二維卷積算子h(x，y)與圖像fi(x，y)進(jìn)行卷積，得到fi+1(x，y)其中h(x,y)=12561641128164125616411633211616431283329643323128164116332116164125616411281641256]]>3)計算第一個小波系數(shù)wi+1(x，y)＝fi(x，y)-fi+1(x，y)；4)如果i＜n，其中n為給定的分解次數(shù)，i＝i+1，返回2)；5)重復(fù)2)，3)，4)直至i＝n；6)選取1-3個小波面作為遙感影像預(yù)處理結(jié)果；對遙感影像邊界的處理采用鏡像對稱的方法，即行向f(-i，j)＝f(i，j)；f(i+k，j)＝f(i-k，j)其中i＜＝N，k＝1，2，…，N為圖像的總的行數(shù)；列向f(i，-j) ＝f(i，j)；f(i，j+k)＝f(i，j-k)其中j＜＝N，k＝1，2，…，N為圖像的總的列數(shù)；三、根據(jù)確定的控制點，通過最小二乘法計算遙感影像與GIS數(shù)據(jù)之間的幾何變換模型參數(shù)；四、采取自適應(yīng)迭代區(qū)域生長方法提取遙感影像上的面狀地物多邊形特征；遙感影像上區(qū)域生長的種子點由GIS多邊形的Label點對應(yīng)的幾何變換結(jié)果給出，灰度一致性的閾值從零開始隨著迭代次數(shù)增加逐步增大，對每次提取的多邊形計算最小外接矩形面積，計算遙感影像上提取的多邊形與GIS多邊形最小外接矩形面積之間的差異，直到滿足預(yù)定閾值條件；記錄下每個滿足閾值的多邊形，作為GIS中多邊形的候選同名多邊形；五、面狀地物的變化檢測1)計算候選同名多邊形的相似特征量多邊形最小外接矩形的寬和高；多邊形的面積；多邊形的周長；多邊形的形狀編碼；2)以多邊形最小外接矩形寬和高為相似特征量，從1)結(jié)果中選擇特征相似的多邊形；3)以多邊形的面積為相似度特征量，從2)結(jié)果中選擇特征相似的多邊形；4)以多邊形的周長為相似度特征量，從3)結(jié)果中選擇特征相似的多邊形；5)以多邊形的形狀編碼為相似度特征量，從4)結(jié)果中選擇特征相似的多邊形；選擇形狀編碼的相似性最大的多邊形為同名特征；6)如果5)中的結(jié)果不滿足預(yù)先設(shè)定的閾值，就認(rèn)為該面狀地物發(fā)生了變化；否則該面狀地物沒有發(fā)生變化，取該多邊形及遙感影像上的同名多邊形的重心為控制點，參與下一個面狀地物變化檢測；六、對步驟一I中提取的每個待檢測的GIS多邊形按照步驟三至五進(jìn)行迭代處理。
2.根據(jù)權(quán)利要求1所述的方法，其特征是在步驟一.III.2)進(jìn)行腐蝕的過程中，取腐蝕結(jié)構(gòu)元素為[11；11]。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征是在步驟一.III.3)進(jìn)行腐蝕的過程中，取腐蝕結(jié)構(gòu)元素為[10；01]。
全文摘要
本發(fā)明涉及一種基于遙感影像和GIS數(shù)據(jù)的面狀地物變化檢測方法，包括一、對GIS數(shù)據(jù)預(yù)處理；二、對遙感影像預(yù)處理；三、計算面狀地物的Label點；四、預(yù)測GIS面狀地物L(fēng)abel點對應(yīng)的遙感影像同名點；五、定義一組由粗到細(xì)的相似特征量；六、根據(jù)相似特征量迭代提取影像上的同名面狀地物；七、根據(jù)預(yù)先定義的相似特征量閾值判斷地物是否發(fā)生變化，如果發(fā)生了變化，則標(biāo)記該地物，否則計算該地物多邊形的重心坐標(biāo)作為控制點，返回第四步。本發(fā)明對感興趣地物的GIS數(shù)據(jù)進(jìn)行上述操作，可以檢測出變化地物，對于沒有變化的地物，可以獲得控制點，利用這些控制點可以實現(xiàn)影像與GIS數(shù)據(jù)的自動配準(zhǔn)。
文檔編號G01S17/89GK1790052SQ200510020068
公開日2006年6月21日 申請日期2005年12月19日 優(yōu)先權(quán)日2005年12月19日
發(fā)明者張曉東, 李德仁, 龔健雅, 秦前清 申請人:武漢大學(xué)