(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210046818.1 (22)申请日 2022.01.16 (71)申请人 四川轻化工大 学 地址 643000 四川省自贡 市汇兴路学苑街 180号 (72)发明人 赵良军　王泽　 (74)专利代理 机构 北京彭丽 芳知识产权代理有 限公司 1 1407 代理人 彭丽芳 (51)Int.Cl. G06T 7/60(2017.01) G06T 7/13(2017.01) G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01)G06K 9/62(2022.01) G06V 10/82(2022.01) G06F 17/16(2006.01) G06N 3/04(2006.01) (54)发明名称 基于高分遥感影像的建筑物轮廓递进式规 则化方法 (57)摘要 本发明公开了一种基于高分遥感影像的建 筑物轮廓递进式规则化方法， 其利用改进的 Harris角点检测算 法对轮廓进行角点提取， 再通 过角点筛选机制剔除无用角点， 顺序拟合保留的 角点集， 实现轮廓初步规整优化； 然后利用基于 Frechet距离的最小 面积外接矩形算法对建筑物 轮廓边界进行优化； 得到整体规则、 局部不规则 的建筑物 轮廓； 最后再通过Shi ‑Tomasi算法对局 部不规整且呈锯齿状的建筑物轮廓边缘进行深 度规则化。 本发明的规则化总体精度达到了 85.36％， 相较于初始轮廓提高了13.17％。 表明 本方法适用于建筑物的轮廓规则化， 有效提高了 建筑物轮廓边缘的表达精度， 能够准确地适应建 筑物轮廓的细节变化。 权利要求书2页 说明书9页 附图12页 CN 114387329 A 2022.04.22 CN 114387329 A 1.基于高分遥感影 像的建筑物轮廓递进式规则化方法， 其特 征在于： 包括如下步骤： S1、 在提取的原始建筑物轮廓基础上， 利用改进的Harris角点检测算法对轮廓进行角 点提取， 再通过角点筛选机制剔除无用角点， 顺序拟合保留的角点集， 实现轮廓初步规整优 化； S2、 利用基于Frechet距离的最小面积外接矩形对拟合连接后的建筑物轮廓进行边缘 线段优化， 将建筑物轮廓线段与最小面积外接矩形线段进行离散等分， 计算得出各个等分 点对应的最短距离dmin， 设置距离阈值δ， 判断建筑物轮廓线段等分点坐标是否替换为最小 面积外接矩形边界等分点坐标， 再顺序拟合保留下来的离散等分点， 得到初步规则化的建 筑物轮廓； S3、 利用Shi ‑Tomasi算法对不规则的局部区域依次进行角点检测、 筛选、 拟合， 进行深 度规则化。 2.如权利要求1所述的基于高分遥感影像的建筑物轮廓递进式规则化方法， 其特征在 于： 所述步骤S1包括如下步骤： S11、 在提取的原始建筑物轮廓 基础上， 利用改进的Harris角点检测算法对轮廓进行角 点提取； 具体的： 首先计算出图像中的灰度变化E(u， v)： E(u， v)＝∑w(x， y)[I(x+u， y+v) ‑I(x， y)]2         (1) 式中， (u， v)表示的是窗口偏移量， w(x， y)是移动的窗口函数， I(x+u， y+v)是平移后的 图像灰度， I(x， y)是图像灰度； I(x+u， y+y)＝ I(x， y)+Ixu+Iyv+O(u2， v2)       (2) 转化得到： 对于局部微小的窗口移动量[u， v]， 可以近似得到： 其中， M是为梯度的协方差矩阵， 由图像导数 可得： 协方差矩阵M的特 征值分析： 其中， λ1， λ2是M的两个特 征值， 由此 得到定义角点响应函数CRF： R＝detM‑k[trace(M)]2          (8) 式中， detM＝ λ1λ2， trace(M)＝ λ1+λ2， k为经验常数， 取值范围为[0.04， 0.0 6]； 基于协方差矩阵M矩阵保存候选角点位置， 初值设置为0， 角点值设置为1， 当角点(i， j)权　利　要　求　书 1/2 页 2 CN 114387329 A 2八邻域的“相似度”参数在中心点与领域其他八个点的像素值之差在( ‑t， +t)之间， 确认它 们为相似点， 且相似点 不在候选角点中； S12、 将检测得到的角点 集合排序， 利用角点筛 选机制决定当前角点是否保留； S13、 剔除无关角点后， 顺序拟合各个角点得到初始规则化后的建筑物轮廓。权　利　要　求　书 2/2 页 3 CN 114387329 A 3