一种建筑物提取方法、装置、终端设备及可读存储介质与流程

1.本技术属于图像处理技术领域，尤其涉及一种建筑物提取方法、装置、终端设备及可读存储介质。


背景技术：

2.在进行地图绘制、城市规划、城市建模和城市灾难应急响应的过程中，如何对影像数据中的城市建筑物进行识别提取，是最需解决的问题。
3.现有的城市建筑物提取的方法主要有：基于二维影像数据的建筑物提取方法；基于三维数据的建筑物提取方法，以及基于二维数据和三维数据的数据融合建筑物提取方法。
4.其中，基于二维影像数据的建筑物提取方法的实现依赖于高分辨率影像数据的光谱特征，容易受到光谱模糊性和阴影的遮挡，易导致提取结果出现严重错误，并且基于二维影像数据的建筑物提取方法的自动化水平低。
5.基于三维数据的建筑物提取方法是基于三维点云数据的强度、回波和几何属性进行建筑物提取。其自动化水平较基于二维影像数据的建筑物提取方法高，但是提取结果的精度不稳定。
6.基于上述原因，基于二维数据和三维数据的数据融合建筑物提取方法引起了广泛关注。
7.然而，现有的基于二维数据和三维数据的数据融合建筑物提取方法容易受到多方面的限制；其中，基于低级或中级特征识别建筑物的方法的识别结果依赖于特定阈值或某些经验规则，易受到样本数据质量的影响，识别结果精度不高，普适性不强。
8.面向对象进行建筑物提取的方法需要先对影像数据进行分割，分割过程容易受到光照、噪声及其他环境因素的影响，分割结果依赖分割参数设置，从而使得提取结果不稳定。
9.基于高级语义特征的深度学习方法需要大量良好标注的样本数据进行特征学习，该方法缺乏拓展性且泛化能力受到训练域的限制。


技术实现要素：

10.本技术实施例提供了一种建筑物提取方法、装置、终端设备及可读存储介质，可以解决现有的城市建筑物提取的方法具有提取结果不稳定、依赖训练样本数据且精度低等问题。
11.第一方面，本技术实施例提供了一种建筑物提取方法，包括：
12.获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据；
13.对所述目标影像数据进行预处理，获得预处理后的目标影像数据；
14.对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果；
15.对所述初始候选区域和所述自适应分割结果进行融合处理，获得建筑物候选区域；
16.根据所述初始候选区域对所述建筑物候选区域进行优化，获得建筑物提取结果。
17.第二方面，本技术实施例提供了一种建筑物提取装置，包括：
18.获取模块，用于获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据；
19.预处理模块，用于对所述目标影像数据进行预处理，获得预处理后的目标影像数据；
20.图像处理模块，用于对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果；
21.融合处理模块，用于对所述初始候选区域和所述自适应分割结果进行融合处理，获得建筑物候选区域；
22.优化模块，用于根据所述初始候选区域对所述建筑物候选区域进行优化，获得建筑物提取结果。
23.第三方面，本技术实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的建筑物提取方法。
24.第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的建筑物提取方法。
25.第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的建筑物提取方法。
26.可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
27.本技术实施例通过对第一数据和高分辨率影像数据进行融合处理，获得建筑物的识别结果，结合第一数据能够提供高于地面的物体的相对于地面的高程信息，不易受环境因素的影响以及高分辨率影像数据能够提供丰富的光谱特征及纹理信息的特点，提高了方法的鲁棒性和识别结果的精度，同时确保了识别结果的精度的稳定性。
附图说明
28.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是本技术一实施例提供的建筑提取方法的流程示意图；
30.图2是本技术一实施例提供的高分辨率影像数据和第一数据的示意图；
31.图3是本技术一实施例提供的初始候选区域的示意图；
32.图4是本技术一实施例提供的超轮廓图的示意图；
33.图5是本技术一实施例提供的获取第一超轮廓图分割结果的应用场景示意图；
34.图6是本技术一实施例提供的判定第一目标区域的应用场景示意图；
35.图7是本技术一实施例提供的高分辨率影像与高分辨率数据分割结果叠加的示意图；
36.图8是本技术一实施例提供的高分辨率影像与第一数据分割结果叠加的示意图；
37.图9是本技术另一实施例提供的获取第一超轮廓图分割结果和第二超轮廓图分割结果的示意图；
38.图10是本技术实施例提供的获取建筑物提取结果应用场景示意图；
39.图11是本技术实施例提供的建筑物提取方法的精度评价结果的示意图；
40.图12是本技术实施例提供的建筑物提取装置的结构示意图；
41.图13是本技术实施例提供的终端设备的结构示意图。
具体实施方式
42.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
43.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
44.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
45.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0046]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0047]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0048]
本技术实施例提供的建筑物提取方法可以应用于手机、平板电脑、笔记本电脑、服务器等终端设备上，本技术实施例对终端设备的具体类型不作任何限制。
[0049]
图1示出了本技术提供的建筑物提取方法的示意性流程图，作为示例而非限定，该方法可以应用于上述服务器中。
[0050]
s101、获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据。
[0051]
在具体应用中，获取关于目标场所的目标影像数据；其中，目标影像数据包括但不限于第一数据和高分辨率影像数据；目标场所包括但不限于需要进行建筑物提取的城市或场所。其中，第一数据是指相对高程的数据；相对高程的数据包括但不限于lidar点云数据，数字表面模型dsm，立体像对数据以及归一化数字表面模型ndsm。相对高程数据能提供高于地面的物体的相对于地面的高程信息，高分辨率影像数据能够提供丰富的光谱特征及纹理信息。
[0052]
在本实施例中，第一数据具体可以是激光雷达(light detection and ranging，lidar)点云数据。对应的，可通过雷达设备获取关于目标场所的激光雷达(light detection and ranging，lidar)点云数据；通过高分辨率摄像头拍摄关于目标场所的高分辨率影像数据i。
[0053]
如图2所示，提供了一种高分辨率影像数据和第一数据的示意图；
[0054]
其中，图2(a)为激光雷达点云渲染示例的灰度图，图2(b)包括三波段(近红外-红-绿)高分辨率影像的灰度图，图2(c)为预处理后的第一数据；
[0055]
具体的，图2(b)中包括形状复杂的历史建筑、道路和树木，特征为建筑物密集。
[0056]
s102、对所述目标影像数据进行预处理，获得预处理后的目标影像数据。
[0057]
在具体应用中，通过根据目标影像数据的类型进行对应的预处理，以去除(或减小)目标影像数据中的环境噪声(如噪声、环境光等)，降低环境噪声对目标影像数据的精度造成的影响，获得预处理后的目标影像数据。
[0058]
在一个实施例中，步骤s102，包括：
[0059]
对所述第一数据进行第一预处理，获得预处理后的第一数据；其中，所述第一预处理包括基于第一数据生成归一化数字表面模型(normalized digital surface model，ndsm)；
[0060]
对所述高分辨率影像数据进行第二预处理，获得预处理后的高分辨率影像数据；所述第二预处理包括去噪处理、配准处理以及正射校正处理中的至少一种。
[0061]
在具体应用中，通过对第一数据进行第一预处理，可以提高对第一数据进行分类的精度；通过对高分辨率影像数据进行第二预处理，可以降低或去除噪声，同时减小环境光的反射和折射对影像数据的影响。其中，第一预处理包括但不限于根据基于第一数据生成归一化数字表面模型；第二预处理包括但不限于去噪处理、配准处理以及正射校正处理中的至少一种。
[0062]
s103、对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果。
[0063]
在具体应用中，通过预设算法对预处理后的目标影像数据进行检测处理，获得信息图像，并通过对信息图像中的非地面区域图和植被区域图进行叠加处理，获得满足第一预设条件的区域，作为初始候选区域；分别对信息图像中的第一超轮廓图和第二超轮廓图进行自适应分割处理，获得对应的第一数据分割结果和高分辨率影像数据分割结果。其中，信息图像包括但不限于第一超轮廓图、非地面区域图、第二超轮廓图以及植被区域图。
[0064]
如图3所示，示例性的示出了一种初始候选区域的示意图；
[0065]
其中，图3(a)表示植被区域图，图3(b)表示非地面区域图，图3(c)表示初始候选区域图。
[0066]
在一个实施例中，步骤s103，包括：
[0067]
s1031、对所述预处理后的目标影像数据进行检测，生成信息图像；其中，所述信息图像包括第一超轮廓图、非地面区域图、第二超轮廓图以及植被区域图；
[0068]
s1032、对所述非地面区域图和植被区域图进行叠加处理，获得第一叠加图像；
[0069]
s1033、获取所述第一叠加图像中满足第一预设条件的区域，作为初始候选区域；
[0070]
s1034、对所述第一超轮廓图和所述第二超轮廓图进行自适应分割，获得对应的自适应分割结果；其中，所述自适应分割结果包括第一数据分割结果和高分辨率影像数据分割结果。
[0071]
在具体应用中，对预处理后的第一数据进行检测处理，获得信息图像中的第一超轮廓图nucm和非地面区域图(non-ground region，ngr)；对预处理后的高分辨率影像数据进行检测处理，获得第二超轮廓图iucm以及植被区域图(vegetation region，vr)。
[0072]
在具体应用中，对获得的非地面区域图和植被区域图进行叠加处理，获得第一叠加图像，并获取第一叠加图像中满足第一预设条件的区域，作为初始候选区域，其中，第一预设条件可根据实际情况进行具体设定，其用于识别第一叠加图像中的非地面且非建筑物的像素区域。
[0073]
在实际应用中，第一叠加图像中的叠加区域即为非地面区域中的植被，对应可设定第一预设条件为去除非地面区域中的与第一叠加图像中的叠加对应的像素区域。因此，可识别第一叠加图像中的叠加区域，并从非地面区域中删除与该叠加区域对应的像素区域，保留非地面区域中其他像素区域，作为初始候选区域(initialcandidate region，icr)。
[0074]
需要说明的是，由于非地面区域是经过二值化处理后得到的区域，一般情况下，二值化处理的结果包括：将大于转换阈值的对象区域的灰度值转换为第一灰度值，将小于转换阈值的背景区域的像素灰度值转换为第二灰度值。
[0075]
因此，从非地面区域中删除与该叠加区域对应的像素区域可以理解为，将非地面区域中与该叠加区域对应的像素区域的灰度值转换为第二灰度值，作为非地面区域中的背景区域。
[0076]
在本实施例中，设定第一灰度值255(即白色)，第二灰度值为0(即黑色)，也即设定二值化处理中包括：将大于转换阈值的对象区域的灰度值转换为255(即白色)，将小于转换阈值的背景区域的像素灰度值转换为0(即黑色)。
[0077]
分别对第一超轮廓图和第二超轮廓图进行自适应分割，获得对应的自适应分割结果。需要说明的是，在对第一超轮廓图或第二超轮廓图进行分割的过程中，若设定的阈值过大，则会产生欠分割现象，使得分割结果中的对象较大，若设定的阈值过小，则会产生过分割现象，生成过分割结果。因此，需要根据实际情况设定对应的多个分割阈值，对超轮廓图(ultrametric contour map，ucm)进行层次分割，并对应生成多层次的自适应分割结果。
[0078]
在一个实施例中，对所述第一超轮廓图和所述第二超轮廓图进行自适应分割，获得对应的自适应分割结果，包括：
[0079]
根据预设的至少2个分割阈值，对第一超轮廓图和第二超轮廓图进行多层次的自适应分割，获得对应的第一数据分割结果和高分辨率影像数据分割结果；其中，所述第一数据分割结果包括至少两个第一分割结果；所述高分辨率影像数据分割结果包括至少两个第
二分割结果。
[0080]
在具体应用中，为了减小过分割结果或欠分割结果对建筑物提取结果精度产生的影响，预先设定至少2个分割阈值，根据上述多个分割阈值对第一超轮廓图或第二超轮廓图进行多层次的自适应分割，因此，对应获得包括至少两个第一分割结果的第一数据分割结果，以及包括至少两个第二分割结果的高分辨率影像数据分割结果。
[0081]
例如，若设定四个分割阈值，根据4个分割阈值分别对第一超轮廓图或第二超轮廓图进行多层次的自适应分割，对应获得的第一数据分割结果包括4个第一分割结果，高分辨率影像数据分割结果包括4个第二分割结果。
[0082]
例如，可以预设间隔设定多个对应的分割阈值，对第一超轮廓图进行多层次的自适应分割。例如，设定预设间隔为0.1，设定多个对应的分割阈值包括0.1，0.2，0.3，0.4，根据上述4个分割阈值对第一超轮廓图进行4层次的自适应分割，对应生成第一数据的自适应分割结果包括nseg1，nseg2，nseg3，nseg4，也即对第一超轮廓图从过分割到欠分割的过程；其中，nseg4为与分割阈值0.4对应的第一分割结果，nseg3为与分割阈值0.3对应的第一分割结果，nseg2为与分割阈值0.2对应的第一分割结果，nseg1为与分割阈值0.1对应的第一分割结果。
[0083]
需要说明的是，由于超轮廓图的取值范围为0-1。而在超轮廓图中轮廓的值越大，表示该轮廓的值两侧对比度越大。由于建筑物是地上物体，在相对高程数据上，建筑物与地面有较大的对比度，因而建筑物具有较大的轮廓值。在高分辨率影像数据上，通常认为建筑物在高分辨率影像数据上比较亮，建筑物与相邻地物有较大对比度，因而建筑物具有较大的轮廓值。也即，建筑物在两个超轮廓图上都表现为具有较大的轮廓的值。同时基于实验可以获得，基于0.4以上的分割阈值的提取结果基本一致，因此，可设定分割阈值最大为0.4。高分辨率影像数据中最弱的边缘在超轮廓图中的值表现为0.05左右，为了避免遗漏，我们设定0.1为分割阈值的下限；因此，可对应设置预设间隔为0.1，设定4个分割阈值。实验证明通过设定分割阈值从0.4到0.1实现层次叠加分析，基本可以获得满意的建筑物提取结果。
[0084]
如图4所示，提供了一种超轮廓图的示意图；
[0085]
其中，图4a为高分辨率影像数据的第二超轮廓图iucm；图4b表示第一数据的第一超轮廓图nucm。
[0086]
s104、对所述初始候选区域和所述自适应分割结果进行融合处理，获得建筑物候选区域。
[0087]
在具体应用中，对初始候选区域和自适应分割结果进行基于数据融合的层次叠加分析处理，可获得建筑物候选区域。
[0088]
在一个实施例中，步骤s104，包括：
[0089]
对所述第一数据分割结果与所述初始候选区域进行层次叠加分析，获得第二叠加图像；其中，所述第一数据分割结果包括至少两个第一分割结果；
[0090]
根据所述第二叠加图像，识别所述初始候选区域中所有的第一目标区域；
[0091]
合并所有所述第一目标区域，作为第一超轮廓图分割结果；
[0092]
对所述高分辨率影像数据分割结果与所述初始候选区域进行层次叠加分析，获得第三叠加图像；其中，所述高分辨率影像数据分割结果包括至少两个第二分割结果；
[0093]
根据所述第三叠加图像，识别所述初始候选区域中所有的第二目标区域；
[0094]
合并所有所述第二目标区域，作为第二超轮廓图分割结果；
[0095]
融合所述第一超轮廓图分割结果和所述第二超轮廓图分割结果，获得所述建筑物候选区域。
[0096]
在具体应用中，根据预设的分割阈值在对第一超轮廓图进行自适应分割后，获得至少两个第一分割结果，至少两个第一分割结果包括了对第一数据进行欠分割处理到进行过分割处理的分割结果；根据预设的分割阈值对第二超轮廓图进行自适应分割后，获得至少两个第二分割结果包括了对高分辨率影像数据进行欠分割处理到进行过分割处理的分割结果。
[0097]
在具体应用中，可通过将第一数据分割结果与初始候选区域叠加分析，获得第二叠加图像，根据第二叠加图像，识别初始候选区域中所有的第一目标区域，再合并所有第一目标区域，即可获得第一超轮廓图分割结果；
[0098]
在具体应用中，将高分辨率影像数据分割结果与初始候选区域叠加分析，获得第三叠加图像，根据第三叠加图像，识别初始候选区域中所有的第二目标区域，再合并所有第二目标区域，即可获得第二超轮廓图分割结果。
[0099]
其中，以初始候选区域中任一个像素连通区域为候选对象，以第一数据分割结果中的任一个像素连通区域为第一分割对象；以第二叠加图像中候选对象和对应的第一分割对象叠加的叠加区域为第一叠加对象，第一目标区域是指初始候选区域中与满足第二预设条件的第一叠加对象对应的像素区域；其中，第二预设条件可根据实际情况进行具体设定。
[0100]
在本实施例中，设定第二预设条件为第一叠加对象对应的面积比例大于预设面积比例阈值。对应的，面积比例是指第二叠加图像中第一叠加对象的面积和与该第一叠加对象对应的第一分割对象的面积的比例。
[0101]
其中，以高分辨率影像数据分割结果中的任一个像素连通区域为高分辨率影像数据分割对象，以第三叠加图像中候选对象和对应的高分辨率影像数据分割对象叠加的叠加区域为第二叠加对象，第二目标区域是指初始候选区域中与满足第二预设条件的第二叠加对象对应的像素区域。
[0102]
在本实施例中，设定第二预设条件为第二叠加对象的面积比例大于预设面积比例阈值。对应的，面积比例是指第三叠加区域中第二叠加对象的面积和与该第二叠加对象对应的高分辨率影像数据分割对象的面积的比例。
[0103]
其中，预设面积比例阈值可根据实际情况进行具体设定。例如，设定预设面积比例阈值为80％。对应的，在第二叠加图像中第一叠加对象和与该第一叠加对象对应的第一分割对象的面积比例为85％时，判定上述第一叠加对象满足第二预设条件，也即初始候选区域中与该第一叠加对象所对应的像素区域是第一目标区域。
[0104]
在具体应用中，获取第一超轮廓图分割结果，包括：
[0105]
根据预设排序方法，对第一分割结果进行排序；其中，排序方法包括分割阈值从大到小的顺序排序；
[0106]
步骤a101、将序列中满足第三预设条件的第一分割结果与初始候选区域叠加，获得第二叠加图像；
[0107]
步骤a102、计算第二叠加图像中每个第一叠加对象的面积；
[0108]
步骤a103、计算上述第一分割结果中每个第一分割对象的面积；
[0109]
步骤a104、计算每一个第二叠加图像中第一叠加对象和与该第一叠加对象对应的第一分割对象的面积比例，比较上述面积比例和预设面积比例阈值；
[0110]
步骤a105、在第一叠加对象对应的面积比例大于预设面积比例阈值时，判定该第一叠加对象满足第二预设条件，即初始候选区域中与该第一叠加对象对应的像素区域为第一目标区域；
[0111]
步骤a106、从初始候选区域中删除上述第一目标区域，作为新的初始候选区域；
[0112]
将所述新的初始候选区域与序列中满足第四预设条件的第二分割结果进行叠加，获得新的第二叠加结果，返回执行所述步骤a101至所述步骤a106，直至第二叠加图像中的每个第一叠加对象和与其对应的第一分割对象的面积比例均小于预设面积比例阈值，合并所有第一目标区域，作为第一超轮廓图分割结果。
[0113]
可以理解的是，获取第二超轮廓图分割结果的方式可以参照上述获取第一超轮廓图分割结果的方式，在此不再赘述。
[0114]
在具体应用中，获得第一超轮廓图分割结果和第二超轮廓图分割结果后，将第一超轮廓图分割结果与第二超轮廓图分割结果进行融合，获得建筑物候选区域。可以理解的是，像素区域的面积可通过该像素区域的像素个数表示。
[0115]
其中，第三预设条件、第四预设条件可根据排序方法进行具体设定；例如，若根据分割阈值从大到小的顺序对对应的第一分割结果进行排序，则第三预设条件为位于序列中的第一位的第一分割结果；第四预设条件为位于序列中第二位的第一分割结果...可以理解的是，在第一数据分割结果包括3个以上的第一分割结果时，对应产生第五预设条件为位于序列中的第三位的第一分割结果，对应产生第六预设条件为位于序列中的第四位的第一分割结果；并以此类推，在此不再赘述。
[0116]
以预设4个分割阈值为例，如图5所示，提供了获取第一超轮廓图分割结果的应用场景示意图。
[0117]
图5a中，a1-a4表示初始候选区域，b1-b4表示第二叠加图像，c1-c4表示第一目标区域，nseg1，nseg2，nseg3，nseg4分别表示4个第一分割结果；
[0118]
其中，预先设定4个分割阈值包括0.1，0.2，0.3，0.4。其中，nseg4为与分割阈值0.4对应的第一分割结果，nseg3为与分割阈值0.3对应的第一分割结果，nseg2为与分割阈值0.2对应的第一分割结果，nseg1为与分割阈值0.1对应的第一分割结果；
[0119]
将初始候选区域a1与nseg4进行叠加，获得第二叠加图像b1，根据b1可以识别出第二叠加图像b1中满足第二预设条件的第一叠加对象为c1，判定第一叠加对象c1为第一目标区域；从初始候选区域a1中删除第一叠加对象c1，获得新的初始候选区域a2；
[0120]
将初始候选区域a2与nseg3进行叠加，获得新的第二叠加图像b2，根据b2可以识别出第二叠加图像b2中满足第二预设条件的第一叠加对象为c2，判定第一叠加对象c2为第一目标区域；从初始候选区域a2中删除第一叠加对象c2，获得新的初始候选区域a3；
[0121]
将初始候选区域a3与nseg2进行叠加，获得新的第二叠加图像b3，根据b3可以识别出第二叠加图像b3中满足第二预设条件的第一叠加对象为c3，判定第一叠加对象c3为第一目标区域；从初始候选区域a3中删除第一叠加对象c3，获得新的初始候选区域a4；
[0122]
将初始候选区域a4与nseg1进行叠加，获得新的第二叠加图像b4，根据b4可以识别出第二叠加图像b4中满足第二预设条件的第一叠加对象为c4，判定第一叠加对象c4为第一
目标区域。
[0123]
通过将第一目标区域c1-c4进行合并，获得如图5b所示的第一超轮廓图分割结果。
[0124]
以第一分割结果为例，如图6所示，提供了一种判定第一目标区域的应用场景示意图。
[0125]
其中，图6a为一种初始候选区域示意图，h1和h2表示两个候选对象，图6b为一种第一分割结果示意图，f1-f2表示两个第一分割对象，图6c为对图6a和6b进行叠加分析后处理的第二叠加图像，j1-j3表示三个第一重叠对象；
[0126]
可以理解的是，在判定第一重叠对象j1是否为第一目标区域的时候，需要首先计算第一重叠对象j1的面积，然后计算第一重叠对象j1面积与第一分割对象f1面积的比例，比较上述面积比例和预设面积比例阈值，上述面积比例大于预设面积比例阈值，则判定第一重叠对象j1为第一目标区域；若上述面积比例小于或等于预设面积比例阈值，则判定第一重叠对象j1不是第一目标区域；
[0127]
同理，在判定第一重叠对象j2是否为第一目标区域的时候，需要首先计算第一重叠对象j2的面积，然后计算第一重叠对象j2面积与第一分割对象f1面积的比例，上述面积比例大于预设面积比例阈值，则判定第一重叠对象j2为第一目标区域；若上述面积比例小于或等于预设面积比例阈值，则判定第一重叠对象j2不是第一目标区域；
[0128]
同理，在判定第一重叠对象j3是否为第一目标区域的时候，需要首先计算第一重叠对象j3的面积，然后计算第一重叠对象j3的面积与第一分割对象f2面积的比例；比较上述面积比例和预设面积比例阈值，若上述面积比例大于预设面积比例阈值，则判定第一重叠对象j3为第一目标区域；若上述面积比例小于或等于预设面积比例阈值，则判定第一重叠对象j3不是第一目标区域。
[0129]
需要说明的是，由于非地面区域图和植被区域图是经过二值化处理后的图像，而初始候选区域是对非地面区域图和植被区域图进行叠加处理后获得的处理结果图，因此，初始候选区域中也包括转换为第一灰度值的对象区域，以及转换为第二灰度值的背景区域。可以理解的是，从初始候选区域中删除第一目标区域和/或第二目标区域，即为将初始候选区域中第一目标区域和/或第二目标区域的像素灰度值转换为第二灰度值，使第一目标区域和/或第二目标区域成为初始候选区域中的背景区域。
[0130]
如图7所示，提供了一种高分辨率影像与高分辨率影像分割结果叠加的示意图；
[0131]
图7a表示以0.4为阈值生成的第二分割结果图的边界叠加在高分辨率影像上的图像；图7b是以0.1为阈值生成的第二分割结果图的边界叠加在高分辨率影像上的图像。
[0132]
如图8所示，提供了一种高分辨率影像与第一数据分割结果叠加的示意图；
[0133]
图8中，a表示以0.4为阈值生成的第一分割结果图的边界叠加在高分辨率影像上的图像；b表示以0.1为阈值生成的第一分割结果图的边界叠加在高分辨率影像上的图像。
[0134]
图9所示，提供了一种获取第一超轮廓图分割结果和第二超轮廓图分割结果的示意图；
[0135]
图9中，(a)表示第一分割结果nseg4与初始候选区域叠加处理后的第二叠加图像；(b)表示第一分割结果nseg3与初始候选区域叠加处理后的第二叠加图像；(c)表示第一分割结果nseg2与初始候选区域叠加处理后的第二叠加图像；(d)表示第一分割结果nseg1与初始候选区域叠加处理后的第二叠加图像；(e)表示第二叠加图像的合并获得第一超轮廓图
分割结果的示意图；
[0136]
(f)表示第二分割结果iseg4与初始候选区域叠加处理后的第三叠加图像；(g)表示第二分割结果iseg3与初始候选区域叠加处理后的第三叠加图像；(h)表示第二分割结果iseg2与初始候选区域叠加处理后的第三叠加图像；(i)表示第二分割结果iseg1与初始候选区域叠加处理后的第三叠加图像；(j)表示第三叠加图像的合并获得第二超轮廓图分割结果的示意图。
[0137]
需要说明的是，由于在高分辨率影像数据中，建筑物本身的像素区域中对应的光谱变化弱，而建筑物于建筑物外围的其他物体对应的光谱变化高；而在第一数据中，非地面像素点(或非地面像素区域)和地面像素点(或地面像素区域)之间存在一定的高度差，因此，建筑物在第一超轮廓图和第二超轮廓图中，具有较高的ucm值。对应的，根据ucm生成的可能属于建筑物的分割对象通常在初始候选区域中占有较大比例。
[0138]
需要说明的是，非建筑背景包括两个部分：亮度值较低的植被和其他非地面背景区域(例如，路标、雕像等)。其中，亮度值较低的植被包括阴影植被或密度稀疏的植被。亮度值较低的植被的高度一般低于建筑物且面积小于建筑物，亮度值较低的植被区域的内部高度不规则。对应可知，亮度值较低的植被区域的高度差值和光谱的对比度和高程的对比度低于建筑物的高度差值、光谱的对比度和高程的对比度。在本领域技术人员可知，一般情况下其他非地面背景区域的面积小于建筑物的面积，并且，其他非地面背景没有与建筑物类似的特征。因此，非地面背景在第一超轮廓图和高分辨率遥感影像中具有较小的ucm值。并且，非地面背景在任意一个分割结果和初始候选区域的叠加图像中所占的比例均低，因此，非建筑物背景的分割对象在初始候选区域中占有的比例小。
[0139]
s105、根据所述初始候选区域对所述建筑物候选区域进行优化，获得建筑物提取结果。
[0140]
在一个实施例中，步骤s105，包括：
[0141]
将所述初始候选区域和所述建筑物候选区域叠加，获得第四叠加图像；
[0142]
根据所述第四叠加图像对所述建筑物候选区域进行优化，获得所述建筑物提取结果。
[0143]
在具体应用中，由于临近建筑物的低矮植于建筑物的距离较近，在对初始候选区域和自适应分割结果进行简单融合处理后，获得的建筑物候选区域中可能会包括临近建筑物的低矮植被区域，这些误带入的低矮植被区域是初始候选区域中没有的。因此，需要对建筑物候选区域进行进一步处理：对初始候选区域和候选建筑物区域进行叠加处理，获得第四叠加图像；从候选建筑物区域中删除第四叠加图像中的叠加区域，可以消除复杂场景中与建筑物相邻的低矮植被区域。然后通过形态学运算移除候选建筑物区域中的面积小于预设阈值的像素区域，并对候选建筑物区域进行形态学腐蚀和膨胀处理，优化候选建筑物区域中建筑物提取结果的边界，得到最终的建筑物提取结果。其中，预设阈值可以根据实际情况进行具体设定，例如，在实际应用中，建筑物的面积一般不小于10
㎡
，对应的，可设定预设阈值为10
㎡
。
[0144]
需要说明的是，候选建筑物区域是初始候选区域和所述自适应分割结果进行基于数据融合的层次叠加分析处理获得的结果，因此，候选建筑物区域包括转换为第一灰度值的对象区域，以及转换为第二灰度值的背景区域。可以理解的是，从候选建筑物区域中删除
第四叠加图像中的叠加区域包括：在候选建筑物区域中，将第四叠加图像中的叠加区域的像素灰度值转换为第二灰度值，使该叠加区域成为候选建筑物区域中的背景像素区域。
[0145]
图10是本发明实施例提供的获取建筑物提取结果应用场景示意图。
[0146]
图10中，图10(a)表示高分辨率影像数据的灰度图；图10(b)表示真值；图10(c)表示初始候选区域图；图10(d)表示建筑物候选区域图；图10(e)表示建筑物候选区域的灰度叠加图，其中，颜色较深区域表示两种数据源共同提取的部分，图中颜色较浅区域表示单一数据源提取的部分。
[0147]
在一个实施例中，步骤s1031，包括：
[0148]
对所述预处理后的第一数据进行检测，生成所述第一超轮廓图；
[0149]
对所述预处理后的第一数据进行二值化处理，获得所述非地面区域图；
[0150]
对所述预处理后的高分辨率影像数据进行检测，生成所述第二超轮廓图；
[0151]
对所述预处理后的高分辨率影像数据进行二值化处理，获得所述植被区域图。
[0152]
在具体应用中，可通过第一预设算法对预处理后的第一数据进行检测处理，获得第一超轮廓图nucm；第一预设算法包括但不限于基于全局概率边缘(globalized probability of boundary，gpb)轮廓检测算法；
[0153]
可通过第一预设算法对预处理后的高分辨率影像数据进行检测处理，获得第二超轮廓图iucm；
[0154]
需要说明的是，第一超轮廓图nucm和第二超轮廓图iucm的数值范围为0～1。
[0155]
根据第一数据具有高度信息的特点，通过自动阈值方法获得二值化的第一转换阈值，并根据第一转换阈值对预处理后的第一数据进行二值化处理，生成非地面区域ngr；
[0156]
根据高分辨率影像数据i具有丰富的光谱信息以及具有细节纹理特征的特点，通过自动阈值方法获得二值化的第二转换阈值，并根据第二转换阈值对预处理后的高分辨率影像数据进行二值化处理，并根据归一化植被指数(normalized difference vegetation index，ndvi)从二值化处理后的高分辨率影像中提取植被区域vr。
[0157]
归一化植被指数ndvi是指遥感影像中，近红外波段的反射值与红光波段的反射值之差与两者之和的商，可通过下式获取：
[0158][0159]
其中，nir表示近红外波段，r表示红波段。
[0160]
归一化植被指数ndvi的取值范围：-1《＝ndvi《＝1，ndvi为负值时，表示目标场所的地面覆盖为云、水、雪等，上述物体对可见光高反射；ndvi为0时，表示目标场所有岩石或裸土等物体，nir和r近似相等；ndvi为正值时，表示目标场所有植被覆盖，且ndvi的值随覆盖度增大而增大。
[0161]
图11示例性的提供了一种建筑物提取方法的精度评价结果的示意图。
[0162]
其中，图11(a)表示评价范围图，图11(b)表示真值图，图11(c)表示精度评价结果图。白色代表正检值，灰色代表错检和漏检值。
[0163]
表1示例性的示出了十九种自动建筑物检测提取技术的定量分析指标。
[0164]
表1中的第二行至第十九行数据是公布在isprs网站上其他自动建筑物检测提取方法的精度评价结果；表1中的最后一行数据表示本建筑物提取方法的精度评价结果。对建
筑物提取方法的精度评价的指标包括：1.查全率(“正确被识别为建筑物的像素数”占“所有含有建筑物的像素数”的比例)；2.查准率(“正确被识别的建筑物像素数”占“所有被识别为建筑物的像素数”的比例)；以及3.质量(查全率和查准率的综合)。
[0165]
根据表1的数据可以知道，本建筑物提取方法的提取结果精度高，质量高。
[0166][0167][0168]
表1
[0169]
本实施例通过对第一数据和高分辨率影像数据进行融合处理，获得建筑物的识别结果，结合第一数据能够提供高于地面的物体的相对于地面的高程信息，不易受环境因素的影响以及高分辨率影像数据能够提供丰富的光谱特征及纹理信息的特点，提高了方法的鲁棒性和识别结果的精度，同时确保了识别结果的精度的稳定性。
[0170]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0171]
对应于上文实施例所述的建筑物提取方法，图12示出了本技术实施例提供的建筑物提取装置100的结构框图，为了便于说明，仅示出了与本技术实施例相关的部分。
[0172]
参照图12，该建筑物提取装置100包括：
[0173]
获取模块101，用于获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据；
[0174]
预处理模块102，用于对所述目标影像数据进行预处理，获得预处理后的目标影像数据；
[0175]
图像处理模块103，用于对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果；
[0176]
融合处理模块104，用于对所述初始候选区域和所述自适应分割结果进行融合处理，获得建筑物候选区域；
[0177]
优化模块105，用于根据所述初始候选区域对所述建筑物候选区域进行优化，获得建筑物提取结果。
[0178]
本实施例通过对第一数据和高分辨率影像数据进行融合处理，获得建筑物的识别结果，结合第一数据能够提供高于地面的物体的相对于地面的高程信息，不易受环境因素的影响以及高分辨率影像数据能够提供丰富的光谱特征及纹理信息的特点，提高了方法的鲁棒性和识别结果的精度，同时确保了识别结果的精度的稳定性。
[0179]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0180]
图13为本技术一实施例提供的终端设备的结构示意图。如图13所示，该实施例的终端设备13包括：至少一个处理器130(图13中仅示出一个)处理器、存储器131以及存储在所述存储器131中并可在所述至少一个处理器130上运行的计算机程序132，所述处理器130执行所述计算机程序132时实现上述任意各个建筑物提取方法实施例中的步骤。
[0181]
所述终端设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器130、存储器131。本领域技术人员可以理解，图13仅仅是终端设备13的举例，并不构成对终端设备13的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0182]
所称处理器130可以是中央处理单元(central processing unit，cpu)，该处理器130还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0183]
所述存储器131在一些实施例中可以是所述终端设备13的内部存储单元，例如终端设备13的硬盘或内存。所述存储器131在另一些实施例中也可以是所述终端设备13的外部存储设备，例如所述终端设备13上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字卡(secure digital，sd)，闪存卡(flash card)等。进一步地，所述存储器131还可以既包括所述终端设备13的内部存储单元也包括外部存储设备。所述存储器131用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器131还可以用于暂时地存储已经输出或者将要输出
的数据。
[0184]
本技术实施例还提供了一种终端设备，该终端设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
[0185]
本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0186]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
[0187]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。