CN112435274A - 一种基于面向对象分割的遥感影像面状地物提取方法 - Google Patents
一种基于面向对象分割的遥感影像面状地物提取方法 Download PDFInfo
- Publication number
- CN112435274A CN112435274A CN202011241023.3A CN202011241023A CN112435274A CN 112435274 A CN112435274 A CN 112435274A CN 202011241023 A CN202011241023 A CN 202011241023A CN 112435274 A CN112435274 A CN 112435274A
- Authority
- CN
- China
- Prior art keywords
- point
- boundary
- segmentation
- edge
- initial
- 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.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 50
- 238000000605 extraction Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004891 communication Methods 0.000 claims abstract description 26
- 238000003709 image segmentation Methods 0.000 claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims abstract description 13
- 239000000725 suspension Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例提供了一种基于面向对象分割的遥感影像面状地物提取方法、装置、设备和计算机可读存储介质。所述方法包括获取区域图像;基于用户交互信息,对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。以此方式,可以完成任意面状地物的半自动提取,适用于遥感影像中复杂地理环境下地物提取的应用场景。
Description
技术领域
本公开的实施例一般涉及遥感影像技术领域,并且更具体地,涉及一种基于面向对象分割的遥感影像面状地物提取方法、装置、设备和计算机可读存储介质。
背景技术
面状地物是遥感影像中常见的地物类型,特别是如水域、植被、建筑物等地物直接关系到人们的生产生活,一直是遥感、测绘领域重要的地理信息。但因各类地物特征多样,在遥感测绘数据生产方面,对各类面状地物的识别与提取,主要还是通过作业员的人工目视解译,劳动强度大。目前,虽然在遥感图像自动识别领域,已经开展了对建筑、水体、道路等地物的自动提取研究,但因地物本身的复杂性,全自动方式的面状地物识别还不能满足数据生产的需要。
目前,在遥感影像面状地物半自动提取研究领域,主要分为基于区域的半自动提取和基于边缘的半自动提取。基于区域的面状地物提取,主要基于人工输入地物内部的种子点,利用区域增长的原理,完成地物及边界的提取。因区域增长主要利用地物内部的均一性和各类地物固有的纹理特征,目前常用的方式是利用像素与种子点特征的相似性与连通关系实现地物的提取,该方法的缺陷是地物提取的轮廓不够清晰,需要后处理操作形成较完整的边界轮廓。而基于边缘的面状地物半自动提取,虽能利用地物固有的边界特征,但容易产生因边界不连续导致的面状边界的封闭闭合问题。同时,由于各类面状地物特征各异,目前的面状地物半自动提取工具多为针对特定地物而开发设计,难以实现方法的普适性。
因此,开发准确、快速有效的人机交互的半自动遥感面状地物提取方法是行之有效的技术方案。
发明内容
根据本公开的实施例,提供了一种基于面向对象分割的遥感影像面状地物提取方案。
在本公开的第一方面,提供了一种基于面向对象分割的遥感影像面状地物提取方法。该方法包括:
获取区域图像;
对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;
基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;
将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
进一步地,所述对所述区域图像进行面向对象影像分割,得到分割边缘像素集合包括:
对所述区域图像进行面向对象影像分割,得到具有特定标签的封闭面状区域;
对所述具有特定标签的封闭面状区域进行邻域检测,得到分割边缘像素集合。
进一步地,所述基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘包括:
获取用户输入的起始点、中间点和结束点;
从所述分割边缘像素集合中分别搜索距离所述起始点、中间点和结束点预定义范围内最近的边界点;
将获取到的边界点按照搜索顺序依次进行存储,得到初始边界点集合。
进一步地,所述方法还包括:
获取用户输入的回退点;
从所述分割边缘像素集合中搜索距离所述回退点预定义范围内最近的边界点;
按照初始边界点集合中边界点的存储顺序,将所述回退点到所述边界点间排列的所有点,从所述初始边界点集合中删除。
进一步地,所述将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界包括:
对所述初始跟踪边缘进行中断连接和毛刺去除形成封闭连通区域,得到面状地物边界。
进一步地,所述对所述初始跟踪边缘进行中断连接包括:
获取所述初始边界点集合中任一边界点的信息;
若在所述边界点的连通范围内搜索不到和所述边界点相邻的上一个边界点,则所述边界点为中断点;
获取在所述中断点的预设范围内的所有前序初始边界点的集合,将其中与所述中断点边界距离最短的点作为最近点;
若所述最近点和所述中断点之间的边界点不在所述初始边界点集合中,则将所述中断点与最近点之间的边界点加入到所述初始边界点集合中,完成中断点的边界连接。
进一步地,所述对所述初始跟踪边缘进行毛刺去除包括:
对所述初始边界点集合进行检测;
若存在悬挂端点,则利用连通性进行边缘跟踪获取途径像素集合,当跟踪到边缘线交叉点时停止跟踪;
将所述途径像素集合中的点从所述初始边界点集合中进行删除,完成毛刺去除。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,。
在本公开的第二方面,提供了一种基于面向对象分割的遥感影像面状地物提取装置。该装置包括:
获取模块,用于获取区域图像;
分割模块,对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;
跟踪模块,基于用户交互信息,用于对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;
处理模块,将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
在本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本公开的第一方面的方法。
本申请实施例提供的基于面向对象分割的遥感影像面状地物提取方法,通过获取区域图像;对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界,实现了任意面状地物的半自动提取,适用于遥感影像中复杂地理环境下地物提取的应用场景。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了能够在其中实现本公开的实施例的示例性运行环境的示意图;
图2示出了根据本公开的实施例的基于面向对象分割的遥感影像面状地物提取方法的流程图;
图3示出了根据本公开的实施例的面向对象分割地物边界示意图;
图4示出了根据本公开的实施例的地物初始边界跟踪结果的示意图;
图5示出了根据本公开的实施例的中断连接结果的示意图;
图6示出了根据本公开的实施例的短线去除结果的示意图;
图7示出了根据本公开的实施例的基于面向对象分割的遥感影像面状地物提取装置的方框图;
图8示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1示出了能够在其中实现本公开的实施例的示例性运行环境100的示意图。在运行环境100中包括客户端101、网络102和服务器103。
应该理解,图1中的用户客户端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。特别地,在目标数据不需要从远程获取的情况下,上述系统架构可以不包括网络,而只包括终端设备或服务器。
图2示出了根据本公开实施例的基于面向对象分割的遥感影像面状地物提取方法200的流程图。如图2所示,所述基于面向对象分割的遥感影像面状地物提取方法包括:
S210,获取区域图像。
在本实施例中,基于面向对象分割的遥感影像面状地物提取方法的执行主体(例如图1所示的服务器)可以通过有线方式或者无线连接的方式获取区域图像。
进一步地,上述执行主体可以获取与之通信连接的电子设备(例如图1所示的客户端)发送的区域图像,也可以是预先存储于本地的区域图像。
可选地,所述区域图像可以为待处理的整幅遥感影像;也可以为由用户通过交互方式选定待提取地物的重点区域范围,用户可根据应用场景进行选择。
可选地,若用户选择重点区域范围,则可采用通过拉矩形框的方式选择待提取地物的重点区域范围。
需要说明的是,用户选择重点区域范围时,后续操作步骤通常在所述重点区域范围内进行。
S220,对所述区域图像进行面向对象影像分割,得到分割边缘像素集合。
图3示出了根据本实施例的面向对象分割地物边界示意图。即,塑料大棚区域和道路的区域图像、分割边界。
可选地,通过多尺度分割、超像素SLIC和/或超像素SEEDS等对边缘特征保持较好面向对象分割方法对所述区域图像进行面向对象影像分割,分割为具有特定标签的封闭面状区域。
进一步地,在面向对象分割中,用户可以依据提取地物的尺寸大小特征,选择相应图像分割方法的尺度参数,保证分割结果既可以保留待提取地物的边缘,又可以避免“过分割”现象。
可选地,对所述具有特定标签的封闭面状区域进行邻域检测,得到分割边缘像素集合。例如,利用4邻域检测(4邻域中的像素标签不同即为地物边界),得到分割边界的像素集合。所述分割边界的像素集合可以为:
Bori={(xborder1,yborder1),(xborder2,yborder2)...(xbordern,ybordern)}。
S230,基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘。
可选地,用户通过交互信息(鼠标点击、输入设备输入等)输入起始点,例如,在区域图像内输入起始点坐标Pstart(Pointxstart,Pointystart),在起始点附近定义的矩形范围内,在集合边界Bori中搜索距离Pstart最近的边界点(x′0,y′0),并将所述边界点作为面状地物提取边界的起点。
其中,所述矩形范围的边长可以为R(鼠标捕捉范围),即搜索范围左上角坐标为(Pointxstart―R,Pointystart―R),右下角坐标为(Pointxstart+R,Pointystart+R)。
进一步地,所述R可由用户依据个人的操作习惯设置,单位为像素,参考值范围为2~5像素,例如3像素。
可选地,用户通过鼠标左键单击后,随鼠标滑动交互继续输入交互信息,例如,输入中间点,对用户任意输入的中间点坐标(Pointxi,Pointyi),在该点附近的矩形范围R内,搜索集合Bori内距离该点最近的边界点(x′i,y′i),将获取到的边界点按照搜索顺序依次进行存储,得到初始边界点集合B′={(x′0,y′0),(x′1,y′1),...(x′i,y′i)}。
进一步地,当用户输入的第n个点为终点时(鼠标双击结束),在搜索矩形范围R内,搜索到距离最近的边界点(x′n,y′n),更新初始边界点集合B′,得到最终的初始边界点集合B′={(x′0,y′0),(x′1,y′1),...(x′i,y′i)...(x′n,y′n)}。
可选地,在上述的地物边界跟踪过程中,接收用户的交互信息(例如鼠标右键),进行回退操作,可将初始边界点集合B′中的点从初始边界点集合B′集合中去除。
具体地,当用户输入回退操作响应时,获取用户输入回退点坐标(Pointxback0,Pointyback0),在搜索矩形范围R内,计算得到最近的边界点(x′bac,y′bac),其中(x′back0,y′bac)∈B′;
用户输入回退操作后,依据用户实时反馈的当前位置坐标(Pointxbacki,Pointybacki),在搜索矩形范围R内,计算初始边界点集合B′中距离(Pointxbacki,Pointybacki)最近的边界点为(x′backi,y′backi),按照初始边界点集合B′中的边界点存储顺序,将(x′bac,y′bac)到(x′backi,y′backi)间的所有点集合标记为待删除的边界点集;
当用户输入回退操作结束(例如鼠标右键双击),将(x′bac,y′bac)到(x′backi,y′backi)间排列的所有边界点从初始边界点集合B′中删除。即,完成回退操作。
S240,将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
图4示出了地物初始边界跟踪结果的示意图。
可选地,如图4所示的初始边界跟踪结果可以看出,由于人工操作偏差或R范围内有多条边界等原因,初始捕捉结果容易产生边界的局部中断和不连续,需要进一步优化形成封闭的结果。
可选地,所述进一步优化形成封闭的结果包括中断连接和毛刺去除两种操作。
可选地,所述中断连接具体为:
针对初始边界点集合B′={(x′0,y′0),(x′1,y′1),...(x′i,y′i)…(x′n,y′n)},对于任意一个边界点(x′i,y′i)判断与上一个边界点(x′i-1,y′i-1)间的连通关系(例如,8连通),若在当前边界点(x′i,y′i)的连通范围搜索不到上一个边界点(x′i-1,y′i-1),则认为该点为中断点;
针对中断点(x′i,y′i),在其附近一定范围内(根据实际需求进行定义,如30像素),查找该范围内所有前序初始边界点的集合Brange(集合B′的子集),从中查找到与中断点(x′i,y′i)“边界距离”(L)最短的点(x′nearest,y′nearest)(最近点)。若“边界距离”沿途中的边界点不在初始边界点集合B′中,则将中断点(x′i,y′i)与(x′nearest,y′nearest)之间连通的所有边界点加入至初始边界点集合B′中,更新初始边界点集合B′,完成中断点的边界连接。
可选地,中断点的搜索范围可选取稍大的范围,如20~50个像素大小。所述范围可由用户基于操作场景或影像分辨率进行设置。
进一步地,若计算得到的“边界距离”(L)距离过长,即大于设置的阈值Lth(如100~200像素),则认为基于该点的边界连接过程无效(可能通过跨越多个对象边界连接成功),取消对该端点的连接操作。
可选地,所述“边界距离”的具体计算方式可采用最短路径的方法。具体地:
将所述Brange中的所有点构建为节点,并依据像素连通关系(四邻域或8邻域),构建各个连通像素节点间的边。即连通的两像素点形成有向边且距离为1,形成图。
依据构建的图,通过所述Brange中给定的两个点(x′borderi,y′borderi)和(x′borderj,Y′borderj),计算得到两点在图中的最短路径L即为两点间的“边界距离”。最短路径的计算方法可以采用广度优先搜索算法或深度优先算法等。
将最短“边界距离”途径的所有边界点,作为点(x′borderi,y′borderi)和(x′borderj,y′borderj)间的连接边界,进而形成封闭边界,如图5所示。
可选地,在完成初始边缘封闭连通操作后,因边界跟踪步骤会产生局部捕捉到的短边界线(如图5中Pa、Pb和Pc处的短线)、且在边缘封闭连通中未选入初始边界点集合B′,为保持边缘的平整性,利用像素的连通性进行短线去除,即,将图5中Pa、Pb和Pc处的短线进行去除,具体流程为:
若初始边界点集合B′组成的边缘线中不存在悬挂端点,则无需进行毛刺去除;
若初始边界点集合B′组成的边缘线中存在悬挂端点,则从所述悬挂端点开始利用连通性进行边缘跟踪获取途径像素集合,当跟踪到边缘线交叉点时,停止跟踪,并将途径像素集合中的点从初始边界点集合B′中剔除。重复本步骤直到初始边界点集合B′中不存在所述悬挂端点。
可选地,所述悬挂端点的检测方法可以为:
计算某点的邻域范围(4邻域或8邻域)内点的个数,若邻域内点个数为1,则该点为悬挂端点。
可选地,交叉点的监测方法为:
计算邻域范围(4邻域或8邻域)内点的个数,若邻域内点个数大于3,则该点为交叉点。
针对图5所示边界点集合中Pa、Pb、Pc三处,完成毛刺去除后形成如图6中Pa’、Pb’、Pc’所示去除毛刺后的新的边界点集合B,即为最后提取得到的面状地物边界。
根据本公开的实施例,实现了以下技术效果:
本公开的一种基于面向对象分割的遥感影像面状地物提取方法,利用面向对象图像分割方法提取面状地物固有的边缘特征,仅通过简单的人工交互,即可完成任意面状地物的半自动提取,适用于遥感影像中各种复杂地理环境下地物提取的应用场景。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图7示出了根据本公开的实施例的基于面向对象分割的遥感影像面状地物提取装置700的方框图。如图7所示,装置700包括:
获取模块710,用于获取区域图像;
分割模块720,基于用户交互信息,对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;
跟踪模块730,用于对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;
处理模块740,将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8示出了可以用来实施本公开的实施例的电子设备800的示意性框图。。如图所示,设备800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的计算机程序指令或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序指令,来执行各种适当的动作和处理。在RAM803中,还可以存储设备800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元701执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由CPU 801执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,CPU 801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种基于面向对象分割的遥感影像面状地物提取方法,其特征在于,包括:
获取区域图像;
对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;
基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;
将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
2.根据权利要求1所述的方法,其特征在于,所述对所述区域图像进行面向对象影像分割,得到分割边缘像素集合包括:
对所述区域图像进行面向对象影像分割,得到具有特定标签的封闭面状区域;
对所述具有特定标签的封闭面状区域进行邻域检测,得到分割边缘像素集合。
3.根据权利要求2所述的方法,其特征在于,所述基于用户交互信息,对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘包括:
获取用户输入的起始点、中间点和结束点;
从所述分割边缘像素集合中分别搜索距离所述起始点、中间点和结束点预定义范围内最近的边界点;
将获取到的边界点按照搜索顺序依次进行存储,得到初始边界点集合。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取用户输入的回退点;
从所述分割边缘像素集合中搜索距离所述回退点预定义范围内最近的边界点;
按照所述初始边界点集合中边界点的存储顺序,将所述回退点到所述边界点间排列的所有点,从所述初始边界点集合中删除。
5.根据权利要求4所述的方法,其特征在于,所述将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界包括:
对所述初始跟踪边缘进行中断连接和毛刺去除形成封闭连通区域,得到面状地物边界。
6.根据权利要求5所述的方法,其特征在于,所述对所述初始跟踪边缘进行中断连接包括:
获取所述初始边界点集合中任一边界点的信息;
若在所述边界点的连通范围内搜索不到和所述边界点相邻的上一个边界点,则所述边界点为中断点;
获取在所述中断点的预设范围内的所有前序初始边界点的集合,将其中与所述中断点边界距离最短的点作为最近点;
若所述最近点和所述中断点之间的边界点不在所述初始边界点集合中,则将所述中断点与最近点之间的边界点加入到所述初始边界点集合中,完成中断点的边界连接。
7.根据权利要求6所述的方法,其特征在于,所述对所述初始跟踪边缘进行毛刺去除包括:
对所述初始边界点集合进行检测;
若存在悬挂端点,则利用连通性进行边缘跟踪获取途径像素集合,当跟踪到边缘线交叉点时停止跟踪;
将所述途径像素集合中的点从所述初始边界点集合中进行删除,完成毛刺去除。
8.一种基于面向对象分割的遥感影像面状地物提取装置,其特征在于,包括:
获取模块,用于获取区域图像;
分割模块,对所述区域图像进行面向对象影像分割,得到分割边缘像素集合;
跟踪模块,基于用户交互信息,用于对所述分割边缘像素集合进行地物边缘跟踪,得到初始跟踪边缘;
处理模块,将所述初始跟踪边缘进行封闭连通形成封闭连通区域,得到面状地物边界。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241023.3A CN112435274B (zh) | 2020-11-09 | 2020-11-09 | 一种基于面向对象分割的遥感影像面状地物提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241023.3A CN112435274B (zh) | 2020-11-09 | 2020-11-09 | 一种基于面向对象分割的遥感影像面状地物提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112435274A true CN112435274A (zh) | 2021-03-02 |
CN112435274B CN112435274B (zh) | 2024-05-07 |
Family
ID=74700325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011241023.3A Active CN112435274B (zh) | 2020-11-09 | 2020-11-09 | 一种基于面向对象分割的遥感影像面状地物提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435274B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184189A (zh) * | 2021-12-07 | 2022-03-15 | 高德软件有限公司 | 面状地物要素的测量方法、装置、存储介质及程序产品 |
CN116030352A (zh) * | 2023-03-29 | 2023-04-28 | 山东锋士信息技术有限公司 | 融合多尺度分割和超像素分割的长时序土地利用分类方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1380543A (zh) * | 2001-04-12 | 2002-11-20 | 清华大学 | 一种工业辐射成像中的图像分割识别方法 |
US20030223615A1 (en) * | 2002-06-04 | 2003-12-04 | Keaton Patricia A. | Digital image edge detection and road network tracking method and system |
CN109146889A (zh) * | 2018-07-13 | 2019-01-04 | 洛阳中科龙网创新科技有限公司 | 一种基于高分辨率遥感图像的农田边界提取方法 |
CN110188778A (zh) * | 2019-05-31 | 2019-08-30 | 中国人民解放军61540部队 | 基于影像提取结果的居民区要素轮廓规则化方法 |
CN110852393A (zh) * | 2019-11-14 | 2020-02-28 | 吉林高分遥感应用研究院有限公司 | 一种遥感图像的分割方法及系统 |
US20200193608A1 (en) * | 2018-12-16 | 2020-06-18 | Masahiko Sato | Method for Segmentation of Grayscale Images and Segmented Area Tracking |
CN111339947A (zh) * | 2020-02-26 | 2020-06-26 | 苏州中科天启遥感科技有限公司 | 遥感影像模糊边界地物的提取方法及系统、存储介质、设备 |
CN111860208A (zh) * | 2020-06-29 | 2020-10-30 | 中山大学 | 基于超像素的遥感影像地物分类方法、系统、装置及介质 |
CN111862138A (zh) * | 2020-07-21 | 2020-10-30 | 北京吉威空间信息股份有限公司 | 一种遥感影像半自动水体提取方法 |
-
2020
- 2020-11-09 CN CN202011241023.3A patent/CN112435274B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1380543A (zh) * | 2001-04-12 | 2002-11-20 | 清华大学 | 一种工业辐射成像中的图像分割识别方法 |
US20030223615A1 (en) * | 2002-06-04 | 2003-12-04 | Keaton Patricia A. | Digital image edge detection and road network tracking method and system |
CN109146889A (zh) * | 2018-07-13 | 2019-01-04 | 洛阳中科龙网创新科技有限公司 | 一种基于高分辨率遥感图像的农田边界提取方法 |
US20200193608A1 (en) * | 2018-12-16 | 2020-06-18 | Masahiko Sato | Method for Segmentation of Grayscale Images and Segmented Area Tracking |
CN110188778A (zh) * | 2019-05-31 | 2019-08-30 | 中国人民解放军61540部队 | 基于影像提取结果的居民区要素轮廓规则化方法 |
CN110852393A (zh) * | 2019-11-14 | 2020-02-28 | 吉林高分遥感应用研究院有限公司 | 一种遥感图像的分割方法及系统 |
CN111339947A (zh) * | 2020-02-26 | 2020-06-26 | 苏州中科天启遥感科技有限公司 | 遥感影像模糊边界地物的提取方法及系统、存储介质、设备 |
CN111860208A (zh) * | 2020-06-29 | 2020-10-30 | 中山大学 | 基于超像素的遥感影像地物分类方法、系统、装置及介质 |
CN111862138A (zh) * | 2020-07-21 | 2020-10-30 | 北京吉威空间信息股份有限公司 | 一种遥感影像半自动水体提取方法 |
Non-Patent Citations (8)
Title |
---|
吴亮;胡云安;: "遥感图像自动道路提取方法综述", 自动化学报, no. 07, 15 July 2010 (2010-07-15) * |
周君;李楠;方涛;: "基于SVM的遥感图像半自动提取方法研究", 计算机应用与软件, no. 03, 15 March 2010 (2010-03-15) * |
张春森;胡艳;于振;崔卫红;吴蓉蓉;: "全连接条件随机场高分辨率遥感影像面状地物交互提取", 武汉大学学报(信息科学版), no. 10, 5 October 2020 (2020-10-05) * |
朱晓铃;邬群勇;: "基于高分辨率遥感影像的城市道路提取方法研究", 资源环境与工程, no. 03, 25 June 2009 (2009-06-25) * |
王丹;: "一种高分辨率遥感影像建筑物边缘提取方法", 环境保护与循环经济, no. 10, 15 October 2009 (2009-10-15) * |
王鹏;孙根云;王振杰;: "高分辨率遥感影像海岸线半自动提取方法", 海洋测绘, no. 06, 25 November 2016 (2016-11-25), pages 1 - 3 * |
胡进刚;张晓东;沈欣;张婵;: "一种面向对象的高分辨率影像道路提取方法", 遥感技术与应用, no. 03, 30 July 2006 (2006-07-30) * |
鞠明明;汪闽;张东;谢伟军;崔丹丹;吕林;朱瑞;: "基于面向对象图像分析技术的围填海用海工程遥感监测", 海洋通报, no. 06, 15 December 2013 (2013-12-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184189A (zh) * | 2021-12-07 | 2022-03-15 | 高德软件有限公司 | 面状地物要素的测量方法、装置、存储介质及程序产品 |
CN114184189B (zh) * | 2021-12-07 | 2024-05-31 | 高德软件有限公司 | 面状地物要素的测量方法、装置、存储介质及程序产品 |
CN116030352A (zh) * | 2023-03-29 | 2023-04-28 | 山东锋士信息技术有限公司 | 融合多尺度分割和超像素分割的长时序土地利用分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112435274B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658454B (zh) | 一种位姿信息确定方法、相关装置及存储介质 | |
WO2021196698A1 (zh) | 待侦测物体储量确定方法、装置、设备及介质 | |
US20210312632A1 (en) | Method and apparatus for extracting a satellite image-based building footprint | |
WO2023160698A1 (zh) | 动态全覆盖路径规划方法及装置、清洁设备、存储介质 | |
US20220414892A1 (en) | High-precision semi-automatic image data labeling method, electronic apparatus, and storage medium | |
CN110992384B (zh) | 半自动化图像数据标注方法、电子装置及存储介质 | |
US20230260216A1 (en) | Point cloud annotation device, method, and program | |
CN112435274B (zh) | 一种基于面向对象分割的遥感影像面状地物提取方法 | |
CN112336342A (zh) | 手部关键点检测方法、装置及终端设备 | |
CN110211200B (zh) | 一种基于神经网络技术的牙弓线生成方法及其系统 | |
CN110910445A (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
WO2023045798A1 (zh) | 一种过道区域识别方法及装置 | |
CN110874170A (zh) | 一种图像区域修正方法、图像分割方法及装置 | |
CN112396701A (zh) | 卫星图像的处理方法、装置、电子设备和计算机存储介质 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
CN112132845B (zh) | 三维模型的单体化方法、装置、电子设备和可读介质 | |
CN111860084B (zh) | 图像特征的匹配、定位方法及装置、定位系统 | |
JP4908867B2 (ja) | 地理画像処理システム | |
Lassalle et al. | Large scale region-merging segmentation using the local mutual best fitting concept | |
CN116385651A (zh) | 图像处理方法、神经网络模型的训练方法、装置和设备 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN116188587A (zh) | 定位方法、装置及车辆 | |
CN114581890A (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
JP5074622B2 (ja) | 地理画像処理システム | |
CN114708354B (zh) | 一种镶嵌线的绘制方法、设备、介质及产品 |
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 |