CN111507991B - 特征区域的遥感图像分割方法及装置 - Google Patents
特征区域的遥感图像分割方法及装置 Download PDFInfo
- Publication number
- CN111507991B CN111507991B CN202010315287.2A CN202010315287A CN111507991B CN 111507991 B CN111507991 B CN 111507991B CN 202010315287 A CN202010315287 A CN 202010315287A CN 111507991 B CN111507991 B CN 111507991B
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation
- remote sensing
- feature
- sensing image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Abstract
本公开提供一种图像分割处理机制,涉及计算机视觉技术领域,能够解决在遥感图像数据集中图片尺寸过大,其中的检测目标过小,导致目标不易检测的问题。具体技术方案为:获取一张遥感图像数据集的图片,对图片进行BRISK(Binary Robust Invariant Scalable Key points,二元鲁棒不变可伸缩关键点)特征点提取生成一张特征点遥感图像;将特征点遥感图像使用二重分割,得到不同区域的分割图像,统计每个小图的特征点数目;保留每个小图中特征点数目至少为30到60的图片,并生成每个小图中目标数据标注的xml文件。本公开用于图像分割和提高图像数据集数量。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及图像分割和提高图像数据集数量,例如遥感图像分割和遥感相关图像数据集的扩充。
背景技术
随着遥感影像技术的发展,越来越多的遥感图像数据集可被使用,但考虑到遥感图像的尺度过大,直接将原图送入卷积网络进行训练时,当图像经过数据预处理层,图像尺度将缩小为网络所需大小,图像中的目标经过尺度变换后将失去很多原有的信息,将导致网络训练出的模型难以收敛,而且模型的泛化力也非常弱。
发明内容
本公开实施例提供一种特征区域的遥感图像分割方法,能够解决遥感图像尺寸过大输入卷积网络,经过尺度变换损失图片中很多小目标原有的信息,导致训练出的模型收敛不佳和泛化能力弱的问题,该方法如下:
根据本公开实施例的第一方面,提供一种特征区域的遥感图像分割方法,该方法包括:
获取已知遥感图像数据集的一个基本遥感图像;
将基本遥感图像进行BRISK(Binary Robust Invariant Scalable Keypoints,二元鲁棒不变可伸缩关键点)特征点提取生成一张特征点遥感图像,如附图2所示;
将特征点遥感图像使用二重分割得到数张小图,统计每个小图的特征点数目;
保留每个小图中特征点数目至少为30到60的图片,如图3和图4所示;
最后对每个小图生成对应的图像数据标注xml文件中。
在一个实施例中,将至少一个遥感图像进行BRISK特征点提取生成一个特征点的图像,包括:
根据BRISK特征点在每一个遥感图像中提取特征点;
根据每一个遥感图像的特征点生成对应的特征点图像。
在一个实施例中,将至少一个特征点图像进行二重分割并统计分割区域的特征点数,包括:
将每一个特征点图像根据二重分割方法进行分割,得到特征分割图像;
统计特征分割图像的每个分割区域特征点数目。
在一个实施例中,选取至少一个特征分割图像特征数目至少为30到60的分割区域并生成相应区域的数据标注xml文件,包括:
选取每一个特征分割图像特征数目至少为30到60的分割区域,得到不同的分割区域图像;
根据不同的分割区域图像生成对应的数据标注xml文件。
根据本公开实施例的第二方面,提供一种特征区域的遥感图像分割装置,该遥感图像分割装置包括:获取模块、提取模块、分割模块;
其中,获取模块,用于获取遥感数据集的至少一个基本遥感图像;
提取模块,用于将至少一个基本遥感图像进行BRISK特征提取得到至少一个特征点遥感图像;
分割模块,用于将至少一个特征点遥感图像进行二重分割,保留特征点数至少为30到60的分割图像,将保留的分割图像生成对应的图像数据标注xml文件。
在一个实施例中,提取模块包括:特征提取单元;
特征提取单元,用于将基本遥感图像根据BRISK算子生成特征点遥感图像。
在一个实施例中,分割模块包括:二重分割单元、统计单元和确定单元;
二重分割单元,将特征提取单元的特征点遥感图像利用二重分割方式,生成不同子分割区域;
统计单元,统计不同子分割区域内的特征点数目;
确定单元,确定特征点数目至少为30到60的子分割图像,生成对应的图像数据标注xml文件。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开实施例提供的一种特征区域的遥感图像分割方法的流程图;
图2是本公开实施例提供的一种特征提取效果示意图;
图3是本公开实施例提供的一种二重分割示意图;
图4是本公开实施例提供的一种二重分割效果示意图;
图5是本公开实施例提供的一种特征区域的遥感图像分割装置的结构图;
图6是本公开实施例提供的一种特征区域的遥感图像分割装置的结构图;
图7是本公开实施例提供的一种特征区域的遥感图像分割装置的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供一种特征区域的遥感图像分割方法,应用于特征区域的遥感图像分割装置,如图1所示,图1是本公开实施例提供的一种特征区域的遥感图像分割方法的流程图,本公开实施例提供的特征区域的遥感图像分割方法包括以下步骤:
101、获取遥感图像数据集的至少一个遥感图像。
遥感图像数据集是遥感装置从上向下以俯视视角拍摄地面的图像,遥感装置可以是无人机。
102、将至少一个遥感图像进行BRISK特征提取得到至少一个特征点遥感图像。
在一个实施例中,将至少一个遥感图像进行BRISK特征提取得到至少一个特征点遥感图像,包括:
根据BRISK算子对一个遥感图像直接进行特征提取,生成含特征点的遥感图像。
103、将至少一个特征点遥感图像进行二重分割,保留特征点数至少为30到60的分割图像,将保留的分割图像生成图像数据标注xml文件。
在一个实施例中,将至少一个特征点遥感图像进行二重分割,生成不同子分割区域,包括:
“二重分割”的做法即对原图从两个方向进行两次切割,第一次先从原图左下角开始往右上角开始分割,分割大小为512。若原图的长度小于512,则在水平方向上不做分割,同理若原图的宽度小于512,则在垂直方向上不做分割;若分割到原图的最右边和最上边时,长度和宽度的尺寸小于512,则放弃这部分图像。第二次则从左上角开始往右下角开始分割,分割方法与第一次相同。若分割后的图像中不存在任何目标,这张图像将不作为训练数据,直接移除。
在一个实施例中,统计不同子分割区域内的特征点数目,包括:
在不同子分割图像中统计图像内的特征点数。
在一个实施例中,确定特征点数目至少为30到60的子分割图像,生成子分割图像数据标注的xml文件,包括:
保留特征点数至少为30到60的子分割图像;
根据标注映射公式如下所示,生成相应的子分割图像数据标注的xml文件;
其中xmin、ymin、xmax、ymax为标注框的信息,ls表示切割图像在原图上横坐标的起始位置,lend表示切割图像在原图上横坐标的结束位置,ws表示分割图像在原图上纵坐标的起始位置,wend表示切割图像在原图上纵坐标的结束位置,C表示切割图像的尺寸大小(本文C=512),n为分割区域特征点数目。
若n≥50,则完全保留此目标的标注信息,将xml文件中的difficult项置为0;若30≤n<60,则将标注框保留,但将xml文件中的difficult项置为1,若n<30,则将此目标的标注信息移除。通过这种办法既可以保证最大可能的保留分割后的目标信息,也可以排除目标被分割后由于留下的信息量过少,混入过多的背景信息而导致误检增加。
本公开实施例提供一种特征区域的遥感图像分割方法,将遥感图像使用BRISK算子特征提取,得到含特征点的遥感图像,利用二重分割方法得到不同区域的分割图像,计算不同区域分割图像的特征点数目,保留特征点数目至少为30到60的分割图像,根据标注映射公式,生成相应的子分割图像数据标注的xml文件,丰富了遥感图像数据集的图像数量,同时大大减少了遥感图像的背景信息,保留有用信息。
基于上述图1对应的实施例种所描述的一种特征区域的遥感图像分割方法,本公开实施例提供一种特征区域的遥感图像分割装置,用于执行上述图1对应的实施例中所描述的一种特征区域的遥感图像分割方法,如图5所示,该特征区域的遥感图像分割装置4包括:获取模块401、提取模块402、分割模块403;
其中,获取模块401,用于获取遥感数据集的至少一个基本遥感图像;
提取模块402,将基本遥感图像根据BRISK算子生成特征点遥感图像;
分割模块403,用于将至少一个特征点遥感图像进行二重分割,保留特征点数至少为30到60的分割图像,将保留的分割图像生成对应的图像数据标注xml文件。
在一个实施例中,如图6所示,提取模块402包括特征提取单元4021;
特征提取单元,用于将基本遥感图像根据BRISK算子生成特征点遥感图像。
在一个实施例中,如图7所示,分割模块403包括:二重分割单元4031、统计单元4032和确定单元4033;
其中,二重分割单元4031,将特征提取单元的特征点遥感图像利用二重分割方式,生成不同子分割区域;
统计单元4032,统计不同子分割区域内的特征点数目;
确定单元4033,确定特征点数目至少为30到60的子分割图像,生成对应的图像数据标注xml文件。
本公开实施例提供一种特征区域的遥感图像分割方法,将遥感图像使用BRISK算子特征提取,得到含特征点的遥感图像,利用二重分割方法得到不同区域的分割图像,计算不同区域分割图像的特征点数目,保留特征点数目至少为30到60的分割图像,根据标注映射公式,生成相应的子分割图像数据标注的xml文件,丰富了遥感图像数据集的图像数量,同时大大减少了遥感图像的背景信息,保留有用信息。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
Claims (7)
1.一种特征区域的遥感图像分割方法,其特征在于,所述方法包括:
获取遥感图像数据集的至少一个遥感图像;
将至少一个遥感图像进行BRISK特征提取得到至少一个特征点遥感图像;
将至少一个特征点遥感图像进行二重分割,保留特征点数至少为30到60的分割图像,根据特征点的数量为保留的分割图像生成对应的图像数据标注xml文件;
其中,所述二重分割包括对原图从两个方向进行两次切割,第一次按指定的分割大小从原图左下角开始往右上角开始分割;若原图的长度小于指定长度则在水平方向上不做分割;若原图的宽度小于指定长度则在垂直方向上不做分割;若分割到原图的最右边和最上边时,长度和宽度的尺寸小于指定长度,则放弃这部分图像;第二次则从左上角开始往右下角开始分割,分割方法与第一次相同。
2.根据权利要求1所述的方法,其特征在于,将至少一个遥感图像进行BRISK特征点提取生成一个特征点的图像,包括:
根据BRISK特征点在每一个遥感图像中提取特征点;
根据每一个遥感图像的特征点生成对应的特征点图像。
3.根据权利要求1所述的方法,其特征在于,将至少一个特征点图像进行二重分割并统计分割区域的特征点数,包括:
将每一个特征点图像根据二重分割方法进行分割,得到特征分割图像;
统计特征分割图像的每个分割区域特征点数目。
4.根据权利要求1-3任一项所述的方法,其特征在于,选取至少一个特征分割图像特征数目至少为30到60的分割区域并生成相应区域的数据标注xml文件,包括:
选取每一个特征分割图像特征数目至少为30到60的分割区域,得到不同的分割区域图像;
根据不同的分割区域图像生成对应的图像数据标注xml文件。
5.一种特征区域的遥感图像分割装置,其特征在于,所述特征区域的遥感图像分割装置包括:获取模块、提取模块、分割模块;
其中,获取模块,用于获取遥感数据集的至少一个基本遥感图像;
提取模块,用于将至少一个基本遥感图像进行BRISK特征提取得到至少一个特征点遥感图像;
分割模块,用于将至少一个特征点遥感图像进行二重分割,保留特征点数至少为30到60的分割图像,根据特征点的数量为保留的分割图像生成对应的图像数据标注xml文件;
其中,所述二重分割包括对原图从两个方向进行两次切割,第一次按指定的分割大小从原图左下角开始往右上角开始分割;若原图的长度小于指定长度则在水平方向上不做分割;若原图的宽度小于指定长度则在垂直方向上不做分割;若分割到原图的最右边和最上边时,长度和宽度的尺寸小于指定长度,则放弃这部分图像;第二次则从左上角开始往右下角开始分割,分割方法与第一次相同。
6.根据权利要求5所述的装置,其特征在于,所述提取模块包括:特征提取单元;
所述特征提取单元,用于将基本遥感图像根据BRISK算子生成特征点遥感图像。
7.根据权利要求5所述的装置,其特征在于,所述分割模块包括:二重分割单元、统计单元和确定单元;
其中,所述二重分割单元,将特征提取单元的特征点遥感图像利用二重分割方式,生成不同子分割区域;
所述统计单元,统计不同子分割区域内的特征点数目;
所述确定单元,确定特征点数目至少为30到60的子分割图像,生成对应的图像数据标注xml文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315287.2A CN111507991B (zh) | 2020-04-20 | 2020-04-20 | 特征区域的遥感图像分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315287.2A CN111507991B (zh) | 2020-04-20 | 2020-04-20 | 特征区域的遥感图像分割方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507991A CN111507991A (zh) | 2020-08-07 |
CN111507991B true CN111507991B (zh) | 2023-03-21 |
Family
ID=71876262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010315287.2A Active CN111507991B (zh) | 2020-04-20 | 2020-04-20 | 特征区域的遥感图像分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507991B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850245A (zh) * | 2021-11-30 | 2021-12-28 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346801A (zh) * | 2013-08-02 | 2015-02-11 | 佳能株式会社 | 图像构图评估装置、信息处理装置及其方法 |
CN104537635A (zh) * | 2014-09-29 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种保持拓扑的土地覆被矢量数据的简化算法 |
CN107097755A (zh) * | 2016-02-19 | 2017-08-29 | 丰田自动车株式会社 | 拍摄系统 |
CN107945190A (zh) * | 2017-12-22 | 2018-04-20 | 成都华栖云科技有限公司 | 二值图像快速连通区域计算方法 |
CN109493278A (zh) * | 2018-10-24 | 2019-03-19 | 北京工业大学 | 一种基于sift特征的大场景图像拼接系统 |
CN110210534A (zh) * | 2019-05-21 | 2019-09-06 | 河海大学 | 基于多包融合的高分遥感图像场景多标签分类方法 |
CN110414343A (zh) * | 2019-06-24 | 2019-11-05 | 西安电子科技大学 | 一种在轨卫星遥感图像舰船检测方法 |
CN110555444A (zh) * | 2018-06-01 | 2019-12-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于局部聚类的特征匹配筛选算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7039222B2 (en) * | 2003-02-28 | 2006-05-02 | Eastman Kodak Company | Method and system for enhancing portrait images that are processed in a batch mode |
-
2020
- 2020-04-20 CN CN202010315287.2A patent/CN111507991B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346801A (zh) * | 2013-08-02 | 2015-02-11 | 佳能株式会社 | 图像构图评估装置、信息处理装置及其方法 |
CN104537635A (zh) * | 2014-09-29 | 2015-04-22 | 中国科学院遥感与数字地球研究所 | 一种保持拓扑的土地覆被矢量数据的简化算法 |
CN107097755A (zh) * | 2016-02-19 | 2017-08-29 | 丰田自动车株式会社 | 拍摄系统 |
CN107945190A (zh) * | 2017-12-22 | 2018-04-20 | 成都华栖云科技有限公司 | 二值图像快速连通区域计算方法 |
CN110555444A (zh) * | 2018-06-01 | 2019-12-10 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于局部聚类的特征匹配筛选算法 |
CN109493278A (zh) * | 2018-10-24 | 2019-03-19 | 北京工业大学 | 一种基于sift特征的大场景图像拼接系统 |
CN110210534A (zh) * | 2019-05-21 | 2019-09-06 | 河海大学 | 基于多包融合的高分遥感图像场景多标签分类方法 |
CN110414343A (zh) * | 2019-06-24 | 2019-11-05 | 西安电子科技大学 | 一种在轨卫星遥感图像舰船检测方法 |
Non-Patent Citations (4)
Title |
---|
Dilated Convolution and Feature Fusion SSD Network for Small Object Detection in Remote Sensing Images;JUNSUO QU等;《IEEE Access》;20200430;第8卷;82832-82843 * |
SGN: Sequential Grouping Networks for Instance Segmentation;Shu Liu等;《2017 IEEE International Conference on Computer Vision (ICCV)》;20171225;1-9 * |
基于MapX的海量遥感影像地图浏览平台的构建;陈容等;《电网与清洁能源》;20100825;第26卷(第08期);第74-76页 * |
基于遥感图像的大规模城市建模中的建筑物轮廓提取;张燕芳;《中国优秀硕士学位论文全文数据库_信息科技辑》;20141115;I140-220 * |
Also Published As
Publication number | Publication date |
---|---|
CN111507991A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020192391A1 (zh) | 基于ocr的图像转档方法、装置、设备及可读存储介质 | |
CN111814722B (zh) | 一种图像中的表格识别方法、装置、电子设备及存储介质 | |
US6774889B1 (en) | System and method for transforming an ordinary computer monitor screen into a touch screen | |
US7171056B2 (en) | System and method for converting whiteboard content into an electronic document | |
US8280158B2 (en) | Systems and methods for indexing presentation videos | |
US20130101170A1 (en) | Method of image processing and device therefore | |
JP6089722B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
EP2034426A1 (en) | Moving image analyzing, method and system | |
US11625871B2 (en) | System and method for capturing and interpreting images into triple diagrams | |
US20080310727A1 (en) | Moving image analyzing apparatus, method and system | |
US20110164815A1 (en) | Method, device and system for content based image categorization field | |
JP2003515230A (ja) | ビデオストリームの分類可能な記号の分離方法及びシステム | |
CN112153483B (zh) | 信息植入区域的检测方法、装置及电子设备 | |
CN111507991B (zh) | 特征区域的遥感图像分割方法及装置 | |
US9094617B2 (en) | Methods and systems for real-time image-capture feedback | |
JP6542230B2 (ja) | 投影ひずみを補正するための方法及びシステム | |
CN112380978B (zh) | 基于关键点定位的多人脸检测方法、系统及存储介质 | |
JP5027201B2 (ja) | テロップ文字領域検出方法,テロップ文字領域検出装置およびテロップ文字領域検出プログラム | |
US10991085B2 (en) | Classifying panoramic images | |
TWI536280B (zh) | 街景影像之文字區域偵測系統及裝置 | |
CN115223173A (zh) | 对象识别方法、装置、电子设备及存储介质 | |
CN111931689B (zh) | 一种在线提取视频卫星数据鉴别特征的方法 | |
CN109685074B (zh) | 一种基于Scharr算子的银行卡卡号行定位方法 | |
US20210034915A1 (en) | Method and apparatus for object re-identification | |
CN114445788A (zh) | 车辆停放检测方法、装置、终端设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |