本發(fā)明涉及基于遙感數(shù)據(jù)的居民地提取
技術(shù)領(lǐng)域：
，具體涉及一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)。
背景技術(shù)：
：居民地是人類從事生產(chǎn)和生活需要而集聚定居和進行各種活動的場所，它包括房屋建筑物以及與居住直接相關(guān)的其它生活設(shè)施(如道路、公共設(shè)施、園林綠化、港站等)和生產(chǎn)設(shè)施，是gis(geographicinformationsystem)空間數(shù)據(jù)庫中最主要、變化最多最快的要素之一。及時、準確地掌握居民地的空間分布信息是研究地區(qū)經(jīng)濟社會發(fā)展、城鎮(zhèn)相關(guān)問題的基礎(chǔ)，在災(zāi)害評估、城鎮(zhèn)擴展和環(huán)境變化研究中具有極其重要的意義如何自動化、高效率、高精度地提取居民地信息，是其在實際應(yīng)用中需要解決的迫切問題。技術(shù)實現(xiàn)要素：針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)，以自動化、高效率、高精度的利用遙感數(shù)據(jù)提取居民地信息。第一方面，本發(fā)明提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)，包括：遙感數(shù)據(jù)獲取模塊和居民地提取模塊；其中，所述遙感數(shù)據(jù)獲取模塊，用于獲取目標區(qū)域?qū)?yīng)的遙感數(shù)據(jù)；所述居民地提取模塊，用于根據(jù)居民地與非居民地之間的特征差異，從所述遙感數(shù)據(jù)中提取出居民地區(qū)域?？蛇x的，所述遙感數(shù)據(jù)獲取模塊包括：天氣判斷單元、雷達數(shù)據(jù)獲取單元和多光譜數(shù)據(jù)獲取單元；所述天氣判斷單元用于根據(jù)目標區(qū)域的天氣狀況選擇觸發(fā)雷達數(shù)據(jù)獲取單元獲取雷達遙感數(shù)據(jù)或觸發(fā)多光譜數(shù)據(jù)獲取單元獲取多光譜遙感數(shù)據(jù)；所述雷達數(shù)據(jù)獲取單元用于在所述天氣判斷單元的觸發(fā)下獲取所述目標區(qū)域的雷達遙感數(shù)據(jù)；所述多光譜數(shù)據(jù)獲取單元用于在所述天氣判斷單元的觸發(fā)下獲取所述目標區(qū)域的多光譜遙感數(shù)據(jù)?？蛇x的，所述遙感數(shù)據(jù)獲取模塊獲取的所述遙感數(shù)據(jù)包括多光譜遙感數(shù)據(jù)，所述居民地提取模塊包括：多光譜數(shù)據(jù)居民地提取單元，用于基于不同地物類型對不同波段光譜反射率的差異，根據(jù)目標區(qū)域?qū)?yīng)的多光譜遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域?？蛇x的，所述多光譜數(shù)據(jù)居民地提取單元，包括：地物分類子單元，用于將地物類型劃分為藍頂建筑物、紅頂建筑物、水泥頂建筑物、裸地、湖泊、河流、農(nóng)田和林地；其中，藍頂建筑物、紅頂建筑物、水泥頂建筑屬于居民地；地物確定調(diào)度子單元，用于根據(jù)所述地物分類子單元對地物類型的劃分結(jié)果，對屬于居民地的地物類型，分別調(diào)用以下提取指數(shù)構(gòu)建子單元、指數(shù)值計算子單元和二值化處理子單元從所述目標區(qū)域中提取出屬于居民地的地物類型對應(yīng)的區(qū)域，獲得居民地區(qū)域；提取指數(shù)構(gòu)建子單元，用于根據(jù)待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構(gòu)建能夠?qū)⒃摯崛〉牡匚镱愋团c其他地物進行區(qū)分的地物提取指數(shù)；指數(shù)值計算子單元，用于計算所述遙感數(shù)據(jù)中各像元對應(yīng)的所述地物提取指數(shù)的指數(shù)值；二值化處理子單元，用于將各像元的所述地物提取指數(shù)的指數(shù)值進行二值化處理，并根據(jù)二值化結(jié)果對所述遙感數(shù)據(jù)進行分割，提取出該待提取的地物類型對應(yīng)的區(qū)域?？蛇x的，所述提取指數(shù)構(gòu)建子單元，包括：第一指數(shù)構(gòu)建子單元，用于根據(jù)藍頂建筑物對應(yīng)的第一反射率差與其他地物類型對應(yīng)的第一反射率差的差異，構(gòu)建以下針對藍頂建筑物的居民地提取指數(shù)，其中，所述第一反射率差是指對藍光波段光譜的反射率與對綠光波段光譜的反射率的差：式中，ndbib2-b3表示針對藍頂建筑物的居民地提取指數(shù)，oli2表示對藍光波段光譜的反射率，oli3表示對綠光波段光譜的反射率?？蛇x的，所述提取指數(shù)構(gòu)建子單元，包括：第二指數(shù)構(gòu)建子單元，用于根據(jù)紅頂建筑物和水泥頂建筑物對應(yīng)的第二反射率差與其他地物類型對應(yīng)的第二反射率差的差異，構(gòu)建以下針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)，其中，所述第二反射率差是指對紅光波段光譜的反射率與對綠光波段光譜的反射率的差：式中，ndbib4-b3表示針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)，oli4表示對紅光波段光譜的反射率，oli3表示對綠光波段光譜的反射率。可選的，所述居民地提取模塊，包括：規(guī)則集居民地提取單元，用于根據(jù)所述遙感數(shù)據(jù)，采用面向?qū)ο蠓ńY(jié)合規(guī)則集的方法，從所述目標區(qū)域中提取出居民地區(qū)域?？蛇x的，所述遙感數(shù)據(jù)獲取模塊獲取的所述遙感數(shù)據(jù)包括多光譜遙感數(shù)據(jù)，所述規(guī)則集居民地提取單元，包括：多尺度分割子單元，用于根據(jù)所述目標區(qū)域?qū)?yīng)的多光譜遙感數(shù)據(jù)的區(qū)域異質(zhì)性將所述目標區(qū)域分割為多個對象區(qū)域；規(guī)則集提取子單元，用于根據(jù)預設(shè)的用于提取居民地的規(guī)則集，從所述尺度分割子單元分割獲得的多個對象區(qū)域中剔除非居民地區(qū)域，獲得由剩余對象區(qū)域組成的居民地區(qū)域。可選的，所述遙感數(shù)據(jù)獲取模塊獲取的所述遙感數(shù)據(jù)包括雷達遙感數(shù)據(jù)，所述居民地提取模塊包括：雷達數(shù)據(jù)居民地提取單元，用于基于不同地物類型對雷達信號的反射和散射特性，根據(jù)目標區(qū)域?qū)?yīng)的雷達遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域?？蛇x的，所述雷達數(shù)據(jù)居民地提取單元，包括：變差函數(shù)提取子單元，用于基于不同地物類型對雷達信號的反射和散射特性，采用變差函數(shù)法根據(jù)目標區(qū)域?qū)?yīng)的雷達遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域。由上述技術(shù)方案可知，本發(fā)明提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)，包括：遙感數(shù)據(jù)獲取模塊和居民地提取模塊；其中，所述遙感數(shù)據(jù)獲取模塊，用于獲取目標區(qū)域?qū)?yīng)的遙感數(shù)據(jù)；所述居民地提取模塊，用于根據(jù)居民地與非居民地之間的特征差異，從所述遙感數(shù)據(jù)中提取出居民地區(qū)域。相較于現(xiàn)有技術(shù)，本申請可以基于居民地與非居民地之間的特征差異，利用遙感數(shù)據(jù)實現(xiàn)對居民地自動、精準的提取，同時由于采用自動化計算機模塊進行計算，可有效提高提取效率和準確度。附圖說明為了更清楚地說明本發(fā)明具體實施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對具體實施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹。圖1示出了本發(fā)明第一實施例所提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)的示意圖；圖2示出了一種遙感數(shù)據(jù)獲取模塊的示意圖；圖3示出了各地物類型對不同波段光譜的反射率的示意圖；圖4示出了本發(fā)明實施例提供的二值化處理后提取出居民地的示意圖。具體實施方式下面將結(jié)合附圖對本發(fā)明技術(shù)方案的實施例進行詳細的描述。以下實施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，因此只是作為示例，而不能以此來限制本發(fā)明的保護范圍。需要注意的是，除非另有說明，本申請使用的技術(shù)術(shù)語或者科學術(shù)語應(yīng)當為本發(fā)明所屬領(lǐng)域技術(shù)人員所理解的通常意義。本發(fā)明提供一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)。下面結(jié)合附圖對本發(fā)明的實施例進行說明。圖1示出了本發(fā)明第一實施例所提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)的示意圖。如圖1所示，本發(fā)明第一實施例提供的一種基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)包括：遙感數(shù)據(jù)獲取模塊1和居民地提取模塊2；其中，所述遙感數(shù)據(jù)獲取模塊1，用于獲取目標區(qū)域?qū)?yīng)的遙感數(shù)據(jù)；所述居民地提取模塊2，用于根據(jù)居民地與非居民地之間的特征差異，從所述遙感數(shù)據(jù)中提取出居民地區(qū)域。隨著遙感技術(shù)及高分辨率數(shù)據(jù)采集技術(shù)的發(fā)展，遙感數(shù)據(jù)的分辨率越來越高，數(shù)據(jù)類型越來越豐富，因此，采用高分辨率遙感數(shù)據(jù)提取居民地區(qū)域已成為可能且辨識的準確性越來越高，由于遙感數(shù)據(jù)數(shù)據(jù)源為客觀數(shù)據(jù)、可靠性高，因此，只要采用合適的居民地提取方法，即可準確、快速的提取出居民地區(qū)域。由于不同的遙感衛(wèi)星采用的遙感方式不同，采集的遙感數(shù)據(jù)可能也不同，例如我國發(fā)射的高分3號衛(wèi)星及加拿大發(fā)射的radarsat-2衛(wèi)星是采用合成孔徑雷達采集遙感數(shù)據(jù)，其數(shù)據(jù)形式為雷達數(shù)據(jù)，而高分5號衛(wèi)星和landsat系列衛(wèi)星采用的是全譜段成像儀等儀器采集遙感數(shù)據(jù)，其數(shù)據(jù)形式為多光譜數(shù)據(jù)，對于不同的遙感數(shù)據(jù)需要采用不同的提取方法提取居民地。其中，利用高質(zhì)量的多光譜數(shù)據(jù)可以更加精確的提取出居民地信息，但由于云雨霧雪等天氣會影響多光譜數(shù)據(jù)準確性，因此，在本申請?zhí)峁┑囊粋€實施例中，采用根據(jù)天氣情況選擇采用不同的遙感數(shù)據(jù)的方式，晴空地區(qū)采用多光譜遙感數(shù)據(jù)，多云多雨地區(qū)則采用雷達遙感數(shù)據(jù)，從而最大限度的保證提取居民地的準確性，具體實施方式為請參考圖2，其示出了一種遙感數(shù)據(jù)獲取模塊1的示意圖，所述遙感數(shù)據(jù)獲取模塊1包括：天氣判斷單元11、雷達數(shù)據(jù)獲取單元12和多光譜數(shù)據(jù)獲取單元13；所述天氣判斷單元11用于根據(jù)目標區(qū)域的天氣狀況選擇觸發(fā)雷達數(shù)據(jù)獲取單元12獲取雷達遙感數(shù)據(jù)或觸發(fā)多光譜數(shù)據(jù)獲取單元13獲取多光譜遙感數(shù)據(jù)；具體的，可以在晴朗的天氣條件下觸發(fā)多光譜數(shù)據(jù)獲取單元13獲取多光譜遙感數(shù)據(jù)，在云雨霧雪等天氣條件下觸發(fā)雷達數(shù)據(jù)獲取單元12獲取雷達遙感數(shù)據(jù)；所述雷達數(shù)據(jù)獲取單元12用于在所述天氣判斷單元11的觸發(fā)下獲取所述目標區(qū)域的雷達遙感數(shù)據(jù)；所述多光譜數(shù)據(jù)獲取單元13用于在所述天氣判斷單元11的觸發(fā)下獲取所述目標區(qū)域的多光譜遙感數(shù)據(jù)。其中，所述天氣判斷單元11對天氣狀況的判斷依據(jù)，可以根據(jù)天氣統(tǒng)計結(jié)果預先設(shè)置各地區(qū)與常見天氣狀況對應(yīng)關(guān)系的數(shù)據(jù)庫，所述天氣判斷單元11根據(jù)需要實時從所述數(shù)據(jù)庫中調(diào)取；也可以是調(diào)取目標區(qū)域指定日期的天氣記錄，根據(jù)記錄確定目標區(qū)域指定日期的天氣狀況；其均為本申請的變更實施方式，均在本申請的保護范圍之內(nèi)。根據(jù)遙感數(shù)據(jù)的不同，所述居民地提取模塊2也采用不同的方式進行數(shù)據(jù)的提取，例如，對雷達遙感數(shù)據(jù)，由于不同地物類型布局、材質(zhì)、結(jié)構(gòu)以及周圍環(huán)境的差異，在sar圖像(即雷達遙感數(shù)據(jù))上呈現(xiàn)不同的紋理特征，如城市中建筑物分布整齊，樓房之間間距較大，大多為平頂整齊的高層樓房，使用材料大多具有良好反射率，在圖像上表現(xiàn)為強亮度區(qū)域，而建筑物之間的道路，粗糙植被如草坪等，由于表面散射，表現(xiàn)為暗區(qū)域，因此，城市居民地在圖像上表現(xiàn)為明暗相間的紋理，相似性較小；農(nóng)村居民地分布相對散亂，沒有明顯規(guī)律，且道路等區(qū)域在圖像上不明顯，因此呈現(xiàn)不規(guī)則亮斑狀，相似性較大。因此，在本申請?zhí)峁┑囊粋€實施例中，所述遙感數(shù)據(jù)獲取模塊1獲取的所述遙感數(shù)據(jù)包括雷達遙感數(shù)據(jù)，所述居民地提取模塊2包括：雷達數(shù)據(jù)居民地提取單元，用于基于不同地物類型對雷達信號的反射和散射特性，根據(jù)目標區(qū)域?qū)?yīng)的雷達遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域。具體的，在本申請?zhí)峁┑囊粋€實施例中，所述雷達數(shù)據(jù)居民地提取單元，包括：變差函數(shù)提取子單元，用于基于不同地物類型對雷達信號的反射和散射特性，采用變差函數(shù)法根據(jù)目標區(qū)域?qū)?yīng)的雷達遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域。例如，所述變差函數(shù)提取子單元，可以基于變差函數(shù)理論，在分析中高分辨率sar圖像中居民地紋理特征的基礎(chǔ)上，采用基于迭代p參數(shù)法的閾值確定方法，為滿足閾值范圍的像元點賦以權(quán)值，以加大居民地與非居民地的變差函數(shù)差，從而提取出居民地，不僅可以保證較高的檢測率，還可以顯著降低虛警率，上述從雷達遙感數(shù)據(jù)中提取居民地的技術(shù)為現(xiàn)有技術(shù)，本實施例不再贅述。其中，所述地物類型是根據(jù)地面覆蓋物的不同劃分的類別，可以根據(jù)實際需求靈活劃分，例如，可以劃分為藍頂建筑物、紅頂建筑物、水泥頂建筑物、裸地、湖泊、河流、農(nóng)田和林地等。而對于多光譜遙感數(shù)據(jù)，現(xiàn)有技術(shù)雖然公開了部分提取建筑物的方法，但發(fā)明人在應(yīng)用中發(fā)現(xiàn)其提取精度、準確性并不理想，因此，本申請?zhí)岢隽烁鼮闇蚀_、精確度更高的方式，在本申請?zhí)峁┑囊粋€實施例中，所述遙感數(shù)據(jù)獲取模塊1獲取的所述遙感數(shù)據(jù)包括多光譜遙感數(shù)據(jù)，所述居民地提取模塊2包括：多光譜數(shù)據(jù)居民地提取單元，用于基于不同地物類型對不同波段光譜反射率的差異，根據(jù)目標區(qū)域?qū)?yīng)的多光譜遙感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域。具體的，所述多光譜數(shù)據(jù)居民地提取單元，包括：地物分類子單元，用于將地物類型劃分為藍頂建筑物、紅頂建筑物、水泥頂建筑物、裸地、湖泊、河流、農(nóng)田和林地；其中，藍頂建筑物、紅頂建筑物、水泥頂建筑屬于居民地；地物確定調(diào)度子單元，用于根據(jù)所述地物分類子單元對地物類型的劃分結(jié)果，對屬于居民地的地物類型，分別調(diào)用以下提取指數(shù)構(gòu)建子單元、指數(shù)值計算子單元和二值化處理子單元從所述目標區(qū)域中提取出屬于居民地的地物類型對應(yīng)的區(qū)域，獲得居民地區(qū)域；提取指數(shù)構(gòu)建子單元，用于根據(jù)待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構(gòu)建能夠?qū)⒃摯崛〉牡匚镱愋团c其他地物進行區(qū)分的地物提取指數(shù)；指數(shù)值計算子單元，用于計算所述遙感數(shù)據(jù)中各像元對應(yīng)的所述地物提取指數(shù)的指數(shù)值；二值化處理子單元，用于將各像元的所述地物提取指數(shù)的指數(shù)值進行二值化處理，并根據(jù)二值化結(jié)果對所述遙感數(shù)據(jù)進行分割，提取出該待提取的地物類型對應(yīng)的區(qū)域。在上述實施例中，所述地物分類子單元根據(jù)不同類型的地物對不同波段光譜的反射率的差異以及居民地包含的地物類型，更為細致、準確的將地物類型劃分為藍頂建筑物(主要為企業(yè)的廠棚)、紅頂建筑物(主要為紅頂房屋，部分為企業(yè)廠棚)、水泥頂建筑物(主要為城鎮(zhèn)居民區(qū)、道路等)、裸地、湖泊(人工湖、水庫等)、河流、農(nóng)田(作物覆蓋的)和林地，這樣細致的劃分有助于提高居民地提取的準確性。所述提取指數(shù)構(gòu)建子單元通過比較各地物類型對不同波段光譜的反射率，進而根據(jù)待提取的地物類型與其他地物類型對不同波段光譜反射率的差異構(gòu)建能夠?qū)⒋崛〉牡匚镱愋团c其他地物進行區(qū)分的地物提取指數(shù)，請參考圖3，其示出了各地物類型對不同波段光譜的反射率的示意圖，圖中，波段2表示藍光波段，波段3表示綠光波段，波段4表示紅光波段，由圖可知，藍頂建筑物在藍光波段的反射率明顯高于綠光波段的反射率，而其他地物類型則基本持平或者是綠光波段的反射率高于藍光波段的反射率，這樣，若計算藍光波段的反射率減去綠光波段的反射率，藍頂建筑物對應(yīng)的數(shù)值為較大的正數(shù)，而其他地物類型對應(yīng)的數(shù)值則為負數(shù)或接近于零的正數(shù)，據(jù)此可以將藍頂建筑物識別出；采用同樣的理論，紅頂建筑物和水泥頂建筑物(包括裸土)在紅光波段的反射率明顯高于綠光波段的反射率，而其他地物類型則均是綠光波段的反射率高于紅光波段的反射率，這樣，若計算紅光波段的反射率減去綠光波段的反射率，紅頂建筑物和水泥頂建筑物(包括裸土)對應(yīng)的數(shù)值為較大的正數(shù)，而其他地物類型對應(yīng)的數(shù)值則為負數(shù)，據(jù)此可以將紅頂建筑物和水泥頂建筑物(包括裸土)識別出。其中，可以在提取出藍頂建筑物后，再基于藍光波段的反射率和綠光波段的反射率提取出裸土，這樣扣除裸土即可提取出更為精確的居民地區(qū)域。由于裸土實際面積較少可以忽略，為了簡化計算，本發(fā)明實施例采用包含裸土的居民地提取方法進行示例性說明，本領(lǐng)域技術(shù)人員可以在上述說明的基礎(chǔ)上變更實施，進一步提取出裸土后扣除，以提取出更為準確的居民地區(qū)域，其也在本申請的保護范圍之內(nèi)。以含裸土的居民地提取為例，所述提取指數(shù)構(gòu)建子單元通過上述計算，即可根據(jù)各地物類型對不同波段光譜反射率的差異構(gòu)建能夠?qū)⒕用竦嘏c其他地物進行區(qū)分的居民地提取指數(shù)，在本發(fā)明提供的一個實施例中，所述提取指數(shù)構(gòu)建子單元，包括：第一指數(shù)構(gòu)建子單元，用于根據(jù)藍頂建筑物對應(yīng)的第一反射率差與其他地物類型對應(yīng)的第一反射率差的差異，構(gòu)建以下針對藍頂建筑物的居民地提取指數(shù)，其中，所述第一反射率差是指對藍光波段光譜的反射率與對綠光波段光譜的反射率的差：式中，ndbib2-b3表示針對藍頂建筑物的居民地提取指數(shù)，oli2表示對藍光波段光譜的反射率，oli3表示對綠光波段光譜的反射率。基于上述第一指數(shù)構(gòu)建子單元，可以構(gòu)建針對藍頂建筑物的居民地提取指數(shù)，以進一步提取出藍頂建筑物對應(yīng)的居民地區(qū)域。在本發(fā)明提供的另一個實施例中，所述提取指數(shù)構(gòu)建子單元，包括：第二指數(shù)構(gòu)建子單元，用于根據(jù)紅頂建筑物和水泥頂建筑物對應(yīng)的第二反射率差與其他地物類型對應(yīng)的第二反射率差的差異，構(gòu)建以下針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)，其中，所述第二反射率差是指對紅光波段光譜的反射率與對綠光波段光譜的反射率的差：式中，ndbib4-b3表示針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)，oli4表示對紅光波段光譜的反射率，oli3表示對綠光波段光譜的反射率?；谏鲜龅诙笖?shù)構(gòu)建子單元，可以構(gòu)建針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)，以進一步提取出紅頂建筑物和水泥頂建筑物對應(yīng)的居民地區(qū)域。容易理解的是，按照前文對地物類型的劃分，藍頂建筑物、紅頂建筑物、水泥頂建筑均屬于居民地，本發(fā)明實施例需要對藍頂建筑物、紅頂建筑物、水泥頂建筑三種地物類型都進行提取，因此，在本申請?zhí)峁┑囊粋€實施例中，所述提取指數(shù)構(gòu)建子單元，既包括第一指數(shù)構(gòu)建子單元，又包括第二指數(shù)構(gòu)建子單元。采用上述兩個具體的地物提取指數(shù)，可以進一步放大待提取地物與其他地物類型對應(yīng)的該指數(shù)的差異，從而有助于在后續(xù)處理中精準的將待提取地物提取出來，在具體實施時，還可以對上述公式減去一個調(diào)整參數(shù)，以將較大的正數(shù)與較小的正數(shù)調(diào)整為正數(shù)與負數(shù)，以減少在后續(xù)二值化處理過程中產(chǎn)生的噪聲或誤差。相應(yīng)的，所述指數(shù)值計算子單元計算的居民地提取指數(shù)的指數(shù)值包括上述針對藍頂建筑物的居民地提取指數(shù)的指數(shù)值和針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)的指數(shù)值。相應(yīng)的，所述二值化處理子單元在將各像元的所述居民地提取指數(shù)的指數(shù)值進行二值化處理，并根據(jù)二值化結(jié)果對所述遙感數(shù)據(jù)進行分割，提取出居民地區(qū)域時，可以分別對上述針對藍頂建筑物的居民地提取指數(shù)的指數(shù)值和針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)的指數(shù)值分別進行二值化處理，然后根據(jù)對所述針對藍頂建筑物的居民地提取指數(shù)的指數(shù)值的二值化處理結(jié)果提取出藍頂建筑物，根據(jù)對所述針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)的指數(shù)值的二值化處理結(jié)果提取出紅頂建筑物和水泥頂建筑物，從而確定居民地區(qū)域；也可以在分別對上述針對藍頂建筑物的居民地提取指數(shù)的指數(shù)值和針對紅頂建筑物和水泥頂建筑物的居民地提取指數(shù)的指數(shù)值分別進行二值化處理后，將兩者的二值化處理結(jié)果相加后，根據(jù)相加后的二值化處理結(jié)果一并提取出居民地區(qū)域；以上均為本申請?zhí)峁┑氖纠哉f明，本領(lǐng)域技術(shù)人員可根據(jù)上述公開進行變更后實施。例如，在本申請?zhí)峁┑囊粋€實施例中，將上述構(gòu)建的兩個指數(shù)二值化后求和，構(gòu)建出針對多光譜遙感數(shù)據(jù)的居民地指數(shù)bbi(build-upareasandbarelandindex，含建筑物和裸土的指數(shù))：式中，下標b表示進行二值化處理。經(jīng)過計算，獲得ndbib2-b3和ndbib4-b3二值化值及其求和值如下表表一：表一：ndbib2-b3和ndbib4-b3二值化值及其求和值藍頂建筑物紅頂建筑物水泥頂建筑裸土湖泊河流農(nóng)田林地ndbib2-b310or10or100000ndbib4-b301110000nbi11or21or210000其中，只有居民地(包括裸土)才具有正值，這樣，即可從所述多光譜遙感數(shù)據(jù)中將居民地與其他地物進行區(qū)分，進而提取出居民地區(qū)域，請參考圖4，其為本發(fā)明實施例提供的二值化處理后提取出居民地的示意圖，圖中白色區(qū)域即為提取出的居民地，經(jīng)驗證，基于上述實施例，提取出的居民地的精度達到90.41％，如果再提取出裸土并扣除，可以獲得更高的精度。以上舉例說明了所述居民地提取模塊2提取居民地區(qū)域的方式，除此之外，所述居民地提取模塊2還可以采用最大似然監(jiān)督分類法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機方法、面向?qū)ο蠓椒ǖ确椒ɑ谶b感數(shù)據(jù)從所述目標區(qū)域中提取出居民地區(qū)域。例如，在本申請?zhí)峁┑囊粋€實施例中，所述居民地提取模塊2，包括：規(guī)則集居民地提取單元，用于根據(jù)所述遙感數(shù)據(jù)，采用面向?qū)ο蠓ńY(jié)合規(guī)則集的方法，從所述目標區(qū)域中提取出居民地區(qū)域。在本申請?zhí)峁┑囊粋€實施例中，所述遙感數(shù)據(jù)獲取模塊1獲取的所述遙感數(shù)據(jù)包括多光譜遙感數(shù)據(jù)，所述規(guī)則集居民地提取單元，包括：多尺度分割子單元，用于根據(jù)所述目標區(qū)域?qū)?yīng)的多光譜遙感數(shù)據(jù)的區(qū)域異質(zhì)性將所述目標區(qū)域分割為多個對象區(qū)域；規(guī)則集提取子單元，用于根據(jù)預設(shè)的用于提取居民地的規(guī)則集，從所述尺度分割子單元分割獲得的多個對象區(qū)域中剔除非居民地區(qū)域，獲得由剩余對象區(qū)域組成的居民地區(qū)域。具體的，所述多尺度分割子單元可以采用以下多尺度分割算法將所述目標區(qū)域分割為多個對象區(qū)域：多尺度分割算法采用的是異質(zhì)性最小的區(qū)域合并算法，其中最下層的合并開始于像元層。先將不同的像元合并為較小的影像對象，然后將較小的對象逐漸合并成為較大的影像對象。異質(zhì)性的計算公式如下：1)區(qū)域異質(zhì)性：對象的內(nèi)部差異主要考慮了影像對象的形狀和光譜特征。因此區(qū)域異質(zhì)性包括了形狀異質(zhì)性、光譜異質(zhì)性兩方面，其具體的計算公式為：f＝wcolorhcolor+(1-wcolor)hshape式中，wcolor是光譜異質(zhì)性的權(quán)重，hcolor是影像對象的光譜異質(zhì)性；hshape是影像對象的形狀異質(zhì)性，1-wcolor是形狀異質(zhì)性的權(quán)重。2)光譜異質(zhì)性：光譜異質(zhì)性是用來表示影像對象的內(nèi)部像素間光譜差異性的，是通過影像對象的不同波段光譜值的標準差加權(quán)求和后得出的。式中，wi是第i波段的光譜權(quán)重，σi是第i波段光譜值標準差。3)形狀異質(zhì)性：形狀異質(zhì)性表示的是影像分割后得到的影像對象形狀的差異性。描述分割后對象的形狀特征采用的是光滑度和緊致度加權(quán)求和的方法。緊致度描述的是影像對象的飽滿程度，即其接近圓形和正方形的程度。光滑度描述的是影像對象邊界的破碎程度。一般情況下，顏色對于對象的創(chuàng)建提供了主要的信息，但是在一些特定的情況下，采用一定的形狀信息，影像對象的提取質(zhì)量會有所改進。hshape＝wcompactnesshcompactness+(1-wcompactness)hsmooth式中，wcompactness為緊致度權(quán)重，hcompactness為緊致度；1-wcompactness為光滑度權(quán)重，hsmooth為光滑度。緊致度、光滑度的計算公式如下：hsmooth＝e/l式中，e是影像對象輪廓邊界的長度，n是對象包含的總像元數(shù)。hcompactness越小，則對象就越飽滿，hcompactness越大，則對象就越狹長。l為分割后對象的外接矩形總邊長。hsmooth表示的是邊界的破碎程度，該值如果越大，則對象的邊界就會越破碎。4)合并對象的異質(zhì)性計算：將兩個影像對象合并后得到新的對象，需要計算新的對象的異質(zhì)性。新對象的異質(zhì)性是新對象的光譜異質(zhì)性、形狀異質(zhì)性的加權(quán)求和。f′＝wcolorh′color+(1-wcolor)h′shape式中，wcolor是光譜權(quán)重，h′color、h′shape是合并后新的對象的光譜異質(zhì)性、形狀異質(zhì)性。新對象的光譜異質(zhì)性h′color、形狀異質(zhì)性h′shape可由以下公式計算得到：式中，wi是i波段的光譜權(quán)重，σ′i，是i波段在合并后和合并前的對象的光譜值標準差，n′，n1，n2是合并后和合并前對象包含的像元總數(shù)。h′shape＝wcompactnessh′compactness+(1-wcompactness)h′smooth式中，wcompactness是緊致度權(quán)重，h′compactness、h′smooth是合并生成的新對象的緊致度和光滑度參數(shù)。h′smooth＝n′e′/l′-(n1e1/l1+n2e2/l2)式中，e1，e2，e′合并前后對象的輪廓周長，n1，n2，n′是合并前后對象包含的像元的總數(shù)，l1，l2，l′是合并前后對象的外接矩形的周長。多尺度分割的尺度參數(shù)是總結(jié)性的抽象概念，定義了影像對象結(jié)果的加權(quán)影像層的均一性準則的最大標準差。尺度參數(shù)值越大，影響對象結(jié)果越大。改變尺度參數(shù)，尺度參數(shù)越大，分割后對象的塊越大。緊致性準則可以用來優(yōu)化和緊致性有關(guān)的影像對象，在尺度參數(shù)和形狀參數(shù)一定的情況下，緊致度越小，所分割的結(jié)果得到的形狀越破碎。形狀參數(shù)可以改變著色和形狀分割準則的關(guān)系，同時也定義了色彩準則。形狀參數(shù)設(shè)置越大，所分割的結(jié)果的形狀在大小上差異越小，顯得越完整；形狀參數(shù)設(shè)置越小，分割結(jié)果顯得越分散。進行多尺度分割時，形狀參數(shù)和顏色參數(shù)是相對的，兩個參數(shù)值之和是1。形狀參數(shù)值變大時，顏色在分割時的權(quán)重就會變小，影響分割的結(jié)果與顏色的相關(guān)性就越小。在分割結(jié)果上表現(xiàn)為分割對象形狀大小較規(guī)整，但是不能較好的反映地物的實際形狀。所述規(guī)則集提取子單元，用于根據(jù)預設(shè)的用于提取居民地的規(guī)則集，從所述多尺度分割子單元分割獲得的多個對象區(qū)域中剔除非居民地區(qū)域，獲得由剩余對象區(qū)域組成的居民地區(qū)域。具體的，所述規(guī)則集提取子單元可以采用以下方法從所述多尺度分割子單元分割獲得的多個對象區(qū)域中剔除非居民地區(qū)域，獲得由剩余對象區(qū)域組成的居民地區(qū)域：以所述遙感數(shù)據(jù)為我國高分5號遙感衛(wèi)星采集的多光譜遙感數(shù)據(jù)為例，該多光譜遙感數(shù)據(jù)第一波段為海岸帶(coastal)波段，第二波段為藍光波段、第三波段為綠光波段、第四波段為紅光波段。對于面向?qū)ο蟮木用竦匦畔⑻崛《?，對象特征?guī)則的選擇和建立非常關(guān)鍵。為了最精確地提取居民地信息，本發(fā)明實施例選取了ndvi(ndvi(normalizeddifferencevegetationindex,歸一化差分植被指數(shù),標準差異植被指數(shù))，也稱為生物量指標變化，可使植被從水和土中分離出來。)、影像第四波段均值、影像第四波段最大值、影像第一波段標準差最大值、影像第三波段最小值、邊緣指數(shù)(borderindex)最大值共6種特征規(guī)則來提取居民地信息，并建立以下規(guī)則集：規(guī)則1使用ndvi屬性最大值和最小值建立規(guī)則1，獲取ndvi在最大值和最小值之間的對象作為規(guī)則1目標對象。將大部分植被元素和部分深顏色的水體剔除。規(guī)則2使用第四波段均值建立規(guī)則2，獲取第四波段光譜值大于最大值的對象作為規(guī)則2目標對象。將大部分水體剔除。規(guī)則3使用第四波段最大值建立規(guī)則3，獲取第四波段光譜值小于最小值的對象作為規(guī)則3的目標對象。將云和部分易混淆高亮田地剔除。規(guī)則4使用第一波段標準差最大值建立規(guī)則4，獲取第一波段標準差值小于最大值的對象作為規(guī)則4的目標對象。將較為平滑的易混淆田地地物剔除。規(guī)則5使用第三波段最小值建立規(guī)則5，獲取第三波段光譜值大于最小值的對象作為規(guī)則5的目標對象。將城市周邊的易混淆裸地剔除掉。規(guī)則6使用邊緣指數(shù)最大值建立規(guī)則6，獲取邊緣指數(shù)小于最大值的對象作為規(guī)則6的目標對象。邊緣指數(shù)用來描述對象形狀的規(guī)整程度，越接近矩形的對象其邊緣指數(shù)越接近于1，形狀越不規(guī)則其邊緣指數(shù)越大。該規(guī)則將形狀規(guī)則的易混淆旱田、水田地物剔除掉?；谝陨弦?guī)則集(規(guī)則1-6)，即可以規(guī)則1作為初始數(shù)據(jù)，將規(guī)則2到規(guī)則6分別進行交集運算、然后將所得結(jié)果剔除，獲得由剩余對象區(qū)域組成的居民地區(qū)域。經(jīng)試驗驗證，采用本發(fā)明實施例提供的上述面向?qū)ο蠓ńY(jié)合規(guī)則集的方法，相較于傳統(tǒng)目視解譯、最大似然監(jiān)督分類法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機方法、面向?qū)ο蠓椒ǖ染哂懈叩木龋卤頌楦鞣N方法的提取精度對比：提取方法總體精度監(jiān)督分類法60.52％神經(jīng)網(wǎng)絡(luò)方法65.71％svm(支持向量機方法)71.90％面向?qū)ο蠓椒?0.20％面向?qū)ο蠓ńY(jié)合規(guī)則集的方法73.50％考慮到任何一種提取方法都有可能產(chǎn)生誤判或漏判等情形，從而導致最終提取的居民地的信息失準，因此，在本申請?zhí)峁┑囊粋€實施例中，所述居民地提取模塊2包括多個居民地提取單元和一個居民地確定單元，其中，各個居民地提取單元分別基于遙感數(shù)據(jù)采用不同的提取方式提取居民地區(qū)域并輸出給居民地確定單元，由所述居民地確定單元綜合各居民地提取單元的提取結(jié)果最終確定居民地區(qū)域。例如多個居民地提取單元分別為本發(fā)明實施例提供的多光譜數(shù)據(jù)居民地提取單元、規(guī)則集居民地提取單元和雷達數(shù)據(jù)居民地提取單元，上述3個居民地提取單元分別提取出3組結(jié)果，所述居民地確定單元可以將上述3組結(jié)果按照地理位置坐標進行比對，將同一位置出現(xiàn)2次以上的確認為居民地區(qū)域。通過上述實施例，由于參照多個居民地提取單元的提取結(jié)果進行綜合的判斷，可以有效的減少漏判、錯判的情況，提高居民地提取的準確性。在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。需要說明的是，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個實施例的系統(tǒng)、方法和計算機程序產(chǎn)品的可能實現(xiàn)的體系架構(gòu)、功能和操作。在這點上，流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個或多個用于實現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當注意，在有些作為替換的實現(xiàn)中，方框中所標注的功能也可以以不同于附圖中所標注的順序發(fā)生。例如，兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn)，或者可以用專用硬件與計算機指令的組合來實現(xiàn)。本發(fā)明實施例所提供的基于高分衛(wèi)星遙感數(shù)據(jù)的居民地提取系統(tǒng)可以是計算機程序產(chǎn)品，包括存儲了程序代碼的計算機可讀存儲介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實施例中所述的方法，具體實現(xiàn)可參見方法實施例，在此不再贅述。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)、系統(tǒng)和單元的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的系統(tǒng)、系統(tǒng)和方法，可以通過其它的方式實現(xiàn)。以上所描述的系統(tǒng)實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，又例如，多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些通信接口，系統(tǒng)或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。所述功能如果以軟件功能單元的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。最后應(yīng)說明的是：以上各實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求和說明書的范圍當中。當前第1頁12