法律状态公告日
法律状态信息
法律状态
2015-06-24
未缴年费专利权终止 IPC(主分类):G06T7/00 授权公告日:20110727 终止日期:20140429 申请日:20090429
专利权的终止
2011-07-27
授权
授权
2009-12-16
实质审查的生效
实质审查的生效
2009-10-21
公开
公开
技术领域
本发明属于遥感技术领域,具体涉及一种遥感影像的主分量和模糊聚类村镇专题信息提取方法。
背景技术
村镇专题信息主要指村镇居民区(建筑区)、水体、道路、农田林地等专题信息,它是村镇信息系统建设、管理以及监测的重要依据,村镇专题信息提取的目的是为了利用高分辨率遥感影像快速高效地获取符合村镇信息化建设要求的大比例尺的专题信息。目前利用遥感影像提取村镇专题信息的实用方法有:人工方法、半自动获取方法;这些方法中人工方法需要大量的人工操作、效率低,而利用多光谱信息进行自动、半自动分类识别方法是一种重要的方法,但现有的方法主要针对一般分辨率(空间分辨率20m,或更差)的遥感影像。对于村镇地区,其地理范围较小,一般数平方公里至数十平方公里;但对提取得到的基础空间信息精度要求较高,比例尺大,一般要求1∶2000以上,因此涉及的的遥感图像都是高分辨率图像(空间分辨率一般高于10m、达到1m的情况)。目前利用高分辨遥感影像提取专题信息的现状,德国的eCognition系统的分类方法是比较好的一种,其基于多尺度分割,分类时需要有分类协议,每一次分类的分类协议用于其它分类时需经过修改,最终实现分类过程的自动化,这里的分类协议类似于知识支持。其特点是分类的细化,但对分类协议有较大依赖(有协议库支持较好),并且也不是专门针对村镇专题信息提取的系统,应用于村镇专题信息提取效率不高。由于村镇专题信息提取涉及的遥感影像分辨率高,地物表现复杂,因此提升了信息提取难度,使得提取效果受到影响。针对现有的利用遥感影像进行村镇专题信息提取方法存在的受各种信息干扰严重、提取效率低效果差、提取方法也并非专门针对高分辨率遥感影像的村镇专题信息提取等缺点,提出快速、有效的遥感影像村镇专题信息提取方法是本领域人员的研究目标之一。
发明内容
本发明的目的在于提供一种遥感影像的主分量和模糊聚类村镇专题信息提取方法。
本发明提出的遥感影像的主分量和模糊聚类村镇专题信息提取方法,通过基于粗糙集的主分量变换(Rough PCA,RgPCA)得到进行模糊聚类所依靠的数据,然后利用改进的模糊c_均值聚类方法对图像进行聚类得到各聚类信息,在此基础上进行基于人机协同的聚类结果专题类别判断,实现专题信息的分类,并经过基于形态学的专题提取信息后处理,得到满足通用GIS软件格式要求的专题信息矢量数据(ArcGIS软件支持的形文件,即.shp文件)。具体步骤如下:
(1)遥感多波段影像的RgPCA特征降维,包括向量编码和主分量变换:
①向量编码采用离散化编码,根据光谱段的个数确定向量的维数,向量排列按位对齐,求得所有向量的均值向量将所有向量按位编码,形成向量编码;
②主分量变换,由
(2)村镇专题信息的模糊c_均值聚类;
对主成份向量依据欧氏距离的模糊聚类,第一次分类采用均分,算出每个聚类中心,再计算每个主成份向量到聚类中心的距离;按距离将初次分类重新划分,重新计算每个聚类中心,再计算每个主成份向量到聚类中心的距离;循环进行上述过程,对于主成份向量到两个聚类中心向量距离相近,即两距离比约等于1,采用通用模糊隶属度函数判断归属;
(3)基于人、机协同的聚类结果专题类别判断;
系统将聚类结果以不同颜色叠合在多波段原始遥感影像上,两者交互显示,根据已知专题信息的兴趣区的聚类情况,对整幅遥感影像聚类的专题信息情况进行目视判读确定,得到村镇居民区或建筑区、水体、道路、农田林地、其它这5类专题信息;
(4)基于形态学的专题提取信息后处理,得到满足通用GIS软件要求的专题信息矢量数据;
通过形态开、闭运算,对步骤(3)的专题图像进行滤波,除去比结构元素小的特定图像细节,保证不产生全局的集合失真,在形态学滤波的基础上对提取的矢量进行长度及面积统计,对提取出的矢量长度及所围面积小于阈值的进行剔除,最后对结果进行矢量跟踪,生成满足通用GIS软件要求的专题信息矢量数据,如果图像已具有地理编码则生成的矢量信息为实际地理坐标数据。
本发明中,遥感多波段影像的RgPCA特征降维,为了减少聚类所用的特征维数,减少各特征之间的相关性,首先要将原始遥感多波段影像进行特征变换,一般常规的PCA要求其处理数据为线性关系,而实际遥感多波段数据不一定满足此条件,在本方法中基于粗糙集理论进行处理,此方法相比之下有四点好处:
1)考虑专题潜在模式更充分;
2)克服野值干扰点的影响;
3)很大简化了主成份的表达式
4)某些维上与类内其它点相同维上数值偏差较大的值对分类的影响得到抑制。
本发明中,常规的模糊c-均值聚类中对隶属度函数μj(xi)(第i个元素对于第j类)的约束为
本发明中,为了提高效率,充分发挥人与机器的特长,采用人、机协同方法进行聚类结果专题类别判断,具体为:系统将聚类结果以不同颜色叠合在多波段原始遥感影像上,两者可以交互显示,根据已知专题信息的兴趣区的聚类情况,来对整幅遥感影像聚类的专题信息情况进行目视判读确定,得到村镇居民区(建筑区)、水体、道路、农田林地、其他这5类专题信息。
与现有技术相比,本发明采用了基于粗糙集的PCA方法避免了对原始多波段影像数据的线性要求,对所处理的高分辨率遥感影像更加适应;采用
本发明可以应用于高分辨率多波段遥感影像的村镇专题信息快速提取,在村镇专题信息获取与变化检测方面发挥作用。
本发明在保留利用高分辨率多波段遥感影像进行专题信息提取现势性强、重复性高等优点的同时,专门针对利用高分辨率遥感影像提取村镇专题信息的问题,提高专题信息提取方法对多种遥感影像特别是对高分辨率遥感影像的适应性、其受噪声等影响小,并能够利用本方法快速提取村镇专题信息(指居民区、水体、道路、农田林地等),满足村镇管理、监测及信息更新等使用的要求。
附图说明
图1为本发明实施例1中TM(专题成像仪)图像数据除热红外波段以外的其它谱段1、2、3、4、5、7。其中:(a)为1波段谱段,(b)为2波段谱段,(c)为3波段谱段,(d)为4波段谱段,(e)为5波段谱段,(f)为7波段谱段。
具体实施方式
实施例1:以下结合一个实施例子对具体实现方法进行说明,即要对一幅村镇地区多波段遥感影像进行专题信息识别,获得满足通用GIS软件要求的专题信息矢量数据(.shp文件)。其实现过程如下:
1、遥感多波段影像的RgPCA特征降维,
具体包括向量编码、主分量变换。分别为:
1)遥感光谱向量编码其特征是,所述的离散化编码,具体为:根据遥感影像数据,这里取某一TM(专题成像仪)数据——图象大小为2516×2395像素,含7个波段,其已具有地理编码信息——图象左上角点坐标为(285950,3475350),像素分辨率为25米)图1显示的是除热红外波段以外的其它谱段1、2、3、4、5、7。由于数据量极大,这里的向量编码、主分量变换以及例子中后面2、3显示的是该图象局部自图象像素坐标(1398,806)位置起始的20×20大小的图像块的处理,以每个波段为一维,波段个数确定向量的维数,选取除热红外波段以外的数据组成向量,并且向量排列严格按位对齐,该图象局部构成的向量如表1所示,然后求所有向量的均值向量
表1波段数据向量编码
92 47 45 107 86 28
92 45 44 103 84 27
93 47 44 108 89 29
93 49 44 111 94 30
93 49 44 119 90 27
95 48 46 115 97 33
94 47 47 72 63 19
96 50 48 48 37 11
106 57 59 75 74 36
114 65 78 90 131 68
118 67 76 98 129 66
121 63 70 103 128 58
134 78 91 114 135 64
148 96 113 120 151 79
150 99 110 118 165 86
147 92 109 115 157 87
138 88 101 109 157 83
124 74 84 102 133 64
110 66 74 105 120 58
113 69 80 108 135 70
90 48 45 142 106 35
92 47 44 136 107 31
91 48 47 130 114 39
93 49 47 138 121 42
95 50 47 131 126 42
97 50 49 112 117 41
94 51 48 71 80 26
96 50 47 47 40 12
108 53 56 70 78 42
117 60 70 80 131 81
118 64 73 84 117 70
121 63 67 77 109 59
157 93 117 102 138 77
205 135 180 143 191 119
213 149 193 150 222 148
210 140 184 149 218 149
193 134 175 132 228 152
149 94 114 113 166 101
103 62 62 107 110 53
109 61 72 104 113 50
90 45 41 135 112 31
90 46 41 136 112 25
90 47 45 134 112 33
91 48 46 149 118 35
93 49 47 128 118 35
93 51 49 71 101 34
92 48 49 49 67 23
95 49 50 56 40 16
102 52 58 71 67 30
107 53 60 67 108 60
107 51 62 63 102 61
110 59 63 67 87 41
140 81 104 93 131 82
182 111 155 129 204 141
192 134 172 136 228 163
201 134 178 141 210 149
189 123 172 127 203 143
135 85 104 115 151 93
91 53 45 111 105 42
103 53 57 105 105 37
89 44 40 128 103 27
88 45 40 127 107 30
89 46 42 128 109 32
90 48 43 136 115 30
91 49 46 127 112 32
93 50 47 77 69 22
92 47 47 45 35 12
92 49 50 65 55 22
96 52 58 78 78 35
96 51 51 58 83 43
106 50 56 50 82 52
123 71 81 70 103 65
133 78 103 80 147 99
133 79 100 85 185 130
146 89 115 93 210 147
147 92 116 99 210 145
135 80 102 95 196 139
110 63 75 105 129 79
95 54 55 112 114 43
105 54 59 102 115 41
89 45 39 132 104 27
88 45 41 134 107 28
89 46 42 140 114 32
93 47 43 140 116 30
92 48 47 123 120 38
92 48 46 68 68 18
93 48 45 41 29 8
96 51 50 64 59 31
100 52 57 78 90 50
99 54 55 66 69 35
110 62 68 65 78 52
125 73 92 79 138 106
126 73 93 75 162 124
115 65 77 60 144 106
124 68 92 71 179 139
120 71 88 80 193 136
106 60 69 98 140 88
101 57 59 117 117 54
101 56 58 105 122 48
105 57 65 87 118 49
89 45 38 136 105 26
92 46 40 141 106 26
89 47 42 143 110 31
91 47 43 136 113 33
95 48 47 119 117 39
94 47 48 70 66 20
94 49 44 40 31 11
107 54 55 56 65 38
108 55 63 69 95 59
99 50 57 61 78 37
105 54 59 62 75 40
118 67 83 78 140 102
120 70 88 81 183 136
117 66 80 71 148 114
122 71 91 83 180 137
127 78 96 84 172 119
112 63 74 97 118 63
105 59 58 114 128 53
111 60 65 98 114 51
108 61 70 78 100 50
88 45 39 132 104 25
89 45 40 139 98 23
89 49 43 141 100 30
91 48 47 128 110 35
95 50 49 105 112 32
94 47 49 66 72 22
90 47 42 43 30 10
116 56 57 61 71 44
115 56 60 84 110 62
97 53 52 79 83 35
105 55 61 76 86 40
110 62 74 77 109 64
110 62 76 84 129 82
108 61 70 84 131 80
111 60 72 91 142 90
112 67 77 91 152 93
114 69 85 92 138 85
119 69 83 97 127 71
120 68 78 91 124 66
111 63 73 78 97 54
89 47 39 135 103 27
89 48 44 137 96 24
90 48 45 138 108 31
92 49 49 117 112 37
94 51 50 80 87 26
91 48 46 49 53 14
87 48 44 48 25 6
121 58 61 76 81 52
121 63 66 90 126 64
104 58 62 85 89 50
110 61 71 89 112 69
110 63 71 79 117 71
105 58 62 83 111 61
102 56 62 83 100 45
108 59 69 75 93 49
114 65 75 76 106 61
114 69 85 94 128 71
114 68 86 99 132 70
116 67 82 87 117 61
111 63 72 78 101 53
90 50 48 135 106 29
89 48 46 124 99 29
91 47 44 132 110 30
92 49 47 105 98 28
95 48 48 68 63 19
92 48 45 49 39 9
93 47 47 52 32 9
115 57 61 76 83 48
120 68 77 79 119 68
111 61 73 80 98 57
109 61 70 94 119 67
113 66 77 93 122 65
108 60 69 92 116 58
102 52 55 72 94 45
110 60 70 68 86 50
114 65 77 87 107 64
102 59 64 102 123 55
100 55 61 105 117 51
109 61 72 85 101 50
112 64 75 68 99 50
89 48 45 120 101 26
87 46 41 112 96 26
89 46 40 122 102 26
87 48 45 96 84 23
92 49 47 59 55 16
91 49 46 46 39 11
92 46 46 54 37 16
101 53 56 76 79 42
110 63 73 72 119 72
105 59 69 81 111 62
98 53 58 99 96 40
97 53 55 98 93 33
98 54 55 98 101 39
102 52 57 81 101 43
106 57 66 76 88 42
103 57 65 98 90 40
96 53 50 97 83 28
101 54 57 88 98 37
109 61 71 76 99 48
111 64 75 76 98 51
92 50 45 106 98 27
91 49 43 112 100 29
91 48 45 117 104 34
89 49 47 103 91 34
93 50 46 65 55 21
93 50 48 46 34 12
92 49 50 56 38 16
96 50 53 73 60 24
99 51 56 70 82 43
94 49 52 65 91 44
95 48 44 77 79 29
92 48 42 93 73 24
94 52 51 102 73 30
106 58 66 103 99 50
103 57 62 78 98 47
100 53 56 91 97 40
96 53 50 130 102 38
99 57 54 124 115 46
111 64 73 85 109 54
110 64 72 87 105 54
103 58 65 99 109 44
103 58 62 100 110 46
104 57 63 99 114 50
105 60 67 89 115 50
107 61 65 69 83 38
105 59 64 56 61 33
103 58 64 56 63 37
102 55 62 66 69 35
102 56 61 80 72 34
101 56 62 84 81 38
101 56 58 85 98 42
100 55 57 90 110 44
103 58 64 98 109 51
113 64 75 105 121 62
114 67 80 105 118 59
114 65 78 105 129 63
114 66 76 115 151 67
112 67 76 108 138 60
114 67 79 80 113 61
113 64 74 85 108 59
109 62 75 101 116 56
106 63 74 98 114 57
107 61 73 95 113 57
110 62 75 87 113 56
112 64 76 70 96 53
112 64 75 62 84 46
113 65 77 75 95 56
112 64 77 84 113 68
109 64 77 87 122 68
110 66 81 93 113 60
112 67 82 97 113 58
112 66 81 93 118 59
113 66 80 86 125 63
114 64 79 85 132 68
114 64 80 87 134 70
114 67 82 90 126 70
122 72 92 88 120 69
122 74 91 79 117 63
117 68 84 71 103 58
119 67 84 80 104 60
101 60 67 85 109 50
104 61 73 94 116 53
101 56 65 108 120 52
100 55 60 95 105 43
98 53 54 57 76 30
98 51 53 45 59 29
103 57 66 62 90 54
115 69 87 84 132 78
120 73 96 87 132 79
120 74 94 88 126 74
119 73 92 95 129 72
115 72 88 101 134 77
117 72 91 102 135 75
119 72 92 99 135 72
116 71 89 95 133 74
115 70 88 91 138 77
115 69 84 94 136 79
120 69 86 84 118 68
115 67 82 75 103 56
107 60 72 86 106 57
103 60 72 68 94 55
107 62 75 86 116 65
102 60 67 109 130 55
96 54 54 87 98 31
94 49 47 46 44 4
94 46 46 44 20 14
99 56 62 70 62 54
115 72 89 88 127 80
121 73 98 92 145 85
119 74 95 90 132 86
114 70 89 93 139 79
109 63 77 100 140 72
104 60 74 104 141 73
106 66 77 107 141 70
108 66 79 111 139 69
107 62 75 111 132 62
103 60 66 117 129 58
112 60 72 90 116 58
110 60 70 78 104 55
99 53 57 97 110 48
100 55 67 71 96 53
105 64 78 82 119 65
110 70 91 101 136 63
102 57 66 83 96 35
93 47 44 46 40 7
91 43 41 49 26 22
98 56 60 86 87 66
111 69 84 102 139 78
108 67 83 99 145 69
106 65 81 96 133 76
103 61 75 104 133 65
97 55 60 115 113 39
93 51 53 122 115 44
94 54 55 123 126 51
96 53 52 124 128 47
94 49 47 128 120 41
96 53 53 134 126 41
106 60 69 94 111 49
111 62 72 84 100 51
102 57 58 118 113 42
89 46 45 89 83 31
94 51 55 83 90 41
99 57 65 95 114 53
98 52 57 80 95 36
90 46 44 44 37 12
90 45 41 52 34 15
100 57 60 95 97 47
109 66 77 115 148 76
101 64 66 111 136 56
102 59 68 102 121 53
99 58 64 101 126 49
92 52 53 110 112 36
91 48 47 125 109 36
93 49 50 134 117 43
93 53 47 136 117 34
93 49 44 136 116 34
100 53 55 132 130 46
110 62 72 89 115 51
109 63 71 87 103 48
100 58 59 131 116 43
87 45 43 104 71 17
88 47 45 93 62 18
93 50 48 92 80 27
94 49 50 85 84 24
89 46 44 46 33 4
90 47 45 57 36 22
102 60 64 104 108 57
108 67 79 109 149 69
98 64 69 78 102 41
104 59 73 80 98 46
100 57 61 103 106 47
92 51 51 107 100 36
92 48 49 105 99 35
95 51 53 107 110 43
97 55 59 124 120 41
93 50 50 143 117 38
99 56 58 129 115 45
109 62 72 86 104 49
101 59 63 93 104 46
95 52 50 120 118 43
87 45 44 91 78 22
90 46 44 91 74 21
91 47 45 94 79 29
91 47 48 97 88 27
90 46 44 51 40 12
91 48 42 57 43 28
101 58 62 102 113 58
106 64 75 94 131 46
101 62 70 47 60 22
105 60 74 56 61 41
101 56 62 108 101 39
93 51 50 128 106 34
91 49 48 101 94 31
92 49 48 92 95 38
93 50 53 102 118 49
92 51 51 121 136 49
101 58 63 109 121 49
108 62 72 82 99 51
100 57 60 103 102 45
96 52 48 136 121 41
91 45 48 89 76 27
90 47 45 103 80 27
93 49 50 114 86 28
94 50 50 103 90 29
94 49 44 56 52 18
95 53 46 68 49 16
102 59 67 97 102 45
110 67 79 91 125 57
110 67 76 61 69 37
104 64 72 63 70 40
103 60 66 91 100 47
96 52 54 116 117 44
90 48 48 101 94 30
89 48 46 85 70 23
90 47 45 87 86 33
95 51 49 95 109 44
106 59 68 87 108 54
111 62 73 81 96 51
102 57 61 107 106 44
100 54 56 128 123 44
2)主分量变换的方法,由
表2编码向量的协方差矩阵
325.632 253.481 402.807 49.9158 429.048 420.334
253.481 206.212 325.901 57.9679 357.153 335.693
402.807 325.901 531.032 59.445 576.913 559.105
49.9158 57.9679 59.445 601.91 480.818 122.095
429.048 357.153 576.913 480.818 1158.45 826.395
420.334 335.693 559.105 122.095 826.395 767.93
表3特征值向量表
4.4916
1.15305
0.290759
0.032547
0.022981
0.009067
表4特征值斜率向量
-3.33855
-0.86229
-0.25821
-0.00957
-0.01391
2、村镇专题信息的模糊c_均值聚类
模糊聚类,对1中得到的主成份向量进行依据欧氏距离的模糊聚类,第一次分类采用均分,然后计算每个聚类中心,再计算每个向量到聚类中心的距离,按距离将初次分类重新划分,迭代循环上述过程20次,对于向量到两类中心向量距离相近(两距离比约等于1),采用通用模糊隶属度函数判断归属,将图象聚为7类,则1中20*20图像局部得到如下所示的聚类结果,其中一个单元格为一个像元,数字为所属的聚类。
3 3 3 3 3 3 1 1 2 5 5 5 5 6 6 6 6 5 5 5
3 3 3 3 4 4 2 1 2 5 5 5 6 7 7 7 7 6 4 4
3 3 3 3 3 2 1 1 2 2 2 2 6 7 7 7 7 6 3 4
3 3 3 3 3 2 1 1 2 2 2 5 6 6 6 6 6 5 4 4
3 3 3 3 3 1 1 1 2 2 2 6 6 6 6 6 5 4 4 5
3 3 3 3 4 1 1 2 2 2 2 6 6 6 6 6 5 4 4 2
3 3 3 3 4 2 1 2 5 2 2 5 5 5 5 6 5 5 5 2
3 3 3 3 2 1 1 2 5 2 5 5 5 2 2 5 5 5 5 2
3 3 3 3 1 1 1 2 5 2 5 5 5 2 2 5 4 4 2 2
3 3 3 3 1 1 1 2 5 5 4 2 4 2 2 2 2 2 2 2
3 3 3 3 1 1 1 1 2 2 2 2 2 4 2 2 3 4 5 5
4 4 4 5 2 2 2 2 2 2 2 4 4 5 5 5 5 5 5 5
5 5 5 5 2 2 2 5 5 5 5 5 5 5 5 5 5 5 5 5
2 5 4 4 2 1 2 5 5 5 5 5 5 5 5 5 5 5 5 5
2 5 4 2 1 1 2 5 6 5 5 5 5 5 5 5 4 5 2 4
2 5 5 2 1 1 2 5 5 5 5 4 4 4 4 4 4 4 2 4
2 2 4 2 1 1 2 5 4 4 4 4 3 3 3 3 4 5 2 4
3 1 2 2 1 1 4 5 2 2 4 3 3 4 4 3 4 2 4 4
2 2 2 3 1 1 4 5 1 2 4 3 3 2 4 4 4 2 4 3
2 3 3 3 1 1 4 5 2 2 2 4 3 2 2 4 5 2 4 4
3、基于人、机协同的聚类结果专题类别判断,聚类后每个像元单元赋予不同的类别数值,形成各种信息的图斑块,根据弹出专题对话框选择对应的专题,在上步结果中,人机协同选择1为水体;2为道路;3、4为农田林地;6、7为居民地6;5为其它类;表示为:水体——1,道路——2,农田林地——3,居民地——6,其它——5;则专题类别判断后的结果1中图像20*20局部区域如下所示。通过对话框给各类赋予需要的颜色,制成专题图。通过人工轻松选取图块避免了纯人工勾绘专题地块的过程。
3 3 3 3 3 3 1 1 2 5 5 5 5 6 6 6 6 5 5 5
3 3 3 3 3 3 2 1 2 5 5 5 6 6 6 6 6 6 3 3
3 3 3 3 3 2 1 1 2 2 2 2 6 6 6 6 6 6 3 3
3 3 3 3 3 2 1 1 2 2 2 5 6 6 6 6 6 5 3 3
3 3 3 3 3 1 1 1 2 2 2 6 6 6 6 6 5 3 3 5
3 3 3 3 3 1 1 2 2 2 2 6 6 6 6 6 5 3 3 2
3 3 3 3 3 2 1 2 5 2 2 5 5 5 5 6 5 5 5 2
3 3 3 3 2 1 1 2 5 2 5 5 5 2 2 5 5 5 5 2
3 3 3 3 1 1 1 2 5 2 5 5 5 2 2 5 3 3 2 2
3 3 3 3 1 1 1 2 5 5 3 2 3 2 2 2 2 2 2 2
3 3 3 3 1 1 1 1 2 2 2 2 2 3 2 2 3 3 5 5
3 3 3 5 2 2 2 2 2 2 2 3 3 5 5 5 5 5 5 5
5 5 5 5 2 2 2 5 5 5 5 5 5 5 5 5 5 5 5 5
2 5 3 3 2 1 2 5 5 5 5 5 5 5 5 5 5 5 5 5
2 5 3 2 1 1 2 5 6 5 5 5 5 5 5 5 3 5 2 3
2 5 5 2 1 1 2 5 5 5 5 3 3 3 3 3 3 3 2 3
2 2 3 2 1 1 2 5 3 3 3 3 3 3 3 3 3 5 2 3
3 1 2 2 1 1 3 5 2 2 3 3 3 3 3 3 3 2 3 3
2 2 2 3 1 1 3 5 1 2 3 3 3 2 3 3 3 2 3 3
2 3 3 3 1 1 3 5 2 2 2 3 3 2 2 3 5 2 3 3
这里:1——水体,2——道路,3——农田林地,6——居民地,5——其它类
4、基于形态学的专题提取信息后处理,得到满足通用GIS软件要求的专题信息矢量数据;在步骤(3)提取结果基础上,通过形态开、闭运算,对3的分类专题图像数据进行滤波(结构元素的大小选择3×3),除去比结构元素小的特定图像细节,同时保证不产生全局的集合失真,在形态学滤波的基础上对提取的矢量进行长度及面积统计,对提取出的矢量长度及所围面积小于阈值的进行剔除。阈值可调整(对于高分辨率航空遥感影像一般长度阈值为25,面积阈值为500,),最后通过矢量跟踪生成满足通用GIS软件要求的专题信息矢量数据(.shp文件),这里的实施例子中因为原始图像已具有地理编码,因此生成的专题信息矢量数据为地理信息,其局部数据结果如表5,其中第一列数据为大地坐标X,第二列为大地坐标Y。
表5生成的某一地物专题矢量数据
REGION 1
98
304125 3461000
304075 3460950
304075 3460850
304000 3460775
304000 3460700
303950 3460650
303950 3460525
303925 3460500
303925 3460450
303900 3460425
303875 3460425
303875 3460350
303900 3460325
303900 3460275
303875 3460250
303875 3460175
303850 3460150
303850 3460100
303825 3460075
303825 3459975
303850 3459950
303850 3459875
303875 3459850
303875 3459475
303900 3459475
303925 3459450
303925 3459400
303950 3459400
303975 3459375
304000 3459375
304025 3459350
304200 3459350
304225 3459325
304250 3459325
304275 3459300
304300 3459300
304350 3459250
304425 3459250
304475 3459200
304550 3459200
304700 3459050
304775 3459050
304800 3459075
304800 3459125
304825 3459150
304900 3459150
304950 3459100
305075 3459100
305075 3459150
305050 3459150
305025 3459175
305025 3459225
305075 3459275
305075 3459325
305050 3459350
305050 3459400
305075 3459425
305075 3459475
305100 3459500
305100 3459550
305125 3459575
305200 3459575
305225 3459600
305225 3459700
305200 3459725
305200 3459775
305225 3459800
305225 3459850
305200 3459875
305200 3459975
305225 3460000
305225 3460175
305200 3460200
305200 3460325
305175 3460350
305175 3460425
305200 3460450
305325 3460450
305325 3460525
305200 3460650
305200 3460675
305175 3460700
305150 3460700
305125 3460725
305125 3460750
305075 3460800
305000 3460800
304975 3460775
304925 3460775
304900 3460750
304650 3460750
304550 3460850
304550 3461000
304500 3461000
304475 3460975
304350 3460975
304325 3461000
304125 3461000
机译: 双质量飞轮,特别是用于机动车辆传动系统的双质量飞轮,具有形成环形空间基础的主质量分量和布置在主质量分量上的副质量分量
机译: 高光谱遥感影像的特征提取方法及装置
机译: 磁性微调装置,用于校正谐波分量的n阶次,该谐波分量是通过核磁共振成像操作的设备的主磁场的分量