本发明涉及遥感数据处理，特别涉及一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法及系统。
背景技术：
1、从栅格影像数据中提取建筑物涉及图像分割技术、建筑物识别技术与栅格矢量化技术。图像分割技术通过对影像色调、形态等区分、分割，实现图像斑块化处理，进而以建筑物识别方法提取建筑区，并通过栅格矢量化方法对其范围进行格式转换，生成矢量化数据。一般建筑物具有规则形态特征，但是由于影像质量及建筑物提取算法精度影响，矢量化结果存在轮廓模糊、斑块缺损等问题。虽然，已有算法对这些问题进行优化，但它们在处理模糊边界与斑块缺损问题时需考虑不同形式的外接图形计算，增加了模型复杂度，时间成本高且计算效率低。
技术实现思路
1、为此，本发明提供一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法及系统，解决现有遥感影像建筑区提取存在矢量轮廓模糊与斑块缺损的问题。
2、按照本发明所提供的设计方案，一方面，提供一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，包含：
3、通过图像分割获取待处理遥感影像中的若干图像斑块；
4、依据图像光谱特征获取建筑物识别指数，并根据图像斑块内像素个数及对应建筑物识别指数对每个图像斑块进行二值划分，以确定图像斑块中的建筑区和非建筑区；
5、以建筑物规则轮廓信息对各图像斑块中建筑区和非建筑区逐层次进行区域切割融合，确定待处理遥感影像中建筑区与非建筑区两者范围，并生成建筑区矢量化数据。
6、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，通过图像分割获取待处理遥感影像中的若干图像斑块，包含：
7、设置超像素随机扫描行数及移动窗口大小，并依据遥感影像各像素点位置上的颜色变量设置移动梯度；
8、利用移动窗口及移动梯度分别度量遥感影像中各像素与最邻近超像素的相似度，并将最邻近超像素属性赋值给当前像素，直至遥感影像中所有像素属性赋值完毕，以将遥感影像依据属性聚类为若干图像斑块。
9、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，相似度度量公式表示为：其中，d(i,k)为像素i与超像素k之间的相似度，dlab为像素点之间的颜色距离，dmn为像素间的欧氏距离，m为控制超像素紧密度的平衡系数，s为超像素中心点间距。
10、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，通过图像分割获取待处理遥感影像中的若干图像斑块，还包含：
11、依据空间面域连通性，删除面积小于阈值的图像斑块，并合并属性相同的相邻图像斑块。
12、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，依据图像光谱特征获取建筑物识别指数，包含：
13、将归一化建筑指数作为建筑物识别指数，利用各波段光谱值逐个提取图像斑块范围内所有像素的建筑物识别指数，并统计图像斑块像素个数，确定图像斑块建筑物识别指数均值并赋值给图像斑块矢量，所述归一化建筑指数基于不同波段的反射率差异来获取。
14、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，根据图像斑块内像素个数及对应建筑物识别指数对每个图像斑块进行二值划分，包含：
15、根据遥感影像数据空间分辨率确定最优图像斑块面积阈值，当图像斑块面积小于该面积阈值时，将图像斑块与相邻区域建筑物识别指数最接近的图像斑块进行合并处理；
16、根据建筑物识别指数提取图像斑块建筑物，并对图像斑块进行阈值分割，并确定图像斑块中的建筑区和非建筑区。
17、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，以建筑物规则轮廓信息对各图像斑块中建筑区和非建筑区逐层次进行区域切割融合，包含：
18、根据图像斑块内建筑区范围确定最小外接矩形，提取最小外接矩形内所有图像斑块信息；并确定非建筑区图像斑块个数及位置，对非建筑区图像斑块进行最小外接矩形提取，逐步进行建筑区与非建筑区的最小外接矩形多层反向提取，直至所有图像斑块均满足要求，以确定遥感图像最终的建筑区与非建筑区范围。
19、作为本发明基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，进一步地，根据图像斑块内建筑区范围确定最小外接矩形的过程包含：
20、以建筑物区域提取为目的建立坐标系，计算每个图像斑块范围内各像素位置坐标，以获取各图像斑块重心位置；
21、平移图像斑块中心位置至坐标系原点处，获取图像斑块所有像素的最大位置坐标和最小位置坐标，并计算图像斑块第一外接矩形面积，将该第一外接矩形面积赋值给图像斑块外接矩形最小面积参数；
22、设置图像旋转步长，对图像斑块内所有像素进行逆时针旋转，并获取旋转后图像斑块所有像素的最大位置坐标和最小位置坐标，并计算图像斑块第二外接矩形面积；
23、比较第一外接矩形面积和第二外接矩形面积，若第二外接矩形面积小于第一外接矩形面积，则将第二外接矩形面积重新赋值给图像斑块外接矩形最小面积参数，否则，依据图像旋转步长执行下一个旋转并对图像斑块外接矩形最小面积参数进行重新赋值的计算，直至总旋转角度达到预设条件，依据图像斑块外接矩形最小面积参数获取图像斑块的最优外接矩形。
24、再一方面，本发明还提供一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取系统，包含：分割模块、划分模块及融合模块，其中，
25、分割模块，用于通过图像分割获取待处理遥感影像中的若干图像斑块；
26、划分模块，用于依据图像光谱特征获取建筑物识别指数，并根据图像斑块内像素个数及对应建筑物识别指数对每个图像斑块进行二值划分，以确定图像斑块中的建筑区和非建筑区；
27、融合模块，用于以建筑物规则轮廓信息对各图像斑块中建筑区和非建筑区逐层次进行区域切割融合，确定待处理遥感影像中建筑区与非建筑区两者范围，并生成建筑区矢量化数据。
28、本发明的有益效果：
29、本发明通过对影像数据进行二值化处理，基于多层最优化外接矩形对二值处理后的建筑区与非建筑区进行逐步切割，以实现栅格影像数据规则建筑区的快速高精度矢量化提取，以面向对象方法提取建筑区斑块信息，以建筑物规则轮廓信息进行逐层次矩形区域提取，提高矢量化边界精度；通过多层次最优外接矩形替代现有最优椭圆、多边形等其他形式，简化计算复杂度，同时在最优矩形中考虑边界信息的连续性与规则性，提升建筑物矢量边界提取的精度，在遥感影像处理领域具有较好的应用前景。
1.一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，包含：
2.根据权利要求1所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，通过图像分割获取待处理遥感影像中的若干图像斑块，包含：
3.根据权利要求2所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，相似度度量公式表示为：其中，d(i,k)为像素i与超像素k之间的相似度，dlab为像素点之间的颜色距离，dmn为像素间的欧氏距离，m为控制超像素紧密度的平衡系数，s为超像素中心点间距。
4.根据权利要求1或2所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，通过图像分割获取待处理遥感影像中的若干图像斑块，还包含：
5.根据权利要求1所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，依据图像光谱特征获取建筑物识别指数，包含：
6.根据权利要求1或5所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，根据图像斑块内像素个数及对应建筑物识别指数对每个图像斑块进行二值划分，包含：
7.根据权利要求1所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，以建筑物规则轮廓信息对各图像斑块中建筑区和非建筑区逐层次进行区域切割融合，包含：
8.根据权利要求7所述的基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取方法，其特征在于，根据图像斑块内建筑区范围确定最小外接矩形的过程包含：
9.一种基于多层反向二值分割的遥感影像建筑物规则轮廓矢量提取系统，其特征在于，包含：分割模块、划分模块及融合模块，其中，
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，
