CN114037832A - 一种卫星遥感图像中典型区域的提取方法及系统 - Google Patents

一种卫星遥感图像中典型区域的提取方法及系统 Download PDF

Info

Publication number
CN114037832A
CN114037832A CN202111551609.4A CN202111551609A CN114037832A CN 114037832 A CN114037832 A CN 114037832A CN 202111551609 A CN202111551609 A CN 202111551609A CN 114037832 A CN114037832 A CN 114037832A
Authority
CN
China
Prior art keywords
frame
remote sensing
image
extracting
edge
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
Application number
CN202111551609.4A
Other languages
English (en)
Other versions
CN114037832B (zh
Inventor
张鹏
宋玉良
韩双江
张大鹏
唐一琳
王娟
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.)
Beijing Zhongyuruide Architectural Design Co ltd
Original Assignee
Beijing Zhongyuruide Architectural Design 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 Beijing Zhongyuruide Architectural Design Co ltd filed Critical Beijing Zhongyuruide Architectural Design Co ltd
Priority to CN202111551609.4A priority Critical patent/CN114037832B/zh
Publication of CN114037832A publication Critical patent/CN114037832A/zh
Application granted granted Critical
Publication of CN114037832B publication Critical patent/CN114037832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种卫星遥感图像中典型区域的提取方法及系统，属于农业工程领域，包括以下步骤：步骤S101，通过卫星遥感装置获取带有湖泊或种植区域的待检测图像，并将所述待检测图像按照拍摄时间排序转换为待检测帧序列；步骤S103,从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧。解决了传统的农业工程中利用专业图像处理软件手工大规模处理类似卫星遥感图像时耗时长，效率低的问题；提高了指定区域的检出概率，降低了出错率，能够较好地适应计算机大规模快速处理遥感图像检出任务；较好地适应了不同卫星、不同遥感设备、不同季节、不同湖泊或种植区域的轮廓自动检出任务。

Description

一种卫星遥感图像中典型区域的提取方法及系统
技术领域
本发明涉及农业工程技术领域，尤其涉及卫星遥感图像中典型区域的提取方法及系统。
背景技术
农业工程中，经常需要处理基于卫星遥感图像获得的湖泊或大型或较大型种植区域的轮廓。传统的轮廓提取方法是获取卫星遥感图像，将PNG或JPG等格式的图片导入Photoshop等专业工具，通过人工的方式获取其边缘点。传统方法的适用于小批量的卫星遥感图像处理，能够通过手工的方式获取合适的边界，并可进行边缘点适当增删或调整，但是在大规模的遥感图像中，该方法费时费力，效率极低。在用计算机自动获取湖泊或种植区域轮廓的方法中，常采用的技术是传统的边缘点提取技术。该方法下，一般会把遥感图像中所有的边缘点提取出来，包括道路、住宅区等，很难直接得到目标区域的轮廓，甚至边缘点不能形成有效的连通区域，后续仍然需要人工处理，在大规模处理遥感图像处理时十分不便。另外，卫星遥感图像受卫星轨道、季节、光照、地面湖泊或种植作物的状态影响明显，传统的自动处理方法无法有效地大范围适用。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的卫星遥感图像中典型区域的提取方法及系统。
为了实现上述目的，本发明采用了如下技术方案：
根据本发明的一个方面，提供了一种卫星遥感图像中典型区域的提取方法。
一种卫星遥感图像中典型区域的提取方法，包括以下步骤：
步骤S101，通过卫星遥感装置获取带有湖泊或种植区域的待检测图像，并将所述待检测图像按照拍摄时间排序转换为待检测帧序列；
步骤S103,从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S105,获取卫星对应的轨道高度信息和遥感装置对应的测量信息，基于所述信息在当前帧中划定图像处理区域并得到区域图像中单个像素对应的地面长度l；
步骤S107,基于季节、光照和目标的色差等条件，设定待检测的湖泊或种植区域的典型灰度阈值A以及容忍门限a、边缘检测门限T，所述典型灰度阈值和容忍门限的数值设定可参照经验值；
步骤S109，基于所述图像处理区域，建立特征扫描框，所述特征扫描框为N×N个像素大小，宽度为1像素的框体；
步骤S111,设定所述特征扫描框的首点为所述图像处理区域的左上角的第一个像素点，在扫描框内部对所有灰度像素集合分别进行逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
步骤S113,将纵向和横向扫描得到的所述真边缘点取并集，得到边缘点集合M，计算M中的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax；
步骤S115,根据当前所述扫描框得到的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax，基于第二判定方法判断是否得到了湖泊或种植区域的轮廓；
步骤S117,将所述特征扫描框的首点设置为当前点的下一点，选取的方法为原特征扫描框首点的右侧一点或者下侧一点为下一点，然后重复步骤S111，直至所述图像处理区域的每一点都被该特征框至少扫描一次或者找到湖泊或种植区域的边缘点集后停止计算。
进一步地，用于步骤S105中，基于所述图像处理区域，通过预设的Prewitt差分法获取目标湖泊或种植区域的初始边缘点集。
进一步地，用于步骤S109中，所述特征扫描框大小的确定方法用公式表示为：
Figure BDA0003417788850000031
其中，L为目标湖泊或种植区域在实际中的最大宽度估计值，其单位与单个像素对应的地面长度l一致，k为经验系数，一般取1.1～1.5之间；
进一步地，用于步骤S111中，所述第一判定条件为：
待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含；
所述第一判定条件的判定过程为：
步骤一，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤二，否则进入步骤三；
步骤二，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤三，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一行或下一列的扫描。
进一步地，用于步骤S115中，所述第二判定方法为：如果dmax满足条件：
Figure BDA0003417788850000041
p1、p2为设定参数，且dimax满足条件：
dimax≤dlim，dlim为预设参数。
则判定当前特征扫描框的边缘点集合M为湖泊或种植区域的边缘点集；若得到了湖泊或种植区域的边缘点集，则计算终止，否则进行步骤S117。
根据本发明的另一个方面，提供了一种卫星遥感图像中典型区域的提取系统。
一种卫星遥感图像中典型区域的提取系统，包括：用于执行和存储提取程序的处理装置、遥感图像转换模块、图像帧提取模块、区域划定模块、初步提取模块、扫描框构建模块、真边缘点确认模块和边缘点组合模块，所述遥感图像转换模块，用于通过遥感图像采集装置获取附加卫星轨道信息和遥感装置测量信息的遥测图像，并将所述待检测图像转换为PNG或JPG格式的待检测帧序列；所述图像帧提取模块，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧。
进一步地，所述区域划定模块,用于通过卫星轨道信息和遥感装置对应的测量信息，在当前帧中划定图像处理区域。
进一步地，所述初步提取模块,用于基于所述图像处理区域，通过预设的第一方法获取目标湖泊或种植区域的初始边缘点集。
进一步地，所述扫描框构建模块，用于基于所述图像处理区域和先验信息，建立特征扫描框，其中，所述先验信息包括目标湖泊或种植区域的在实际中的最大宽度。
进一步地，所述真边缘点确认模块,用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点，其中，所述特征扫描框为N×N个像素大小，框边宽度为1像素的框体。
进一步地，所述边缘点组合与判断模块,用于舍弃伪边缘点，将纵向和横向扫描得到的真边缘点取并集，并结合第二判定条件判断是否得到了目标湖泊或种植区域的实际轮廓点集。
进一步地，处理装置用于卫星遥感图像中典型区域的提取系统，包括处理器、存储装置，所述处理器，适于执行各条程序；所述存储装置，适于存储多条程序，其中，所述程序适于由处理器加载并执行以实现上述的卫星遥感图像中典型区域的提取方法。
相比于现有技术，本发明的有益效果在于：
(1)本发明通过基于设定图像处理区域和设置扫描框对初步提取出的边缘点集进行处理，并利用判断条件获得了目标湖泊或种植区域的边缘轮廓，解决了传统的农业工程中利用专业图像处理软件手工大规模处理类似卫星遥感图像时耗时长，效率低的问题；
(2)本发明通过边缘点集的两两像素点的最大距离和相邻两个像素的距离最大值，自动判断连通域的闭合程度，并与湖泊或种植区域的设定值进行模糊比较，提高了指定区域的检出概率，降低了出错率，能够较好地适应计算机大规模快速处理遥感图像检出任务；
(3)本发明通过容忍门限和边缘检测门限等参数设定，较好地适应了不同卫星、不同遥感设备、不同季节、不同湖泊或种植区域的轮廓自动检出任务。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明提出的卫星遥感图像中典型区域的提取方法的步骤流程图；
图2为本发明提出的卫星遥感图像中典型区域提取方法的逻辑图；
图3为本发明提出的卫星遥感图像中典型区域的提取方法中灰度图片作为当前帧的示意图；
图4为本发明提出的卫星遥感图像中典型区域的提取方法中的特征扫描示意图；
图5为本发明提出的卫星遥感图像中典型区域提取方法中的湖泊边缘轮廓图；
图6为本发明提出的卫星遥感图像中典型区域提取系统的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
根据本发明的具体实施例，提供了一种卫星遥感图像中典型区域的提取方法。
实施例一
参照图1-2，一种卫星遥感图像中典型区域的提取方法，包括以下步骤：
步骤S101，通过卫星遥感装置获取带有湖泊或种植区域的待检测图像，并将所述待检测图像按照拍摄时间排序转换为待检测帧序列；
参照图3，步骤S103,从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S105,获取卫星对应的轨道高度信息和遥感装置对应的测量信息，基于所述信息在当前帧中划定图像处理区域并得到区域图像中单个像素对应的地面长度l；
具体的，用于步骤S105中，基于所述图像处理区域，通过预设的Prewitt差分法获取目标湖泊或种植区域的初始边缘点集。
更具体的，所述第一方法为Prewitt差分法；
Prewitt差分法通过像素点附近八个像素点的灰度进行差分，用公式表示为：
Figure BDA0003417788850000081
若
Figure BDA0003417788850000082
且|f(x，y)-A|≤a，则(x，y)为边缘点，其中f(x，y)为坐标(x，y)处的灰度，
Figure BDA0003417788850000083
表示灰度的梯度。
步骤S107,基于季节、光照和目标的色差等条件，设定待检测的湖泊或种植区域的典型灰度阈值A以及容忍门限a、边缘检测门限T，所述典型灰度阈值和容忍门限的数值设定可参照经验值；
步骤S109，基于所述图像处理区域，建立特征扫描框，所述特征扫描框为N×N个像素大小，宽度为1像素的框体；
具体的，所述特征扫描框大小的确定方法用公式表示为：
Figure BDA0003417788850000091
其中，L为目标湖泊或种植区域在实际中的最大宽度估计值，其单位与单个像素对应的地面长度l一致，k为经验系数，一般取1.1～1.5之间。
步骤S111,设定所述特征扫描框的首点为所述图像处理区域的左上角的第一个像素点，在扫描框内部对所有灰度像素集合分别进行逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点。
具体的，所述第一判定条件为：待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含；
参照图4，其中，所述第一判定条件的判定过程为：
步骤一，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤二，否则进入步骤三；
步骤二，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤三，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一行或下一列的扫描。
步骤S113,将纵向和横向扫描得到的所述真边缘点取并集，得到边缘点集合M，计算M中的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax；
具体的，所述最大距离计算公式为：
Figure BDA0003417788850000101
所述相邻两个像素的距离的最大值的计算公式为：
Figure BDA0003417788850000102
其中，max表示取所有值的最大值；
步骤S115,根据当前所述扫描框得到的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax，基于第二判定方法判断是否得到了湖泊或种植区域的轮廓；
具体的，所述第二判定方法为：如果dmax满足条件：
Figure BDA0003417788850000103
p1、p2为设定参数
且dimax满足条件：
dimax≤dlim，dlim为预设参数
则判定当前特征扫描框的边缘点集合M为湖泊或种植区域的边缘点集；若得到了湖泊或种植区域的边缘点集，则计算终止，否则进行下一步骤。
参照图5，步骤S117,将所述特征扫描框的首点设置为当前点的下一点，选取的方法为原特征扫描框首点的右侧一点或者下侧一点为下一点，然后重复步骤S111，直至所述图像处理区域的每一点都被该特征框至少扫描一次或者找到湖泊或种植区域的边缘点集后停止计算。
实施例二
在实施例一的基础上，包括步骤S101-步骤S117：
步骤S101，通过卫星遥感装置获取带有湖泊或种植区域的待检测图像，并将所述待检测图像按照拍摄时间排序转换为待检测帧序列，待检测帧可以是PNG格式、JPG格式等常见图像格式；
步骤S103，从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S105，基于卫星对应的轨道高度信息和遥感装置对应的测量信息，在当前灰度帧中划定图像处理区域为整个图像，得到区域图像中单个像素对应的地面长度为30m；
步骤S107，基于季节、光照和目标的色差等条件，设定待检测的湖泊的灰度阈值为160(灰度图0-255)以及容忍门限10、根据经验，边缘检测门限取灰度阈值的10％，即16。
基于所述图像处理区域，通过预设的第一方法获取目标湖泊或种植区域的初始边缘点集。
步骤S109，基于所述图像处理区域，建立特征扫描框，确定特征扫描框大小为：
Figure BDA0003417788850000111
其中，L为目标湖泊或种植区域在实际中的最大宽度，约48000m，k取1.1；所述特征扫描框为1760×1760个像素大小，宽度为1像素的框体；
步骤S111,设定所述特征扫描框的首点为所述图像处理区域的左上角的第一个像素点，在扫描框内部对所有灰度像素集合分别进行逐行和逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
第一方法采用Prewitt差分法，Prewitt差分法通过像素点附近八个像素点的灰度进行差分，用公式表示为：
Figure BDA0003417788850000121
若
Figure BDA0003417788850000122
且|f(x，y)-A|≤a，则(x，y)为边缘点，其中f(x，y)为坐标(x，y)处的灰度，
Figure BDA0003417788850000123
表示灰度的梯度，根据上述描述，T取16，A取160，a取10。
第一判定条件为：待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含；第一判定条件的判定过程为：
步骤一，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤二，否则进入步骤三；
步骤二，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤三，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一行或下一列的扫描，扫描示意图见图2-3。
步骤S113,将纵向和横向扫描得到的所述真边缘点取并集，得到边缘点集合M，计算M中的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax；
进一步地，所述最大距离计算公式为：
Figure BDA0003417788850000131
所述相邻两个像素的距离的最大值的计算公式为：
Figure BDA0003417788850000132
其中，max表示取所有值的最大值；
步骤S115,根据当前所述扫描框得到的两两像素点的最大距离
dmax和相邻两个像素的距离的最大值dimax，基于第二判定方法判断是否得到了湖泊或种植区域的轮廓；
所述第二判定方法为：如果dmax满足条件：
Figure BDA0003417788850000133
p1取0.8，p2取1.2
且dimax满足条件：
dimax≤dlim，dlim取5.0
则判定当前特征扫描框的边缘点集合M为湖泊或种植区域的边缘点集；若得到了湖泊或种植区域的边缘点集，则计算终止，否则进行步骤S117；
步骤S117,将所述特征扫描框的首点设置为当前点的下一点，选取的方法为原特征扫描框首点的右侧一点或者下侧一点为下一点，然后重复步骤S111，直至所述图像处理区域的每一点都被该特征框至少扫描一次或者找到湖泊或种植区域的边缘点集后停止计算。
根据本发明的具体实施例，还提供了一种卫星遥感图像中典型区域的提取系统。
参照图6，一种卫星遥感图像中典型区域的提取系统，包括：用于执行和存储提取程序的处理装置、遥感图像转换模块、图像帧提取模块、区域划定模块、初步提取模块、扫描框构建模块、真边缘点确认模块和边缘点组合模块，所述遥感图像转换模块，用于通过遥感图像采集装置获取附加卫星轨道信息和遥感装置测量信息的遥测图像，并将所述待检测图像转换为PNG或JPG格式的待检测帧序列；所述图像帧提取模块，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
在一个实施例中，所述区域划定模块,用于通过卫星轨道信息和遥感装置对应的测量信息，在当前帧中划定图像处理区域；
在一个实施例中，所述初步提取模块,用于基于所述图像处理区域，通过预设的第一方法获取目标湖泊或种植区域的初始边缘点集。
在一个实施例中，所述扫描框构建模块，用于基于所述图像处理区域和先验信息，建立特征扫描框，其中，所述先验信息包括目标湖泊或种植区域的在实际中的最大宽度；
在一个实施例中，所述真边缘点确认模块,用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点，其中，所述特征扫描框为N×N个像素大小，框边宽度为1像素的框体。
在一个实施例中，所述边缘点组合与判断模块,用于舍弃伪边缘点，将纵向和横向扫描得到的真边缘点取并集，并结合第二判定条件判断是否得到了目标湖泊或种植区域的实际轮廓点集。
根据本发明的具体实施例，另外提供了一种处理装置。
一种处理装置，用于卫星遥感图像中典型区域的提取系统的处理装置，包括处理器、存储装置，所述处理器，适于执行各条程序；所述存储装置，适于存储多条程序，其中，所述程序适于由处理器加载并执行以实现上述的卫星遥感图像中典型区域的提取方法。
具体的，所述处理器为酷睿I5系列中任一适用的处理器，所述存储装置为与可与所述处理器相匹配的任一存储空间不小于8GB的存储设备。
在本实施例中，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换。

Claims (10)

1.一种卫星遥感图像中典型区域的提取方法，其特征在于，包括以下步骤：
步骤S101，通过卫星遥感装置获取带有湖泊或种植区域的待检测图像，并将所述待检测图像按照拍摄时间排序转换为待检测帧序列；
步骤S103,从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S105,获取卫星对应的轨道高度信息和遥感装置对应的测量信息，基于所述信息在当前帧中划定图像处理区域并得到区域图像中单个像素对应的地面长度l；
步骤S107,基于季节、光照和目标的色差等条件，设定待检测的湖泊或种植区域的典型灰度阈值A以及容忍门限a、边缘检测门限T，所述典型灰度阈值和容忍门限的数值设定可参照经验值；
步骤S109，基于所述图像处理区域，建立特征扫描框，所述特征扫描框为N×N个像素大小，宽度为1像素的框体；
步骤S111,设定所述特征扫描框的首点为所述图像处理区域的左上角的第一个像素点，在扫描框内部对所有灰度像素集合分别进行逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
步骤S113,将纵向和横向扫描得到的所述真边缘点取并集，得到边缘点集合M，计算M中的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax；
步骤S115,根据当前所述扫描框得到的两两像素点的最大距离dmax和相邻两个像素的距离的最大值dimax，基于第二判定方法判断是否得到了湖泊或种植区域的轮廓；
步骤S117,将所述特征扫描框的首点设置为当前点的下一点，选取的方法为原特征扫描框首点的右侧一点或者下侧一点为下一点，然后重复步骤S111，直至所述图像处理区域的每一点都被该特征框至少扫描一次或者找到湖泊或种植区域的边缘点集后停止计算。
2.根据权利要求1所述的卫星遥感图像中典型区域的提取方法，其特征在于，用于步骤S105中，基于所述图像处理区域，通过预设的Prewitt差分法获取目标湖泊或种植区域的初始边缘点集。
3.根据权利要求2所述的卫星遥感图像中典型区域的提取方法，其特征在于，用于步骤S109中，所述特征扫描框大小的确定方法用公式表示为：
Figure FDA0003417788840000021
其中，L为目标湖泊或种植区域在实际中的最大宽度估计值，其单位与单个像素对应的地面长度l一致，k为经验系数，一般取1.1～1.5之间。
4.根据权利要求3所述的卫星遥感图像中典型区域的提取方法，其特征在于，用于步骤S111中，所述第一判定条件为：
待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含；
所述第一判定条件的判定过程为：
步骤一，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤二，否则进入步骤三；
步骤二，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤三，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一行或下一列的扫描。
5.根据权利要求4所述的卫星遥感图像中典型区域的提取方法，其特征在于，用于步骤S115中，所述第二判定方法为：如果dmax满足条件：
Figure FDA0003417788840000031
p1、p2为设定参数，且dimax满足条件：
dimax≤dlim，dlim为预设参数。
则判定当前特征扫描框的边缘点集合M为湖泊或种植区域的边缘点集；若得到了湖泊或种植区域的边缘点集，则计算终止，否则进行步骤S117。
6.一种卫星遥感图像中典型区域的提取系统，用于权利要求1-5任一所述的卫星遥感图像中典型区域的提取方法的系统，其特征在于，包括：用于执行和存储提取程序的处理装置、遥感图像转换模块、图像帧提取模块、区域划定模块、初步提取模块、扫描框构建模块、真边缘点确认模块和边缘点组合模块，所述遥感图像转换模块，用于通过遥感图像采集装置获取附加卫星轨道信息和遥感装置测量信息的遥测图像，并将所述待检测图像转换为PNG或JPG格式的待检测帧序列；所述图像帧提取模块，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧。
7.根据权利要求6所述的卫星遥感图像中典型区域的提取系统，其特征在于，所述区域划定模块,用于通过卫星轨道信息和遥感装置对应的测量信息，在当前帧中划定图像处理区域。
8.根据权利要求6所述的卫星遥感图像中典型区域的提取系统，其特征在于，所述初步提取模块,用于基于所述图像处理区域，通过预设的第一方法获取目标湖泊或种植区域的初始边缘点集。
9.根据权利要求6所述的卫星遥感图像中典型区域的提取的系统，其特征在于，所述扫描框构建模块，用于基于所述图像处理区域和先验信息，建立特征扫描框，其中，所述先验信息包括目标湖泊或种植区域的在实际中的最大宽度。
10.根据权利要求6所述的卫星遥感图像中典型区域的提取系统，其特征在于，所述真边缘点确认模块,用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行/逐列扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点，其中，所述特征扫描框为N×N个像素大小，框边宽度为1像素的框体；
所述边缘点组合与判断模块,用于舍弃伪边缘点，将纵向和横向扫描得到的真边缘点取并集，并结合第二判定条件判断是否得到了目标湖泊或种植区域的实际轮廓点集。
CN202111551609.4A 2021-12-17 2021-12-17 一种卫星遥感图像中典型区域的提取方法及系统 Active CN114037832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111551609.4A CN114037832B (zh) 2021-12-17 2021-12-17 一种卫星遥感图像中典型区域的提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111551609.4A CN114037832B (zh) 2021-12-17 2021-12-17 一种卫星遥感图像中典型区域的提取方法及系统

Publications (2)

Publication Number Publication Date
CN114037832A true CN114037832A (zh) 2022-02-11
CN114037832B CN114037832B (zh) 2023-05-12

Family

ID=80140823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111551609.4A Active CN114037832B (zh) 2021-12-17 2021-12-17 一种卫星遥感图像中典型区域的提取方法及系统

Country Status (1)

Country Link
CN (1) CN114037832B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526924A (zh) * 2022-11-29 2022-12-27 湖南长理尚洋科技有限公司 一种蒙特卡洛模拟的水文环境建模方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764132A (zh) * 2018-05-28 2018-11-06 河海大学 一种湖泊湿地遥感图像误差检测方法
US20190392585A1 (en) * 2018-06-26 2019-12-26 Beijing Smarter Eye Technology Co. Ltd. Image edge extraction method and device, and automated driving system
CN111860171A (zh) * 2020-06-19 2020-10-30 中国科学院空天信息创新研究院 一种大规模遥感图像中不规则形状目标的检测方法及系统
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device
CN113763396A (zh) * 2021-09-02 2021-12-07 中国农业科学院农业信息研究所 一种基于深度学习的遥感图像地块提取方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764132A (zh) * 2018-05-28 2018-11-06 河海大学 一种湖泊湿地遥感图像误差检测方法
US20190392585A1 (en) * 2018-06-26 2019-12-26 Beijing Smarter Eye Technology Co. Ltd. Image edge extraction method and device, and automated driving system
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device
CN111860171A (zh) * 2020-06-19 2020-10-30 中国科学院空天信息创新研究院 一种大规模遥感图像中不规则形状目标的检测方法及系统
CN113763396A (zh) * 2021-09-02 2021-12-07 中国农业科学院农业信息研究所 一种基于深度学习的遥感图像地块提取方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115526924A (zh) * 2022-11-29 2022-12-27 湖南长理尚洋科技有限公司 一种蒙特卡洛模拟的水文环境建模方法及系统

Also Published As

Publication number Publication date
CN114037832B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN109785291B (zh) 一种车道线自适应检测方法
CN109272489B (zh) 基于背景抑制与多尺度局部熵的红外弱小目标检测方法
CN106468543B (zh) 一种基于图像处理的叶片面积测量方法
CN110084241B (zh) 一种基于图像识别的电表自动读数方法
CN107784669A (zh) 一种光斑提取及其质心确定的方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
CN106169080A (zh) 一种基于图像的燃气指数自动识别方法
CN111062331B (zh) 图像的马赛克检测方法、装置、电子设备及存储介质
CN113077486A (zh) 一种山区植被覆盖率监测方法及系统
CN112861654B (zh) 一种基于机器视觉的名优茶采摘点位置信息获取方法
CN111652844B (zh) 一种基于数字图像区域增长的x射线缺陷检测方法及系统
CN114037832B (zh) 一种卫星遥感图像中典型区域的提取方法及系统
CN113484867A (zh) 一种基于成像声呐封闭空间下鱼群密度探测方法
JPWO2019198611A1 (ja) 特徴推定装置および特徴推定方法
CN110751690B (zh) 铣床刀头视觉定位方法
CN116485885A (zh) 基于深度学习去除视觉slam前端动态特征点的方法
CN115035227A (zh) 一种点云数据的处理方法、装置及电子设备
CN115995078A (zh) 一种浮游生物原位观测的图像预处理方法及系统
CN116343100B (zh) 一种基于自监督学习的目标识别方法及系统
CN104915924A (zh) 一种自动实现三维超声图像定标的方法
CN108520499B (zh) 一种基于白带显微成像的图像偏移矫正方法
CN107945196B (zh) 一种用于航拍校正图像拼接的图像边沿检测方法
CN113643290B (zh) 一种基于图像处理的吸管计数方法、装置及存储介质
CN112766338B (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
CN112330660B (zh) 一种基于神经网络的精子尾部检测方法及其系统

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