CN112883960B - 一种海水养殖区域提取方法及装置 - Google Patents

一种海水养殖区域提取方法及装置 Download PDF

Info

Publication number
CN112883960B
CN112883960B CN202110098366.7A CN202110098366A CN112883960B CN 112883960 B CN112883960 B CN 112883960B CN 202110098366 A CN202110098366 A CN 202110098366A CN 112883960 B CN112883960 B CN 112883960B
Authority
CN
China
Prior art keywords
area
region
adjacency
pixel
strength
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
Application number
CN202110098366.7A
Other languages
English (en)
Other versions
CN112883960A (zh
Inventor
戴鸿君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Inspur Scientific Research Institute Co Ltd
Original Assignee
Shandong Inspur Scientific Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Inspur Scientific Research Institute Co Ltd filed Critical Shandong Inspur Scientific Research Institute Co Ltd
Priority to CN202110098366.7A priority Critical patent/CN112883960B/zh
Publication of CN112883960A publication Critical patent/CN112883960A/zh
Application granted granted Critical
Publication of CN112883960B publication Critical patent/CN112883960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例公开了一种海水养殖区域提取方法及装置，方法包括：基于Hbase数据库存储遥感影像，对遥感影像进行分类处理，确定出养殖区域与非养殖区域；根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域；使用成排区域提取算法进行海水养殖区域提取与传统的统计数据分析方法相比更具有实时性和便利性，可以去除一些分类过程中误分的区域，或者不是成排出现的废弃养殖区，进一步提高了养殖区域提取的准确性。

Description

一种海水养殖区域提取方法及装置
技术领域
本说明书涉及数据挖掘技术领域，尤其涉及一种海水养殖区域提取方法及装置。
背景技术
随着海洋养殖业的发展，受经济利益的驱动，不少地区无序、无度甚至无偿盲目发展养殖业，大规模的围垦造成海域面积减少，加剧了水域环境的恶化。养殖业主在海面上盲目建造网箱、架设吊养筏架而造成养殖密度过大，远远超过海洋生态系统的承受能力，造成海水养殖生态系统物流和能流循环受阻或紊乱，引发病害。无规划的海水养殖正成为近岸海域重要的污染源，甚至有超越陆源污染的趋势。
现有的海水养殖区域统计方法缺乏实时性，无法满足海水养殖区域的发展特点和发展速度。
发明内容
本说明书一个或多个实施例提供了一种海水养殖区域提取方法及装置，用于解决如下技术问题：无法满足海水养殖区域的发展特点和发展速度。
本说明书一个或多个实施例采用下述技术方案：
本说明书一个或多个实施例提供一种海水养殖区域提取方法，方法包括：基于Hbase数据库存储遥感影像，对所述遥感影像进行分类处理，确定出养殖区域与非养殖区域；根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，所述成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域。
进一步的，根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，具体包括：对所述分类处理后的遥感影像进行离散化，获得离散化后的遥感影像的邻接表，遍历所述离散化后的遥感影像中区域的像素点，获取颜色与该区域的颜色不同的像素点，并将所述像素点更新存储于所述邻接表；根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域。
进一步的，获得离散化后的遥感影像的邻接表之前，方法还包括：对离散化后的遥感影像中的各像素点进行遍历操作，记录各像素点的标识、所处区域的标识，所处区域的像素点数量、所处区域的颜色以及各像素点回溯入口点的坐标，并将各像素的记录结果写入所述邻接表中。
进一步的，对离散化后的遥感影像中的各像素点进行遍历操作，具体包括：对离散化后的遥感影像中的像素点进行遍历操作，若当前像素点没有被遍历过，则将当前点作为入口点开始进行回溯，若当前像素点相邻的八个相邻像素点中存在第一像素点的颜色与当前像素点的颜色相同且所述第一像素点未被遍历过，则将所述第一像素点入栈，并对入栈的像素进行遍历操作。
进一步的，在所述并将各像素的记录结果写入所述邻接表中之后，还包括：设置像素点数量阈值，对分类结果中大于或小于所述像素点数量阈值的对应区域的颜色进行更改；所述更改包括：根据所述各像素点回溯入口点的坐标获取对应区域的所有边界像素点，对所述对应区域的边界像素点遍历，获取所述边界像素点周围非相同区域的相邻像素点的颜色，对所述相邻像素点的颜色进行计数，将所述对应区域的颜色更改为数量最多的所述相邻像素点的颜色。
进一步的，在所述并将各像素的记录结果写入所述邻接表中之后，还包括：利用所述邻接表中的所述各像素的记录结果，遍历当前区域，获取颜色与边界点颜色不同的点，记录所述点并存储至所述邻接表。
进一步的，所述根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域，具体包括：根据所述邻接表中的所述记录结果，运算得到区域间的二阶邻接关系；若所述不同区域中的第一区域和所述不同区域中的第二区域为二阶邻接关系，则计算所述第一区域对所述第二区域的邻接强度和所述第二区域对所述第一区域的邻接强度；若所述第一区域对第二区域的邻接强度和所述第二区域对第一区域的邻接强度同时大于或等于预先设定的临界强度阈值，则认为第一区域和第二区域是成排出现的，其中，所述成排出现是指所述符合条件的养殖区域。
进一步的，计算所述第一区域对所述第二区域的邻接强度，具体包括：根据公式
Figure RE-577725DEST_PATH_IMAGE001
计算所述第一区域对第二区域的邻接强度；其中
Figure RE-396995DEST_PATH_IMAGE002
为所述第一区域对第二区域的邻接强度，
Figure RE-442312DEST_PATH_IMAGE003
为所述第一区域中所述第一区域到所述第二区域有效邻接强度计算点的数量，
Figure RE-837521DEST_PATH_IMAGE004
为所述第一区域的周长；其中，所述有效邻接强度计算点包括：若所述第一区域与所述第二区域邻接，所述第一区域边上的一点到第二区域边上的一点的距离小于或等于设定的距离阈值，则所述第一区域边上的一点为所述有效邻接强度计算点。
进一步的，计算所述第一区域的周长
Figure RE-917472DEST_PATH_IMAGE004
具体包括：遍历所述第一区域，确定所述第一区域的边界点；根据所述第一区域的边界点确定所述第一区域的周长，其中，所述确定所述第一区域的边界点，具体包括：确定所述第一区域中的第一像素点，若所述第一像素点周围的四个方向上的像素点中，至少有一个像素点的颜色与所述第一像素点的颜色不同，则所述第一像素点为所述第一区域的边界点。
本说明书一个或多个实施例还提供一种海水养殖区域提取装置，包括：存储单元，用于基于Hbase数据库存储遥感影像；处理单元，用于根据C4.5决策树算法对所述遥感影像进行分类处理，确定出养殖区域与非养殖区域；提取单元，用于根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，所述成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：使用成排区域提取算法进行海水养殖区域提取与传统的统计数据分析方法相比更具有实时性和便利性，可以去除一些分类过程中误分的区域，或者不是成排出现的废弃养殖区，进一步提高了养殖区域提取的准确性；另外，采用Hbase数据库存储遥感影像，进一步保障了影像数据来源的可靠性与高效率；使用遥感影像提取海水养殖区域，大大减少了人力物力的消耗。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本说明书实施例提供的一种海水养殖区域提取方法流程示意图；
图2为本说明书实施例提供的成排区域提取算法流程示意图；
图3为本说明书实施例提供的一个边界像素点的相邻像素点的示意图；
图4为本说明书实施例提供的邻接关系结构举例示意图；
图5为本说明书实施例提供的一种海水养殖区域提取装置的结构示意图。
具体实施方式
本说明书实施例提供一种海水养殖区域提取方法及装置。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，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所有其他实施例，都应当属于本说明书保护的范围。
随着海洋养殖业的发展，受经济利益的驱动，不少地区无序、无度甚至无偿盲目发展养殖业，大规模的围垦造成海域面积减少，加剧了水域环境的恶化。养殖业主在海面上盲目建造网箱、架设吊养筏架而造成养殖密度过大，远远超过海洋生态系统的承受能力，造成海水养殖生态系统物流和能流循环受阻或紊乱，引发病害。无规划的海水养殖正成为近岸海域重要的污染源，甚至有超越陆源污染的趋势，现有的海水养殖区域监管、统计方法无法满足海水养殖区域的发展特点和发展速度，监管力度不够，缺乏实时性和便利性的监管、统计方法。
本说明书实施例提供的技术方案可以解决缺乏对海水养殖区域进行实时性和便利性的监管、统计方法的技术问题，下面通过附图进行具体说明。
图1为本说明书实施例提供的一种海水养殖区域提取方法流程示意图，如图1所示，海水养殖区域提取方法主要包括以下步骤：
步骤S102，基于Hbase数据库存储遥感影像。
本说明书实施例提供的一种海水养殖区域提取方法，首先是基于Hbase数据库存储遥感影像。
在本说明书的一个实施例中，基于Hbase数据库存储遥感影像具体包括：搭建分布式数据库Hbase集群，提供一个高效可用的分布式数据库环境，将海量的遥感影像数据保存到Hbase数据库中。
需要说明的是，通过卫星地图软件或其他采集遥感影像的设备，采集卫星遥感影像。本领域技术人员可以明确的是，遥感影像指记录各种地物电磁波大小的胶片或照片，实时监测海水养殖区域的范围，遥感技术具有观测范围广，信息量大，获取信息快，更新周期短，节省人力物力和人为干扰因素少等诸多优势，已经成为海水养殖区域研究的有力手段。
在本说明书的一个实施例中，在采集卫星遥感影像之后，由于各类遥感图像都存在在几何校正的问题，因此需要对遥感影响进行处理，以突出目标物特征或消除同一类型目标的不同部位因照射条件不同、地形变化、扫描观测角的不同而造成的亮度差异等。
步骤S104，对遥感影像进行分类处理。
在本说明书的一个实施例中，使用C4.5决策树算法对遥感影像数据进行分类处理，将遥感影像中的数据分为两类，一类是养殖区，另一类是非养殖区。
本领域技术人员可以明确的是，C4.5决策树算法是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5决策树算法的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。
C4.5算法是用于生成决策树的一种经典算法，是ID3算法的一种延伸和优化。C4.5算法对ID3算法主要做了以下改进：通过信息增益率选择分裂属性，克服了ID3算法中通过信息增益倾向于选择拥有多个属性值的属性作为分裂属性的不足；能够处理离散型和连续型的属性类型，即将连续型的属性进行离散化处理；构造决策树之后进行剪枝操作；能够处理具有缺失属性值的训练数据。
步骤S106，根据成排区域提取算法确定出符合条件的养殖区域。
在本说明书的一个实施例中，在根据成排区域提取算法确定出符合条件的养殖区域之前，利用OpenCV的膨胀腐蚀算法对分类处理后的遥感影像数据进行降噪处理。需要说明的是，OpenCV是一个基于BSD许可开源发行的跨平台计算机视觉和机器学习软件库，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法，在物体识别、图像分割、人脸识别、机器视觉等领域具有很广泛的应用。
在本说明书的一个实施例中，根据成排区域提取算法对处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域。
具体地，图2给出了成排区域提取算法流程示意图。如图2所示，成排区域提取算法主要包括以下步骤：
步骤S201，将遥感影像中的各像素点信息存储至邻接表。
首先，将分类结果图离散化，获取离散化后的遥感影像的邻接表，需要说明的是，同一地物的颜色是相同的；对离散化后的遥感影像区域中的每个像素点进行遍历操作，若当前像素点没有被遍历过，则将当前点作为入口点开始进行回溯。若当前像素点相邻的八个像素点中存在第一像素点，其中，第一像素点的颜色与当前像素点对应区域的颜色不同且第一像素点未被遍历过，则将第一像素点入栈，对第一像素点重复上述过程；直到当前区域中的最后一个像素点在与其相邻的八个像素点中没有颜色相同且未被遍历过的像素点，此次回溯过程结束。
需要说明的是，在获取离散化后的遥感影像的邻接表之前，对离散化后的遥感影像区域中的每个像素点进行遍历操作，记录像素点的标识、当前区域的标识、当前区域的像素点数量、当前区域的颜色以及各像素点回溯入口点的坐标，其中像素点的标识可设置为id，i表示第i次回溯中入栈的像素点，将所有像素点的上述记录结果存储至邻接表中，继续对遥感影像中的像素点进行遍历，重复上述过程，直至所有像素点被遍历。
在本说明书的一个实施例中，设置像素点数量阈值，对分类结果中大于或小于像素点数量阈值的区域的颜色更改成该区域的边界点相邻像素点颜色中数量最多的颜色。
具体地，确定需要更改颜色的区域，根据邻接表中存储的各像素点回溯入口点的坐标获取该区域的所有像素点，对该区域的所有像素点进行遍历；确定该区域的所有边界像素点，对该区域的所有边界像素点进行遍历，获取每一个边界像素点相邻的八个像素点的颜色，对相邻八个像素点中属于非相同区域的像素点的颜色进行计数，获取所有边界像素点非相同区域的相邻像素点数量最多的颜色，将该区域的颜色更改为此颜色。
图3给出了对应区域一个边界像素点的相邻像素点的示意图，如图3所述，若区域A中的像素点数量阈值小于设置的像素点数量阈值，对区域A进行颜色更改。在图3中，区域A的下边界有一个白色的边界像素点，在该白色边界像素点附近有八个相邻的黑色像素点，在八个相邻的黑色像素点中有五个属于区域A、三个属于区域B，对属于区域B的相邻像素点的颜色进行计数；同样的，对区域A中所有边界像素点进行如上计数操作，将区域A的颜色更改为与区域A相邻区域中最多的颜色。
在本说明说的一个实施例中，重复上述颜色更改操作，直至所有区域的像素点数量均满足设置的像素点数量阈值。通过设置像素点数量阈值，对不满足数量阈值的区域进行颜色更改，可以有效去除C4.5决策树算法中误分的区域。
步骤S202，获取各区域间邻接关系。
在本说明书的一个实施例中，根据邻接表中的记录信息，遍历当前区域，获取颜色与边界点颜色不同的像素点，记录该像素点并存储至邻接表中。
具体地，对当前区域进行遍历操作，若在该区域中存在第一像素点下方右方两个方向上至少存在第二像素点，其中第二像素点的颜色与该区域的颜色不同，则第一像素点为下边界点或右边界点，第二像素点是下邻接区域或右邻接区域的点，记录第二像素点的标识并存储至邻接表中。接着，根据邻接表中存储的邻接信息进行关系的复合运算R°R可得到所有区域的二阶邻接关系，其中，复合运算如下所示：
R={<1,1>,<2,1>,<3,2>,<4,3>}
R°R={<1,1>,<2,1>,<3,1>,<4，2>}
需要说明的是，邻接关系包括一阶邻接关系和二阶邻接关系，结合图4进行说明。图4给出了邻接关系结构举例示意图，如图4所示，区域A与区域B是一阶邻接关系，其中区域B是区域A的右邻接；区域A与区域D是一阶邻接关系，其中，区域D是区域A的下邻接；区域B与区域C是一阶邻接关系，其中，区域C是区域B的右邻接，则A与C是二阶邻接关系。
步骤S203，计算各区域周长。
在本说明书的一个实施例中，计算各区域的周长，首先要确定对应区域的边界点。遍历当前区域，若在当前区域中存在第一像素点上下左右四个方向的像素点中，至少存在一个像素点与第一像素点的颜色不同，则第一像素点为第一区域的边界点。
具体地，例如，若在当前区域中存在第一像素点上方的像素点中，存在一个像素点与第一像素点的颜色不同，则第一像素点为第一区域的上边界点；若在当前区域中存在第一像素点下方的像素点中，存在一个像素点与第一像素点的颜色不同，则第一像素点为第一区域的下边界点；若在当前区域中存在第一像素点左方的像素点中，存在一个像素点与第一像素点的颜色不同，则第一像素点为第一区域的左边界点；若在当前区域中存在第一像素点右方的像素点中，存在一个像素点与第一像素点的颜色不同，则第一像素点为第一区域的右边界点。
在本说明书的一个实施例中，确定出对应区域的所有边界点后，对当前区域的所有边界点进行遍历，若当前区域的所有边界点都遍历过后，当前区域的周长计算完成。
步骤S204，计算不同区域间的邻接强度。
在本说明书的一个实施例中，若通过步骤S202得到区域A与区域C为二阶邻接关系，则分别计算区域A对区域C的邻接强度和区域C对区域A的邻接强度；若区域A对区域C的邻接强度与区域C对区域A的邻接强度同时大于或等于预先设定的邻接强度阈值，则认为区域A和区域C是成排出现的符合条件的养殖区域。
需要说明的是，若区域A与区域C为二邻接关系，邻接强度根据公式
Figure RE-880880DEST_PATH_IMAGE001
计算得到，其中
Figure RE-413493DEST_PATH_IMAGE002
为区域A对区域C的邻接强度，
Figure RE-877972DEST_PATH_IMAGE005
为区域A中区域A到区域C有效邻接强度计算点的数量，
Figure RE-812430DEST_PATH_IMAGE004
为区域A的周长。
其中，有效邻接强度计算点是指若区域A与区域C邻接，区域A边上的一点到区域B边上的一点的距离小于或等于设定的距离阈值，则此点为有效邻接强度计算点。
本说明书的一个实施例还提供了一种海水养殖区域提取装置，图5给出了一种海水养殖区域提取装置的结构示意图。如图5所示，海水养殖区域提取装置的分析装置包括存储单元502、处理单元504和提取单元506，其中，存储单元502，用于基于Hbase数据库存储遥感影像；处理单元504用于根据C4.5决策树算法对所述遥感影像进行分类处理，确定出养殖区域与非养殖区域；提取单元506，用于根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，所述成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：使用成排区域提取算法进行海水养殖区域提取与传统的统计数据分析方法相比更具有实时性和便利性，可以去除一些分类过程中误分的区域，或者不是成排出现的废弃养殖区，进一步提高了养殖区域提取的准确性；另外，采用Hbase数据库存储遥感影像，进一步保障了影像数据来源的可靠性与高效率；使用遥感影像提取海水养殖区域，大大减少了人力物力的消耗。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (6)

1.一种海水养殖区域提取方法，其特征在于，所述方法包括：
基于Hbase数据库存储遥感影像，对所述遥感影像进行分类处理，确定出养殖区域与非养殖区域；
根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，所述成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域；
所述根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，具体包括：
对所述分类处理后的遥感影像进行离散化，获得离散化后的遥感影像的邻接表，遍历所述离散化后的遥感影像中区域的像素点，获取颜色与该区域的颜色不同的像素点，并将所述像素点更新存储于所述邻接表；
根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域；
所述根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域，具体包括：
根据所述邻接表中的记录结果，运算得到区域间的二阶邻接关系；若第一区域和第二区域为二阶邻接关系，则计算所述第一区域对所述第二区域的邻接强度和所述第二区域对所述第一区域的邻接强度；
若所述第一区域对第二区域的邻接强度和所述第二区域对第一区域的邻接强度同时大于或等于预先设定的临界强度阈值，则认为第一区域和第二区域是成排出现的，其中，所述成排出现是指所述符合条件的养殖区域；
所述计算所述第一区域对所述第二区域的邻接强度，具体包括：
根据公式Q12＝N1/C1计算所述第一区域对第二区域的邻接强度；
其中Q12为所述第一区域对第二区域的邻接强度，N1为所述第一区域中所述第一区域到所述第二区域有效邻接强度计算点的数量，C1为所述第一区域的周长；
其中，所述有效邻接强度计算点包括：若所述第一区域与所述第二区域邻接，所述第一区域边上的一点到第二区域边上的一点的距离小于或等于设定的距离阈值，则所述第一区域边上的一点为所述有效邻接强度计算点；
计算所述第一区域的周长C1具体包括：
遍历所述第一区域，确定所述第一区域的边界点，其中，
所述确定所述第一区域的边界点，具体包括：
确定所述第一区域中的第一像素点，若所述第一像素点周围的四个方向上的像素点中，至少有一个像素点的颜色与所述第一像素点的颜色不同，则所述第一像素点为所述第一区域的边界点；
根据所述第一区域的边界点确定所述第一区域的周长。
2.根据权利要求1所述的海水养殖区域提取方法，其特征在于，所述获得离散化后的遥感影像的邻接表之前，所述方法还包括：
对离散化后的遥感影像中的各像素点进行遍历操作，记录各像素点的标识、所处区域的标识，所处区域的像素点数量、所处区域的颜色以及各像素点回溯入口点的坐标，并将各像素的记录结果写入所述邻接表中。
3.根据权利要求2所述的海水养殖区域提取方法，其特征在于，所述对离散化后的遥感影像中的各像素点进行遍历操作，具体包括：
对离散化后的遥感影像中的像素点进行遍历操作，若当前像素点没有被遍历过，则将当前点作为入口点开始进行回溯，若当前像素点相邻的八个相邻像素点中存在第一像素点的颜色与当前像素点的颜色相同且所述第一像素点未被遍历过，则将所述第一像素点入栈，并对入栈的像素进行遍历操作。
4.根据权利要求2所述的海水养殖区域提取方法，其特征在于，在所述并将各像素的记录结果写入所述邻接表中之后，还包括：
设置像素点数量阈值，对分类结果中大于或小于所述像素点数量阈值的对应区域的颜色进行更改；
所述更改包括：根据所述各像素点回溯入口点的坐标获取对应区域的所有边界像素点，对所述对应区域的边界像素点遍历，获取所述边界像素点周围非相同区域的相邻像素点的颜色，对所述相邻像素点的颜色进行计数，将所述对应区域的颜色更改为数量最多的所述相邻像素点的颜色。
5.根据权利要求2所述的海水养殖区域提取方法，其特征在于，在所述并将各像素的记录结果写入所述邻接表中之后，还包括：
利用所述邻接表中的所述各像素的记录结果，遍历当前区域，获取颜色与边界点颜色不同的点，记录所述点并存储至所述邻接表。
6.一种海水养殖区域提取装置，其特征在于，包括：
存储单元，用于基于Hbase数据库存储遥感影像；
处理单元，用于对所述遥感影像进行分类处理，确定出养殖区域与非养殖区域；
提取单元，用于根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，其中，所述成排区域提取算法是根据各区域之间的邻接关系与邻接强度确定出符合条件的养殖区域；所述根据成排区域提取算法对分类处理后的遥感影像进行筛选，确定出符合条件的养殖区域，具体包括：对所述分类处理后的遥感影像进行离散化，获得离散化后的遥感影像的邻接表，遍历所述离散化后的遥感影像中区域的像素点，获取颜色与该区域的颜色不同的像素点，并将所述像素点更新存储于所述邻接表；根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域；
所述根据所述邻接表确定出区域间的邻接关系，并根据所述区域间的邻接关系计算不同区域之间的邻接强度，并根据所述不同区域之间的邻接强度确定出符合条件的养殖区域，具体包括：根据所述邻接表中的记录结果，运算得到区域间的二阶邻接关系；若第一区域和第二区域为二阶邻接关系，则计算所述第一区域对所述第二区域的邻接强度和所述第二区域对所述第一区域的邻接强度；若所述第一区域对第二区域的邻接强度和所述第二区域对第一区域的邻接强度同时大于或等于预先设定的临界强度阈值，则认为第一区域和第二区域是成排出现的，其中，所述成排出现是指所述符合条件的养殖区域；
所述计算所述第一区域对所述第二区域的邻接强度，具体包括：根据公式Q12＝N1/C1计算所述第一区域对第二区域的邻接强度；其中Q12为所述第一区域对第二区域的邻接强度，N1为所述第一区域中所述第一区域到所述第二区域有效邻接强度计算点的数量，C1为所述第一区域的周长；其中，所述有效邻接强度计算点包括：若所述第一区域与所述第二区域邻接，所述第一区域边上的一点到第二区域边上的一点的距离小于或等于设定的距离阈值，则所述第一区域边上的一点为所述有效邻接强度计算点；
计算所述第一区域的周长C1具体包括：遍历所述第一区域，确定所述第一区域的边界点，其中，所述确定所述第一区域的边界点，具体包括：确定所述第一区域中的第一像素点，若所述第一像素点周围的四个方向上的像素点中，至少有一个像素点的颜色与所述第一像素点的颜色不同，则所述第一像素点为所述第一区域的边界点；根据所述第一区域的边界点确定所述第一区域的周长。
CN202110098366.7A 2021-01-25 2021-01-25 一种海水养殖区域提取方法及装置 Active CN112883960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110098366.7A CN112883960B (zh) 2021-01-25 2021-01-25 一种海水养殖区域提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110098366.7A CN112883960B (zh) 2021-01-25 2021-01-25 一种海水养殖区域提取方法及装置

Publications (2)

Publication Number Publication Date
CN112883960A CN112883960A (zh) 2021-06-01
CN112883960B true CN112883960B (zh) 2022-08-26

Family

ID=76051793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110098366.7A Active CN112883960B (zh) 2021-01-25 2021-01-25 一种海水养殖区域提取方法及装置

Country Status (1)

Country Link
CN (1) CN112883960B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376570A (zh) * 2014-12-02 2015-02-25 莫海棠 一种遥感二值图像目标区域分割的方法
CN105354881A (zh) * 2015-11-24 2016-02-24 中国石油化工股份有限公司 基于离散属性数据的网格变形优化算法
CN107066262A (zh) * 2017-03-10 2017-08-18 苏州棱镜七彩信息科技有限公司 源代码文件克隆邻接表合并检测方法
CN110084205A (zh) * 2019-04-30 2019-08-02 合肥工业大学 一种基于改进的面向对象高分辨率遥感影像分类方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108388828A (zh) * 2017-07-13 2018-08-10 中国科学院遥感与数字地球研究所 一种综合多源遥感数据的滨海湿地土地覆盖信息提取方法
CN109657598B (zh) * 2018-12-13 2020-05-05 宁波大学 基于分层策略的滨海湿地遥感分类方法
CN109886134A (zh) * 2019-01-25 2019-06-14 北京市遥感信息研究所 高分辨率全球数字高程模型图像的海陆信息索引编码方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376570A (zh) * 2014-12-02 2015-02-25 莫海棠 一种遥感二值图像目标区域分割的方法
CN105354881A (zh) * 2015-11-24 2016-02-24 中国石油化工股份有限公司 基于离散属性数据的网格变形优化算法
CN107066262A (zh) * 2017-03-10 2017-08-18 苏州棱镜七彩信息科技有限公司 源代码文件克隆邻接表合并检测方法
CN110084205A (zh) * 2019-04-30 2019-08-02 合肥工业大学 一种基于改进的面向对象高分辨率遥感影像分类方法

Also Published As

Publication number Publication date
CN112883960A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
Pape et al. 3-D histogram-based segmentation and leaf detection for rosette plants
CN108121991B (zh) 一种基于边缘候选区域提取的深度学习舰船目标检测方法
CN106407883A (zh) 一种复杂表格及其内部手写数字识别方法
CN112598713A (zh) 一种基于深度学习的近岸海底鱼类检测、跟踪统计方法
CN107038416B (zh) 一种基于二值图像改进型hog特征的行人检测方法
CN110751075A (zh) 一种基于实例分割的遥感影像养殖塘检测方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
CN113066079A (zh) 木材缺陷自动检测方法、系统及其存储介质
CN110210428B (zh) 一种基于mser的远距离复杂环境下的烟雾根节点检测方法
CN114782416B (zh) 基于图像识别的纺织品质量检测方法及系统
CN110458812B (zh) 一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法
CN113065486A (zh) 适用于河道的漂浮物识别方法与系统、设备、介质
CN115641327A (zh) 一种基于大数据的建筑工程质量监理和预警系统
CN110866926A (zh) 一种红外遥感图像快速精细海陆分割方法
CN108961295B (zh) 基于正态分布h阈值的紫色土图像分割提取方法
CN111968081A (zh) 鱼群自动计数方法、装置、电子设备及存储介质
CN115131348A (zh) 一种纺织品表面缺陷的检测方法及系统
CN115147401A (zh) 一种基于数字图像处理的土石坝坝料合格性智能检测方法
CN107832732B (zh) 基于三叉树遍历的车道线检测方法
CN112883960B (zh) 一种海水养殖区域提取方法及装置
CN111368865A (zh) 遥感影像储油罐检测方法、装置、可读存储介质及设备
CN117152172A (zh) 一种基于点云数据的输电线路杆塔和电力线提取方法
CN114743059B (zh) 一种综合地形地貌特征的海底地理实体自动分类方法
CN116958808A (zh) 一种基于实时目标检测网络的森林参数估测方法
Pham et al. Image segmentation using fuzzy min-max neural networks for wood defect detection

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220729

Address after: 250101 building S02, 1036 Chaochao Road, high tech Zone, Jinan City, Shandong Province

Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd.

Address before: Floor 6, Chaochao Road, Shandong Province

Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant