视觉认知启发的高分遥感影像建筑区提取方法

视觉认知启发的高分遥感影像建筑区提取方法

杨菁，霍晓斌，王文鹏，陈展韬

中国煤炭地质总局航测遥感局，西安 710199

摘要：近年来，随着城市化的步伐不断加快，建筑区作为城镇环境的重要组成，其分布信息在地理空间数据综合应用中具有不可忽视的参考价值，是开展国土空间规划、生态保护、城镇监测等工作不可或缺的基础，也在一些智能交通应用和城市三维建模上充分应用。基于高分影像的城镇建筑区自动获取也逐渐受到关注，然而受目前遥感影像建筑区纹理结构复杂的特点，信息自动提取仍面临不小的挑战。本文通过视觉认知计算，模拟视觉系统从复杂场景快速发现兴趣目标的能力，为高分辨率遥感影像建筑区显著性建模和自动提取提供技术基础。

关键词：视觉认知启发；高分辨率遥感影像；建筑物提取

引言

近年来，随着遥感影像的空间分辨率不断提高和影像处理技术方法层出不穷，遥感影像变化检测技术取得很大突破，出现了许多新方法和实用性强的应用。在城镇区域的高分辨率遥感图像中，建筑区（即建筑物覆盖区）目标占据很大一部分。作为城镇环境的主要组成部分，建筑区是城市地理数据库中最容易发生变化和最需要更新的部分，因此，开展对高分辨率遥感影像中的建筑区自动提取和变化监测研究具有重要的意义。目前，已经有很多关于遥感影像建筑区提取方法的研究，本文针对建筑区常用解译和面向对象提取方法进行分析，并结合视觉认知方法进行基于视觉注意机制的建筑区提取方法研究。

1高分辨率遥感影像特征及提取方法

1.1高分辨率遥感影像特征

在高分辨率遥感影像处理分析过程中，可利用的影像特征主要包括：光谱特征、空间特征、极化特征和事件特性。影像像元的色调/彩色或波谱特征是最基本的影像要素，其次有大小、形状和纹理等影像要素，它们是构成某种物体或现象的元色调/彩色在空间（即影像）上分布的产物。

1.2信息提取概念及方法

高分辨率遥感影像信息提取是指从高分辨率遥感影像上获取有用信息的基本过程。影像信息提取有两种方式，一是人工解译，又称目视判读，指专业技术人员通过直接观察或者借助判读工具，在影像上获取信息；另一种是计算机识别，它以计算机系统为平台，利用模式识别技术与人工智能技术相结合，根据地物目标的各种影像特征，结合专家知识库中的地物成像规律和解译经验，来进行分析和推理的解译方式。随着计算机性能的发展和数据的“海量化”，使用计算机完成智能识别的需求越来越高。以下结合建筑区的地物特征，对基于规则集的面向对象特征提取方法，和受视觉认知启发的显著性建模提取建筑区这两种技术手段进行分析。

2基于规则集提取建筑区方法

2.1阴影信息的提取与消除

因光的传播特性，在地物的背阳处往往会产生程度不一的阴影区。阴影区内的地物信息提取时，异物同谱现象较明显，不利于特征信息的判读，因此对阴影信息的消除是十分有必要的。国内外学者针对阴影消除做出了许多研究。

2.2影像的分割与合并

通过影像的分割与合并可以有效避免“同物异谱，异物同谱”影响。遥感影像分割与合并可将相邻像素集中到一个对象上，形成对应的边界信息。在规则集设定中，每次对分割阈值进行调试的时候，FX都能根据内置基于边缘算法，自动参照阈值对影像进行多尺度分割。为提高分割效果和分类精度，可以通过调试分割阈值将相邻像素最大限度地集中于一个对象中。但在分割处理时，往往会因为各种原因导致某些影像特征被错分，如在对阈值的设定上偏低可能使得遥感影像的某些个别的特征被分割成很多部分，导致达不到预期效果。为此，需要对分割后的影像进行合并处理。基于该次实验区域建筑物光谱信息比较相似，实验采用FastLambda对影像进行合并处理。

2.3面向对象特征提取

面向对象的遥感影像对象特征定义方法常使用监督分类和规则分类。监督分类是首先根据已知的样本类别和先验知识，确定判别函数和相应的判别规则，然后将未知类别样本的观测值代入判别函数，再依据判别准则对未知样本所属类别作出判定。规则分类指在对建筑物进行规则提取时不是一个规则就能提取完毕的，而是通过多类属性的规则形成一个规则集，通过规则集筛选得到判读结果。

3基于视觉注意机制提取建筑物方法

在高分辨率遥感影像中，建筑区本身也会表现出强边缘、高亮度、纹理明显等较为显著的特点，因此，处理重点在于如何更好地表现出建筑物的显著性，同时结合视觉注意机制提取面向对象建筑物的整体框架，获得建筑区显著图模型后提取建筑物覆盖区，进行边界阈值法处理和形状优化。其具体的思路如图1所示。

图1 视觉注意机制提取建筑物方法流程图

3.1色彩一致性处理

光照不均匀是遥感影像中常见的现象，是其降质的常见情况，会导致影像背景的光亮不均匀，影响地物细节上的各类信息分辨精度和识别效果。因此，为提高影像中建筑物提取的精确度，一般使用色彩一致性处理方式对其进行处理。传统的色彩一致性处理方法会导致影像中的地物颜色失去原本的真实感，可采用以色调保持为基础使用色彩一致性处理方式。首先，需要将输入的影像内容从RGB转化成为HSV，之后小波域的增强影像亮度、饱和度。在对其进行小波分解之后以高频分量增强、次高频分量保持、低频分量抑制的方式完成处理工作。对于部分因为薄云影响而出现的不均匀光照情况，应当从实际的成像机理出发，结合其具体的特点（饱和度较低、亮度较高、对比度校对）进行改进，使其能利用色彩一致性处理方式完成对影像的针对性处理[2]。

3.2建筑区显著性模型构建

结合由上向下的先验知识与自下而上的影像底层特征，利用建筑物光谱特征指数分析其纹理特征，而后利用视觉认知机制下显著性计算方法的相关内容对其进行多尺度分割，而后计算建筑区的显著指数，开展多重特征提取及多尺度分析，融合后形成高分影像建筑区的纹理显著性模型。

3.2.2显著图阈值法处理和形状优化

获得建筑区显著图模型后，对其设置合理的阈值进行显著图阈值法处理，实现建筑区与背景要素的分离。根据图像的灰度特性，使用计算后的阈值分离可被识别为目标和背景的图像，大于该阈值的像素被标记为目标，小于该阈值的像素则被标记为背景，目标即为提取出的建筑区。提取后，对形状进行多边形优化，一般可使用零散面积剔除法和面中孔洞填充法，使得建筑区边界更加明确，形状更加完整。

结语

近年来，基于高分辨率的遥感应用越来越多，各种信息提取计算方法也逐步在地表要素自动获取上得以实际应用。本文在分析遥感影像解译与图像分割处理方法基础上，受视觉认知的视觉注意方法启发，对建筑区的视觉特征建模和区域形状提取方法进行研究，通过建筑区特征分解和显著图构建进行高分辨率遥感影像的建筑区信息提取。同时，此方法的阈值设置还需要根据影像实际情况进行合理计算，从而更好的得到处理结果。对高分辨率遥感影像数据的理解分析，可以让我们更高效、更准确地获取目标地物的分布信息，其中自动提取的建筑区信息可为面向城市交通的应用和城镇环境监测需求提供服务。

参考文献

[1]郭怡帆,张锦,卫东.面向对象的高分辨率遥感影像建筑物轮廓提取研究[J].测绘通报,2014(S2):300-303.

[2]高春霞,谢明鸿,宋纳.基于DSM与阴影的彩色遥感影像建筑物提取[J].郑州轻工业学院学报自然科学版,2015(Z2):108-112.

基金项目：陕西省科技厅重点研发计划项目（2019ZDLGY08-06）资助

作者简介：杨菁(1984—)，女，测绘工程师，本科，主要研究方向为GIS数据分析及可视化应用