本發(fā)明涉及到遙感影像處理技術(shù)領(lǐng)域，具體地說，是一種基于建筑物基底矢量的遙感影像屋頂輪廓提取方法。

背景技術(shù)：

建筑物作為一種重要的地物目標，其自動化識別、定位提取及其變化檢測是攝影測量與遙感領(lǐng)域的一項研究熱點與難點。其中，高分辨率遙感影像建筑物變化檢測技術(shù)通過對兩期高分辨率遙感影像進行對比分析，找出其中建筑物的變化區(qū)域。該技術(shù)在地理空間信息服務(wù)中應(yīng)用廣泛，對土地覆蓋變化監(jiān)測、環(huán)境變遷動態(tài)監(jiān)測、自然災(zāi)害監(jiān)測、違章建筑物查處以及國土資源調(diào)查等方面具有重要的應(yīng)用價值和商業(yè)價值。

一般來說，建筑物的變化在圖像上的反映具有三種形式：一是建筑物的消失，即原有建筑物變?yōu)槠渌匚铮@可能是由于城市規(guī)劃或道路建設(shè)等因素導致；二是建筑物外觀的改變，諸如建筑物部分結(jié)構(gòu)的消失/出現(xiàn)、建筑物幾何形狀的改變等，其可能與建筑物違法加蓋或災(zāi)害事故有關(guān)；三是建筑物的新增，即原來其它用地變?yōu)榻ㄖ玫?。目前建筑物變化檢測的主要工作方式有兩種：第一種是先找到圖像的變化區(qū)域，然后在變化區(qū)域中尋找建筑物，則找到的這些建筑物即是發(fā)生變化的建筑物；第二種是先在圖像中找到建筑物，再尋找它們之間的變化。

現(xiàn)有技術(shù)中，按分析處理單元的不同，當前的高分辨率遙感影像變化檢測主要有像素、內(nèi)核(或窗口)、圖像對象疊加、圖像對象比較、多期圖像對象、混合處理單元等六類。然而這些方法都具有較大的局限性，因為高分辨率遙感影像中建筑物投影差等因素會造成較大的幾何位移以及陰影遮擋問題，使得建筑物提取與變化檢測問題更加復(fù)雜，影響檢測結(jié)果的精度和可靠性。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的是1提供一種基于建筑物基底矢量的遙感影像屋頂輪廓提取方法，該方法基于已有建筑物基底矢量圖斑構(gòu)建建筑物屋頂?shù)妮喞s束模板，結(jié)合提取的高分辨率遙感影像特征，通過匹配優(yōu)化方法，從影像中快速獲取最佳的匹配位置，達到建筑物屋頂自動提取的目的。

為達到上述目的，本發(fā)明采用的技術(shù)方案包括一種基于建筑物基底矢量的遙感影像屋頂輪廓提取方法，包括以下步驟：

步驟1，利用已有建筑物基底矢量圖斑，獲取優(yōu)化后的與建筑物基底圖斑相應(yīng)的輪廓多邊形；

步驟2，對步驟1得到的各建筑物基底圖斑相應(yīng)輪廓多邊形，分別進行距離變換和緩沖區(qū)分析處理，生成待匹配建筑物屋頂?shù)妮喞s束模板；

步驟3，針對待提取的遙感影像，選擇符合建筑物特性的影像特征；

步驟4，基于相似性測度，利用步驟2中所述輪廓約束模板和步驟3中選擇的影像特征，采用匹配優(yōu)化方法在各建筑物基底圖斑的鄰近區(qū)域中搜尋最佳匹配位置，獲取建筑物屋頂輪廓圖像。

而且，步驟1中，通過相鄰要素合并和點抽稀處理獲取優(yōu)化后的輪廓多邊形。

而且，所述點抽稀處理包括以下步驟，

s1，對圖斑中的點序列，從起點開始每次取出相鄰的三個點，計算中間點到其他兩點連成的直線的距離；

s2，將獲得的距離與預(yù)設(shè)閾值進行比較，若小于預(yù)設(shè)閾值則從點序列中刪除中間點，否則將中間點保留；

s3，逐點進行判斷，直至判斷完當前點序列，獲得輪廓多邊形的點坐標序列。

而且，步驟2中，所述輪廓約束模板包括是以輪廓多邊形為基準建立的方向約束模板、距離約束模板和對比度約束模板。

而且，步驟3中，選擇的影像特征包括邊緣直線特征、方向顯著性與正交性、內(nèi)部同質(zhì)性和內(nèi)外差異性，以及鄰接關(guān)系。

而且，所述邊緣直線特征中邊緣特征提2取采用基于結(jié)構(gòu)森林的快速邊緣檢測算法，直線特征提取采用lsd方法。

而且，步驟4中，采用匹配優(yōu)化方法在各建筑物基底圖斑的鄰近區(qū)域中搜尋最佳匹配位置，包括在針對某一建筑物基底圖斑，采用相應(yīng)輪廓多邊形的輪廓約束模板在該建筑物基底圖斑的鄰近區(qū)域中遍歷到某一位置時，將該位置稱為當前輪廓多邊形所在位置，提取相應(yīng)匹配測度如下，

步驟4-1，利用輪廓約束模板、遙感影像及影像特征，分別計算當前輪廓多邊形所在位置的邊緣直線匹配指數(shù)、對比度指數(shù)、區(qū)域顯著性指數(shù)以及位置偏移概率；

步驟4-2，將邊緣直線匹配指數(shù)、對比度指數(shù)、區(qū)域顯著性指數(shù)以及位置偏移概率進行加權(quán)處理，獲取匹配測度。

而且，步驟4-2中所述匹配測度的計算公式為，

s(x,y)＝ωeie+ωcic+ωsis+ωap

其中，s(x,y)為點(x，y)的匹配測度，ie,ic,is,p分別為影像的邊緣直線匹配指數(shù)、對比度指數(shù)、區(qū)域顯著性指數(shù)以及位置偏移概率，ωe,ωc,ωs,ωa為對應(yīng)于ie,ic,is,p的四個經(jīng)驗權(quán)值，且滿足ωe+ωc+ωs+ωa＝1。

本發(fā)明基于已有建筑物基底矢量圖斑構(gòu)建建筑物屋頂?shù)妮喞s束模板，結(jié)合提取的高分辨率遙感影像特征，通過匹配優(yōu)化方法，從影像中快速獲取最佳的匹配位置，達到建筑物屋頂自動提取的目的。

本發(fā)明的顯著效果是：

1、充分利用了已有建筑物基底矢量數(shù)據(jù)中有效的信息以及高分辨率遙感影像特征，通過輪廓匹配優(yōu)化方法，采用最小化能量函數(shù)原則，得到最佳匹配位置，準確的獲取建筑物屋頂，為后續(xù)進一步開展屋頂加蓋的違法建筑動態(tài)監(jiān)測奠定了基礎(chǔ)；

2、建筑物基底與屋頂?shù)妮喞ヅ浣Y(jié)果可以一定程度上反映原有建筑物變化情況，若沒有匹配成功則表明原有建筑物可能發(fā)生變化，有助于進一步提高測繪生產(chǎn)、土地執(zhí)法以及城市管理等部門相關(guān)生產(chǎn)作業(yè)的自動化程度，從而減少生產(chǎn)成本、提高生產(chǎn)效率，進而產(chǎn)生重要的經(jīng)濟和社會效益，具有重要的市場價值。

附圖說明

圖1是本發(fā)明實施例的方法流程圖；

圖2是本發(fā)明實施例的所述輪廓多邊形獲取過程示意圖，其中圖2(a)是輪廓多邊形示意圖，圖2(b)是方向約束模板示意圖，圖2(c)是距離約束模板示意圖，圖2(d)是對比度約束模板示意圖；

圖3是本發(fā)明實施例的邊緣直線匹配指數(shù)計算流程圖；

圖4是本發(fā)明實施例的距離約束模板生成權(quán)值區(qū)域示意圖；

圖5是本發(fā)明實施例的位于內(nèi)部區(qū)域與外部區(qū)域的超像素塊示意圖；

圖6是本發(fā)明實施例的利用鄰接關(guān)系計算位置偏移概率示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案作進一步詳細說明。

本發(fā)明提出利用已有建筑物基底矢量圖斑進行遙感影像屋頂輪廓提取，在遙感影像中由于建筑物投影差等因素的存在使得屋頂輪廓和相應(yīng)建筑物基底圖斑之間存在一定幾何位移，因此本發(fā)明提出基于建筑物基底圖斑，在預(yù)設(shè)的投影差范圍內(nèi)采用與圖斑輪廓多邊形相應(yīng)的輪廓約束模板進行搜索，獲取遙感影像屋頂輪廓。

如圖1所示，實施例提供的一種基于建筑物基底矢量的遙感影像屋頂輪廓提取方法，包括以下步驟：

步驟1：利用已有建筑物基底矢量圖斑，通過相鄰要素合并和點抽稀處理，獲取優(yōu)化后的與建筑物基底圖斑相應(yīng)的輪廓多邊形。

由于人工采集和編輯時會把原本一個整體的建筑物分割成多個多邊形，從而導致個別多邊形圖斑僅僅只是建筑物的一角或者極小一部分，使得其內(nèi)部包含的信息極少并且破壞了建筑物整體結(jié)構(gòu)，不利于建筑物的識別判斷。針對上述情況，本發(fā)明提出首先對整個需要檢測的矢量圖斑進行相鄰公共多邊形的合并；同時，由于手工提取建筑物的多邊形圖斑點具有不規(guī)則性，如多個點幾乎重合或者在同一條直線上，因此需對點序列進行處理。

多邊形合并處理具體實現(xiàn)如下：

針對建筑物圖斑逐個檢測其周圍是否存在與之具有公共區(qū)域的小圖斑，若存在且該公共區(qū)域為一條直線或一個面，則將它們進行合并，否則不予處理。為提高準確度起見，本發(fā)明進一步提出，預(yù)先設(shè)置合并的像素個數(shù)閾值，即當且僅當兩個圖斑有一個連通的公共區(qū)域是一條直線或一個面并且二者中有一個小于像素個數(shù)閾值，則將兩個圖斑合并。具體實施時，本領(lǐng)域技術(shù)人員可自行設(shè)定相應(yīng)像素個數(shù)閾值的取值

點抽稀處理具體實現(xiàn)如下：

由于后續(xù)判斷需要對多邊形逐個線段判斷，如果線段較短將嚴重影響判斷結(jié)果，并且同一條線上點越多效率越低，所以需要對點進行抽稀處理。首先對圖斑進行逐點判斷，是否有多個點距離較近的情況。在多邊形點序列中將點距離小于預(yù)設(shè)閾值的點刪除只保留一點。然后處理多個點接近同一條直線上的情況，具體方式如下：

s1：對上述點序列從起點開始，依次取出相鄰的3個點，分別計算中間點到其它兩點連成的直線的距離，例如首先取第1、2、3個點，計算第2點到第1點和第3點連成的直線的距離，然后取第2、3、4個點，計算第3點到第2點和第4點連成的直線的距離，…；

s2：將獲得的距離與相應(yīng)預(yù)設(shè)閾值進行比較，若該距離小于預(yù)設(shè)閾值，則從點序列中刪除中間該點；具體實施時，本領(lǐng)域技術(shù)人員可自行設(shè)定相應(yīng)預(yù)設(shè)閾值的取值；

s3：逐點進行類似判斷，直到判斷完當前點序列。最后所得點序列即為輪廓多邊形的點坐標序列。

步驟2：對步驟1得到的各建筑物基底圖斑相應(yīng)輪廓多邊形分別進行距離變換和緩沖區(qū)分析處理，生成待匹配建筑物屋頂?shù)妮喞s束模板。所述輪廓約束模板包括以下三種模塊：

方向約束模板，是以輪廓多邊形為基準，在其周圍相應(yīng)預(yù)設(shè)寬度范圍內(nèi)建立的用于提供該范圍各像素點梯度方向的模板。具體實施時，本領(lǐng)域技術(shù)人員可自行設(shè)定相應(yīng)寬度范圍的取值。

距離約束模板，是以輪廓多邊形為基準，通過距離變換得到的表征空間各點權(quán)值大小的模板。

對比度約束模板，是以輪廓多邊形為基5準，記錄每條直線兩邊預(yù)設(shè)距離內(nèi)對應(yīng)區(qū)域的模板。具體實施時，本領(lǐng)域技術(shù)人員可自行設(shè)定預(yù)設(shè)距離的取值，例如10像素或20像素等。

參見圖2，實施例中模板生成實現(xiàn)方式如下：

首先，對圖2(a)所示的輪廓多邊形每條邊(例如邊ab)正交方向設(shè)定一個緩沖區(qū)，建立如圖2(b)所示的方向約束模板，該緩沖區(qū)內(nèi)點p方向等于該點所在直線的正交方向角，是用于提供輪廓多邊形及其緩沖區(qū)內(nèi)各點梯度方向的模板；通過對輪廓多邊形進行距離變換，即計算每個空間點到與該輪廓多邊形最近點的歐式距離，生成如圖2(c)所示的距離約束模板，該模板是用于計算空間各點權(quán)值大小的模板；類似于方向約束模板，圖2(d)所示的對比度約束模板也是通過對輪廓多邊形進行緩沖區(qū)分析生成，該模板主要是用來記錄每條直線(例如邊ab所在直線)兩邊對應(yīng)的區(qū)域，可以用于計算每條直線兩邊對應(yīng)區(qū)域的對比度。

步驟3：針對待提取的遙感影像，選擇符合建筑物特性的影像特征。

在本實施例中，選擇的影像特征包括邊緣直線特征、方向顯著性與正交性、內(nèi)部同質(zhì)性和內(nèi)外差異性、鄰接關(guān)系。

各影像特征具體提取方式介紹如下：

邊緣直線特征：由于建筑物在局部影像區(qū)域內(nèi)較為顯著，其邊緣突出并且具有明確的封閉邊界，同時邊緣多以直線為主，因此首先提取遙感影像邊緣特征以及直線特征，得到邊緣直線特征影像，用以判斷建筑物輪廓候選匹配位置。邊緣特征提取采用基于結(jié)構(gòu)森林的快速邊緣檢測算法，能夠魯棒地把結(jié)構(gòu)標簽映射到可以評估標準信息增益的離散空間，通過隨機決策森林的結(jié)構(gòu)化學習框架對邊緣進行預(yù)測并對其進行處理獲取相對稀疏的邊緣圖像。直線提取算法選用了不同模糊度和光照情況下效果均較好并且效率較高的lsd(linesegmentdetector)方法，該方法可以得到影像中明顯線段，減少冗余線條進而降低計算的復(fù)雜性。基于結(jié)構(gòu)森林的快速邊緣檢測算法和lsd方法為現(xiàn)有技術(shù)，本發(fā)明不予贅述。

方向顯著性與正交性：考慮到建筑物大多是比較規(guī)則的矩形結(jié)構(gòu)或多邊形結(jié)構(gòu)，該結(jié)構(gòu)通常具有一定的主方向并且顯現(xiàn)正交性，即具有兩個相互垂直的主方向。充分利用這一特性，計算邊緣直線特征影像上當前輪廓多邊形所在區(qū)域各邊緣點和直線點的梯度方向，以15度間隔把梯度方向劃分為12個區(qū)間，記錄各區(qū)6間點數(shù)，并將相互垂直的兩個區(qū)間相加獲取最大方向區(qū)間作為該區(qū)域的方向顯著性，即其中n(θ)表示第θ區(qū)間點的個數(shù)，同時將這兩個相互垂直的區(qū)間作比計算該區(qū)域的正交性r＜1.0,θ＜6，根據(jù)得到的方向顯著性和正交性以及方向約束模板與影像梯度方向的一致性，判斷建筑物輪廓候選匹配位置。

內(nèi)部同質(zhì)性與內(nèi)外差異性：建筑物頂部內(nèi)部一般具有較強的相似性并且和周圍差異較大，在已知輪廓多邊形形狀的情況下，可以提取輪廓內(nèi)外一定區(qū)域范圍的影像特征來判斷內(nèi)部區(qū)域的勻質(zhì)性以及內(nèi)部與外部區(qū)域的差異性，進而評估建筑物存在的可能性,即區(qū)域顯著性。為了降低圖像處理的復(fù)雜度，利用slic分割算法對輸入影像進行過分割，該分割算法能生成緊湊、近似均勻的超像素，在運算速度，物體輪廓保持、超像素形狀方面具有較高的綜合評價，比較符合人們期望的分割效果。slic分割算法為現(xiàn)有技術(shù)，本發(fā)明不予贅述?？紤]到邊緣效應(yīng)的影響，在輪廓多邊形相應(yīng)距離約束模板一定距離范圍內(nèi)生成帶有權(quán)值的內(nèi)部與外部區(qū)域，如圖4所示，利用超像素分割結(jié)果計算內(nèi)部和外部區(qū)域各像斑的加權(quán)均值。如圖5所示，粗實線矩形框w表示由距離約束模板生成的內(nèi)外區(qū)域邊界，假設(shè)粗實線框中內(nèi)部區(qū)域所包含的像斑個數(shù)為wi，外部區(qū)域所包含的像斑個數(shù)為wo，粗實線框中內(nèi)部區(qū)域各像斑的加權(quán)均值用si^k,k＝1,2,…,wi表示，例如圖5中si¹,si²,si³，外部區(qū)域各像斑的加權(quán)均值用so^k,k＝1,2,…,wo表示，例如圖5中so¹,so²,…so⁹，則內(nèi)部與外部區(qū)域所有像斑的均值分別為和從而得到內(nèi)部區(qū)域方差以及內(nèi)部區(qū)域與外部區(qū)域方差用它們分別來描述內(nèi)部同質(zhì)性和內(nèi)外差異性。

鄰接關(guān)系：由于一定區(qū)域范圍內(nèi)如同一小區(qū)建筑物結(jié)構(gòu)、高度以及輪廓形狀十分相似，其在影像上投影差也存在一致性關(guān)系，因此可以利用相鄰相似圖斑偏移方向和偏移量進行局部約束。具體實施時，本領(lǐng)域技術(shù)人員可自行預(yù)設(shè)距離范圍的取值用于判斷兩個建筑物基底圖斑是否相鄰；依據(jù)輪廓多邊形最小外接矩形長寬差異及其面積比，若兩個輪廓多邊形相似，則它們的面積比約為1，同時它們的最小外接矩形長寬差異較小，則兩個建筑物基底圖斑相相似。獲取與當前輪廓多邊形相鄰相似的圖斑偏移方向和偏移量，將這些偏移方向劃分為四個象限，統(tǒng)計偏移方向在各象限的分布vj表示相鄰相似圖斑偏移方向在各象限的數(shù)目，v表示相鄰相似圖斑的總數(shù)目，并且在各象限中標記相應(yīng)圖斑的偏移量。若用偏移位置p＝(xt,yt)表示每個相鄰相似圖斑的偏移方向和偏移量，同時以每個(xt,yt)為中心，在距離r范圍內(nèi)建立一個空間距離函數(shù)，如圖6所示，坐標原點p表示原始圖斑的中心點，指向p表示只有在虛線范圍內(nèi)才有概率。則可用表征當前輪廓多邊形與同它相鄰相似圖斑的鄰接關(guān)系，其中(xv,yv)表示當前輪廓多邊形的偏移位置。

步驟4：基于相似性測度，利用步驟2中所述輪廓約束模板和步驟3中選擇的影像特征，采用匹配優(yōu)化方法在各建筑物基底圖斑的鄰近區(qū)域中搜尋最佳匹配位置，獲取建筑物屋頂輪廓圖像。

本步驟針對步驟1所得各優(yōu)化后的建筑物基底圖斑分別處理。具體實施時，各建筑物圖斑的鄰近區(qū)域可根據(jù)預(yù)設(shè)的投影差范圍確定，例如投影差范圍是在建筑物基底矢量圖斑區(qū)域外擴40米左右得到的范圍。

設(shè)針對某一建筑物基底圖斑，采用相應(yīng)輪廓多邊形的輪廓約束模板在該建筑物基底圖斑的鄰近區(qū)域中遍歷到某一位置時，將該位置稱為當前輪廓多邊形所在位置，提取相應(yīng)匹配測度的具體步驟如下：

步驟4-1：利用輪廓約束模板、遙感影像及其特征，分別計算當前輪廓多邊形所在位置的邊緣直線匹配指數(shù)、對比度指數(shù)、區(qū)域顯著性指數(shù)以及位置偏移概率；

邊緣直線匹配指數(shù)ie的計算：

在邊緣直線特征影像上，采用距離和方向約束模板進行空間投票，計算邊緣直線匹配指數(shù)，具體流程如圖3和所示。參見圖3，包括以下步驟：

1)計算方向指數(shù)，根據(jù)步驟3中所得的方向顯著性os和正交性r計算當前輪廓多邊形所在位置的方向指數(shù)oi，計算公式如下：

oi＝r×os

2)判斷是否存在方向性：預(yù)先設(shè)置方向指數(shù)閾值，若方向指數(shù)小于該閾值，則判定當前位置邊緣直線匹配指數(shù)為0；若方向指數(shù)大于等于該閾值證明存在方向性，進入3)。

3)統(tǒng)計邊緣直線特征影像上所有落在距離約束模板一定范圍內(nèi)的所有邊緣點數(shù)量n和直線點數(shù)量m，同時計算這些點的梯度方向。

4)記錄與方向約束模板相應(yīng)點角度相差較小(具體實施時可預(yù)設(shè)閾值，例如小于5°)的邊緣點數(shù)量n1和直線點數(shù)量m1。

5)計算當前位置的邊緣直線匹配指數(shù)ie為：

式中，(xe,ye)代表了某一邊緣點的坐標，(xl,yl)代表了某一直線點的坐標，d(xe,ye)、d(xl,yl)分別代表了點(xe,ye)、(xl,yl)對應(yīng)于距離約束模板上的權(quán)重值。另外，上式中，在同樣距離約束下，與方向距離約束模板角度區(qū)間一致的邊緣點和直線點的權(quán)值是不符合方向約束模板的邊緣點和直線點的權(quán)值的5倍，5為經(jīng)驗閾值。

對比度指數(shù)ic的計算：

利用距離約束模板和對比度約束模板對影像計算對比度指數(shù)。在當前輪廓多邊形所在區(qū)域，通過對比度約束模板記錄輪廓多邊形每條直線兩邊在影像中對應(yīng)的范圍，得到對比度約束模板中直邊外部區(qū)域和對比度約束模板中直邊內(nèi)部區(qū)域。針對輪廓多邊形每條直線，分別基于所得直邊外部區(qū)域和直邊內(nèi)部區(qū)域，利用距離約束模板中的距離權(quán)值分別計算這兩個區(qū)域的加權(quán)均值，將這兩個區(qū)域的加權(quán)均值之差的絕對值作為該邊的對比度，計算公式如下：

式中，(xa,ya)代表了對比度約束模板中直邊外部點的坐標，(xh,yh)代表了對比度約束模板中直邊內(nèi)部點的坐標，n‘表示對比度約束模板中直邊外部點數(shù)，m‘表示對比度約束模板中直邊內(nèi)部點數(shù)，d(xa,ya)代表了點(xa,ya)對應(yīng)于距離約束模板上的權(quán)重值，z(xa,ya)表示影像像元值。

若對比度大于相應(yīng)預(yù)設(shè)閾值，則保留該邊；否則舍棄，最后統(tǒng)計保留的邊數(shù)及點數(shù)，進而計算整體對比度指數(shù)ic：

式中，cq和cg分別表示最后保留下來的邊數(shù)及點數(shù)，tq和tg分別表示輪廓多邊形中的總邊數(shù)及點數(shù)。

區(qū)域顯著性指數(shù)is的計算：

通過步驟3中的內(nèi)部同質(zhì)性以及內(nèi)外差異性計算當前輪廓多邊形所在位置的區(qū)域顯著性指數(shù)is：

式中，sα表示由距離約束模板生成的內(nèi)部區(qū)域方差，用以描述內(nèi)部同質(zhì)性，sβ表示由距離約束模板生成的內(nèi)部區(qū)域與外部區(qū)域之間的方差，用以描述內(nèi)外差異性，σ控制同質(zhì)性權(quán)值強度，σ越大，內(nèi)部同質(zhì)性影響越小。優(yōu)選地，σ²＝10。

位置偏移概率p的計算：

根據(jù)步驟3中獲得的相鄰相似圖斑偏移方向分布及鄰接關(guān)系計算當前位置概率p：

p＝fj×fr

式中，fj表示相鄰相似圖斑偏移方向在四個象限概率，fr表示當前輪廓多邊形位置與最鄰近圖斑偏移位置的相關(guān)程度。

步驟4-2：將邊緣直線匹配指數(shù)ie、對比度指數(shù)ic、區(qū)域顯著性指數(shù)is以及位置偏移概率p進行加權(quán)處理，獲得匹配測度，計算公式如下：

g(x,y)＝ωeie+ωcic+ωsis+ωap

其中，g(x,y)點(x,y)對應(yīng)的匹配測度，ωe,ωc,ωs,ωa為對應(yīng)于ie,ic,is,p的四個經(jīng)驗權(quán)值，且滿足

ωe+ωc+ωs+ωa＝1

在本實施例中，上述的四個經(jīng)驗權(quán)值ωe,ωc,ωs,ωa的優(yōu)先取值分別為0.4,0.1,0.3,0.2。

根據(jù)步驟4-1和步驟4-2，采用匹配測度計算公式，在遙感影像設(shè)置的投影差范圍內(nèi)進行搜索，遍歷完成后，通過計算最大相似性測度獲取與輪廓匹配的位置，從而獲得建筑物屋頂輪廓圖像。所述最大相似性測度的計算公式為：

式中，f(x,y)為最大相似性測度，g(x,y)為點(x,y)的匹配測度，(-sn，sn)為點(x,y)坐標值范圍。

具體實施時，本領(lǐng)域技術(shù)人員可采用計算機軟件技術(shù)實現(xiàn)以上流程的自動運行。

從采用本實施例所述方法進行處理后所得建筑物屋頂輪廓影像和相應(yīng)建筑物屋頂輪廓可以看出，本方案不僅可以通過匹配準確的獲取建筑物屋頂；而且能夠初步檢測建筑物變化情況，便于后續(xù)進一步開展變化檢測工作，有助于進一步提高測繪生產(chǎn)、土地執(zhí)法以及城市管理等部門相關(guān)生產(chǎn)作業(yè)的自動化程度。