一种基于傅里叶描述子的建筑物自动识别方法
【专利摘要】本发明公开了一种基于傅里叶描述子的建筑物自动识别方法，用于土地违法违规使用的违法建筑物自动识别，包括步骤：首先对原始的建筑物RGB彩色图像，经过滤波、增强、边缘检测等处理将其转化为灰度边缘图像；然后对灰度边缘图像按照傅里叶描述子的方法提取出所有的轮廓；接着将轮廓点写成复数的形式，对其进行离散傅里叶变换，然后对变换后的值求模，得到归一化的傅里叶描述子；并对提取的轮廓数据按照DP算法进行简化；根据简化后的建筑物轮廓建立建筑物形状标准模版库；计算与标准模版库的欧氏距离，利用欧氏距离来表示两个傅里叶描述子的相似度，最后判断提取的轮廓是否为典型建筑物形状特征，从而达到在视频图像中自动识别违法建筑物目标。
【专利说明】一种基于傅里叶描述子的建筑物自动识别方法
【技术领域】
[0001] 本发明涉及图像处理和模式识别领域，特别是涉及一种基于傅里叶描述子的建筑 物自动识别方法。
【背景技术】
[0002] 目前，我国城镇化进程中，村镇新增建设用地利用存在问题突出，布局混乱、扩张 无序、浪费严重，违法违规形式多、分布广。主要有三大违规违法用地形式：（1)规避农用地 转用和征收审批；（2)突破开发区实际范围，以各种名义新设各类开发区、工业集中区等；
[3] 擅自先行征地、供地、建设，先占先用，边报边占。在国土部门采用的12336举报电话系 统、卫片执法、土地巡查车等一系列技术手段已经形成了"天上看、网上管、地上查"的立体 监管网络，其在违法违规用地的发现处理方面取得了一定的成效。但这些技术手段也各自 存在一些不足。12336举报热线有着线索无法全部实地核查和线索方向不够广泛的缺点。 卫片土地执法检查也存在着一些问题：（1)成本较高，占用了宝贵的卫星资源；（2)成像角 度较单一；（3)容易受到气象因素等的干扰；（4)执法周期长，无法实时高效地进行监测。对 于动态巡查，目前还只停留在驾驶巡查车，对有限的几个违法用地易发区进行现场勘查，然 后在现场人工拍摄照片并进行存档，之后回到办公地点对数据进行分析和比对，如发现违 法用地现象再重新返回现场进行处理的工作模式。这种工作模式大大增加了工作人员的工 作量，也降低了对违法用地处理的时效性。近年来，随着计算机技术、图像处理技术、模式识 别技术的发展，基于视频图像的目标自动检测和识别成为图像处理与识别应用的热点研究 方向，结合新的应用领域，图像处理与识别的研究呈现出新的特点。
[0003] 物体的形状特征是物体外在表现最明显的基础特征之一，也是人眼视觉最容易 辨别的特征之一，形状识别一直是模式识别研究的热点方向。物体的形状可以有很多种 表现形式，如边界曲线的点序列坐标、边界上各点的切线方向及曲率、边界点到重心的 距离等。目前人们已经提出了多种形状识别方法，如基于边界特征点[c C Chang，S M Hwang, D j Buehrer. A shape recognition scheme based on relative distance of feature points from the centroid[J]. Pattern Recognition, 1991. 24(11): 1053-1063]，不变矩[S 0 Belkasim，M Shridhar，M Ahmadi. Pattern recogntion with moment invariant: A comparative study and new results[J]. Pattern Recognition，1991. 24: 1117-1138]，傅里叶描述子[H Kauppien，T Sepanen. An experiment comparison of autoregressive and Fourier-based descriptors in 2D shape classification[C]. IEEE Trans on PAM I, 1995.2: 201-207 ；E Persoon, K S Fu. Shape discrimination using Fourier descriptors[C]. IEEE Trans on PAM I，1986.8: 388-397 ；C T Zahnj R Z Roskies. Fourier descriptors for plane closed curves[C]. IEEE Trans on Computers，1972.21: 269-281]和自回归模型[S R Dubos，F H Glanz. An autoregressive model approach to two-dimensional shape classification [C]. IEEE Trans on PAM I，1986. 8: 55-56]等。国外的Kauppien对各种典型的形状识别方法 进行了比较，最终通过实验表明基于物体轮廓坐标序列的傅里叶描述子具有最佳的形状识 别性能。
[0004] 建筑物图像中也包含有大量的形状特征信息，而且虽然实际中的建筑物随其样式 不同会有很大的差别，但是其图像中总会或多或少地包含有一些典型的形状特征，如矩形、 三角形等。可见，形状特征的识别在建筑物检测中有着非常重要的意义。
【发明内容】
[0005] 本发明主要解决的技术问题是：针对现有技术的不足，提供一种基于傅里叶描述 子的建筑物自动识别方法，能够提高土地违法违规建筑物发现的智能化和自动化程度，实 现对视频图像中违法违规建筑物目标的自动发现和识别，实现土地巡查的自动报警和联动 执法。
[0006] 为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于傅里叶描 述子的建筑物自动识别方法，用于土地违法违规使用的违法建筑物自动识别，包括以下步 骤： (100) RGB图像转化为灰度边缘图像：对于原始的建筑物RGB彩色图像，经过处理将其 转化为灰度边缘图像； (200)建筑物轮廓提取：对灰度边缘图像按照傅里叶描述子的方法提取出所有的轮 廓； (300)离散傅里叶变换：将提取的轮廓的点写成复数的形式，对其进行离散傅里叶变 换， (400)傅里叶描述子归一化：对离散傅里叶变换后的值求模，每一项的模都除以第一项 的模，得到归一化的傅里叶描述子； (500) DP直线简化：对提取的轮廓数据按照DP算法进行简化； (600)建筑物形状标准模版库建立：根据简化后的建筑物轮廓建立建筑物形状标准模 版库； (700)计算与建筑物形状标准模版库的欧氏距离：计算两个傅里叶描述子的欧氏距离， 利用欧氏距离来表示他们之间的相似度； (800)轮廓提取效果与分析：最后判断提取的轮廓是否为典型建筑物形状特征，从而达 到在视频图像中自动识别违法建筑物目标。
[0007] 在本发明一个较佳实施例中，步骤（100)中所述处理包括滤波、增强和边缘检测处 理。
[0008] 在本发明一个较佳实施例中，步骤（400)中所述归一化的傅里叶描述子具有旋转 不变性、平移不变性和尺度不变性，且与曲线的起点选择无关。
[0009] 在本发明一个较佳实施例中，步骤（500)中所述DP算法为道格拉斯-普克矢量压 缩算法，用来对提取的轮廓数据进行简化压缩。
[0010] 在本发明一个较佳实施例中，所述DP算法包括以下步骤： (i )对每一条直线的首末点虚连一条直线，求所有点与直线的距离，并找出最大距离 d ? v^max 9 (ii)用dmax与设定的线差D相比，如果dmax〈D，则这条直线上的中间点全部舍去；如果 CU S D，则保留d_对应的坐标点，并以该点为界，将曲线分为两部分，对这两部分重复使用 该方法。
[0011] 在本发明一个较佳实施例中，步骤（600 )中所述建筑物形状标准模版库按以下标 准创建： 矩形模版：建筑物图像中矩形类的形状特征占大多数，其中主要有门，窗，立柱及建筑 物的整体轮廓，采取8个边长比不同的矩形作为模板，其长边与短边的比值分别为4、3、 2. 5、2、1. 75、1. 5、1. 25 和 1 ; 三角形模板：三角形的形状特征在建筑物图像中也有很多的体现，比如人字架屋顶、屋 檐等，应用在建筑领域的人字架的角度大约分布在20° -60°之间，在这里我们取4个不同 角度的等腰三角形作为模板，其角度分别为25°、35°、45°、55° ; 五边形模板：采取4个不同的五边形作为模板，其三角形部分取的角度分别为25°、 35°、45°、55°，其底部矩形部分底高比例取为2:1和1.5:1两种。
[0012] 在本发明一个较佳实施例中，步骤（700)中所述欧氏距离的计算步骤为：
【权利要求】
1. 一种基于傅里叶描述子的建筑物自动识别方法，其特征在于，包括以下步骤： (100) RGB图像转化为灰度边缘图像：对于原始的建筑物RGB彩色图像，经过处理将其 转化为灰度边缘图像； (200)建筑物轮廓提取：对灰度边缘图像按照傅里叶描述子的方法提取出所有的轮 廓； (300)离散傅里叶变换：将提取的轮廓的点写成复数的形式，对其进行离散傅里叶变 换， (400)傅里叶描述子归一化：对离散傅里叶变换后的值求模，每一项的模都除以第一项 的模，得到归一化的傅里叶描述子； (500) DP直线简化：对提取的轮廓数据按照DP算法进行简化； (600)建筑物形状标准模版库建立：根据简化后的建筑物轮廓建立建筑物形状标准模 版库； (700)计算与建筑物形状标准模版库的欧氏距离：计算两个傅里叶描述子的欧氏距离， 利用欧氏距离来表示他们之间的相似度； (800)轮廓提取效果与分析：最后判断提取的轮廓是否为典型建筑物形状特征，从而达 到在视频图像中自动识别违法建筑物目标。
2. 根据权利要求1所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，步骤（100)中所述处理包括滤波、增强和边缘检测处理。
3. 根据权利要求1所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，步骤（400)中所述归一化的傅里叶描述子具有旋转不变性、平移不变性和尺度不变性， 且与曲线的起点选择无关。
4. 根据权利要求1所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，步骤（500)中所述DP算法为道格拉斯-普克矢量压缩算法，用来对提取的轮廓数据进 行简化压缩。
5. 根据权利要求4所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，所述DP算法包括以下步骤： (i )对每一条直线的首末点虚连一条直线，求所有点与直线的距离，并找出最大距离 d ? v^max 9 (ii)用dmax与设定的线差D相比，如果dmax〈D，则这条直线上的中间点全部舍去；如果 D，则保留d_对应的坐标点，并以该点为界，将曲线分为两部分，对这两部分重复使用 该方法。
6. 根据权利要求1所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，步骤（600)中所述建筑物形状标准模版库按以下标准创建： 矩形模版：采取8个边长比不同的矩形作为模板，其长边与短边的比值分别为4、3、 2. 5、2、1. 75、1. 5、1. 25 和 1 ; 三角形模板：取4个不同角度的等腰三角形作为模板，其角度分别为25°、35°、45°、 55。； 五边形模板：采取4个不同的五边形作为模板，其三角形部分取的角度分别为25°、 35°、45°、55°，其底部矩形部分底高比例取为2:1和1.5:1两种。
7. 根据权利要求1所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，步骤（700)中所述欧氏距离的计算步骤为：
其中，K为选取的傅里叶描述子的个数，D为欧氏距离，Cli和4为两个不同的傅里叶描 述子。
8. 根据权利要求7所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，所述傅里叶描述子的个数K=25。
9. 根据权利要求7所述的一种基于傅里叶描述子的建筑物自动识别方法，其特征在 于，所述欧氏距离D的阈值为0. 5,若D不大于0. 5则相似，否则不相似。
【文档编号】G06K9/46GK104331682SQ201410534577
【公开日】2015年2月4日 申请日期:2014年10月11日 优先权日:2014年10月11日
【发明者】王庆, 张小国, 肖彦昌, 王彦金 申请人:东南大学