一种基于视觉检测的低空遥感空间要素提取系统的制作方法

本发明涉及遥感提取，尤其涉及一种基于视觉检测的低空遥感空间要素提取系统。

背景技术：

1、现有低空遥感空间要素提取技术在影像校正环节无法精准消除几何畸变，像素重定位后易产生间隙且无法得到有效填充，所生成的待提取影像几何精度不足，难以支撑后续稳定的要素提取操作。现有灰度特征提取方式仅能开展简单的区域对比，无法精准表征中心与周边区域的灰度分布差异，有效要素与背景区域的区分度不足，灰度特征提取的精准度偏低。

2、现有影像增强技术未结合灰度分布差异实施针对性反差拉伸，影像对比度提升效果有限，边缘特征无法得到有效凸显。现有边缘提取与聚类处理缺乏硬性边界约束，边缘响应筛选精度不足，易产生伪边缘与边缘断裂情况，空间要素聚类结果杂乱且边界模糊。现有后处理手段无法完成高效的连通域分析与缺陷修复，提取的空间要素存在完整性缺失、边界不规整的问题，整体提取精度与稳定性难以适配低空遥感空间要素提取的实际使用需求，因此如何提升低空遥感空间要素的提取精度与完整性，成为了亟待解决的问题。

技术实现思路

1、为实现上述目的，本发明提供的一种基于视觉检测的低空遥感空间要素提取系统，其特征在于，所述系统包括正射影像获取模块、邻域灰度差分模块、反差拉伸增强模块、拉普拉斯边缘模块、边缘约束聚类模块及连通域后处理模块，其中：

2、所述正射影像获取模块，用于获取目标区域的低空遥感影像，对所述低空遥感影像进行正射校正，得到所述目标区域的待提取影像；

3、所述邻域灰度差分模块，用于对所述待提取影像的中心区域与周边区域进行邻域差分，得到所述目标区域的影像灰度分布差异值；

4、所述反差拉伸增强模块，用于基于所述影像灰度分布差异值，对所述待提取影像的中心像素点进行反差拉伸，得到所述目标区域的增强影像；

5、所述拉普拉斯边缘模块，用于对所述增强影像进行拉普拉斯变换，得到所述目标区域的初步边缘响应图；

6、所述边缘约束聚类模块，用于对所述初步边缘响应图的边缘像素点进行非极大值抑制，得到所述初步边缘响应图的高置信度边缘点，并以所述高置信度边缘点为硬性边界约束，对所述增强影像进行拓扑约束聚类，得到所述增强影像的精细化空间要素图；

7、所述连通域后处理模块，用于对所述精细化空间要素图进行连通域分析，得到所述目标区域的候选要素集，并对所述候选要素集中的候选空间要素进行后处理优化，得到所述目标区域的最终空间要素提取结果。

8、在一个优选的实施方式中，所述正射影像获取模块在执行获取目标区域的低空遥感影像，对所述低空遥感影像进行正射校正，得到所述目标区域的待提取影像时，具体用于：

9、获取目标区域的低空遥感影像；

10、对所述低空遥感影像进行空间后方交会，得到所述低空遥感影像的外方位元素，并对所述外方位元素进行像方空间转换，得到所述目标区域的初始几何映射关系；

11、根据所述初始几何映射关系，对所述低空遥感影像中的像素点进行重定位，得到所述目标区域的初步校正影像；

12、对所述初步校正影像中因重定位产生的像素间隙进行邻域插值填充，得到所述目标区域的待提取影像。

13、在一个优选的实施方式中，所述邻域灰度差分模块在执行对所述待提取影像的中心区域与周边区域进行邻域差分，得到所述目标区域的影像灰度分布差异值时，具体用于：

14、将所述待提取影像中中心区域的像素灰度值与所述待提取影像中周边区域的像素灰度均值进行偏差分析，得到所述待提取影像的中心局部灰度差；

15、基于所述待提取影像的像素点空间位置，对所述中心局部灰度差进行位置约束归约，得到所述目标区域的影像灰度分布差异值。

16、在一个优选的实施方式中，所述影像灰度分布差异值的计算公式如下：

17、；

18、式中，为所述待提取影像中像素点的行序号，为所述待提取影像中像素点的列序号，为所述待提取影像中第行、第列像素点的影像灰度分布差异值，为所述待提取影像中第行、第列像素点的中心像素灰度值，为所述待提取影像中以第行、第列像素点为中心的周边区域位置范围，为所述周边区域中像素点的行序号，为所述周边区域中像素点的列序号，为所述周边区域中像素点的总数，为所述周边区域内行序号为、列序号的像素点的灰度值。

19、在一个优选的实施方式中，所述反差拉伸增强模块在执行基于所述影像灰度分布差异值，对所述待提取影像的中心像素点进行反差拉伸，得到所述目标区域的增强影像时，具体用于：

20、在所述待提取影像中，基于所述影像灰度分布差异值与预设的差异阈值，将所述影像灰度分布差异值大于所述差异阈值的中心像素点标记为所述待提取影像的待拉伸像素点；

21、根据所述影像灰度分布差异值，对所述待拉伸像素点进行非线性映射，得到所述待拉伸像素点的拉伸幅度系数；

22、基于所述拉伸幅度系数，将所述待拉伸像素点的原始灰度值进行对比度扩展，得到所述待拉伸像素点的增强灰度值；

23、基于所述中心像素点的空间位置，对所述待提取影像中非待拉伸像素点的灰度值与所述增强灰度值进行空间域重组，得到所述目标区域的增强影像。

24、在一个优选的实施方式中，所述反差拉伸增强模块在执行基于所述拉伸幅度系数，将所述待拉伸像素点的原始灰度值进行对比度扩展，得到所述待拉伸像素点的增强灰度值时，具体用于：

25、对所述待拉伸像素点进行初始灰度拾取，得到所述待拉伸像素点的原始灰度值；

26、对所述待提取影像进行动态范围测定，得到所述待提取影像的全局灰度值下限和全局灰度值上限；

27、根据所述拉伸幅度系数与所述全局灰度值上限，对所述原始灰度值进行高亮动态扩展，得到所述原始灰度值的上扩灰度值；

28、根据所述拉伸幅度系数与所述全局灰度值下限，对所述原始灰度值进行向底线性延展，得到所述原始灰度值的下扩灰度值；

29、将所述上扩灰度值与所述下扩灰度值进行亮度重建，得到所述待拉伸像素点的增强灰度值。

30、在一个优选的实施方式中，所述拉普拉斯边缘模块在执行对所述增强影像进行拉普拉斯变换，得到所述目标区域的初步边缘响应图时，具体用于：

31、遍历所述增强影像中的像素点，以所述增强影像中当前被遍历的像素点作为中心像素点；

32、以所述中心像素点为中心，对所述增强影像进行邻域采样，得到所述增强影像的邻域像素集，所述邻域像素集包含所述中心像素点与所述中心像素点的四向相邻像素点；

33、对所述中心像素点的灰度值与所述四向相邻像素点的灰度值进行局部梯度估计，得到所述增强影像的四向灰度差值；

34、将所述四向灰度差值进行加权融合，得到所述中心像素点的拉普拉斯响应值；

35、基于所述增强影像中像素点的空间位置，将所述拉普拉斯响应值进行逐像元归位，得到所述目标区域的初步边缘响应图。

36、在一个优选的实施方式中，所述边缘约束聚类模块在执行对所述初步边缘响应图的边缘像素点进行非极大值抑制，得到所述初步边缘响应图的高置信度边缘点，并以所述高置信度边缘点为硬性边界约束，对所述增强影像进行拓扑约束聚类，得到所述增强影像的精细化空间要素图时，具体用于：

37、对所述初步边缘响应图中当前位置的边缘像素点进行幅值提取，得到所述初步边缘响应图的当前边缘响应值；

38、根据所述边缘像素点的梯度方向，对所述边缘像素点进行周边强度读取，得到所述初步边缘响应图的相邻边缘像素点的相邻边缘响应值；

39、基于所述当前边缘响应值与所述相邻边缘响应值，对所述初步边缘响应图的边缘像素点进行响应峰值判别，得到所述初步边缘响应图的高置信度边缘点集；

40、将所述高置信度边缘点集中的边缘点标记为硬性边界约束点；

41、基于硬性边界约束点，以所述增强影像中无约束穿过区作为初始种子区域，对所述增强影像进行分水岭变换，得到所述增强影像的初步聚类图；

42、对所述初步聚类图进行图斑区域归并，得到所述增强影像的精细化空间要素图。

43、在一个优选的实施方式中，所述连通域后处理模块在执行对所述精细化空间要素图进行连通域分析，得到所述目标区域的候选要素集，并对所述候选要素集中的候选空间要素进行后处理优化，得到所述目标区域的最终空间要素提取结果时，具体用于：

44、对所述精细化空间要素图中的像素点进行空间连通分割，得到所述精细化空间要素图的同标邻接连通分量，并对所述同标邻接连通分量进行几何特征过滤，得到所述目标区域的候选要素集；

45、对所述候选要素集进行噪点清洗，得到所述目标区域的去噪后候选要素集；

46、对所述去噪后候选要素集的候选空间要素进行缺陷扫描，得到所述候选空间要素的内部孔洞像素；

47、基于所述内部孔洞像素，对所述候选空间要素进行区域完整性修复，得到所述目标区域的填充后空间要素；

48、对所述填充后空间要素进行边界矢量转换，得到所述目标区域的最终空间要素提取结果。

49、在一个优选的实施方式中，所述连通域后处理模块在执行对所述填充后空间要素进行边界矢量转换，得到所述目标区域的最终空间要素提取结果时，具体用于：

50、对所述填充后空间要素的边界像素点进行空间连续编码，得到所述边界像素点的初始像素级闭合边界链；

51、对所述初始像素级闭合边界链进行直线段拟合，得到所述初始像素级闭合边界链的多边形折线边界；

52、对所述多边形折线边界的相邻直线段进行夹角平滑处理，得到所述多边形折线边界的光滑矢量边界；

53、基于预设的地理坐标，将所述光滑矢量边界进行空间定位，得到所述目标区域的最终空间要素提取结果。

54、与现有技术相比，本发明具有以下有益效果：

55、1.本发明可精准完成低空遥感影像的正射校正处理，完整消除影像几何畸变并填充像素重定位产生的间隙，保障待提取影像具备稳定的几何精度，精准表征影像中心与周边区域的灰度分布差异，有效提升有效要素与背景区域的区分度，结合灰度分布差异完成针对性反差拉伸，大幅强化影像对比度，清晰凸显影像边缘特征，为空间要素提取提供可靠的影像基础。

56、2.本发明可通过非极大值抑制精准筛选高置信度边缘点，以硬性边界约束完成拓扑约束聚类，避免伪边缘与边缘断裂问题，让空间要素聚类结果规整且边界清晰，高效完成连通域分析、噪点清洗与要素缺陷修复，保障空间要素的结构完整，实现边界的平滑矢量转换，全面提升低空遥感空间要素的提取精度、完整性与运行稳定性，满足低空遥感空间要素提取的实际应用要求。