技术摘要：
本发明涉及地理图像领域，提供了一种融合高分遥感影像和街景影像的城中村识别方法，包括：获取选定地区的高分遥感影像进行预提取和多尺度分割；获取所述选定地区的多视角街景影像，构建各视角下的最优街道空间品质评估模型及对应的最优街景影像特征组合方式；提取各待  全部
背景技术：
城中村(Urban  Village,UV)是城市内的非正规居住空间，游离于城市管理体系之 外，是中国城市化进程中的特殊产物。同常规城市建成区相比，城中村内部街道空间品质低 下，具有土地利用状况杂乱、建筑物密度高质量差、基础设施缺乏、环境脏乱等特点，对城市 景观和公共健康造成了负面影响。随着我国新型城镇化建设的推进，高质量发展成为新时 期的主题。及时准确地获取城中村的空间分布及其环境质量信息对于优化城市空间、改善 人居环境具有重要意义。 高空间分辨率的遥感影像(high-resolution  remote  sensing  image)因其观测 范围广、地物信息丰富、获取方便等优势，已经成为城市规划和管理的重要数据源，高分遥 感影像及相关技术是获取城中村分布信息的一种有效手段。高分遥感影像是目前高效获取 城中村空间分布的可靠数据源，然而由于城中村的复杂性和景观多样性，单一的高分遥感 影像难以满足城中村识别的高精度需求。
技术实现要素：
本发明的目的在于提供一种融合高分遥感影像和街景影像的城中村识别方法，以 解决现有技术中存在的问题。 为实现上述目的，本发明采用的技术方案包括以下步骤： 步骤一：获取选定地区的高分遥感影像进行预处理，根据所述选定地区的土地利 用状况，从预处理后的高分遥感影像中提取待分类区，对所述待分类区进行多尺度分割，得 到多个待分类地块； 步骤二：获取所述选定地区的多视角街景影像并进行标注，提取多个街景影像特 征，利用机器学习算法在训练集上构建街道空间品质评估模型，选择各视角下的最优街道 空间品质评估模型及对应的最优街景影像特征组合方式； 步骤三：根据城中村地块的特点，从预处理后的高分遥感影像中提取各待分类地 块的多类高分遥感影像特征； 步骤四：利用各视角下的最优街道空间品质评估模型及对应的特征组合方式对选 定地区的街道空间品质进行制图，采用空间插值策略获取选定地区的空间连续的街道空间 品质分布图，从而提取待分类地块中的多个街道空间品质指标； 步骤五：将各待分类地块的所述多类高分遥感影像特征和多个街道品质特征进行 异构融合，利用机器学习算法构建分类器，判断其余地块是否为城中村。 可选地，在所述步骤一中，所述高分遥感影像来自于GF-2PMS1传感器，包括全色波 段和多光谱波段，所述预处理步骤包括：正射校正、辐射定标、大气校正、图像配准和影像融 4 CN 111598048 A 说　明　书 2/8 页 合。 可选地，在所述步骤一中，所述选定地区的土地利用状况包括水体、植被、道路、城 中村建筑区和非城中村建筑区，其中，待分类区为城中村区和非城中村建筑区。 可选地，在所述步骤一中，对所述待分类区进行多尺度分割包括：以道路数据和植 被数据作为约束条件，构建建筑对象级和地块级两个尺度的分割层，对所述待分类区进行 多尺度分割。 可选地，在所述步骤二中，所述多个街景影像特征包括加速鲁棒特征、方向梯度直 方图特征和语义特征，所述机器学习算法包括支持向量机和随机森林算法。 可选地，在所述步骤二中，利用机器学习算法在训练集上构建街道空间品质评估 模型，选择各视角下的最优街道空间品质评估模型及对应的最优街景影像特征组合方式包 括：将所述多个街景影像特征分为所述训练集和测试集，基于所述训练集，利用所述机器学 习算法，在所述训练集上构建多个街道空间品质评估模型，利用各模型在所述测试集上的 分类精度和Kappa系数衡量模型性能，选择各视角下的最优街道空间品质模型及对应的最 优街景影像特征组合方式。 可选地，在所述步骤三中，所述多类高分遥感影像特征的类别包括光谱特征、形状 特征、纹理特征、建筑结构和场景特征，每一类别对应多个高分遥感影像特征。 可选地，在所述步骤四中，所述多个街道品质特征为各待分类地块内街道空间品 质的均值、方差、最大值、最小值和极差。 可选地，在所述步骤五中，所述机器学习算法为随机森林算法。 可选地，在所述步骤五后，所述识别方法还包括步骤六：结合实地调研、Google  Earth地图和目视解译技术，综合获取地块尺度的城中村空间分布状况，作为地面真实值， 利用整体分类精度、Kappa系数、城中村地块的用户精度和生产者精度评估模型性能。 本发明的有益效果在于：提出了一种融合高分遥感影像和街景影像的城中村提取 方法，将街景影像信息融入到基于高分遥感影像的城中村提取流程中，使鸟瞰视野高分遥 感影像提供的光谱、形状、纹理、建筑结构和场景特征，同人本视角街景影像提供的街道空 间品质信息综合互补，构建了更有区分度的特征空间，提高了城中村识别精度。 附图说明 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附 图获得其它的附图。 图1为本发明实施例提供的GF-2真彩色影像与预分类结果示意图。 图2为本发明实施例提供的不同视角下高/低空间品质的街景影像示意图。 图3为本发明实施例提供的城中村识别流程示意图。 图4为本发明实施例提供的基于不同影像的城中村综合提取结果对比图。