專利名稱：利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感信息處理領(lǐng)域，特別涉及一種利用遙感影像處理與融合技術(shù)，實(shí)現(xiàn)對城市不同類型住宅區(qū)自動識別的方法。
背景技術(shù)：
在城市建設(shè)發(fā)展的過程中，城市規(guī)劃起著重要的作用。利用衛(wèi)星遙感手段可快速提供城市住宅類型的分布范圍，分布面積等信息，并通過不同時相遙感影像的自動識別，研究城市居住狀況的發(fā)展變換，能夠?yàn)镚IS數(shù)據(jù)庫以及地圖更新提供重要的信息源。為城市規(guī)劃，環(huán)境評價(jià)等提供數(shù)據(jù)源，為政府決策提供科學(xué)支持。
目前，已有利用TM影像、氣象衛(wèi)星數(shù)據(jù)等遙感影像提取城市居民區(qū)的研究，已有利用高空間分辨率如QuickBird快鳥數(shù)據(jù)獲取高層建筑密度等的研究。但尚未見有關(guān)利用TM與SPOT融合數(shù)據(jù)研究城市建筑類型的研究報(bào)道，尤其未見關(guān)于城市多層住宅和里弄(包括簡危棚屋)住宅的遙感影像自動識別研究報(bào)道。
已有利用TM影像、氣象衛(wèi)星數(shù)據(jù)等較低空間分辨率遙感數(shù)據(jù)將城市居民地作為一個整體進(jìn)行研究，但沒有進(jìn)一步區(qū)分多層住宅和里弄(包括簡危棚屋)住宅等不同類型的居住區(qū)的研究報(bào)道。

發(fā)明內(nèi)容
傳統(tǒng)的遙感影像目視解譯分類方法，需要借助專家知識，通過手工或利用繪圖軟件，實(shí)現(xiàn)遙感影像的地物分類識別。本發(fā)明通過采取各種數(shù)學(xué)模型和算法，采用計(jì)算機(jī)編程或者現(xiàn)有的圖像處理軟件，可以實(shí)現(xiàn)城市住宅類型信息的自動提取。本方法的自動性體現(xiàn)在不需要專家知識，普通用戶即可實(shí)現(xiàn)遙感影像分類識別。本發(fā)明中關(guān)于信息提取方法綜合利用了紋理分析、濾波、監(jiān)督分類等信息提取方法，這些方法均具有很強(qiáng)的適用性和可操作性。
·多波段遙感圖像的彩色合成與數(shù)據(jù)融合本發(fā)明所采用的數(shù)據(jù)源包括TM(5波段、4波段、3波段假彩色合成圖像)與SPOT全色波段的融合圖像，該融合圖像保留了TM5、4、3波段假彩色合成圖像的顏色特征的同時，空間分辨率達(dá)到10m。
·融合圖像中里弄(包括簡危棚屋)住宅的特征在TM與SPOT遙感影響融合圖像三色合成圖像上表現(xiàn)為內(nèi)部結(jié)構(gòu)紋理平滑，顏色為暗紅色調(diào)。
·里弄(包括簡危棚屋)住宅的自動識別方法里弄(包括簡危棚屋)住宅等居民區(qū)，其樓層低矮，樓間距較近，少有綠化，在SPOT與TM融合圖像的三色合成影像上無法識別一排房子或者一幢房子，只能識別一片住宅區(qū)為暗紅色調(diào)，而且內(nèi)部結(jié)構(gòu)較平滑。這里采用低通濾波的方法，結(jié)合灰度共生矩陣的均值特征，再進(jìn)行監(jiān)督分類，可以識別該類居住區(qū)。
具體方法流程(1)TM影像波段5、4、3彩色合成(2)與SPOT全色波段融合(3)TM與SPOT融合后影像的彩色合成圖像，選擇圖像上里弄(包括簡危棚屋)住宅大量分布的區(qū)域作為研究對象。
(4)對研究區(qū)域的圖像進(jìn)行高斯低通濾波(5)對高斯低通濾波后的圖像計(jì)算灰度共生矩陣的均值特征
(6)對三波段均值特征的二色合成圖像選擇兩類訓(xùn)練區(qū)，紋理平滑區(qū)為里弄(包括簡危棚屋)住宅區(qū)，其它類作為背景。
(7)采取最大似然法進(jìn)行監(jiān)督分類(8)圖像分為背景區(qū)和里弄(包括簡危棚屋)住宅區(qū)兩類(9)選擇同一區(qū)域的快鳥遙感影像并進(jìn)行幾何校正，使之與SPOT和TM融合圖像的坐標(biāo)投影一致。
(10)對快鳥遙感影像上的里弄(包括簡危棚屋)住宅區(qū)進(jìn)行目視解譯。
(11)以從快鳥高分辨率遙感影像上解譯的里弄(包括簡危棚屋)住宅區(qū)分布圖作為標(biāo)準(zhǔn)，檢驗(yàn)從SPOT和TM融合影像上自動解譯的里弄(包括簡危棚屋)住宅區(qū)的精度。
·融合圖像中多層住宅小區(qū)的特征在三色合成圖像上，新村等多層住宅具有明顯的紋理特征，表現(xiàn)為小區(qū)面積較大，沿一定方向排列整齊，具有較為一致的樓間距等特征。
·多層住宅小區(qū)自動識別方法這里采用高通濾波和45度角方向?yàn)V波方法，增強(qiáng)了新村等多層住宅的紋理特征，再計(jì)算灰度共生矩陣的方差特征分量，最后對方差圖像進(jìn)行最大似然監(jiān)督分類，可以識別大部分多層住宅區(qū)。
具體方法流程(1)TM影像波段5、4、3彩色合成(2)與SPOT全色波段融合(3)TM與SPOT融合后影像的彩色合成圖像，選擇圖像上多層住宅大量分布的區(qū)域作為研究對象。
(4)對研究區(qū)域的圖像進(jìn)行高通濾波
(5)根據(jù)建筑物走向，對高通濾波圖像再進(jìn)行方向?yàn)V波(如45度方向?yàn)V波)。
(6)對方向?yàn)V波后的圖像，計(jì)算灰度共生矩陣中的方差特征分量(7)對方差特征分量合成的假彩色圖像，選擇多層居住區(qū)與非居住區(qū)兩類訓(xùn)練區(qū)。
(8)采用最大似然監(jiān)督分類法進(jìn)行分類(9)圖像分為多層住宅區(qū)與背景區(qū)共兩類。
(10)選擇同一區(qū)域的快鳥遙感影像并進(jìn)行幾何校正，使之與SPOT和TM融合圖像的坐標(biāo)投影一致。
(11)對快鳥遙感影像上的多層住宅區(qū)進(jìn)行目視解譯。
(12)以從快鳥高分辨率遙感影像上解譯的多層住宅區(qū)分布圖作為標(biāo)準(zhǔn)，檢驗(yàn)從SPOT和TM融合影像上自動解譯的多層住宅區(qū)的精度。


圖1為本發(fā)明里弄住宅自動識別方法流程圖；圖2為本發(fā)明多層住宅自動識別方法流程圖；圖3為本發(fā)明里弄住宅三色合成圖；圖4為本發(fā)明高斯低通濾波圖；圖5為本發(fā)明灰度共生矩陣均值圖；圖6為本發(fā)明最大似然分類之簡危棚屋與QuickBird目視解譯疊加圖；圖7為本發(fā)明多層住宅小區(qū)三色合成圖；圖8為本發(fā)明三色合成圖像高通濾波圖；圖9為本發(fā)明高通濾波圖像45度濾波圖；圖10為本發(fā)明高通濾波圖像45度濾波圖像的灰度共生矩陣方差分量圖；
圖11為本發(fā)明提取的多層住宅小區(qū)及與QuickBird目視解譯圖的疊加圖。
具體實(shí)施例方式以中國上海市2002年居住類型為例，在常用的遙感圖像處理軟件中打開TM遙感影像，選取波段5、4、3進(jìn)行彩色合成，對于彩色合成圖像，再與同一年份相近時相的SPOT4全色波段10m分辨率遙感影像進(jìn)行融合，這樣既保留了TM多光譜的顏色特征，又使圖像的空間分辨率得到提高。在此基礎(chǔ)上分別針對不同居住類型進(jìn)行信息提取。
(1)簡危棚屋(包括石庫門)信息提取選擇TM與SPOT融合圖像上簡危棚屋和石庫門分布集中的區(qū)域作為研究子區(qū)，針對這類居住區(qū)在遙感影像合成圖像上表現(xiàn)為暗紅色調(diào)，紋理平滑的特征(見圖3)，依次采取低通濾波、高斯低通濾波(見圖4)，在此基礎(chǔ)上計(jì)算灰度共生矩陣法紋理分析中的均值特征圖像(見圖5)，使得這類住宅區(qū)的紋理特征得到更大的平滑和模糊，再采用監(jiān)督分類的最大似然分類方法，通過選擇訓(xùn)練區(qū)，將圖像分為簡危棚屋住宅區(qū)和背景兩類(見圖6)，簡危棚屋住宅信息得以提取。為了驗(yàn)證分類精度，可以對QuickBird高空間分辨率影像進(jìn)行幾何校正，使其與研究區(qū)的融合影像坐標(biāo)一致，然后選擇同一研究區(qū)進(jìn)行目視解譯，以目視解譯結(jié)果驗(yàn)證SPOT與TM融合影像上，簡危棚屋(包括石庫門)的信息提取精度。
(2)多層住宅信息提取選擇TM與SPOT融合圖像上新村等多層住宅分布較為集中的區(qū)域，針對這類居住區(qū)在遙感影像融合圖像上具有按照某個方向排列整齊，樓間距較大，樓間分布有綠化和道路，小區(qū)有一定規(guī)模等特點(diǎn)，而且在圖像上具有明顯的紋理特征(見圖7)。依次采取高通濾波(見圖8)，角度濾波(見圖9)，在此基礎(chǔ)上計(jì)算灰度共生矩陣紋理分析法中的方差圖像(見圖10)，使得這類住宅區(qū)的紋理特征得到更大的突出，在此基礎(chǔ)上采用監(jiān)督分類的最大似然分類方法，通過選擇訓(xùn)練區(qū)，將圖像分為多層住宅區(qū)和背景兩類，多層住宅區(qū)信息得以提取(見圖11)。為了驗(yàn)證分類精度，可以對QuickBird高空間分辨率影像進(jìn)行幾何校正，使其與研究區(qū)的融合影像坐標(biāo)一致，然后選擇同一研究區(qū)進(jìn)行目視解譯，以目視解譯結(jié)果驗(yàn)證SPOT與TM融合影像上，多層住宅信息提取精度。
權(quán)利要求
1.一種利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，包括步驟S1.對城市多層住宅和包括簡危棚屋的里弄住宅的遙感影像自動識別；S2.在將城市居民地作為整體研究的基礎(chǔ)上，進(jìn)一步區(qū)分多層住宅和包括簡危棚屋的里弄住宅不同類型的居住區(qū)；S3.綜合利用紋理分析、濾波和監(jiān)督分類的信息提取。
2.根據(jù)權(quán)利要求1所述的利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，其特征在于所述的遙感影像自動識別，所采用的數(shù)據(jù)源包括TM5、4、3波段假彩色合成圖像與SPOT全色波段的融合圖像，該融合圖像保留了TM5、4、3波段假彩色合成圖像的顏色特征的同時，空間分辨率達(dá)到10m。
3.根據(jù)權(quán)利要求1所述的利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，其特征在于所述的包括簡危棚屋的里弄住宅，在TM與SPOT遙感影響融合圖像三色合成圖像上表現(xiàn)為內(nèi)部結(jié)構(gòu)紋理平滑，顏色為暗紅色調(diào)。
4.根據(jù)權(quán)利要求1所述的利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，其特征在于所述的包括簡危棚層的里弄住宅的遙感影像的自動識別，采用獨(dú)特的工作流程，對融合后三色合成圖像采用低通濾波的方法結(jié)合灰度共生矩陣的均值特性，再進(jìn)行監(jiān)督分類，可以自動識別該類居住區(qū)。
5.根據(jù)權(quán)利要求1所述的利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，其特征在于所述的多層住宅，在三色合成圖像上，新村式住宅具有明顯的紋理特征，表現(xiàn)為小區(qū)面積較大，沿一定方向排列整齊，具有較為一致的樓間距。
6.根據(jù)權(quán)利要求1所述利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，其特征在于所述的多層住宅的遙感影像的自動識別，采用獨(dú)特的工作流程，對三色合成圖像采用高通濾波和45度角方向?yàn)V波方法，增強(qiáng)了新村式住宅的紋理特征，再計(jì)算灰度共生矩陣的方差特征分量，最后對方差圖像進(jìn)行最大似然監(jiān)督分類，可以識別大部分新村式住宅區(qū)。
全文摘要
一種利用遙感圖像實(shí)現(xiàn)城市不同類型住宅區(qū)自動識別的方法，本方法不同于傳統(tǒng)的遙感影像目視解譯分類方法，不需要借助專家知識，通過采取各種數(shù)學(xué)模型和算法，采用計(jì)算機(jī)編程或現(xiàn)有的圖像處理軟件，不需要專家知識，普通用戶即可實(shí)現(xiàn)遙感影像分類，實(shí)現(xiàn)識別，城市住宅類型信息的自動提取。通過本發(fā)明所提供方法使城市環(huán)境基礎(chǔ)狀況遙感的定量化水平、類別細(xì)分程度以及空間配置的確定和分析系統(tǒng)性等方面上一個臺階，從而能夠全面、客觀、深入地從城市環(huán)境基礎(chǔ)特征角度描述城市生態(tài)環(huán)境狀況，作出準(zhǔn)確、科學(xué)的評價(jià)。
文檔編號G01S17/00GK1959703SQ200610118738
公開日2007年5月9日 申請日期2006年11月24日 優(yōu)先權(quán)日2006年11月24日
發(fā)明者鞏彩蘭, 胡勇, 尹球 申請人:中國科學(xué)院上海技術(shù)物理研究所