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 PDF

Info

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
Application number
CN201810307834.5A
Other languages
English (en)
Other versions
CN108509926A (zh
Inventor
施文灶
程姗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Normal University
Original Assignee
Fujian Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Normal University filed Critical Fujian Normal University
Priority to CN201810307834.5A priority Critical patent/CN108509926B/zh
Publication of CN108509926A publication Critical patent/CN108509926A/zh
Application granted granted Critical
Publication of CN108509926B publication Critical patent/CN108509926B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于双向颜色空间变换的建筑物提取方法
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)：
Figure BDA0001621504380000021
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，
Figure BDA0001621504380000022
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，
Figure BDA0001621504380000023
为分量L中强度平均值的最大值，
Figure BDA0001621504380000024
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，
Figure BDA0001621504380000025
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)：
Figure BDA0001621504380000026
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：
Figure BDA0001621504380000027
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：
Figure BDA0001621504380000031
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)：
Figure BDA0001621504380000041
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，
Figure BDA0001621504380000042
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，
Figure BDA0001621504380000043
为分量L中强度平均值的最大值，
Figure BDA0001621504380000044
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，
Figure BDA0001621504380000045
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)：
Figure BDA0001621504380000046
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：
Figure BDA0001621504380000051
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：
Figure BDA0001621504380000052
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)：
Figure FDA0003007920550000011
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，
Figure FDA0003007920550000012
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，
Figure FDA0003007920550000013
为分量L中强度平均值的最大值，
Figure FDA0003007920550000014
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，
Figure FDA0003007920550000015
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)：
Figure FDA0003007920550000016
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：
Figure FDA0003007920550000021
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：
Figure FDA0003007920550000022
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。
CN201810307834.5A 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 Expired - Fee Related CN108509926B (zh)

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)

* Cited by examiner, † Cited by third party
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***

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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