基于多源时序遥感影像的城乡房屋形态变化自动检测方法与流程

本发明涉及图像数据处理，具体涉及一种基于多源时序遥感影像的城乡房屋形态变化自动检测方法。

背景技术：

1、城乡房屋形态变化监测依赖高频次遥感观测。光学影像易受云雨干扰，时序连续性差，实际作业中常需依赖sar（synthetic aperture radar,合成孔径雷达）影像数据补全观测链条。城乡房屋屋顶多为混凝土或彩钢瓦，加层或扩建时新浇顶面会在sar影像上呈强后向散射，与原有屋顶形成明显辐射差异。但sar斜侧视成像的特性导致房屋叠掩、立面压缩，密集分布时邻屋回波混叠于同一像元，散射增强位置与房屋真实边界之间存在偏移，单次单角度观测无法解构这种混叠关系。

2、引入不同轨道、不同入射角的多源sar时序观测，可在多个视角下获取同一房屋的散射特征序列。各视角下房屋的散射表现由其朝向、高度及邻接关系共同决定，散射特征随视角变化的模式本身即蕴含了个体辨识信息。

3、如何从多源时序sar观测中提取独立房屋的个体辨识信息，将辐射差异准确定位至具体房屋个体，是城乡房屋形态变化检测亟需解决的核心问题。

技术实现思路

1、为了解决如何从多源时序sar观测中提取独立房屋的个体辨识信息，将辐射差异准确定位至具体房屋个体的技术问题，本发明的目的在于提供一种基于多源时序遥感影像的城乡房屋形态变化自动检测方法，所采用的技术方案具体如下：

2、本发明提供一种基于多源时序遥感影像的城乡房屋形态变化自动检测方法，所述方法包括：

3、获取监测区域的多源时序sar强度影像数据，根据每景sar影像的像元分贝值确定散射中心点；

4、将所有sar影像的散射中心点投影在同一坐标系得到散射空间点集，将散射空间点集聚类得到各个被标记为房屋的聚簇；

5、确定被标记为粘连房屋的目标聚簇，根据目标聚簇中散射中心点间的距离分布确定目标聚簇中各个被标记为独立房屋的分组；

6、根据分组将目标聚簇拆分为各独立房屋区域，根据独立房屋区域的房屋边界与sar传感器照射方向之间的方位关系修正房屋边界得到独立房屋的真实平面轮廓；

7、基于独立房屋的真实平面轮廓在相邻监测时段的轮廓变化，确定房屋形态变化检测结果。

8、进一步地，所述根据每景sar影像的像元分贝值确定散射中心点，包括：

9、将任一景sar影像划分为各个像元子块，获取像元子块中像元的分贝值均值和分贝值标准差；

10、根据分贝值均值和分贝值标准差确定像元子块的强弱散射阈值，将像元子块中像元分贝值大于强弱散射阈值的像元标记为强散射候选点；

11、对强散射候选点进行非极大值抑制，得到强散射候选点中的散射中心点。

12、进一步地，所述对强散射候选点进行非极大值抑制，得到强散射候选点中的散射中心点，包括：

13、确定强散射候选点及其像元邻域，当强散射候选点的像元分贝值小于像元邻域中任一像元的像元分贝值时强散射候选点被抑制；

14、将各个被抑制的强散射候选点标记为非散射中心点，得到强散射候选点中其余的散射中心点。

15、进一步地，所述将散射空间点集聚类得到各个被标记为房屋的聚簇，包括：

16、基于sar影像的地面分辨率对散射空间点集进行dbscan聚类得到各个被标记为房屋的聚簇；

17、将聚簇中的凸包作为房屋的初始范围，将凸包的几何中心作为房屋的初始位置。

18、进一步地，所述确定被标记为粘连房屋的目标聚簇，包括：

19、获取聚簇中来自升轨视角的升轨散射中心点，确定升轨散射中心点的第一空间分布中心；

20、获取聚簇中来自降轨视角的降轨散射中心点，确定降轨散射中心点的第二空间分布中心；

21、确定第一空间分布中心与第二空间分布中心之间的平面距离；

22、若平面距离小于或等于预设距离阈值则聚簇被标记为独立房屋；

23、若平面距离大于预设距离阈值则聚簇被标记为粘连房屋并将聚簇作为目标聚簇。

24、进一步地，所述根据目标聚簇中散射中心点间的距离分布确定目标聚簇中各个被标记为独立房屋的分组，包括：

25、获取目标聚簇中任意两个散射中心点之间的点对距离并得到点对距离集合；

26、根据点对距离集合构建直方图，对直方图进行曲线拟合得到距离分布曲线；

27、基于距离分布曲线中的波峰数量确定目标聚簇中的初始分组；

28、确定初始分组中的边界模糊点并对边界模糊点重新分组得到各个被标记为独立房屋的分组。

29、进一步地，所述基于距离分布曲线中的波峰数量确定目标聚簇中的初始分组，包括：

30、若距离分布曲线中的波峰数量为二，则获取两波峰之间波谷点处的波谷距离；

31、若目标聚簇中的任意两个散射中心点之间的点对距离小于波谷距离，则判定两个散射中心点属于同一初始分组；

32、若距离分布曲线中的波峰数量为一或大于二，利用层次凝聚聚类将目标聚簇划分为各初始分组。

33、进一步地，所述确定初始分组中的边界模糊点并对边界模糊点重新分组得到各个被标记为独立房屋的分组，包括：

34、获取初始分组中的散射中心点与初始分组的几何中心点之间的第一距离；

35、获取初始分组中的散射中心点与其相邻分组的几何中心点之间的第二距离；

36、比较第一距离和第二距离以将初始分组中的部分散射中心点标记为边界模糊点；

37、根据初始分组中对应目标角度标识的散射中心点集合得到第一坐标重心；

38、根据相邻分组中对应目标角度标识的散射中心点集合得到第二坐标重心；

39、基于边界模糊点分别相对于第一坐标重心和第二坐标重心的距离远近，对边界模糊点重新分组得到各个被标记为独立房屋的分组。

40、进一步地，所述根据独立房屋区域的房屋边界与sar传感器照射方向之间的方位关系修正房屋边界得到独立房屋的真实平面轮廓，包括：

41、获取在目标角度标识下sar影像中sar传感器照射方向对应的方向向量；

42、获取独立房屋区域对应凸包的最小外接矩形，将最小外接矩形作初始修正基准并确定房屋边界；

43、以房屋边界的中点为起点得到沿方向向量的射线，根据射线相对房屋边界内外的指向方位关系确定房屋边界的边界类型；

44、基于房屋边界的边界类型确定待修正的房屋边界，对待修正的房屋边界进行修正得到独立房屋的真实平面轮廓。

45、进一步地，房屋边界的边界类型包括迎向边和背向边；所述基于房屋边界的边界类型确定待修正的房屋边界，对待修正的房屋边界进行修正得到独立房屋的真实平面轮廓，包括：

46、若房屋边界在所有角度标识下均被判定为背向边则该房屋边界确定为待修正的房屋边界；

47、获取待修正的房屋边界的相邻边界，若相邻边界为迎向边则以该相邻边界为基准对待修正的房屋边界进行修正得到独立房屋的真实平面轮廓；

48、若相邻边界为背向边则获取相邻边界的新相邻边界，若新相邻边界为迎向边则以该新相邻边界为基准对待修正的房屋边界进行修正得到独立房屋的真实平面轮廓。

49、本发明具有如下有益效果：

50、本发明通过利用多角度sar散射中心的空间分布差异和视角依赖规律，从叠掩混叠的回波中有效提取房屋个体辨识信息，将时序辐射差异精准定位于单体独立房屋，解决了传统单角度sar无法解构叠掩混叠，多源时序sar观测难以提取独立房屋的个体辨识信息、辐射变化难以精准归属至具体房屋的核心问题；

51、本发明提供的粘连房屋分离技术，基于多角度散射中心的空间分布及同源几何约束，无需依赖外部的房屋基底矢量参照数据即可自动拆分因叠掩而合并的粘连房屋，实现了密集建筑区独立房屋的精确识别，显著提高了独立房屋个体检测的准确性；

52、本发明还通过房屋边界与sar传感器照射方向之间的方位关系来修正房屋边界，有效消除sar叠掩引起的几何拉伸失真，获取到房屋真实平面轮廓，保证了后续识别轮廓变化的可靠性，并最终得到精准的房屋形态变化检测结果，适用于城乡房屋管理部门的大范围、高频次自动化监管应用。