本發(fā)明涉及遙感應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種城市制圖方法及裝置。

背景技術(shù)：

城市，由于人口與資源的集中，成為研究全球氣候變化與人類活動的研究重點。盡管城市占地面積僅為2％，但是其卻占據(jù)了50％的人口，產(chǎn)生了90％的GDP，排放了70％的溫室氣體，為了更好地監(jiān)測城市發(fā)展對人類的影響，因此研究大尺度范圍與高精度的監(jiān)測水平，成為了一個熱點探索問題。

由于遙感影像的覆蓋范圍廣，因此成為了監(jiān)測城市發(fā)展的重要數(shù)據(jù)來源，低空間分辨率遙感影像能夠覆蓋較大區(qū)域，但是由于其空間分辨率低，而無法展示出城市的細節(jié)部分。目前基于遙感影像的城市化研究主要有以下幾個有待加強的地方：城市的定義不明確，遙感影像的空間分辨率過低，現(xiàn)有算法效果不足。

Landsat遙感影像由于其具有更高的空間分辨率(30m)，因此成為了研究城市化的重點數(shù)據(jù)源，但Landsat遙感影像僅僅使用光學(xué)影像，難以改善同譜異物、同物異譜現(xiàn)象，如裸地與建筑物，陰影與水體等問題，相關(guān)研究者提出了基于生物量成分指數(shù)、多源歸一化不透水指數(shù)等指數(shù)進行處理的處理方法。但基于生物量成分指數(shù)進行處理的處理方法中，在預(yù)處理階段需要對水體進行掩膜，預(yù)處理步驟較多，操作復(fù)雜，嚴(yán)重影響計算效率?；诙嘣礆w一化不透水指數(shù)進行處理的處理方法中，其存在夜間影像覆蓋范圍較小，且利用地表溫度誤差較大等缺點，導(dǎo)致構(gòu)建的城市地圖區(qū)域精度低，無法展示城市細節(jié)部分。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)的缺陷，提供一種城市制圖方法及裝置。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種城市制圖方法，包括如下步驟：

接收用戶輸入的目標(biāo)城市的遙感影像，獲取遙感影像數(shù)據(jù)；

基于所述遙感影像數(shù)據(jù)，獲取所述遙感影像的目標(biāo)植被指數(shù)；

接收用戶輸入的所述目標(biāo)城市的原始燈光數(shù)據(jù)；

對所述原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取目標(biāo)燈光數(shù)據(jù)；

基于所述目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)，獲取城市指數(shù)；

基于所述城市指數(shù)進行制圖，獲取所述目標(biāo)城市的城市效果圖。

優(yōu)選地，所述遙感影像數(shù)據(jù)包括近紅外波段和紅光波段；

所述基于所述遙感影像數(shù)據(jù)，獲取所述遙感影像的目標(biāo)植被指數(shù)，包括：采用植被指數(shù)計算公式對所述遙感影像數(shù)據(jù)進行處理，獲取所述遙感影像的目標(biāo)植被指數(shù)；

其中，所述植被指數(shù)計算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI為目標(biāo)植被指數(shù)，NIR為近紅外波段，R為紅光波段。

優(yōu)選地，所述基于所述遙感影像數(shù)據(jù)，獲取所述遙感影像的目標(biāo)植被指數(shù)，之后還包括：

利用所述目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建所述像元的目標(biāo)植被指數(shù)序列；

采用預(yù)設(shè)合成規(guī)則對每一所述像元的目標(biāo)植被指數(shù)序列進行合成，獲取所述像元的合成植被指數(shù)；

基于每一所述像元的合成植被指數(shù)，更新所述遙感影像的目標(biāo)植被指數(shù)；

其中，所述預(yù)設(shè)合成規(guī)則包括：獲取所述像元的目標(biāo)植被指數(shù)序列的最大值和最小值；若所述最大值大于第一閾值，則將所述最大值作為所述像元的合成植被指數(shù)；若所述最小值小于第二閾值，則將所述最小值作為所述像元的合成植被指數(shù)；若所述最大值不大于和/或所述最小值不大于所述第二閾值，則將所述目標(biāo)植被指數(shù)序列的中值作為所述像元的合成植被指數(shù)。

優(yōu)選地，所述對所述原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取目標(biāo)燈光數(shù)據(jù)，包括：

采用線性歸一化公式對所述原始燈光數(shù)據(jù)進行歸一化處理，獲取歸一化燈光數(shù)據(jù)；

采用最鄰近分配法對所述歸一化燈光數(shù)據(jù)進行重采樣，以獲取與所述遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)；

其中，所述線性歸一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'為歸一化燈光數(shù)據(jù)，RNTL為原始燈光數(shù)據(jù)，Max和Min分別為原始燈光數(shù)據(jù)的最大值和最小值。

優(yōu)選地，所述基于所述目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)，獲取城市指數(shù)，包括：

采用城市指數(shù)構(gòu)建公式對所述目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)進行處理，以獲取所述城市指數(shù)；

其中，所述城市指數(shù)構(gòu)建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI為城市指數(shù)，NTL為目標(biāo)燈光數(shù)據(jù)，NDVI為目標(biāo)植被指數(shù)。

本發(fā)明還提供一種城市制圖裝置，包括：

遙感影像數(shù)據(jù)獲取模塊，用于接收用戶輸入的目標(biāo)城市的遙感影像，獲取遙感影像數(shù)據(jù)；

目標(biāo)植被指數(shù)獲取模塊，用于基于所述遙感影像數(shù)據(jù)，獲取所述遙感影像的目標(biāo)植被指數(shù)；

原始燈光數(shù)據(jù)接收模塊，用于接收用戶輸入的所述目標(biāo)城市的原始燈光數(shù)據(jù)；

目標(biāo)燈光數(shù)據(jù)獲取模塊，用于對所述原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取目標(biāo)燈光數(shù)據(jù)；

城市指數(shù)獲取模塊，用于基于所述目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)，獲取城市指數(shù)；

城市制圖處理模塊，用于基于所述城市指數(shù)進行制圖，獲取所述目標(biāo)城市的城市效果圖。

優(yōu)選地，所述遙感影像數(shù)據(jù)包括近紅外波段和紅光波段；

所述目標(biāo)植被指數(shù)獲取模塊，用于采用植被指數(shù)計算公式對所述遙感影像數(shù)據(jù)進行處理，獲取所述遙感影像的目標(biāo)植被指數(shù)；

其中，所述植被指數(shù)計算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI為目標(biāo)植被指數(shù)，NIR為近紅外波段，R為紅光波段。

優(yōu)選地，所述目標(biāo)植被指數(shù)獲取模塊包括：

植被指數(shù)序列構(gòu)建單元，用于利用所述目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建所述像元的目標(biāo)植被指數(shù)序列；

合成植被指數(shù)獲取單元，用于采用預(yù)設(shè)合成規(guī)則對每一所述像元的目標(biāo)植被指數(shù)序列進行合成，獲取所述像元的合成植被指數(shù)；

目標(biāo)植被指數(shù)更新單元，用于基于每一所述像元的合成植被指數(shù)，更新所述遙感影像的目標(biāo)植被指數(shù)；

其中，所述預(yù)設(shè)合成規(guī)則包括：獲取所述像元的目標(biāo)植被指數(shù)序列的最大值和最小值；若所述最大值大于第一閾值，則將所述最大值作為所述像元的合成植被指數(shù)；若所述最小值小于第二閾值，則將所述最小值作為所述像元的合成植被指數(shù)；若所述最大值不大于和/或所述最小值不大于所述第二閾值，則將所述目標(biāo)植被指數(shù)序列的中值作為所述像元的合成植被指數(shù)。

優(yōu)選地，所述目標(biāo)燈光數(shù)據(jù)獲取模塊包括：

歸一化處理單元，用于采用線性歸一化公式對所述原始燈光數(shù)據(jù)進行歸一化處理，獲取歸一化燈光數(shù)據(jù)；

重采樣處理單元，用于采用最鄰近分配法對所述歸一化燈光數(shù)據(jù)進行重采樣，以獲取與所述遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)；

其中，所述線性歸一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'為歸一化燈光數(shù)據(jù)，RNTL為原始燈光數(shù)據(jù)，Max和Min分別為原始燈光數(shù)據(jù)的最大值和最小值。

優(yōu)選地，所述城市指數(shù)獲取模塊，用于采用城市指數(shù)構(gòu)建公式對所述目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)進行處理，以獲取所述城市指數(shù)；

其中，所述城市指數(shù)構(gòu)建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI為城市指數(shù)，NTL為目標(biāo)燈光數(shù)據(jù)，NDVI為目標(biāo)植被指數(shù)。

本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點：本發(fā)明所提供的城市制圖方法及裝置中，基于遙感影像獲取目標(biāo)植被指數(shù)，獲取原始燈光數(shù)據(jù)獲取目標(biāo)燈光數(shù)據(jù)，再利用目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖。該城市制圖方法及裝置中，處理過程簡單方便，自動化程度高，處理效率高，無需進行復(fù)雜的預(yù)處理過程；而且基于目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖，制圖效果好，精度高，易于推廣使用。

附圖說明

下面將結(jié)合附圖及實施例對本發(fā)明作進一步說明，附圖中：

圖1是本發(fā)明實施例1中城市制圖方法的一流程圖；

圖2是本發(fā)明實施例1中城市制圖方法的一具體示意圖；

圖3是本發(fā)明實施例2中城市制圖裝置的一原理框圖。

具體實施方式

為了對本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)對照附圖詳細說明本發(fā)明的具體實施方式。

實施例1

圖1示出本實施例中的城市制圖方法的流程圖。該城市制圖方法基于隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，通過對植被指數(shù)和燈光數(shù)據(jù)進行處理，即可獲取目標(biāo)城市的城市指數(shù)，基于城市指數(shù)進行制圖，即可獲取目標(biāo)城市的城市效果圖。如圖1所示，該城市制圖方法包括如下步驟：

S10：接收用戶輸入的目標(biāo)城市的遙感影像，獲取遙感影像數(shù)據(jù)。

其中，該遙感影像可以是中低分辨率遙感影像，由于中低分辨率遙感影像具有影像覆蓋面廣且價格低廉的優(yōu)點，使其應(yīng)用在城市制圖中具有覆蓋面廣和價格低廉的優(yōu)點，可有效降低制圖成本。

本實施例中，接收用戶輸入的landsat7ETM+這一中分辨率遙感影像，landsat7ETM+遙感影像具有較高的空間分辨率(30m)，以保證基于landsat7ETM+遙感影像進行制圖時，制得的目標(biāo)城市的城市效果圖的精度較高。其中，landsat7是1999年美國發(fā)射的一陸地探測衛(wèi)星系統(tǒng)，裝備有Enhanced Thematic Mapper Plus(簡稱為ETM+，增強型專用制圖儀)設(shè)備，ETM+被動感應(yīng)地表反射的太陽輻射和散發(fā)的熱輻射，有8個波段的感應(yīng)器，覆蓋了紅外到可見光的不同波長范圍。ETM+設(shè)備在紅外波段的分辨率較高，具有較高的準(zhǔn)確性，以使最終的城市效果圖具有較高的精度。由于ETM+遙感影像被動感應(yīng)地表反射的太陽輻射和散發(fā)的熱輻射，在基于ETM+遙感影像獲取遙感影像數(shù)據(jù)時，需進行大氣校正，以獲取真實的地表反射率?？梢岳斫獾?，遙感影像數(shù)據(jù)還可以為Sentinal-2A影像或者其他影像。

由于該城市制圖方法基于植被指數(shù)和城市燈光數(shù)據(jù)進行制圖，使得該遙感影像中應(yīng)包括可影響植被指數(shù)的遙感影像數(shù)據(jù)。本實施例中，遙感影像數(shù)據(jù)包括近紅外波段和紅光波段。近紅外光(Near Infrared，NIR)波段是介于可見光(ⅥS)和中紅外光(MIR)之間的電磁波，按ASTM(美國試驗和材料檢測協(xié)會)定義是指波長在780～2526nm范圍內(nèi)的電磁波，習(xí)慣上又將近紅外區(qū)劃分為近紅外短波(780～1100nm)和近紅外長波(1100～2526nm)兩個區(qū)域。近紅外區(qū)域是人們最早發(fā)現(xiàn)的非可見光區(qū)域。紅光波段是可見光波段中的一部分，可見光波段的波長范圍在0.77～0.622微米之間，可用于計算植被指數(shù)。

S20：基于遙感影像數(shù)據(jù)，獲取遙感影像的目標(biāo)植被指數(shù)。

其中，目標(biāo)植被指數(shù)用于識別遙感影像中的植被覆蓋情況，目標(biāo)植被指數(shù)越大，其覆蓋的植被越多，可基于目標(biāo)植被指數(shù)確定目標(biāo)城市的植被覆蓋情況。

步驟S20具體包括：采用植被指數(shù)計算公式對遙感影像數(shù)據(jù)進行處理，獲取遙感影像的目標(biāo)植被指數(shù)；

其中，植被指數(shù)計算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI為目標(biāo)植被指數(shù)，NIR為近紅外波段，R為紅光波段。NDVI(Normalized Difference Vegetation Index,歸一化差分植被指數(shù))，用于檢測植被生成、植被覆蓋度和消除部分輻射誤差等領(lǐng)域。其中，NIR和R分別指近紅外波段和紅光波段的反射率值。

進一步地，NDVI的取值在[-1，1]之間，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大?？梢岳斫獾兀繕?biāo)植被指數(shù)NDVI是一個歸一化數(shù)據(jù)，其數(shù)據(jù)獲取在[-1，1]之間，使得利用該目標(biāo)植被指數(shù)NDVI進行處理時，收斂速度快，可加快數(shù)據(jù)處理效率。

采用單一的遙感影像的目標(biāo)植被指數(shù)進行制圖時，目標(biāo)植被指數(shù)與最終形成的城市效果圖相關(guān)聯(lián)，由于目標(biāo)植被指數(shù)會影響城市效果圖的精度，因此需保證目標(biāo)植被指數(shù)的準(zhǔn)確率。因此，該城市制圖方法中，步驟S20之后，還包括如下步驟：

S21：利用目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建像元的目標(biāo)植被指數(shù)序列。

可以理解地，至少三個遙感影像中所覆蓋的目標(biāo)城市相同，每一遙感影像中相同像元指向目標(biāo)城市中相同位置。在利用目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建像元的目標(biāo)植被指數(shù)序列時，將同一像元的目標(biāo)植被指數(shù)依據(jù)時間順序排序，以形成該像元的目標(biāo)植被指數(shù)序列。可以理解地，至少三個遙感影像依據(jù)一定的時間間隔采集，如年度或月度。本實施例中以年度為例，若像元A的第一年某一天的目標(biāo)植被指數(shù)為0.32，第二年同一天的目標(biāo)植被指數(shù)為0.40，第三年同一天的目標(biāo)植被指數(shù)為0.45，則該像元A的目標(biāo)植被指數(shù)序列為{0.32，0.4，0.45}。

S22：采用預(yù)設(shè)合成規(guī)則對每一像元的目標(biāo)植被指數(shù)序列進行合成，獲取像元的合成植被指數(shù)。

其中，預(yù)設(shè)合成規(guī)則包括：獲取像元的目標(biāo)植被指數(shù)序列的最大值和最小值；若最大值大于第一閾值，則將最大值作為像元的合成植被指數(shù)；若最小值小于第二閾值，則將最小值作為像元的合成植被指數(shù)；若最大值不大于和/或最小值不大于第二閾值，則將目標(biāo)植被指數(shù)序列的中值作為像元的合成植被指數(shù)。可以理解地，采用預(yù)設(shè)合成規(guī)則對每一像元的目標(biāo)植被指數(shù)序列進行合成，可將目標(biāo)植被指數(shù)序列中多個目標(biāo)植被指數(shù)轉(zhuǎn)換成一個最能體現(xiàn)像元對應(yīng)的目標(biāo)城市的植被覆蓋程度的合成植被指數(shù)。目標(biāo)植被指數(shù)的取值范圍在[-1，1]之間，第一閾值用于限定是否為植被區(qū)域，第二閾值用于限定是否為水體區(qū)域。若目標(biāo)植被指數(shù)大于第一閾值，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為植被區(qū)域；若目標(biāo)植被指數(shù)小于第二閾值，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為水體區(qū)域；若目標(biāo)植被指數(shù)在第一閾值和第二閾值之間，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為裸地或城市。

本實施例中，設(shè)第一閾值為0.4，第二閾值為-0.2；若像元A的目標(biāo)植被指數(shù)序列為{0.55，0.58，0.49，0.45，0.50}，像元B的目標(biāo)植被指數(shù)序列為{-0.1，-0.15，-0.2，-0.18，-0.22}，像元C的目標(biāo)植被指數(shù)序列為{0.13，0.11，0.15，0.2，0.22}。依據(jù)該預(yù)設(shè)合成規(guī)則進行合成處理，則像元A的合成植被指數(shù)為0.58，像元B的合成植被指數(shù)為-0.22，像元C的合成植被指數(shù)為0.15。

S23：基于每一像元的合成植被指數(shù)，更新遙感影像的目標(biāo)植被指數(shù)。

每一遙感影像包含多個像元，將每一像元的合成植被指數(shù)更新為遙感影像中相應(yīng)像元的目標(biāo)植被指數(shù)，以更新遙感影像的目標(biāo)植被指數(shù)，并基于更新后遙感影像的目標(biāo)植被指數(shù)進行城市制圖，使最終形成的城市效果圖的精度較高，可更清晰顯示城市細節(jié)部分。

S30：接收用戶輸入的目標(biāo)城市的原始燈光數(shù)據(jù)。

由于該城市制圖方法的實現(xiàn)是基于隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，因此需接收用戶輸入目標(biāo)城市的原始燈光數(shù)據(jù)，并對原始燈光數(shù)據(jù)進行處理，以實現(xiàn)城市制圖的目的。

S40：對原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取目標(biāo)燈光數(shù)據(jù)。

對原始燈光數(shù)據(jù)進行歸一化處理，將原始燈光數(shù)據(jù)限制在預(yù)設(shè)范圍內(nèi)，以方便后續(xù)進行數(shù)據(jù)處理，提高數(shù)據(jù)收斂速度，提高數(shù)據(jù)處理效率。由于在對原始燈光數(shù)據(jù)進行歸一化處理后，可能導(dǎo)致像元大小不符合要求，需要使不同像元采用相同的分辨率，因此需進行重采樣處理，以保證獲取到的目標(biāo)燈光數(shù)據(jù)的每一像元具有相同的空間分辨率，以使后續(xù)基于目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)的過程計算方便，加快收斂速度，提高。

步驟S40具體包括：

S41：采用線性歸一化公式對原始燈光數(shù)據(jù)進行歸一化處理，獲取歸一化燈光數(shù)據(jù)。

其中，線性歸一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'為歸一化燈光數(shù)據(jù)，RNTL為原始燈光數(shù)據(jù)，Max和Min分別為原始燈光數(shù)據(jù)的最大值和最小值。

可以理解地，用戶輸入的目標(biāo)城市的原始燈光數(shù)據(jù)具有最大值和最小值，將目標(biāo)城市的每一像元的原始燈光數(shù)據(jù)RNTL進行歸一化處理，以獲取該像元的歸一化燈光數(shù)據(jù)NTL'，進而獲取目標(biāo)城市的歸一化燈光數(shù)據(jù)，利用該歸一化燈光數(shù)據(jù)進行后續(xù)城市制圖，可在一定程度上加快數(shù)據(jù)收斂速度，提高數(shù)據(jù)處理效率。

S42：采用最鄰近分配法對歸一化燈光數(shù)據(jù)進行重采樣，以獲取與遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)。

其中，最鄰近分配法是用于離散(分類)數(shù)據(jù)的重采樣技術(shù)，不會更改輸入單元的值。將輸出柵格數(shù)據(jù)集中單元中心的位置定位到輸入柵格后，最鄰近分配法將確定輸入柵格上最近的單元中心位置并將該單元的值分配給輸出柵格上的單元。本實施例中，采用最鄰近分配法對歸一化燈光數(shù)據(jù)進行重采樣，以獲取與遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)，以使后續(xù)基于目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)的過程計算方便，進一步加快收斂速度，提高處理效率。

S50：基于目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)，獲取城市指數(shù)。

由于遙感影像中存在隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，基于該現(xiàn)象獲取植被指數(shù)和燈光數(shù)據(jù)與城市指數(shù)之間的關(guān)聯(lián)關(guān)系，再利用該關(guān)聯(lián)關(guān)系對目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)進行處理，即可獲取城市指數(shù)，利用該城市指數(shù)可進行制圖。

步驟S50具體包括：采用城市指數(shù)構(gòu)建公式對目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)進行處理，以獲取城市指數(shù)。

其中，城市指數(shù)構(gòu)建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI為城市指數(shù)，NTL為目標(biāo)燈光數(shù)據(jù)，NDVI為目標(biāo)植被指數(shù)。

可以理解地，目標(biāo)燈光數(shù)據(jù)是對原始燈光數(shù)據(jù)進行歸一化和重采樣處理的結(jié)果，利用目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)時，具有收斂速度快、處理效率高的優(yōu)點。目標(biāo)植被指數(shù)NDVI是一個歸一化數(shù)據(jù)，其數(shù)據(jù)獲取在[-1，1]之間，使得利用該目標(biāo)植被指數(shù)NDVI進行處理時，收斂速度快，可加快數(shù)據(jù)處理效率。

S60：基于城市指數(shù)進行制圖，獲取目標(biāo)城市的城市效果圖。

由于城市指數(shù)與目標(biāo)植被指數(shù)和目標(biāo)夜間燈光指數(shù)相關(guān)聯(lián)，使得基于城市指數(shù)進行制圖以形成的城市效果圖的區(qū)域精度高，可清楚顯示城市細節(jié)部分。

圖2示出本實施例中城市制圖方法的一具體示意圖。如圖2所示，基于目標(biāo)城市的遙感影像數(shù)據(jù)，獲取的目標(biāo)植被指數(shù)(NDVI)如圖2中A圖所示；對原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取的目標(biāo)燈光數(shù)據(jù)(NTL)如圖2中B圖所示；基于目標(biāo)植被指數(shù)(NDVI)和目標(biāo)燈光數(shù)據(jù)(NTL)，獲取城市指數(shù)(NDUI)如圖2中C圖所示；基于城市指數(shù)進行制圖，獲取目標(biāo)城市的城市效果圖如圖2中D圖所示。

本實施例所提供的城市制圖方法中，基于遙感影像獲取目標(biāo)植被指數(shù)，獲取原始燈光數(shù)據(jù)獲取目標(biāo)燈光數(shù)據(jù)，再利用目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖。該城市制圖方法中，處理過程簡單方便，自動化程度高，處理效率高，無需進行復(fù)雜的預(yù)處理過程；而且基于目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖，制圖效果好，精度高，易于推廣使用。

實施例2

圖3示出本實施例中的城市制圖裝置的原理框圖。該城市制圖裝置基于隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，通過對植被指數(shù)和燈光數(shù)據(jù)進行處理，即可獲取目標(biāo)城市的城市指數(shù)，基于城市指數(shù)進行制圖，即可獲取目標(biāo)城市的城市效果圖。如圖3所示，該城市制圖裝置包括遙感影像數(shù)據(jù)獲取模塊10、目標(biāo)植被指數(shù)獲取模塊20、原始燈光數(shù)據(jù)接收模塊30、目標(biāo)燈光數(shù)據(jù)獲取模塊40、城市指數(shù)獲取模塊50和城市制圖處理模塊60。

遙感影像數(shù)據(jù)獲取模塊10，用于接收用戶輸入的目標(biāo)城市的遙感影像，獲取遙感影像數(shù)據(jù)。

其中，該遙感影像可以是中低分辨率遙感影像，由于中低分辨率遙感影像具有影像覆蓋面廣且價格低廉的優(yōu)點，使其應(yīng)用在城市制圖中具有覆蓋面廣和價格低廉的優(yōu)點，可有效降低制圖成本。

本實施例中，接收用戶輸入的landsat7ETM+這一中分辨率遙感影像，landsat7ETM+遙感影像具有較高的空間分辨率(30m)，以保證基于landsat7ETM+遙感影像進行制圖時，制得的目標(biāo)城市的城市效果圖的精度較高。其中，landsat7是1999年美國發(fā)射的一陸地探測衛(wèi)星系統(tǒng)，裝備有Enhanced Thematic Mapper Plus(簡稱為ETM+，增強型專用制圖儀)設(shè)備，ETM+被動感應(yīng)地表反射的太陽輻射和散發(fā)的熱輻射，有8個波段的感應(yīng)器，覆蓋了紅外到可見光的不同波長范圍。ETM+設(shè)備在紅外波段的分辨率較高，具有較高的準(zhǔn)確性，以使最終的城市效果圖具有較高的精度。由于ETM+遙感影像被動感應(yīng)地表反射的太陽輻射和散發(fā)的熱輻射，在基于ETM+遙感影像獲取遙感影像數(shù)據(jù)時，需進行大氣校正，以獲取真實的地表反射率?？梢岳斫獾?，遙感影像數(shù)據(jù)還可以為Sentinal-2A影像或者其他影像。

由于該城市制圖裝置基于植被指數(shù)和城市燈光數(shù)據(jù)進行制圖，使得該遙感影像中應(yīng)包括可影響植被指數(shù)的遙感影像數(shù)據(jù)。本實施例中，遙感影像數(shù)據(jù)包括近紅外波段和紅光波段。近紅外光(Near Infrared，NIR)波段是介于可見光(ⅥS)和中紅外光(MIR)之間的電磁波，按ASTM(美國試驗和材料檢測協(xié)會)定義是指波長在780～2526nm范圍內(nèi)的電磁波，習(xí)慣上又將近紅外區(qū)劃分為近紅外短波(780～1100nm)和近紅外長波(1100～2526nm)兩個區(qū)域。近紅外區(qū)域是人們最早發(fā)現(xiàn)的非可見光區(qū)域。紅光波段是可見光波段中的一部分，可見光波段的波長范圍在0.77～0.622微米之間，可用于計算植被指數(shù)。

目標(biāo)植被指數(shù)獲取模塊20，用于基于遙感影像數(shù)據(jù)，獲取遙感影像的目標(biāo)植被指數(shù)。

其中，目標(biāo)植被指數(shù)用于識別遙感影像中的植被覆蓋情況，目標(biāo)植被指數(shù)越大，其覆蓋的植被越多，可基于目標(biāo)植被指數(shù)確定目標(biāo)城市的植被覆蓋情況。

具體地，目標(biāo)植被指數(shù)獲取模塊20，用于采用植被指數(shù)計算公式對遙感影像數(shù)據(jù)進行處理，獲取遙感影像的目標(biāo)植被指數(shù)；

其中，植被指數(shù)計算公式包括NDVI＝(NIR-R)/(NIR+R)；NDVI為目標(biāo)植被指數(shù)，NIR為近紅外波段，R為紅光波段。NDVI(Normalized Difference Vegetation Index,歸一化差分植被指數(shù))，用于檢測植被生成、植被覆蓋度和消除部分輻射誤差等領(lǐng)域。其中，NIR和R分別指近紅外波段和紅光波段的反射率值。

進一步地，NDVI的取值在[-1，1]之間，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大?？梢岳斫獾?，目標(biāo)植被指數(shù)NDVI是一個歸一化數(shù)據(jù)，其數(shù)據(jù)獲取在[-1，1]之間，使得利用該目標(biāo)植被指數(shù)NDVI進行處理時，收斂速度快，可加快數(shù)據(jù)處理效率。

采用單一的遙感影像的目標(biāo)植被指數(shù)進行制圖時，目標(biāo)植被指數(shù)與最終形成的城市效果圖相關(guān)聯(lián)，由于目標(biāo)植被指數(shù)會影響城市效果圖的精度，因此需保證目標(biāo)植被指數(shù)的準(zhǔn)確率。因此，該城市制圖裝置中，目標(biāo)植被指數(shù)獲取模塊20包括植被指數(shù)序列構(gòu)建單元21、合成植被指數(shù)獲取單元22和目標(biāo)植被指數(shù)更新單元23。

植被指數(shù)序列構(gòu)建單元21，用于利用目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建像元的目標(biāo)植被指數(shù)序列。

可以理解地，至少三個遙感影像中所覆蓋的目標(biāo)城市相同，每一遙感影像中相同像元指向目標(biāo)城市中相同位置。在利用目標(biāo)城市的至少三個遙感影像中同一像元的目標(biāo)植被指數(shù)，構(gòu)建像元的目標(biāo)植被指數(shù)序列時，將同一像元的目標(biāo)植被指數(shù)依據(jù)時間順序排序，以形成該像元的目標(biāo)植被指數(shù)序列。可以理解地，至少三個遙感影像依據(jù)一定的時間間隔采集，如年度或月度。本實施例中以年度為例，若像元A的第一年某一天的目標(biāo)植被指數(shù)為0.32，第二年同一天的目標(biāo)植被指數(shù)為0.40，第三年同一天的目標(biāo)植被指數(shù)為0.45，則該像元A的目標(biāo)植被指數(shù)序列為{0.32，0.4，0.45}。

合成植被指數(shù)獲取單元22，用于采用預(yù)設(shè)合成規(guī)則對每一像元的目標(biāo)植被指數(shù)序列進行合成，獲取像元的合成植被指數(shù)。

其中，預(yù)設(shè)合成規(guī)則包括：獲取像元的目標(biāo)植被指數(shù)序列的最大值和最小值；若最大值大于第一閾值，則將最大值作為像元的合成植被指數(shù)；若最小值小于第二閾值，則將最小值作為像元的合成植被指數(shù)；若最大值不大于和/或最小值不大于第二閾值，則將目標(biāo)植被指數(shù)序列的中值作為像元的合成植被指數(shù)?？梢岳斫獾?，采用預(yù)設(shè)合成規(guī)則對每一像元的目標(biāo)植被指數(shù)序列進行合成，可將目標(biāo)植被指數(shù)序列中多個目標(biāo)植被指數(shù)轉(zhuǎn)換成一個最能體現(xiàn)像元對應(yīng)的目標(biāo)城市的植被覆蓋程度的合成植被指數(shù)。目標(biāo)植被指數(shù)的取值范圍在[-1，1]之間，第一閾值用于限定是否為植被區(qū)域，第二閾值用于限定是否為水體區(qū)域。若目標(biāo)植被指數(shù)大于第一閾值，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為植被區(qū)域；若目標(biāo)植被指數(shù)小于第二閾值，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為水體區(qū)域；若目標(biāo)植被指數(shù)在第一閾值和第二閾值之間，則該目標(biāo)植被指數(shù)對應(yīng)的區(qū)域為裸地或城市。

本實施例中，設(shè)第一閾值為0.4，第二閾值為-0.2；若像元A的目標(biāo)植被指數(shù)序列為{0.55，0.58，0.49，0.45，0.50}，像元B的目標(biāo)植被指數(shù)序列為{-0.1，-0.15，-0.2，-0.18，-0.22}，像元C的目標(biāo)植被指數(shù)序列為{0.13，0.11，0.15，0.2，0.22}。依據(jù)該預(yù)設(shè)合成規(guī)則進行合成處理，則像元A的合成植被指數(shù)為0.58，像元B的合成植被指數(shù)為-0.22，像元C的合成植被指數(shù)為0.15。

目標(biāo)植被指數(shù)更新單元23，用于基于每一像元的合成植被指數(shù)，更新遙感影像的目標(biāo)植被指數(shù)。

每一遙感影像包含多個像元，將每一像元的合成植被指數(shù)更新為遙感影像中相應(yīng)像元的目標(biāo)植被指數(shù)，以更新遙感影像的目標(biāo)植被指數(shù)，并基于更新后遙感影像的目標(biāo)植被指數(shù)進行城市制圖，使最終形成的城市效果圖的精度較高，可更清晰顯示城市細節(jié)部分。

原始燈光數(shù)據(jù)接收模塊30，用于接收用戶輸入的目標(biāo)城市的原始燈光數(shù)據(jù)。

由于該城市制圖裝置的實現(xiàn)是基于隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，因此需接收用戶輸入目標(biāo)城市的原始燈光數(shù)據(jù)，并對原始燈光數(shù)據(jù)進行處理，以實現(xiàn)城市制圖的目的。

目標(biāo)燈光數(shù)據(jù)獲取模塊40，用于對原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取目標(biāo)燈光數(shù)據(jù)。

對原始燈光數(shù)據(jù)進行歸一化處理，將原始燈光數(shù)據(jù)限制在預(yù)設(shè)范圍內(nèi)，以方便后續(xù)進行數(shù)據(jù)處理，提高數(shù)據(jù)收斂速度，提高數(shù)據(jù)處理效率。由于在對原始燈光數(shù)據(jù)進行歸一化處理后，可能導(dǎo)致像元大小不符合要求，需要使不同像元采用相同的分辨率，因此需進行重采樣處理，以保證獲取到的目標(biāo)燈光數(shù)據(jù)的每一像元具有相同的空間分辨率，以使后續(xù)基于目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)的過程計算方便，加快收斂速度，提高。

目標(biāo)燈光數(shù)據(jù)獲取模塊40具體包括歸一化處理單元41和重采樣處理單元42。

歸一化處理單元41，用于采用線性歸一化公式對原始燈光數(shù)據(jù)進行歸一化處理，獲取歸一化燈光數(shù)據(jù)。

其中，線性歸一化公式包括NTL'＝(RNTL-Min)/(Max-Min)，其中，NTL'為歸一化燈光數(shù)據(jù)，RNTL為原始燈光數(shù)據(jù)，Max和Min分別為原始燈光數(shù)據(jù)的最大值和最小值。

可以理解地，用戶輸入的目標(biāo)城市的原始燈光數(shù)據(jù)具有最大值和最小值，將目標(biāo)城市的每一像元的原始燈光數(shù)據(jù)RNTL進行歸一化處理，以獲取該像元的歸一化燈光數(shù)據(jù)NTL'，進而獲取目標(biāo)城市的歸一化燈光數(shù)據(jù)，利用該歸一化燈光數(shù)據(jù)進行后續(xù)城市制圖，可在一定程度上加快數(shù)據(jù)收斂速度，提高數(shù)據(jù)處理效率。

重采樣處理單元42，用于采用最鄰近分配法對歸一化燈光數(shù)據(jù)進行重采樣，以獲取與遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)。

其中，最鄰近分配法是用于離散(分類)數(shù)據(jù)的重采樣技術(shù)，不會更改輸入單元的值。將輸出柵格數(shù)據(jù)集中單元中心的位置定位到輸入柵格后，最鄰近分配法將確定輸入柵格上最近的單元中心位置并將該單元的值分配給輸出柵格上的單元。本實施例中，采用最鄰近分配法對歸一化燈光數(shù)據(jù)進行重采樣，以獲取與遙感影像具有相同空間分辨率的目標(biāo)燈光數(shù)據(jù)，以使后續(xù)基于目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)的過程計算方便，進一步加快收斂速度，提高處理效率。

城市指數(shù)獲取模塊50，用于基于目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)，獲取城市指數(shù)。

由于遙感影像中存在隨著植被指數(shù)降低，城市燈光數(shù)據(jù)增大的現(xiàn)象，基于該現(xiàn)象獲取植被指數(shù)和燈光數(shù)據(jù)與城市指數(shù)之間的關(guān)聯(lián)關(guān)系，再利用該關(guān)聯(lián)關(guān)系對目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)進行處理，即可獲取城市指數(shù)，利用該城市指數(shù)可進行制圖。

具體地，城市指數(shù)獲取模塊50，用于采用城市指數(shù)構(gòu)建公式對目標(biāo)植被指數(shù)和所述目標(biāo)燈光數(shù)據(jù)進行處理，以獲取城市指數(shù)。

其中，城市指數(shù)構(gòu)建公式包括：NDUI＝(NTL-NDVI)/(NTL+NDVI)；NDUI為城市指數(shù)，NTL為目標(biāo)燈光數(shù)據(jù)，NDVI為目標(biāo)植被指數(shù)。

可以理解地，目標(biāo)燈光數(shù)據(jù)是對原始燈光數(shù)據(jù)進行歸一化和重采樣處理的結(jié)果，利用目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)時，具有收斂速度快、處理效率高的優(yōu)點。目標(biāo)植被指數(shù)NDVI是一個歸一化數(shù)據(jù)，其數(shù)據(jù)獲取在[-1，1]之間，使得利用該目標(biāo)植被指數(shù)NDVI進行處理時，收斂速度快，可加快數(shù)據(jù)處理效率。

城市制圖處理模塊60，用于基于城市指數(shù)進行制圖，獲取目標(biāo)城市的城市效果圖。

由于城市指數(shù)與目標(biāo)植被指數(shù)和目標(biāo)夜間燈光指數(shù)相關(guān)聯(lián)，使得基于城市指數(shù)進行制圖以形成的城市效果圖的區(qū)域精度高，可清楚顯示城市細節(jié)部分。

如圖2所示，該城市制圖裝置中，基于目標(biāo)城市的遙感影像數(shù)據(jù)，獲取的目標(biāo)植被指數(shù)(NDVI)如圖2中A圖所示；對原始燈光數(shù)據(jù)進行歸一化和重采樣處理，獲取的目標(biāo)燈光數(shù)據(jù)(NTL)如圖2中B圖所示；基于目標(biāo)植被指數(shù)(NDVI)和目標(biāo)燈光數(shù)據(jù)(NTL)，獲取城市指數(shù)(NDUI)如圖2中C圖所示；基于城市指數(shù)進行制圖，獲取目標(biāo)城市的城市效果圖如圖2中D圖所示。

本實施例所提供的城市制圖裝置中，基于遙感影像獲取目標(biāo)植被指數(shù)，獲取原始燈光數(shù)據(jù)獲取目標(biāo)燈光數(shù)據(jù)，再利用目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖。該城市制圖裝置中，處理過程簡單方便，自動化程度高，處理效率高，無需進行復(fù)雜的預(yù)處理過程；而且基于目標(biāo)植被指數(shù)和目標(biāo)燈光數(shù)據(jù)獲取城市指數(shù)，利用城市指數(shù)進行制圖，制圖效果好，精度高，易于推廣使用。

本發(fā)明是通過幾個具體實施例進行說明的，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)明白，在不脫離本發(fā)明范圍的情況下，還可以對本發(fā)明進行各種變換和等同替代。另外，針對特定情形或具體情況，可以對本發(fā)明做各種修改，而不脫離本發(fā)明的范圍。因此，本發(fā)明不局限于所公開的具體實施例，而應(yīng)當(dāng)包括落入本發(fā)明權(quán)利要求范圍內(nèi)的全部實施方式。