CN108509926B - 一种基于双向颜色空间变换的建筑物提取方法 - Google Patents
一种基于双向颜色空间变换的建筑物提取方法 Download PDFInfo
- Publication number
- CN108509926B CN108509926B CN201810307834.5A CN201810307834A CN108509926B CN 108509926 B CN108509926 B CN 108509926B CN 201810307834 A CN201810307834 A CN 201810307834A CN 108509926 B CN108509926 B CN 108509926B
- Authority
- CN
- China
- Prior art keywords
- color space
- true
- component
- enhanced
- extracting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于双向颜色空间变换的建筑物提取方法。包括如下步骤:步骤1,输入多光谱遥感影像;步骤2,RGB颜色空间转LUV颜色空间;步骤3,LUV分解;步骤4,分别提取分量L、U和V中的增强真集合;步骤5,LUV颜色空间转RGB颜色空间;步骤6,图像分割;步骤7,后处理;步骤8,输出结果。能够准确提取多光谱遥感影像中的建筑物,可以应用于城区地理基础信息数据库中建筑物的更新。
Description
技术领域
本发明涉及一种遥感影像处理领域,具体说是一种基于双向颜色空间变换的建筑物提取方法。
背景技术
建筑物是城市主要地理要素之一,是各种城市专题图的重要内容,研究建筑物的提取对综合考察城市地理信息环境具有重要意义。随着高分辨率遥感影像获取技术的快速发展,遥感影像的处理、分析和应用有了更好的数据源,其数字产品则有了更广泛、更深入的应用。计算机图像处理技术、模式识别、人工智能等方面的都取得不同程度的进展,为高效地提取海量影像中的有效信息提供了可能。但建筑物信息的提取要比其他信息如道路、水体的获取难得多,主要原因如下:
(1)数据源主要是二维的遥感影像,大多数情况下缺少直接的三维数据;
(2)不同的遥感影像常因为光谱范围、分辨率、传感器的几何图像以及成像条件等因素的不同而有较大的差异;
(3)不同种类的建筑物其所表现出来的外观和纹理细节等***,表现在遥感图像上差异很大,统一的建筑物模型库难以建立,这使得信息的自动提取变得相当困难;
(4)建筑物所处场景的复杂性,如对比度较低时、房屋相互遮挡、建筑物自身的阴影以及处在其它地物的阴影等,所以想自动地从背景中提取出边界清晰的建筑物较为困难。
发明内容
本发明提供了一种基于双向颜色空间变换的建筑物提取方法,可克服目前遥感影像中建筑物提取困难的问题,结合RGB和LUV两个颜色空间的优点,可以检测遥感影像中的建筑物目标,无需人工干预,自动化程度高。
为实现本发明的目标所采用的技术方案是:方法包括以下步骤:
步骤1:输入宽度为W,高度为H且包含R,G,B三个颜色分量的多光谱遥感影像Iin;
步骤2:将多光谱遥感影像Iin从颜色空间RGB转换为颜色空间LUV;
步骤3:将步骤2中的颜色空间LUV分解为分量L,分量U和分量V;
步骤4:用以下公式将颜色空间LUV的分量L转换为真集合(TL),不定集合(XL)和假集合(PL):
式(1)中,TL(x,y)为真集合(TL)中像素点(x,y)的取值,XL(x,y)为不定集合(XL)中像素点(x,y)的取值,PL(x,y)为假集合(PL)中像素点(x,y)的取值;int(x,y)为像素点(x,y)的强度值,为以像素点(x,y)为中心,边长为w×w的窗口中所有像素点的强度平均值,为分量L中强度平均值的最大值,为分量L中强度平均值的最小值;dif(x,y)为像素点(x,y)的强度偏移量,difg和均为强度偏移量阈值,且difg>difs;
步骤5:用以下公式分别计算步骤4中真集合(TL),不定集合(XL)和假集合(PL)的信息熵,分别记为E(TL)、E(XL)和E(PL):
步骤6:用以下公式合并步骤5中的信息熵E(TL)、E(XL)和E(PL),得到分量L的信息熵E(L):
E(L)=E(TL)+E(XL)+E(PL); (3)
步骤7:对步骤4中的真集合(TL),不定集合(XL)和假集合(PL)进行增强操作,具体公式为:
式(4)中,TEN L、PEN L和XEN L分别为分量L中增强真集合,增强假集合和增强不定集合,k为增强系数且可以由下公式求取:
ME为影像Iin的最大信息熵,取值为log2 W×H;
步骤8:用以下公式判断步骤7中的增强不定集合XEN L的信息熵E(XEN L)是否稳定:
(E(XEN L)-E(XL))/E(XL)<δ, (6)
当式(6)成立时,信息熵E(XEN L)稳定,进入步骤9,否则TL=TEN L,XL=XEN L,PL=PEN L,进入步骤5;
步骤9:提取增强真集合TEN L;
步骤10:重复利用步骤4到步骤9的方法,分别提取分量U中的增强真集合TEN U和分量V中的增强真集合TEN V;
步骤11:将增强真集合TEN L,增强真集合TEN U和增强真集合TEN V构成的LUV颜色空间转换为RGB颜色空间,得到图像IT;
步骤12:对图像IT进行分割,提取分割对象集合SEG;
步骤13:用矩形度和长宽比作为约束条件提取建筑物;
步骤14:输出提取建筑物结果。
所述的步骤12中的分割方法采用区域生长分割方法。
本发明的有益效果是:能够准确提取多光谱遥感影像中的建筑物,可以应用于城区地理基础信息数据库中建筑物的更新。
附图说明
图1是本发明的总体处理流程图;
图2是本发明中提取分量L中的增强真集合的流程图。
具体实施方式
下面结合附图详细描述本发明的具体实施方式。
图1是本发明的总体处理流程图,如图1所示:
在步骤101,输入宽度为W,高度为H且包含R,G,B三个颜色分量的多光谱遥感影像Iin。
在步骤102,将步骤101中的多光谱遥感影像Iin从颜色空间RGB转换为颜色空间LUV。
在步骤103,将步骤102中的颜色空间LUV分解为分量L、分量U和分量V。
在步骤104,分别提取分量L、分量U和分量V中的增强真集合TEN L,增强真集合TEN U和增强真集合TEN V。
在步骤105,将增强真集合TEN L,增强真集合TEN U和增强真集合TEN V构成的LUV颜色空间转换为RGB颜色空间,得到图像IT。
在步骤106,采用区域生长分割方法对图像IT进行分割,提取分割对象集合SEG。
在步骤107,用矩形度和长宽比作为约束条件提取建筑物。
在步骤108,输出提取建筑物结果。
图2是本发明中提取分量L中的增强真集合的流程图,即图1中的步骤104包含的增强真集合TEN L提取流程,如图2所示:
在步骤201,输入分量L。
在步骤202,用以下公式将颜色空间LUV的分量L转换为真集合(TL),不定集合(XL)和假集合(PL):
式(7)中,TL(x,y)为真集合(TL)中像素点(x,y)的取值,XL(x,y)为不定集合(XL)中像素点(x,y)的取值,PL(x,y)为假集合(PL)中像素点(x,y)的取值,int(x,y)为像素点(x,y)的强度值,为以像素点(x,y)为中心,边长为w×w的窗口中所有像素点的强度平均值,为分量L中强度平均值的最大值,为分量L中强度平均值的最小值,dif(x,y)为像素点(x,y)的强度偏移量,difg和均为强度偏移量阈值,且difg>difs。
在步骤203,用以下公式分别计算步骤202中真集合(TL),不定集合(XL)和假集合(PL)的信息熵,分别记为E(TL)、E(XL)和E(PL):
在步骤204,用以下公式合并步骤203中的信息熵E(TL)、E(XL)和E(PL),得到分量L的信息熵E(L):
E(L)=E(TL)+E(XL)+E(PL)。 (9)
在步骤205,对步骤202中的真集合(TL),不定集合(XL)和假集合(PL)进行增强操作,具体公式为:
式(10)中,TEN L、PEN L和XEN L分别为分量L中增强真集合,增强假集合和增强不定集合,k为增强系数且可以由下公式求取:
ME为影像Iin的最大信息熵,取值为log2 W×H。
在步骤206,用以下公式判断步骤205中的增强不定集合XEN L的信息熵E(XEN L)是否稳定:
(E(XEN L)-E(XL))/E(XL)<δ, (12)
当式(12)成立时,信息熵E(XEN L)稳定,进入步骤207,否则TL=TEN L,XL=XEN L,PL=PEN L,进入步骤203。
在步骤207,输出分量L的增强真集合(TEN L)。
利用图2的处理流程,当在步骤201输入分量U时,可提取分量U的增强真集合(TEN U),当在步骤201输入分量V时,可提取分量U的增强真集合(TEN V)。
Claims (2)
1.一种基于双向颜色空间变换的建筑物提取方法,其特征在于包括以下步骤:
步骤1:输入宽度为W,高度为H且包含R,G,B三个颜色分量的多光谱遥感影像Iin;
步骤2:将多光谱遥感影像Iin从颜色空间RGB转换为颜色空间LUV;
步骤3:将步骤2中的颜色空间LUV分解为分量L,分量U和分量V;
步骤4:用以下公式将颜色空间LUV的分量L转换为真集合(TL),不定集合(XL)和假集合(PL):
式(1)中,TL(x,y)为真集合(TL)中像素点(x,y)的取值,XL(x,y)为不定集合(XL)中像素点(x,y)的取值,PL(x,y)为假集合(PL)中像素点(x,y)的取值,int(x,y)为像素点(x,y)的强度值,为以像素点(x,y)为中心,边长为w×w的窗口中所有像素点的强度平均值,为分量L中强度平均值的最大值,为分量L中强度平均值的最小值,dif(x,y)为像素点(x,y)的强度偏移量,difg和difs均为强度偏移量阈值,且difg>difs;
步骤5:用以下公式分别计算步骤4中真集合(TL),不定集合(XL)和假集合(PL)的信息熵,分别记为E(TL)、E(XL)和E(PL):
步骤6:用以下公式合并步骤5中的信息熵E(TL)、E(XL)和E(PL),得到分量L的信息熵E(L):
E(L)=E(TL)+E(XL)+E(PL); (3)
步骤7:对步骤4中的真集合(TL),不定集合(XL)和假集合(PL)进行增强操作,具体公式为:
式(4)中,TEN L、PEN L和XEN L分别为分量L中增强真集合,增强假集合和增强不定集合,k为增强系数且可以由下公式求取:
ME为影像Iin的最大信息熵,取值为log2 W×H;
步骤8:用以下公式判断步骤7中的增强不定集合XEN L的信息熵E(XEN L)是否稳定:
(E(XEN L)-E(XL))/E(XL)<δ, (6)
当式(6)成立时,信息熵E(XEN L)稳定,进入步骤9,否则TL=TEN L,XL=XEN L,PL=PEN L,进入步骤5;
步骤9:提取增强真集合TEN L;
步骤10:重复利用步骤4到步骤9的方法,分别提取分量U中的增强真集合TEN U和分量V中的增强真集合TEN V;
步骤11:将增强真集合TEN L,增强真集合TEN U和增强真集合TEN V构成的LUV颜色空间转换为RGB颜色空间,得到图像IT;
步骤12:对图像IT进行分割,提取分割对象集合;
步骤13:用矩形度和长宽比作为约束条件提取建筑物;
步骤14:输出提取建筑物结果。
2.根据权利要求1所述的一种基于双向颜色空间变换的建筑物提取方法,其特征在于步骤12中的分割方法采用区域生长分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307834.5A CN108509926B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双向颜色空间变换的建筑物提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810307834.5A CN108509926B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双向颜色空间变换的建筑物提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108509926A CN108509926A (zh) | 2018-09-07 |
CN108509926B true CN108509926B (zh) | 2021-06-01 |
Family
ID=63381209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810307834.5A Expired - Fee Related CN108509926B (zh) | 2018-04-08 | 2018-04-08 | 一种基于双向颜色空间变换的建筑物提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509926B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761250A (zh) * | 2016-02-01 | 2016-07-13 | 福建师范大学 | 一种基于模糊场景分割的建筑物提取方法 |
CN107169946A (zh) * | 2017-04-26 | 2017-09-15 | 西北工业大学 | 基于非负稀疏矩阵与超球面彩色变换的图像融合方法 |
CN107527007A (zh) * | 2016-06-20 | 2017-12-29 | 戴尔菲技术公司 | 用于检测关注对象的图像处理*** |
-
2018
- 2018-04-08 CN CN201810307834.5A patent/CN108509926B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761250A (zh) * | 2016-02-01 | 2016-07-13 | 福建师范大学 | 一种基于模糊场景分割的建筑物提取方法 |
CN107527007A (zh) * | 2016-06-20 | 2017-12-29 | 戴尔菲技术公司 | 用于检测关注对象的图像处理*** |
CN107169946A (zh) * | 2017-04-26 | 2017-09-15 | 西北工业大学 | 基于非负稀疏矩阵与超球面彩色变换的图像融合方法 |
Non-Patent Citations (4)
Title |
---|
AUTOMATIC BUILDING DETECTION BASED ON CIE LUV COLOR SPACE USING VERY HIGH RESOLUTION PLEIADES IMAGES;Alireza Rahimzadeganasl 等;《IEEE》;20170629;全文 * |
Building extraction from panchromatic high-resolution remotely sensed imagery based on potential histogram and neighborhood Total variation;Wenzao Shi 等;《Earth Sci Inform》;20160419;全文 * |
基于颜色空间转换的交通图像增强算法;顾明 等;《仪器仪表学报》;20150831;第36卷(第8期);全文 * |
高分辨率遥感图像建筑物提取方法研究;陈凯强;《中国优秀硕士学位论文全文数据库信息科技辑》;20170515(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108509926A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Djurcilov et al. | Visualizing scalar volumetric data with uncertainty | |
CN108876741B (zh) | 一种复杂光照条件下的图像增强方法 | |
CN111611643A (zh) | 户型矢量化数据获得方法、装置、电子设备及存储介质 | |
CN104751432A (zh) | 一种基于图像重构的可见光与红外图像融合方法 | |
CN111626951B (zh) | 一种基于内容感知信息的图像阴影消除方法 | |
Zhao et al. | Fast image enhancement using multi-scale saliency extraction in infrared imagery | |
CN114972107A (zh) | 基于多尺度堆叠式注意力网络的低照度图像增强方法 | |
CN109635715B (zh) | 一种遥感图像建筑物提取方法 | |
CN105574533A (zh) | 一种图像特征提取方法和装置 | |
Huo et al. | High‐dynamic range image generation from single low‐dynamic range image | |
CN103337073B (zh) | 一种基于三维熵的二维图像阈值分割方法 | |
CN108509926B (zh) | 一种基于双向颜色空间变换的建筑物提取方法 | |
Zhang et al. | Pulse coupled neural network edge-based algorithm for image text locating | |
CN108491826B (zh) | 一种遥感影像建筑物的自动提取方法 | |
CN106021610B (zh) | 一种基于显著区域的视频指纹提取方法 | |
CN109598685B (zh) | 一种基于beeps滤波红外图像细节增强方法和图像增强装置 | |
Xiaoxu et al. | Image dehazing base on two-peak channel prior | |
CN114299099A (zh) | 一种数字水印提取方法、装置、设备及存储介质 | |
Rafid Hashim et al. | Single image dehazing by dark channel prior and luminance adjustment | |
KR20140138046A (ko) | 픽처를 처리하기 위한 방법 및 디바이스 | |
CN108596088B (zh) | 一种用于全色遥感影像的建筑物检测方法 | |
CN110390339B (zh) | 一种图像校正方法、装置及存储介质 | |
Sitdikov et al. | Accelerated mutual entropy maximization for biomedical image registration | |
Motayyeb et al. | Enhancing contrast of images to improve geometric accuracy of a UAV photogrammetry project | |
Dayal et al. | Diagnostic utilisation of ground based imaging and non-imaging sensors for digital documentation of heritage sites |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210601 |
|
CF01 | Termination of patent right due to non-payment of annual fee |