CN113063741A - 一种基于光谱特征的城市建筑材质提取方法及装置 - Google Patents
一种基于光谱特征的城市建筑材质提取方法及装置 Download PDFInfo
- Publication number
- CN113063741A CN113063741A CN202110270743.0A CN202110270743A CN113063741A CN 113063741 A CN113063741 A CN 113063741A CN 202110270743 A CN202110270743 A CN 202110270743A CN 113063741 A CN113063741 A CN 113063741A
- Authority
- CN
- China
- Prior art keywords
- swir
- spectral
- area
- extracting
- band
- 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.)
- Granted
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 173
- 239000004566 building material Substances 0.000 title claims abstract description 87
- 238000000605 extraction Methods 0.000 title claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 93
- 239000010426 asphalt Substances 0.000 claims abstract description 59
- 239000004033 plastic Substances 0.000 claims abstract description 51
- 229920003023 plastic Polymers 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 37
- 239000002184 metal Substances 0.000 claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims description 53
- 239000000463 material Substances 0.000 claims description 17
- DZSYJVXGONVNKA-UHFFFAOYSA-L NIR-1 dye Chemical compound [K+].[K+].C1=CC2=C(S([O-])(=O)=O)C=C(S([O-])(=O)=O)C=C2C(C2(C)C)=C1[N+](CC)=C2C=CC=CC=CC=C1C(C)(C)C2=CC(C(O)=O)=CC=C2N1CCCCS([O-])(=O)=O DZSYJVXGONVNKA-UHFFFAOYSA-L 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- AUQMGYLQQPSCNH-UHFFFAOYSA-L NIR-2 dye Chemical compound [K+].[K+].C1=CC2=C(S([O-])(=O)=O)C=C(S([O-])(=O)=O)C=C2C(C2(C)C)=C1[N+](CC)=C2C=CC=CC=C1C(C)(C)C2=CC(C(O)=O)=CC=C2N1CCCCS([O-])(=O)=O AUQMGYLQQPSCNH-UHFFFAOYSA-L 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000003247 decreasing effect Effects 0.000 description 3
- 101000583150 Homo sapiens Membrane-associated phosphatidylinositol transfer protein 3 Proteins 0.000 description 2
- 102100030351 Membrane-associated phosphatidylinositol transfer protein 3 Human genes 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- -1 shadow Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 102000006463 Talin Human genes 0.000 description 1
- 108010083809 Talin Proteins 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种基于光谱特征的城市建筑材质的提取方法,包括:获取包含城市区域的高分辨率超光谱影像,并计算影像中每个像元的光谱特征曲线;然后,先提取出光谱特征比较接近的水体、沥青和阴影的混合部分,得到包含水体、阴影和沥青的混合区域以及待处理的区域,再基于水体和沥青的特征从混合区域中提取出水体、沥青和阴影;之后,再通过预设的第二建筑材质的光谱特征,依次提取植被、塑料、混凝土、裸地和金属。由此,通过预先得到的不同建筑材质的光谱特征,实现了从高分辨率超光谱影像进行建筑材质提取的目的。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种基于光谱特征的城市建筑材质提取方法及装置。
背景技术
城市建筑中包含多种多样的材料,除了自然地表外还包含很多的人造建筑材料,人造建筑材料虽然弥补了自然建筑资源短缺的问题,但是带来了光污染、化学污染和大气污染等负面影响,为了缓解这一矛盾,需要对城市的建筑材质的分布建立监管机制。
实现对城市建筑材质的分布进行监管的前提是,能够从城市的地图中划分出每种材质,但是,现有技术中,缺少对建筑材质进行划分的方法,因此亟需一种能够提取不同建筑材质的方法。
发明内容
有鉴于此,本发明实施例提供了一种基于光谱的城市建筑材质提取方法及装置,实现了提取城市建筑材质的目的。
本发明实施例公开了一种基于光谱特征的城市建筑材质提取方法,包括:
获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;所述第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征;
基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青中的一个或者多个;
通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
可选的,所述光谱特征曲线表征表示光波段与反射率关系,其中,光谱特征曲线中波段的先后顺序为:海岸带、蓝、绿、黄、红、红边、近红外1、近红外2、短波红外SWIR-1、短波红外SWIR-2、短波红外SWIR-3、短波红外SWIR-4、短波红外SWIR-5、短波红外SWIR-6、短波红外SWIR-7、短波红外SWIR-8。
可选的,所述第一建筑材质的光谱特征条件包括:
光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
可选的,所述第一建筑材质的光谱特征条件还包括:
所述短红外SWIR-1波段小于等于预设的第二阈值。
可选的,所述基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青,包括:
计算混合区域中每个像元的水体指数;所述水体指数表征黄波段到短红外SWIR-5波段的斜率;
提取出水体指数大于等于预设的第三阈值的像元,得到水体和阴影区域;
调取与所述高分辨率超光谱影像的地理位置相同的OSM开放地图,并通过OSM开放地图提取所述混合区域中的水体。
可选的,所述通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一个或多个材质,包括:
计算第一待处理区域中的每个像元的植被指数;所述植被指数表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况;
提取出植被指数大于等于预设的第四阈值的像元,得到植被区域和第二待处理区域;
计算第二待处理区域中各个像元的塑料指数;所述塑料指数表示SWIR-2波段到SWIR-4波段以及SWIR-5波段到SWIR-8波段的斜率变化情况;
提取出塑料指数大于等于预设的第五阈值的像元,得到塑料区域和第三待处理区域;
计算第三待处理区域中各个像元的第一混凝土指数和第二混凝土指数;所述第一混凝土指数为SWIR-5波段与SWIR-1波段的差值,所述第二混凝土指数表示红边波段到近红外1波段到斜率的变化情况;
提取出第一混凝土指数小于等于预设的第六阈值,且第二混凝土指数小于预设的第七阈值的像元,得到混凝土区域和第四待处理区域;
计算裸地指数;所述裸地指数为SWIR-4波段与SWIR-8波段的差值;
提取出裸地指数大于零的像元,得到裸地区域和金属区域。
可选的,还包括:
所述高分辨率超光谱影像是经过图像预处理后得到的,所述预处理的过程包括:
对所述高分辨率超光谱影像进行几何校正;
对所述高分辨率超光谱影像进行辐射定标;
对所述高分辨率光谱影像进行大气校正;
将所述高分辨率超光谱影像的每个波段转换为相同的分辨率。
本发明实施例还公开了一种基于光谱特征的城市建筑材质提取装置,包括:
光谱特征曲线计算单元,用于获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
第一提取单元,用于从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;所述第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征;
第二提取单元,用于基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青中的一个或者多个;
第三提取单元,用于通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
可选的,所述第一建筑材质的光谱特征条件包括:
光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
可选的,所述第一建筑材质的光谱特征条件还包括:
所述短红外SWIR-1波段小于等于预设的第二阈值。
本发明实施例公开了一种基于光谱特征的城市建筑材质的提取方法,包括:获取包含城市区域的高分辨率超光谱影像,并计算影像中每个像元的光谱特征曲线;然后,先提取出光谱特征比较接近的水体、沥青和阴影的混合部分,得到包含水体、阴影和沥青的混合区域以及待处理的区域,再基于水体和沥青的特征从混合区域中提取出水体、沥青和阴影;之后,再通过预设的第二建筑材质的光谱特征,依次提取植被、塑料、混凝土、裸地和金属。由此,通过预先得到的不同建筑材质的光谱特征,实现了从高分辨率超光谱影像进行建筑材质提取的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的流程示意图;
图2示出了各建筑材质的光谱特征曲线;
图3示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的另一流程示意图;
图4示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的另一流程示意图;
图5为提取出水体、阴影和沥青的混合区域的结果的示意图;
图6为提取出水体和阴影的结果的示意图;
图7为提取出植被结果的示意图;
图8为提取出塑料结果的示意图;
图9为提取出混凝土的结果的示意图;
图10为提取出的裸地的结果的示意图;
图11示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取装置的结果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参考图1,示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的流程示意图,在本实施例中,该方法包括:
S101:获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
当前,存在多种形式的遥感光谱影像,但是申请人发现,一方面,星载高光谱数据空间分辨率较低,在异质性较强的城市环境通常无法探测到较多的建筑材料类型,另一方面,对于具有高空间分辨率的机载高光谱数据在很多区域无法获取。
为了避免上述问题,本实施例中采用高分辨率的超光谱影像,例如WorldView-3高分辨率超光谱影像,该影像同时拥有超光谱和高空间分辨率的特点。
为了进一步提高提取结果的精度,预先对获取到的高分辨率从超光谱影像进行了预处理,预处理的过程包括:
所述高分辨率超光谱影像是经过图像预处理后得到的,所述预处理的过程包括:
对所述高分辨率超光谱影像进行几何校正;
对所述高分辨率超光谱影像进行辐射定标;
对所述高分辨率光谱影像进行大气校正;
将所述高分辨率超光谱影像的每个波段转换为相同的分辨率。
其中,进行几何校正的方法对影像进行处理,是为了消除非***性几何形变,具体方法为:
使用地面控制点对影像进行几何精校正,例如几何校正精度达到0.5个象元,之后采用最近邻插值方法对图像进行重采样。
其中,对所述高分辨率超光谱影像进行辐射定标的过程可以包括:根据影像定标参数,通过辐射定标将图像的数字量化值(DN)转化为反射率。
其中,对所述高分辨率光谱影像进行大气校正的过程可以包括:根据影像元数据设置参数值,消除大气和光照等因素对地物反射的影响,获得地表的实际反射率。
并且由于原始影像可见光和近红外波段的空间分辨率为1.24m,而短波红外波段空间分辨率只有3.7m,同时短波红外波段数据非常适合对人造地物和天然材料进行识别。因此为了得到更好的分类效果,可以将影像转换的波段转换为相同的分辨率。
本实施例中,高分辨率超光谱影像中每个像元均包含多个波段,以WorldView-3高分辨率超光谱影像为例,每个像元包括16个波段,根据每个像元在不同波段的反射率,可以得到该像元的光谱特征曲线,也就是说,光谱特征曲线表征表示光波段与反射率关系,其中,光谱特征曲线中波段的先后顺序为:海岸带、蓝、绿、黄、红、红边、近红外1、近红外2、SWIR-1、SWIR-2、SWIR-3、SWIR-4、SWIR-5、SWIR-6、SWIR-7、SWIR-8,如下表1所示,示出了每种波段的波长范围:
表1
例如,如图2所示,示出了各建筑材质的光谱特征曲线,其中横轴表示波长范围,总坐标表示反射率。
其中,图2横坐标中band1、band2、band3、band4…band16分别对应于表1中的波段1、2、3、4、…、16。
S102:从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;
其中,第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征。
本实施例中,申请人发现,水体、阴影和沥青的光谱特征非常接近,如下图2所示,最下方的三条曲线为水体、阴影和沥青的光谱特征曲线,因此,为了方便提取,本实施例中,通过水体、阴影和沥青的相同光谱特征,从高分辨率超光谱影像中提取出包含水体、阴影和沥青的混合区域。
其中,申请人经研究发现,水体、阴影和沥青这三种材质这三类地物材料光谱特征较为相似,均在可见光波段达到反射率最大值,此后反射率逐渐减小,且不再有反射峰出现整体变化平稳,同时三者整体反射率为各类地物中最小的。
基于上述发现,用于提取水体、阴影和沥青的混合区域的第一建筑材质光谱条件可以为:光谱特征曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
例如,可以通过如下的公式1)表示该第一建筑材质光谱条件:
1):
其中,Y1表示第一阈值,优选的第一阈值可以为0.2383,bred表示red波段的反射率,bred edge表示red edge波段的反射率;bNIR1表示NIR1波段的反射率,bNIR2表示NIR波段的反射率,bSWIR-1SWIR-1波段的反射率,bSWIR-2表示SWIR-2波段的反射率,bSWIR-3表示SWIR-3波段的反射率,bSWIR-4表示SWIR-4波段的反射率,bSWIR-5表示SWIR-5波段的反射率,bSWIR-6表示SWIR-6波段的反射率,bSWIR-7表示SWIR-7波段的反射率,bSWIR-8表示SWIR-8波段的反射率。
为了提升提取到的混合区域的精度,第一建筑材质光谱条件还包括:短红外SWIR-1波段小于等于预设的第二阈值。
其中,优选的第二阈值可以为0.2035。
基于此,第一建筑材质光谱条件可以为:
2)
其中,Y2表示第二阈值,优选的第二阈值可以为0.2035,bred表示red波段的反射率,bred edge表示red edge波段的反射率;bNIR1表示NIR1波段的反射率,bNIR2表示NIR波段的反射率,bSWIR-1SWIR-1波段的反射率,bSWIR-2表示SWIR-2波段的反射率,bSWIR-3表示SWIR-3波段的反射率,bSWIR-4表示SWIR-4波段的反射率,bSWIR-5表示SWIR-5波段的反射率,bSWIR-6表示SWIR-6波段的反射率,bSWIR-7表示SWIR-7波段的反射率,bSWIR-8表示SWIR-8波段的反射率。
本实施例中,需要说明的是,提取出的混合区域可以为包含水体、沥青、阴影中的任意一个或者多个。
另外,第一待处理区域为高分辨率超光谱影像中混合区域之外的部分。
S103:基于预设的水体特征和沥青特征,从所述混合区域提取出水体、阴影和沥青中的一个或者多个;
其中,由于水体和阴影的光谱特征非常相似,难以用光谱特征区分出水体和阴影,本实施例中,通过OSM(英文名称:OpenStreetMap,中文名称:开放街道地图)对水体进行提取,沥青的光谱特征与水体和阴影和区别之处,可以光谱特征区分沥青与另外两种,具体的,S103包括:
计算混合区域中每个像元的水体指数;所述水体指数表征黄波段到短红外SWIR-5波段的斜率;
提取出水体指数大于等于预设的第三阈值的像元,得到水体和阴影区域;
调取与所述高分辨率超光谱影像的地理位置相同的OSM开放地图,并通过OSM开放地图提取所述混合区域中的水体。
举例说明:提取水体和阴影的条件为,水体指数大于等于预设的第三阈值,其中该条件可以通过如下的公式3)表示:
其中,SNDWI表示水体指数,Y3表示第三阈值,优选的第三阈值可以为0.22,byellow表示在yellow波段的反射率,bSWIR-5表示SWIR-5波段的反射率。
需要说明的是,在混合区域包含水体、阴影和沥青的情况下,则基于水体特征和沥青特征,提取出水体、阴影和沥青。但是在混合区域仅包含水体、阴影和沥青中的任何一个或者两个的情况下,则仅将包含有的建筑材质提取出来。
S104:通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;
其中,所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
本实施例中,植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征是通过对每种材质的光谱特征曲线,以及每种材质的光谱特征曲线与其它材质的光谱特征曲线的区别进行分析后得到的。
其中,每种材质具体的光谱特征会在下文中进行介绍,本实施例中不再赘述。
本发明实施例公开了一种基于光谱特征的城市建筑材质的提取方法,包括:获取包含城市区域的高分辨率超光谱影像,并计算影像中每个像元的光谱特征曲线;然后,先提取出光谱特征比较接近的水体、沥青和阴影的混合部分,得到包含水体、阴影和沥青的混合区域以及待处理的区域,再基于水体和沥青的特征从混合区域中提取出水体、沥青和阴影;之后,再通过预设的第二建筑材质的光谱特征,依次提取植被、塑料、混凝土、裸地和金属。由此,通过预先得到的不同建筑材质的光谱特征,实现了从高分辨率超光谱影像进行建筑材质提取的目的。
参考图3,示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的另一流程示意图,在本实施例中,该方法包括:
S301:计算第一待处理区域中的每个像元的植被指数;所述植被指数表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况;
本实施例中,申请人发现,植被在短红外波段SWIR-1到SWIR-2,以及SWIR-3波段到SWIR-5波段的光谱特征的递减情况,与其它材质有很好的可区分性。
由此可以通过SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况,从第一待处理区域中提取植被。
其中,可以通过多种不同的方式表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况,本实施例中,可以通过如下的公式4)表示:
其中,SNDVI表示植被指数,bSWIR-1表示SWIR-1波段的反射率,bSWIR-2表示SWIR-2波段的反射率,bSWIR-3表示SWIR-3波段的反射率,bSWIR-5表示SWIR-5波段的反射率。
S302:提取出植被指数大于等于预设的第四阈值的像元,得到植被区域和第二待处理区域;
其中,提取植被的条件为,植被指数大于等于预设的第四阈值,例如可以通过如下的公式5)表示:
其中,Y4为第四阈值,优选的,第四阈值可以为0.055,bSWIR-1SWIR-1波段的反射率,bSWIR-2表示SWIR-2波段的反射率,bSWIR-3表示SWIR-3波段的反射率,bSWIR-5表示SWIR-5波段的反射率。
S303:计算第二待处理区域中各个像元的塑料指数;所述塑料指数表示SWIR-2波段到SWIR-4波段以及SWIR-5波段到SWIR-8波段的斜率变化情况;
本实施例中,申请人发现,塑料的光谱特征区域在SWIR-2波段到SWIR-4波段,以及SWIR-5到SWIR-8波段的反射率的递减特征,对其它的建筑材质有很好的区别效果。
其中,可以通过多种不同的形式表示SWIR-2波段到SWIR-4波段,以及SWIR-5到SWIR-8波段的反射率的递减特征,例如可以通过如下的公式6)表示:
其中,NDPI表示塑料指数,bSWIR-2表示SWIR-2波段的反射流率、bSWIR-4表示SWIR-4波段的反射率,bSWIR-5表示SWIR-5波段的反射率,bSWIR-8表示SWIR-8波段的反射率。
S304:提取出塑料指数大于等于预设的第五阈值的像元,得到塑料区域和第三待处理区域;
本实施例中,提取塑料的条件为,塑料指数大于等于预设的第五阈值,例如可以通过如下的公式7)表示:
其中,Y5表示第五阈值,优选的,第五阈值可以为0.055,bSWIR-2表示SWIR-2波段的反射率,bSWIR-4表示SWIR-4波段的反射率,bSWIR-5表示SWIR-5波段的反射率,bSWIR-8表示SWIR-8波段的反射率。S305:计算第三待处理区域中各个像元的第一混凝土指数和第二混凝土指数;所述第一混凝土指数为SWIR-5波段与SWIR-1波段的差值,所述第二混凝土指数表示红边波段到近红外1波段到斜率的变化情况;
S306:提取出第一混凝土指数小于等于预设的第六阈值,且第二混凝土指数小于预设的第七阈值的像元,得到混凝土区域和第四待处理区域;
通过上述介绍可知,提取混凝土的条件为:第一混凝土指数小于等于预设的第六阈值,第二混凝土指数小于预设的第七阈值,例如该条件可以通过如下的公式8)表示:
其中,bSWIR-5表示SWIR-5波段的反射率,bSWIR-1表示SWIR-1波段的反射率,bNIR1表示近红外1波段的反射率,bred edge表示红边波段的反射率,Y6表示第六阈值,Y7表示第七阈值。优选的,第六阈值为0.04,第七阈值为0.02。
S307:计算裸地指数;所述裸地指数为SWIR-4波段与SWIR-8波段的差值;
S308:提取出裸地指数大于零的像元,得到裸地区域和金属区域。
本实施例中,研究者发现,在剩余的裸地和金属材料中,裸地在SWIR-4波段、SWIR-5波段处达到最大值,之后反射率开始递减直到最后的SWIR-8波段处,由此得到了提取裸地的条件为SWIR-4波段与SWIR-8波段的差值大于零,例如可以通过如下的公式9)表示:
9)bSWIR-4-bSWIR-8>0;
其中,bSWIR-4表示SWIR-4波段的反射率,bSWIR-8表示SWIR-8波段的反射率。
本实施例中,按照预设的建筑材质的提取顺序,依次对建筑材质进行提取,这样,实现了对建筑材质中植被、塑料、混凝土、裸地和金属的提取。
参考图4,示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取方法的另一流程示意图,在本实施例中,该方法包括:
S401:获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
S402:对所述高分辨率超光谱影像进行预处理;
其中,预处理的过程包括:影像的预处理包括几何校正、辐射定标、大气校正、图像融合、裁剪等步骤。
其中,这些步骤的具体执行过程,在上文中有具体的介绍,本实施例中不再赘述。
其中,图像融合是将所述高分辨率超光谱影像的每个波段转换为相同的分辨率的一种方法,上文中进行了详细的介绍,本实施例中不再赘述。
S403:从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;第一建筑材质的光谱条件为光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值,且短红外SWIR-1波段小于等于预设的第二阈值;
其中,提取混合区域的条件可以表示为:
Max(bred,bred edge)<Y1;
Max(bred,bred edge)>max(bNIR1,bNIR2,bSWR-1,bSWR-2,…bSWR-8);
bSWIR-1≤Y2
S404:计算混合区域中每个像元的水体指数,并提取水体指数大于预设的第三阈值的像元,得到水体和阴影区域;所述水体指数表征黄波段到短红外SWIR-5波段的斜率;
其中,提取水体和阴影的条件是:SNDWI≥Y3。S404:调取与所述高分辨率超光谱影像的地理位置相同的OSM开放地图,并通过OSM开放地图提取所述混合区域中的水体。
S405:计算第一待处理区域中的每个像元的植被指数,提取出植被指数大于等于预设的第四阈值的像元,得到植被区域和第二待处理区域;所述植被指数表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况;
其中,提取植被的条件可以表示为:SNDVI≥Y4。
S406:计算第二待处理区域中各个像元的塑料指数,提取出塑料指数大于等于预设的第五阈值的像元,得到塑料区域和第三待处理区域;所述塑料指数表示SWIR-2波段到SWIR-4波段以及SWIR-5波段到SWIR-8波段的斜率变化情况;
其中,提取塑料的条件可以表示为:NDPI≥Y5。
S407:计算第三待处理区域中各个像元的第一混凝土指数和第二混凝土指数,提取出第一混凝土指数小于等于预设的第六阈值,且第二混凝土指数小于预设的第七阈值的像元,得到混凝土区域和第四待处理区域;;所述第一混凝土指数为SWIR-5波段与SWIR-1波段的差值,所述第二混凝土指数表示红边波段到近红外1波段的斜率的变化情况;S412:计算裸地指数,提取出裸地指数大于零的像元,得到裸地区域和金属区域;所述裸地指数为SWIR-4波段与SWIR-8波段的差值;
其中,提取裸地的条件表示为:bSWIR-4>bSWIR-8。
举例说明,如图5-图10所示,示出了提取出不同材质后的提取结果,其中,图5为提取出水体、阴影和沥青的混合区域的结果的示意图,其中,白色部分为提取出的提取出水体、阴影和沥青的混合区域;图6为提取出水体和阴影的结果的示意图,其中,白色的部分为提取出的水体和阴影的部分;图7为提取出植被结果的示意图,其中白色的部分为提取出的植被的区域;图8为提取出塑料结果的示意图,其中白色部分为提取出的塑料的区域;图9为提取出混凝土的结果的示意图,其中白色部分为提取出的混凝土区域;图10为提取出的裸地的结果的示意图,其中白色部分为提取出的裸地区域。
进一步的,为了方便用户查看提取出的结果,可以对高分辨率超光谱影像进行分类制图,例如采用不同的颜色表示不同的建筑材质。
本发明实施例公开了一种基于光谱特征的城市建筑材质的提取方法,包括:获取包含城市区域的高分辨率超光谱影像,并计算影像中每个像元的光谱特征曲线;然后,先提取出光谱特征比较接近的水体、沥青和阴影的混合部分,得到包含水体、阴影和沥青的混合区域以及待处理的区域,再基于水体和沥青的特征从混合区域中提取出水体、沥青和阴影;之后,再通过预设的第二建筑材质的光谱特征,依次提取植被、塑料、混凝土、裸地和金属。由此,通过预先得到的不同建筑材质的光谱特征,实现了从高分辨率超光谱影像进行建筑材质提取的目的。
参考图11,示出了本发明实施例提供的一种基于光谱特征的城市建筑材质提取装置的结果示意图,在本实施例中,该装置包括:
光谱特征曲线计算单元1101,用于获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
第一提取单元1102,用于从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;所述第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征;
第二提取单元1103,用于基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青中的一个或者多个;
第三提取单元1104,用于通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
可选的,所述第一建筑材质的光谱特征条件包括:
光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
可选的,所述第一建筑材质的光谱特征条件还包括:
所述短红外SWIR-1波段小于等于预设的第二阈值。
可选的,所述第二提取单元,包括:
水体指数计算子单元,用于计算混合区域中每个像元的水体指数;所述水体指数表征黄波段到短红外SWIR-5波段的斜率;
沥青提取子单元,用于提取出水体指数大于等于预设的第三阈值的像元,得到水体和阴影区域;
水体提取子单元,用于调取与所述高分辨率超光谱影像的地理位置相同的OSM开放地图,并通过OSM开放地图提取所述混合区域中的水体。
可选的,所述第三提取单元,包括:
植被指数计算子单元,用于计算第一待处理区域中的每个像元的植被指数;所述植被指数表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况;
植被提取子单元,用于提取出植被指数大于等于预设的第四阈值的像元,得到植被区域和第二待处理区域;
塑料指数提取子单元,用于计算第二待处理区域中各个像元的塑料指数;所述塑料指数表示SWIR-2波段到SWIR-4波段以及SWIR-5波段到SWIR-8波段的斜率变化情况;
塑料提取子单元,用于提取出塑料指数大于等于预设的第五阈值的像元,得到塑料区域和第三待处理区域;
混凝土指数计算子单元,用于计算第三待处理区域中各个像元的第一混凝土指数和第二混凝土指数;所述第一混凝土指数为SWIR-5波段与SWIR-1波段的差值,所述第二混凝土指数表示红边波段到近红外1波段的斜率的变化情况;
混凝土提取子单元,用于提取出第一混凝土指数小于等于预设的第六阈值,且第二混凝土指数小于预设的第七阈值的像元,得到混凝土区域和第四待处理区域;
裸地指数计算子单元,用于计算裸地指数;所述裸地指数为SWIR-4波段与SWIR-8波段的差值;
裸地提取子单元,用于提取出裸地指数大于零的像元,得到裸地区域和金属区域。
通过本实施例的装置,获取包含城市区域的高分辨率超光谱影像,并计算影像中每个像元的光谱特征曲线;然后,先提取出光谱特征比较接近的水体、沥青和阴影的混合部分,得到包含水体、阴影和沥青的混合区域以及待处理的区域,再基于水体和沥青的特征从混合区域中提取出水体、沥青和阴影;之后,再通过预设的第二建筑材质的光谱特征,依次提取植被、塑料、混凝土、裸地和金属。由此,通过预先得到的不同建筑材质的光谱特征,实现了从高分辨率超光谱影像进行建筑材质提取的目的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于光谱特征的城市建筑材质提取方法,其特征在于,包括:
获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;所述第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征;
基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青中的一个或者多个;
通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
2.根据权利要求1所述的方法,其特征在于,所述光谱特征曲线表征表示光波段与反射率关系,其中,光谱特征曲线中波段的先后顺序为:海岸带、蓝、绿、黄、红、红边、近红外1、近红外2、短波红外SWIR-1、短波红外SWIR-2、短波红外SWIR-3、短波红外SWIR-4、短波红外SWIR-5、短波红外SWIR-6、短波红外SWIR-7、短波红外SWIR-8。
3.根据权利要求2所述的方法,其特征在于,所述第一建筑材质的光谱特征条件包括:
光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
4.根据权利要求3所述的方法,其特征在于,所述第一建筑材质的光谱特征条件还包括:
所述短红外SWIR-1波段小于等于预设的第二阈值。
5.根据权利要求2所述的方法,其特征在于,所述基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青,包括:
计算混合区域中每个像元的水体指数;所述水体指数表征黄波段到短红外SWIR-5波段的斜率;
提取出水体指数大于等于预设的第三阈值的像元,得到水体和阴影区域;
调取与所述高分辨率超光谱影像的地理位置相同的OSM开发地图,并通过OSM开发地图提取所述混合区域中的水体。
6.根据权利2所述的方法,其特征在于,所述通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一个或多个材质,包括:
计算第一待处理区域中的每个像元的植被指数;所述植被指数表示SWIR-1波段到SWIR-2波段的斜率,以及SWIR-3波段到SWIR-5波段的光谱曲线的斜率变化情况;
提取出植被指数大于等于预设的第四阈值的像元,得到植被区域和第二待处理区域;
计算第二待处理区域中各个像元的塑料指数;所述塑料指数表示SWIR-2波段到SWIR-4波段以及SWIR-5波段到SWIR-8波段的斜率变化情况;
提取出塑料指数大于等于预设的第五阈值的像元,得到塑料区域和第三待处理区域;
计算第三待处理区域中各个像元的第一混凝土指数和第二混凝土指数;所述第一混凝土指数为SWIR-5波段与SWIR-1波段的差值,所述第二混凝土指数表示红边波段到近红外1波段的斜率的变化情况;
提取出第一混凝土指数小于等于预设的第六阈值,且第二混凝土指数小于预设的第七阈值的像元,得到混凝土区域和第四待处理区域;
计算裸地指数;所述裸地指数为SWIR-4波段与SWIR-8波段的差值;
提取出裸地指数大于零的像元,得到裸地区域和金属区域。
7.根据权利要求1所述的方法,其特征在于,还包括:
所述高分辨率超光谱影像是经过图像预处理后得到的,所述预处理的过程包括:
对所述高分辨率超光谱影像进行几何校正;
对所述高分辨率超光谱影像进行辐射定标;
对所述高分辨率光谱影像进行大气校正;
将所述高分辨率超光谱影像的每个波段转换为相同的分辨率。
8.一种基于光谱特征的城市建筑材质提取装置,其特征在于,包括:
光谱特征曲线计算单元,用于获取包含城市区域的高分辨率超光谱影像,并计算高分辨率超光谱影像中每个像元的光谱特征曲线;
第一提取单元,用于从所述高分辨率超光谱影像中提取出符合预设的第一建筑材质的光谱特征条件的像元,得到提取出的混合区域以及第一待处理区域;所述第一光谱特征条件为具备水体、沥青和阴影的光谱特征曲线的共有特征;
第二提取单元,用于基于水体特征和沥青特征,从所述混合区域中提取出水体、阴影和沥青中的一个或者多个;
第三提取单元,用于通过预设的第二建筑材质的光谱特征,从所述待处理区域中依次提取出植被、塑料、混凝土、裸地和金属中的一种或者多种材质;所述预设的第二建筑材质的光谱特征为植被的光谱特征、塑料的光谱特征、混凝土的光谱特征、裸地的光谱特征中的一种或者多种。
9.根据权利要求8所述的装置,其特征在于,所述第一建筑材质的光谱特征条件包括:
光谱曲线在红波段或者红外波段达到峰值,且光谱曲线的峰值小于预设的第一阈值。
10.根据权利要求9所述的装置,其特征在于,所述第一建筑材质的光谱特征条件还包括:
所述短红外SWIR-1波段小于等于预设的第二阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270743.0A CN113063741B (zh) | 2021-03-12 | 2021-03-12 | 一种基于光谱特征的城市建筑材质提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270743.0A CN113063741B (zh) | 2021-03-12 | 2021-03-12 | 一种基于光谱特征的城市建筑材质提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113063741A true CN113063741A (zh) | 2021-07-02 |
CN113063741B CN113063741B (zh) | 2022-09-09 |
Family
ID=76560254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110270743.0A Active CN113063741B (zh) | 2021-03-12 | 2021-03-12 | 一种基于光谱特征的城市建筑材质提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113063741B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092813A (zh) * | 2021-11-25 | 2022-02-25 | 中国科学院空天信息创新研究院 | 一种工业园区图像提取方法、模型、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002267601A (ja) * | 2001-03-07 | 2002-09-18 | Kurabo Ind Ltd | プラスチック材等の材質判別方法及び装置 |
CN108596103A (zh) * | 2018-04-26 | 2018-09-28 | 吉林大学 | 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法 |
CN111157524A (zh) * | 2020-01-09 | 2020-05-15 | 北京观澜智图科技有限公司 | 基于高分影像的道路材质识别方法及装置和电子设备 |
CN111582194A (zh) * | 2020-05-12 | 2020-08-25 | 吉林大学 | 基于多特征lstm网络的多时相高分辨率遥感影像的建筑物提取方法 |
CN112017160A (zh) * | 2020-08-05 | 2020-12-01 | 中国公路工程咨询集团有限公司 | 一种基于多策略组合的多源遥感影像道路材质精细提取方法 |
-
2021
- 2021-03-12 CN CN202110270743.0A patent/CN113063741B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002267601A (ja) * | 2001-03-07 | 2002-09-18 | Kurabo Ind Ltd | プラスチック材等の材質判別方法及び装置 |
CN108596103A (zh) * | 2018-04-26 | 2018-09-28 | 吉林大学 | 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法 |
CN111157524A (zh) * | 2020-01-09 | 2020-05-15 | 北京观澜智图科技有限公司 | 基于高分影像的道路材质识别方法及装置和电子设备 |
CN111582194A (zh) * | 2020-05-12 | 2020-08-25 | 吉林大学 | 基于多特征lstm网络的多时相高分辨率遥感影像的建筑物提取方法 |
CN112017160A (zh) * | 2020-08-05 | 2020-12-01 | 中国公路工程咨询集团有限公司 | 一种基于多策略组合的多源遥感影像道路材质精细提取方法 |
Non-Patent Citations (2)
Title |
---|
范驰等: "基于随机森林的WorldVew2i影像建筑物精细提取", 《地理空间信息》 * |
陈健飞等: "基于高光谱线性混合光谱分解识别人工地物", 《应用基础与工程科学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092813A (zh) * | 2021-11-25 | 2022-02-25 | 中国科学院空天信息创新研究院 | 一种工业园区图像提取方法、模型、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113063741B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108333148B (zh) | 一种黑臭水体的识别方法及装置 | |
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
Holmer et al. | Sky view factors in forest canopies calculated with IDRISI | |
CN108596103B (zh) | 基于最佳光谱指数选择的高分辨遥感影像建筑物提取方法 | |
WO2022252242A1 (zh) | 一种基于多光谱图像的水污染区域识别方法和*** | |
CN108846352B (zh) | 一种植被分类与识别方法 | |
CN111242224B (zh) | 一种基于无人机提取分类样本点的多源遥感数据分类方法 | |
CN113063741B (zh) | 一种基于光谱特征的城市建筑材质提取方法及装置 | |
CN112964643B (zh) | 一种遥感影像可见光波段地形落影校正方法 | |
CN112183247B (zh) | 一种基于多光谱影像的激光点云数据分类方法 | |
CN111428582B (zh) | 一种利用互联网街景照片计算城市天空开阔度的方法 | |
CN111582575A (zh) | 一种多时空尺度下城市热环境形成发展主导因素识别方法 | |
Zhan et al. | Quantitative analysis of shadow effects in high-resolution images of urban areas | |
CN114778483A (zh) | 用于监测山地的遥感影像近红外波段地形阴影校正方法 | |
CN108198178B (zh) | 大气程辐射值的确定方法和装置 | |
CN117315489B (zh) | 一种基于局部背景特征信息的水体提取方法及装置 | |
CN117437489A (zh) | 基于决策树模型的城市绿地提取方法 | |
WO2023116359A1 (zh) | 绿色、蓝色和灰色基础设施分类方法、装置、***与介质 | |
CN106355587A (zh) | 基于接触距离分布的沥青混合料砂浆厚度计算方法 | |
CN116246272A (zh) | 针对国产卫星多光谱图像质量标记的云雪区分方法 | |
CN116229459A (zh) | 国产卫星多光谱图像逐像素质量标记方法 | |
CN113160340A (zh) | 城市色彩定量分析与评价方法、***及存储介质 | |
CN112033914A (zh) | 一种基于遥感图像的彩钢瓦厂房提取方法 | |
CN114463343A (zh) | 一种自动提取海岸带养殖工厂轮廓的方法及装置 | |
CN112906528A (zh) | 一种融合多源卫星遥感数据的城市建筑物材质分类方法 |
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 |