CN112508386A - 一种夜光与poi数据融合的城市建成区提取方法 - Google Patents
一种夜光与poi数据融合的城市建成区提取方法 Download PDFInfo
- Publication number
- CN112508386A CN112508386A CN202011397520.2A CN202011397520A CN112508386A CN 112508386 A CN112508386 A CN 112508386A CN 202011397520 A CN202011397520 A CN 202011397520A CN 112508386 A CN112508386 A CN 112508386A
- Authority
- CN
- China
- Prior art keywords
- area
- poi
- built
- data
- city
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims abstract description 9
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 235000011470 Adenanthera pavonina Nutrition 0.000 claims description 2
- 241000428378 Lopa Species 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种夜光与POI(Point of Interest,POI)数据融合的城市建成区提取方法。该方法包括对夜光数据进行辐射校正和降噪预处理;采用一种模糊聚类算法(Fuzzy C‑means Clustering Methed,FCM)对夜光数据进行建成区的初步提取;构建一种融合夜光和POI时空特征的STNTL‑POI(The Method of Fusing Spatiotemporal Nighttime light and Point of Interest,STNTL‑POI)综合指数,并利用二分法进行城市建成区的精提取。本发明的方法融合了夜光和POI的时空特征,提出了一种新的STNTL‑POI综合指数完成城市建成区的精提取。本发明方法的处理过程没有近似,并且可在城市管理等领域中使用,可有效提高城市建成区的提取精度。
Description
技术领域
本发明涉及城市建成区提取的技术领域,尤其涉及一种夜光与POI数据融合的城市建成区提取方法。
背景技术
夜光与POI数据融合的城市建成区提取方法,能提取城市建成区,可应用于分析城市交通拥挤、大气污染、耕地减少和土地利用不均衡等一系列问题,辅助政府对城市进行监督管理以及规划。
夜间灯光影像具有独特的光电放大能力可以捕获到夜间地表的微弱灯光,能够直观地反映人类活动强度,进而识别城市建成区分布强度,利用夜间灯光数据提取城市的建成区,能在很大程度上避免传统多光谱遥感的光谱混淆。王欣等人针对灯光数据的缺陷与现有方法的不足,提出了一种融合多源遥感信息的城市建成区自动提取方法,(参考:王欣,程承旗,陈波.一种融合多维信息的城市建成区提取方法[J].地理信息世界,2019,26(5):73-78.),但存在建成区边界的提取精度易受遥感信息源精度的影响问题。Xu Z等人提出了基于POI核密度等值线分布规律来识别建成区的Densi-Graph分析方法,(参考:Xu Z,GaoX.A Novel Method for Identifying the Boundary of Urban Build-up Areas withPOI Adta[J].Acta Geographica Sinica,2016,71(6):928-939.),该方法基于POI精确的位置和属性信息,可弥补夜间灯光数据溢出的不足,但又易受POI采样精度的影响。厉飞等人针对目前单独使用夜间灯光数据提取建成区存在灯光溢出、提取的建成区边界比实际边界大且空间分辨率较低的问题,研究了将POI数据与两种夜间灯光数据结合建立NTL&POI指数的方法,(参考:历飞,闫庆武,邹雅婧,刘保丽.利用POI提高夜间灯光数据提取建成区的精度研究——以珞珈一号01星和NPP/VIIRS数据为例[J].武汉大学学报(信息科学版),2019:1-14.),该方法有效的将POI数据与夜间灯光数据结合在一起,但NTL&POI指数并未考虑时空上的连续性,从而影响建成区与非建成区的分类精度。
综上,目前研究主要利用夜光或POI数据提取城市建成区,但仍存在夜间灯光溢出、建成区边界破碎、零散图斑过多等问题。本发明从多源异构时空数据融合角度出发,提出一种新的融合指数可有效利用夜光与POI数据的时空特征,提高城市建成区的提取精度。
发明内容
针对上述技术问题,本发明的目的在于克服已有技术的不足之处,提出一种夜光与POI数据融合的城市建成区提取方法,采用STNTL-POI融合指数表达夜光与POI数据的时空特征,实现城市建成区的高精度提取,成果可应用于城市管理等领域用于提取城市建成区。
为实现上述目的,本发明提供了一种夜光与POI数据融合的城市建成区提取方法,包括如下步骤:
S1:输入城市对应的多时相夜光遥感影像数据;
S2:对步骤S1的多时相夜光遥感影像数据进行预处理;
S3:对步骤S2所得结果,采用FCM聚类方法,得到每个时相对应的初始城市建成区分类结果;
S4:输入城市对应的POI数据;
S5:对步骤S4的POI数据进行核密度计算,得到POI核密度图;
S6:对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图,采用时空STNTL-POI指数进行融合分类,得到STNTL-POI城市建成区分类结果;
S7:对步骤S6所得的STNTL-POI城市建成区分类结果,采用二分法计算阈值DNT,取大于DNT为城市建成区,小于DNT为非建成区。
可选的,所述步骤S2中多时相夜光遥感影像数据预处理为辐射校正和降噪处理。
针对珞珈一号01星夜光数据的预处理为辐射校正,表达式为:
NTLLuojia1-01=DN3/2·10-10 (1)
其中,DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理,包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
优选的,所述步骤S5中第i个像元的核密度Pi表达式为:
其中,Kj为数据点j的权重;Dij为像元i与数据点j的欧氏距离;R为计算规则区域的带宽(Dij<R);n为计算规则区域内数据点j的数量。
优选的,所述步骤S6中时空STNTL-POI指数的表达式为:
进一步的,所述步骤S7中二分法阈值DNT的表达式为:
其中,DNmax为最大阈值,DNmin为最小阈值;S(DNx)为统计阈值内灯光的斑块面积;Area为统计年鉴中的建设用地面积;如果S(DNT)>Area,则DNmin=DNT;如果S(DNT)<Area,则DNmax=DNT。
由上,本发明的夜光与POI数据融合STNTL-POI指数城市建成区提取方法,能够融合夜光与POI数据,可有效避免夜光的灯光溢出和POI数据采样不足的问题,因此可实现城市建成区的准确提取。本发明的方法利用STNTL-POI指数表达城市建成区的时空融合模型,并采用二分法完成城市建成区的精提取,本发明方法的处理过程没有近似,并且可在城市管理等领域中使用,可有效提高城市建成区的提取精度。
附图说明
图1是本发明的夜光与POI数据融合STNTL-POI指数的城市建成区提取方法的流程图。
具体实施方式
下面参见图1对本发明所述夜光与POI数据融合STNTL-POI指数的城市建成区提取方法进行详细说明。
如图1所示,为了对城市建成区进行提取,本发明一种夜光与POI数据融合的城市建成区提取方法,包括步骤如下:
步骤S1:输入某城市的多时相夜光遥感影像数据(如珞珈一号01星、DMSP-OLS、NPP/VIIRS);
步骤S2:对步骤S1的多时相夜光遥感影像数据进行预处理,针对珞珈一号01星夜光数据的预处理为辐射校正,表达式为:
NTLLuojia1-01=DN3/2·10-10 (1)
其中,DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理,包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
步骤S3:对步骤S2所得结果,采用FCM方法进行聚类,得到每个时相对应的初始城市建成区分类结果;
步骤S4:输入城市对应的POI数据;
步骤S5:对步骤S4的POI数据进行核密度计算,得到POI核密度图,其中第i个像元的核密度Pi表达式为:
其中,Kj为数据点j的权重;Dij为像元i与数据点j的欧氏距离;R为计算规则区域的带宽(Dij<R);n为计算规则区域内数据点j的数量。
步骤S6:对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图,采用时空STNTL-POI指数进行融合分类,得到STNTL-POI城市建成区分类结果,其中时空STNTL-POI指数的表达式为:
步骤S7:对步骤S6所得的STNTL-POI城市建成区分类结果,采用二分法计算阈值DNT,取大于DNT为城市建成区,小于DNT为非建成区,其中二分法阈值DNT的表达式为:
其中,DNmax为最大阈值,DNmin为最小阈值;S(DNx)为统计阈值内灯光的斑块面积;Area为统计年鉴中的建设用地面积;如果S(DNT)>Area,则DNmin=DNT;如果S(DNT)<Area,则DNmax=DNT。
以上所述,仅为本发明中的具体实施方式,本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖本发明的包含范围之内,因此本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种夜光与POI数据融合的城市建成区提取方法,其特征在于,包括如下步骤:
S1:输入城市对应的多时相夜光遥感影像数据;
S2:对步骤S1的多时相夜光遥感影像数据进行预处理;
S3:对步骤S2所得结果,采用FCM聚类方法,得到每个时相对应的初始城市建成区分类结果;
S4:输入城市对应的POI数据;
S5:对步骤S4的POI数据进行核密度计算,得到POI核密度图;
S6:对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图,采用时空STNTL-POI指数进行融合分类,得到STNTL-POI城市建成区分类结果;
S7:对步骤S6所得的STNTL-POI城市建成区分类结果,采用二分法计算阈值DNT,取大于DNT为城市建成区,小于DNT为非建成区。
2.根据权利要求1所述的一种夜光与POI数据融合的城市建成区提取方法,其特征在于,所述步骤S2中多时相夜光遥感影像数据预处理为辐射校正和降噪处理。
针对珞珈一号01星夜光数据的预处理为辐射校正,表达式为:
NTLLuojia1-01=DN3/2·10-10
其中,DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理,包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397520.2A CN112508386A (zh) | 2020-12-04 | 2020-12-04 | 一种夜光与poi数据融合的城市建成区提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397520.2A CN112508386A (zh) | 2020-12-04 | 2020-12-04 | 一种夜光与poi数据融合的城市建成区提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112508386A true CN112508386A (zh) | 2021-03-16 |
Family
ID=74969695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011397520.2A Pending CN112508386A (zh) | 2020-12-04 | 2020-12-04 | 一种夜光与poi数据融合的城市建成区提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112508386A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065481A (zh) * | 2021-04-09 | 2021-07-02 | 中国测绘科学研究院 | 一种运输投送环境下融合多源数据的城市建成区提取方法 |
CN113723175A (zh) * | 2021-07-14 | 2021-11-30 | 中国人民解放军战略支援部队信息工程大学 | 一种遥感影像城市建成区提取方法 |
CN114580975A (zh) * | 2022-05-05 | 2022-06-03 | 成都数联云算科技有限公司 | 街区活力获得方法及***及装置及介质 |
CN114723294A (zh) * | 2022-04-11 | 2022-07-08 | 中国矿业大学 | 一种基于poi数据的建成区快速提取方法及*** |
CN116486031A (zh) * | 2023-05-25 | 2023-07-25 | 南京大学 | 时序遥感数据与地理大数据融合的城市更新区域识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991529A (zh) * | 2017-03-28 | 2017-07-28 | 武汉大学 | 基于跨域多维大数据的城市夜间灯光经济指数评价方法 |
CN107016403A (zh) * | 2017-02-23 | 2017-08-04 | 中国水利水电科学研究院 | 一种基于夜间灯光数据提取城市建成区阈值的方法 |
WO2018152942A1 (zh) * | 2017-02-22 | 2018-08-30 | 东南大学 | 一种基于多源大数据融合的城市空间全息地图的构建方法 |
WO2020063461A1 (zh) * | 2018-09-30 | 2020-04-02 | 广州地理研究所 | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 |
-
2020
- 2020-12-04 CN CN202011397520.2A patent/CN112508386A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018152942A1 (zh) * | 2017-02-22 | 2018-08-30 | 东南大学 | 一种基于多源大数据融合的城市空间全息地图的构建方法 |
CN107016403A (zh) * | 2017-02-23 | 2017-08-04 | 中国水利水电科学研究院 | 一种基于夜间灯光数据提取城市建成区阈值的方法 |
CN106991529A (zh) * | 2017-03-28 | 2017-07-28 | 武汉大学 | 基于跨域多维大数据的城市夜间灯光经济指数评价方法 |
WO2020063461A1 (zh) * | 2018-09-30 | 2020-04-02 | 广州地理研究所 | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 |
Non-Patent Citations (7)
Title |
---|
姜椿芳 等: "《中国大百科全书》", 31 May 1988, 中国大百科全书出版社 * |
杜军平 等: "《跨尺度运动图像的插值、增强与重建》", 30 April 2019, 北京邮电大学出版社 * |
杨洋 等: "利用DMSP/OLS稳定夜间灯光数据提取城镇用地信息的分层阈值法研究", 《中国图象图形学报》 * |
王欣 等: "一种融合多维信息的城市建成区提取方法", 《地理信息世界》 * |
邹雅婧 等: "基于 LJ1-01 夜间灯光影像的苏锡常地区人口空间化研究", 《长江流域资源与环境》 * |
郑洪晗 等: "夜间灯光数据和兴趣点数据结合的建成区提取方法", 《地理与地理信息科学》 * |
闫庆武 等: "基于2种夜间灯光影像亮度修正指数的城市建成区提取研究", 《地球信息科学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065481A (zh) * | 2021-04-09 | 2021-07-02 | 中国测绘科学研究院 | 一种运输投送环境下融合多源数据的城市建成区提取方法 |
CN113723175A (zh) * | 2021-07-14 | 2021-11-30 | 中国人民解放军战略支援部队信息工程大学 | 一种遥感影像城市建成区提取方法 |
CN114723294A (zh) * | 2022-04-11 | 2022-07-08 | 中国矿业大学 | 一种基于poi数据的建成区快速提取方法及*** |
CN114580975A (zh) * | 2022-05-05 | 2022-06-03 | 成都数联云算科技有限公司 | 街区活力获得方法及***及装置及介质 |
CN116486031A (zh) * | 2023-05-25 | 2023-07-25 | 南京大学 | 时序遥感数据与地理大数据融合的城市更新区域识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508386A (zh) | 一种夜光与poi数据融合的城市建成区提取方法 | |
Riveiro et al. | Automatic detection of zebra crossings from mobile LiDAR data | |
CN110427857B (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
CN108197583B (zh) | 基于图割优化和影像结构特征的建筑物变化检测方法 | |
Chen et al. | Hierarchical object oriented classification using very high resolution imagery and LIDAR data over urban areas | |
Qin et al. | A hierarchical building detection method for very high resolution remotely sensed images combined with DSM using graph cut optimization | |
Huang et al. | A top-down strategy for buildings extraction from complex urban scenes using airborne LiDAR point clouds | |
CN109919944A (zh) | 一种复杂场景建筑物变化检测的联合超像素图割优化方法 | |
CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
CN110852179A (zh) | 基于视频监控平台的可疑人员入侵的检测方法 | |
CN112989985A (zh) | 一种融合夜间灯光数据与Landsat8 OLI影像的城市建成区提取方法 | |
Guo et al. | Dual-concentrated network with morphological features for tree species classification using hyperspectral image | |
CN107103295A (zh) | 光学遥感影像云检测方法 | |
Dong et al. | Pixel-level intelligent segmentation and measurement method for pavement multiple damages based on mobile deep learning | |
CN109978842A (zh) | 一种基于摄像头图像的能见度解析方法 | |
CN103489189B (zh) | 基于交通路口视频的车道检测和分割方法 | |
Kim et al. | Generation of a DTM and building detection based on an MPF through integrating airborne lidar data and aerial images | |
CN112232303A (zh) | 一种基于高分遥感影像的草原道路信息提取方法 | |
Raikar et al. | Automatic building detection from satellite images using internal gray variance and digital surface model | |
Rufei et al. | Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud | |
CN113537093B (zh) | 一种道面图像波浪拥包的轮廓线提取方法 | |
Sun et al. | A vision system based on TOF 3D imaging technology applied to robotic citrus harvesting | |
CN114241333A (zh) | 一种基于多源时序遥感影像精准识别新生滑坡区域的方法 | |
CN115063698A (zh) | 斜坡地表变形裂缝自动识别与信息提取方法及*** | |
Sun et al. | Automatic pavement cracks detection system based on Visual Studio C++ 6.0 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210316 |
|
WD01 | Invention patent application deemed withdrawn after publication |