CN115661173B - 一种基于遥感图像的地块分割方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种基于遥感图像的地块分割方法。方法包括：对目标遥感图像进行分割，得到各超像素块；根据各超像素块对应的骨架，得到各超像素块对应的条状显著特征值；根据条状显著特征值，得到各条纹超像素块；根据相邻超像素块对应的灰度共生矩阵和粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值；根据相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值；根据各条纹超像素块对应的条纹显著特征值、对应的各相邻超像素块的区域粒度特征值以及纹理方向特征值，得到待分割地块对应的各地块区域。本发明能够准确的对待分割地块进行分割。

Description

一种基于遥感图像的地块分割方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于遥感图像的地块分割方法。

背景技术

伴随着我国城市化进程的不断推进，土地资源短缺问题正日益成为我国经济社会可持续发展的制约瓶颈，因此当前需要更加合理高效的规划和利用土地，避免土地资源浪费，而合理高效的规划和利用土地的关键是对地块进行分割，即将相同属性或者相同特征的地块分割在一起，以便于后续对地块进行合理规划和利用。

现有技术中一般利用遥感技术采集地块图像，但是由于利用遥感技术采集的地块图像具有丰富的纹理和细节信息，而利用传统的图像分割方法对基于遥感技术采集的图像进行分割时，往往会出现过分割的现象，即将相同种类的地块分割成多个区域，因此利用传统的图像分割方法对基于遥感技术采集的地块图像进行分割时的准确性较低。

发明内容

本发明提供一种基于遥感图像的地块分割方法，用于解决现有方法对基于遥感技术采集的地块图像进行分割时准确性较低的问题，所采用的技术方案具体如下：

本发明实施例提供了一种基于遥感图像的地块分割方法，包括以下步骤：

获取待分割地块的目标遥感图像；

对所述目标遥感图像进行超像素分割，得到所述目标遥感图像对应的各超像素块；

根据各超像素块，得到各超像素块对应的骨架；根据所述骨架，得到各超像素块对应的条状显著特征值；根据所述条状显著特征值，得到各条纹超像素块；

根据各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值，得到所述相邻超像素块中各像素点对应的粒度差值；

根据所述相邻超像素块对应的灰度共生矩阵和所述粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值；

根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值；

根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到待分割地块对应的各地块区域。

优选的，根据所述骨架，得到各超像素块对应的条状显著特征值的方法，包括：

对于任一超像素块对应的骨架上的任一像素点：

将所述骨架上除该像素点之外的其他像素点，记为第一像素点；

计算各第一像素点与该像素点的距离，记为各第一像素点对应的第一距离；按照所述第一距离从小到大的顺序对各第一像素点进行排列，得到第一像素点序列；并将第一像素点序列中前预设数量的像素点记为该像素点对应的各拟合像素点；

对该像素点对应的各拟合像素点进行线性拟合，得到该像素点对应的拟合直线，并得到该像素点对应的拟合直线的拟合优度；

判断所述拟合优度是否大于预设拟合优度阈值，若是，则将对应的像素点记为特征像素点；

对于该超像素块对应的骨架上的任一特征像素点：

将该特征像素点与该特征像素点对应的拟合直线的方向垂直的直线，记为该特征像素点对应的第一直线；

统计该特征像素点对应的第一直线上为该超像素块对应的骨架上的像素点的数量，记为该特征像素点对应的宽度；

根据该超像素块对应的骨架上的各特征像素点的宽度、该超像素块对应的骨架上的特征像素点数量、该超像素块对应的骨架上的像素点数量以及该超像素块对应的骨架上的各特征像素点的宽度的均值，得到该超像素块对应的条状显著特征值。

优选的，根据如下公式计算该超像素块对应的条状显著特征值：

其中，tds为该超像素块对应的条状显著特征值，

为该超像素块对应的骨架上的特征像素点数量，

为该超像素块对应的骨架上的第i个特征像素点的宽度，

为该超像素块对应的骨架上的各特征像素点的宽度的均值，

为该超像素块对应的骨架上的像素点数量，

为第三调节参数。

优选的，根据所述条状显著特征值，得到各条纹超像素块的方法，包括：

若归一化后的各超像素块对应的条状显著特征值大于等于预设显著度阈值，则将对应的超像素块记为条纹超像素块。

优选的，根据各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值，得到所述相邻超像素块中各像素点对应的粒度差值的方法，包括：

对于任一条纹超像素块对应的任一相邻超像素块中的任一像素点：

将该像素点对应的窗口中的各邻域像素点与对应中心像素点之间的灰度差值的绝对值中的最大值，记为该像素点对应的粒度差值。

优选的，对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的区域粒度特征值：

其中，rgc为该相邻超像素块的区域粒度特征值，con为该相邻超像素块的灰度共生矩阵的对比度，cor为该相邻超像素块的灰度共生矩阵的自相关值，

为该相邻超像素块中的像素点数量，

为该相邻超像素块中的第j个像素点对应的粒度差值。

优选的，根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值的方法，包括：

对各条纹超像素块对应的各相邻超像素块的各边缘线进行角点检测，统计得到各条纹超像素块对应的各相邻超像素块对应的角点数量；

统计所述相邻超像素块内的边缘线数量，并对每条边缘线进行线性拟合，得到所述相邻超像素块内的各边缘线对应的拟合直线的倾斜角；

计算得到所述相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值；

根据各条纹超像素块对应的各相邻超像素块对应的角点数量、对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值以及对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值。

优选的，对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的纹理方向特征值：

其中，tde为该相邻超像素块的纹理方向特征值，

为该相邻超像素块对应的角点数量，

为该相邻超像素块内的边缘线的数量，

为第一调节参数，

为第二调节参数，

为该相邻超像素块内的第c条边缘线对应的拟合直线的倾斜角，

为该相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值。

优选的，根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到待分割地块对应的各地块区域的方法，包括：

根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度；

判断各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度是否大于预设第一融合度阈值，若是，则将对应的两个相邻超像素块记为该条纹超像素块对应的合并超像素块；

将各条纹超像素块对应的各合并超像素块与该条纹超像素块进行合并，并将合并之后的区域记为特征区域；将除各特征区域之外的其他各超像素块分别记为特征区域；

计算得到各特征区域的区域粒度特征值和纹理方向特征值；

对于任意两个相邻的特征区域，分别记为第一特征区域和第二特征区域，根据如下公式计算第一特征区域和第二特征区域之间的区域融合度：

其中，

为第一特征区域和第二特征区域之间的区域融合度，min{ }为取最小值函数，max{ }为取最大值函数，

为第一特征区域的区域粒度特征值，

为第二特征区域的区域粒度特征值，

为第一特征区域的纹理方向特征值，

为第二特征区域的纹理方向特征值；

判断任意两个相邻的特征区域之间的区域融合度是否大于预设第二融合度阈值，若是，则将对应的两个相邻的特征区域进行合并处理，将合并处理之后目标遥感图像对应的各区域记为地块区域。

优选的，对于任一条纹超像素块对应的任意两个相邻超像素块，根据如下公式计算该条纹超像素块对应的任意两个相邻超像素块之间的区域融合度：

其中，

为该条纹超像素块对应的第f个相邻超像素块与第g个相邻超像素块之间的区域融合度，tds0为该条纹超像素块归一化后的条状显著特征值，

为该条纹超像素块对应的第f个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第g个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第f个相邻超像素块的纹理方向特征值，

为该条纹超像素块对应的第g个相邻超像素块的纹理方向特征值，

为调节系数。

有益效果：本发明首先获取待分割地块的目标遥感图像，然后对目标遥感图像进行超像素分割，得到目标遥感图像对应的各超像素块，紧接着对各超像素块进行分析，得到各超像素块对应的条状显著特征值，所述条状显著特征值是后续获取条纹超像素块的依据，而条纹超像素块是将相同种类的地块分割到一起的依据；因此本发明依据条状显著特征值，得到各条纹超像素块；然后对各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值进行分析，得到所述相邻超像素块中各像素点对应的粒度差值，并根据相邻超像素块对应的灰度共生矩阵和所述粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值，所述区域粒度特征值是实现准确分割的依据；紧接着根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值，所述纹理方向特征值同样也是实现准确分割的依据。因此本发明最后依据各条纹超像素块对应的各相邻超像素块的区域粒度特征值和纹理方向特征值以及各条纹超像素块对应的条纹显著特征值，得到待分割地块对应的各地块区域，实现对待分割地块的准确分割。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，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附图。

图1为本发明一种基于遥感图像的地块分割方法的流程图。

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、完整的描述，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，基于本发明实施例，本领域普通技术人员所获得的所有其它实施例，都属于本发明实施例保护的范围。

除非另有定义，本文所使用的所有的技术和科学技术术语与属于本发明的技术人员通常理解的含义相同。

本实施例提供了一种基于遥感图像的地块分割方法，详细说明如下：

如图1所示，该基于遥感图像的地块分割方法，包括以下步骤：

步骤S001，获取待分割地块的目标遥感图像。

本实施例主要对地表没有被植被等覆盖的地块进行分析，由于传统的图像分割方法对基于遥感技术采集的图像进行分割时，往往会出现过分割的现象，即将相同种类的地块分割成多个区域，所以利用传统的图像分割方法对基于遥感技术采集的地块图像进行分割时的准确性较低，并且相同种类的地块分割成多个区域时不利于后续对土地合理高效的规划和利用，也不利于对土地进行管理，并且还可能会造成土地资源浪费；因此本实施例提出了一种基于遥感图像的地块分割方法，该方法能够较为准确的对基于遥感技术采集的地块图像进行分割。

由于无人机受天气、起飞环境、作业区域的限制较少，且使用无人机获取遥感图像成像时间灵活、图像空间分辨率随飞行高度可灵活调节，最高可达厘米级，所以本实施例使用无人机搭载遥感设备来获取待分割地块的遥感图像，所述遥感图像为RGB图像。由于环境因素的干扰，所获取的遥感图像中含有噪声，会降低遥感图像的质量，影响后续的分析，所以需要对遥感图像进行去噪处理，本实施例采用双边滤波去噪技术消除噪声影响，所述双边滤波去噪为公知技术，具体过程在此不做详细赘述；将去噪后的遥感图像记为目标遥感图像；由于本实施例主要是对地表没有被植被等覆盖的地块进行分析，而又因为地表没有被植被等覆盖的地块会更加容易受到风、雨等的影响产生较大的形变，即会出现裂纹等，因此采集得到的待分割地块的目标遥感图像会存在较多的纹理细节信息，容易出现过分割这种现象，所述过分割是指相同种类的地块被分割成了多个区域；并且通常情况下相同种类的地块的土壤粒度和地块表面的纹理方向相似。

步骤S002，对所述目标遥感图像进行超像素分割，得到所述目标遥感图像对应的各超像素块；根据各超像素块，得到各超像素块对应的骨架；根据所述骨架，得到各超像素块对应的条状显著特征值；根据所述条状显著特征值，得到各条纹超像素块。

对于相同种类的地块，当该地块上的某一区域的表面纹理和裂纹细节较多时，这个表面纹理和裂纹细节较多的区域就可能会被单独的划分开，即基于传统的图像分割方法进行分割时纹理细节较多的区域不能与其四周地块种类相同的区域划分到一起，因此表面纹理和裂纹细节较多的区域会导致相同种类的地块被划分成了多个区域，进而可以推导出出现过分割这种现象的原因是纹理细节信息较多，进而也可以得到表面纹理和裂纹细节较多的区域会影响地块的分割精度；而地块表面的纹理是由于地块受到风、雨等因素产生的裂纹、水纹、风纹等构成的，而裂纹、水纹、风纹等形成的区域符合条状特征，所述条状特征是指裂纹、水纹、风纹等形成的区域的长和宽相差较大，并且裂纹、水纹、风纹等形成的区域上不同位置的宽度相差较小，因此影响分割精度的区域条状特征比较显著；为了更便于进行后续的分析本实施例对待分割地块的目标遥感图像进行超像素分割，得到目标遥感图像对应的各超像素块；具体应用中可以根据实际情况设置分割得到的超像素块数量，但是要求设置的超像素块数量大于待分割地块上的地块种类的类别数量，本实施例设置超像素块数量为128。由于设置的超像素块数量大于待分割地块上的地块种类的类别数量，因此在进行超像素分割的过程中将相同种类的地块划分成了多个超像素块，存在过分割现象，后续需要对超像素块进行合并才能实现对待分割地块的准确分割，而又因为影响分割精度的区域条状特征比较显著，因此接下来本实施例需要对各超像素块进行分析，得到条状特征比较显著的超像素块，并且裂纹、水纹、风纹等的走向出现改变、分叉时，对应超像素块的条状特征越显著；得到条状特征显著的超像素块的具体过程为：

对于任一超像素块：

首先获取该超像素块对应的二值图像；所述二值图像上的像素点与目标遥感图像上的像素点一一对应；该超像素块对应的二值图像上该超像素块内的像素点的灰度值为1，除该超像素块内的其他像素点的灰度值为0；然后对该超像素块对应的二值图像使用Thinning Algorithm（细化）算法，得到该超像素块对应的骨架，所述利用ThinningAlgorithm算法获取骨架为公知技术，因此不再详细描述；后续将基于超像素块对应的骨架来分析超像素块的条状显著特征；对于该超像素块对应的骨架上的任一像素点：

将骨架上除该像素点之外的其他像素点，记为第一像素点；计算各第一像素点与该像素点的距离，记为各第一像素点对应的第一距离；所述距离用两点之间的距离公式进行计算，其计算过程为公知技术，因此不再进行详细描述；然后按照第一距离从小到大的顺序对各第一像素点进行排列，得到第一像素点序列；将第一像素点序列中前预设数量的像素点记为该像素点对应的各拟合像素点；具体应用中可以根据实际情况设置预设数量的值，本实施例设置预设数量的值为100；然后对该像素点对应的各拟合像素点进行线性拟合，将拟合得到的直线记为该像素点对应的拟合直线，并得到该像素点对应的拟合直线的拟合优度，所述拟合优度为回归直线对观测值的拟合程度；由于后续将以拟合直线为依据分析超像素块的条状显著特征，如果后续使用拟合优度较小的拟合直线，将会降低后续获取的超像素块的条状显著特征的可靠程度，因此接下来本实施例需要对骨架上的像素点进行筛选，具体为：判断该像素点对应的拟合直线的拟合优度是否大于预设拟合优度阈值，若是，则将对应的像素点记为特征像素点，具体应用中可以根据实际情况设置预设拟合优度阈值，本实施例设置预设拟合优度阈值为0.7；对于该超像素块对应的骨架上的任一特征像素点：

将该特征像素点对应的拟合直线的方向记为该特征像素点的骨架方向；然后获取过该特征像素点与所述骨架方向垂直的直线，记为该特征像素点对应的第一直线；然后统计该特征像素点对应的第一直线上为该超像素块对应的骨架上的像素点的数量，并记为该特征像素点对应的宽度；所述该特征像素点对应的宽度可以反映裂纹区域上该特征像素点处的宽度。

至此，得到了该超像素块对应的骨架上的各特征像素点的宽度；由于条状特征是指裂纹、水纹、风纹等形成的区域的长和宽相差较大，并且裂纹、水纹、风纹等形成的区域上不同位置的宽度相差较小；又由于超像素块对应的骨架上像素点的数量可以反映该超像素块中的裂纹、水纹、风纹等形成的区域的长度，该超像素块对应的骨架上的各特征像素点的宽度的均值可以反映该超像素块中的裂纹、水纹、风纹等形成的区域的宽度；而该超像素块对应的骨架上的各特征像素点的宽度与该超像素块对应的骨架上的各特征像素点的宽度的均值的差异，又能反映该超像素块中的裂纹、水纹、风纹等形成的区域宽度的均一性，因此接下来本实施例根据该超像素块对应的骨架上的各特征像素点的宽度、该超像素块对应的骨架上的特征像素点数量、该超像素块对应的骨架上的像素点数量以及该超像素块对应的骨架上的各特征像素点的宽度的均值，得到该超像素块对应的条状显著特征值；根据如下公式计算该超像素块对应的条状显著特征值：

其中，tds为该超像素块对应的条状显著特征值，

为该超像素块对应的骨架上的特征像素点数量，

为该超像素块对应的骨架上的第i个特征像素点的宽度，

为该超像素块对应的骨架上的各特征像素点的宽度的均值，

为该超像素块对应的骨架上的像素点数量，

为第三调节参数；具体应用中可以根据实际情况设置的

值，本实施例设置

为1，并且设置

的目的是为了使得分母不为0；tds的值越大，表明该超像素块对应的条状特征越显著；

可以表征不同位置处的宽度的均匀程度，

的值越小，表明该超像素块内骨架上每个特征像素点对应的宽度越均匀；

可以表征该超像素块中的裂纹、水纹、风纹等形成的区域的长宽差异，

的值越大，表明对应的长和宽的差异越大；

的值越小，

的值越大，表明tds的值越大。

至此，可以得到各超像素块对应的条状显著特征值，若归一化后的各超像素块对应的条状显著特征值大于等于预设显著度阈值，则将对应的超像素块记为条纹超像素块；具体应用中可以根据实际情况设置预设显著度阈值，本实施例设置预设显著度阈值为0.8；并且所述条纹超像素块影响划分结果的超像素块，即也是导致过分割现象的超像素块。

步骤S003，根据各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值，得到所述相邻超像素块中各像素点对应的粒度差值；根据所述相邻超像素块对应的灰度共生矩阵和所述粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值。

本实施例中步骤S002得到了条纹超像素块，接下来需要分析条纹超像素块的相邻超像素块的特征，后续并基于相邻超像素块的特征得到条纹超像素块的任意两个相邻超像素块之间的区域融合度，后续将依据区域融合度得到待分割地块对应的各地块区域，即实现对待分割地块的准确分割。

首先对目标遥感图像进行灰度化处理，得到目标遥感图像对应的灰度图像；利用canny边缘检测算子对灰度图像进行边缘提取，得到目标遥感图像对应的边缘图像；所述边缘图像为二值图像；目标遥感图像上的各像素点、边缘图像上的像素点以及灰度图像上的各像素点均一一对应；因此对于任一像素块可以得到该像素块中各像素点的灰度值，该像素块中的边缘像素点以及该像素块中的各边缘线。

对于任一条纹超像素块中的任一边缘像素点：若该边缘像素点的八邻域像素点中存在边缘像素点不属于该条纹超像素块，则将该边缘像素点的八邻域像素点中不属于该条纹超像素块的边缘像素点所在的超像素块记为该条纹超像素块的相邻超像素块。

因此通过上述过程可以得到各条纹超像素块的各相邻超像素块；由于本实施例的主要目的是将相同种类的地块划分到一起，相同种类的地块上土壤粒度和纹理方向相似，因此地块上的土壤粒度和纹理方向对后续地块的准确划分至关重要，因此接下来将对各相邻超像素块的土壤粒度和纹理方向进行分析。

由于对于同种类的地块来说，地块表面的粒度的比例、分布等基本一致，因此本实施例接下来将分析条纹超像素块的相邻超像素块的粒度特征，由于土壤的粒度可以通过灰度差异来反映，通常情况下当图像中土壤的粒度较小时，则在相同大小的范围或者局部范围内，不同土壤颗粒的数量可能更多，则图像上呈现出的灰度差异会较大，而当图像中土壤的粒度较大时，则在相同大小的范围或者局部范围内，不同土壤颗粒的数量可能较少，则图像上呈现出的灰度差异会较小，因此像素点灰度差异可以反映土壤粒度；对于任一条纹超像素块对应的任一相邻超像素块中的任一像素点：以该像素点为中心建立3*3的窗口，记为该像素点对应的窗口，并将该像素点对应的窗口中除中心像素点以外的像素点记为邻域像素点；将该像素点对应的窗口中的各邻域像素点与对应中心像素点之间的灰度差值的绝对值中的最大值，记为该像素点对应的粒度差值；且所述粒度差值越大表明该像素点所在区域的土壤粒度可能越小，并且粒度差值是后续计算相邻超像素块对应的区域粒度特征值的依据，并且由于地块表面的土壤颗粒不完全相同，所以超像素块内每个像素点对应的粒度差值也会有所不同。

由于当超像素块对应的灰度共生矩阵的对比度越大时，表明超像素块内纹理沟纹越深，则超像素块内的灰度差异会比较大，即对应超像素块的土壤粒度比较小；而当超像素块对应的灰度共生矩阵的自相关值越大时，表明灰度共生矩阵内的各数值越均匀，则超像素块内的灰度差异比较小，对应超像素块的土壤粒度比较大；因此超像素块对应的灰度共生矩阵的对比度以及自相关值均能反映超像素块的土壤粒度；因此本实施例获取各条纹超像素块的相邻超像素块对应的灰度共生矩阵的自相关值和对比度；根据各条纹超像素块的相邻超像素块中的各像素点对应的粒度差值以及各条纹超像素块对应的各相邻超像素块的灰度共生矩阵的自相关值和对比度，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值；所述区域粒度特征值是判断各条纹超像素块的各相邻超像素块与对应条纹超像素块进行合并的依据；对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的区域粒度特征值：

其中，rgc为该相邻超像素块的区域粒度特征值，con为该相邻超像素块的灰度共生矩阵的对比度，cor为该相邻超像素块的灰度共生矩阵的自相关值，

为该相邻超像素块中的像素点数量，

为该相邻超像素块中的第j个像素点对应的粒度差值；

越大，con越大，cor越小，表明rgc越小；rgc越小，表明该相邻超像素块对应的地块的土壤粒度越小；反之，rgc越大，表明该相邻超像素块对应的地块的土壤粒度越大。

步骤S004，根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值。

由于对于同种类的地块来说，地块在环境中受到的雨水冲刷、风向等一致，形成的塑形纹理特征方向也应一致，因此本实施例接下来将分析条纹超像素块对应的相邻超像素块的纹理方向；首先本实施例对各条纹超像素块对应的各相邻超像素块的各边缘线进行角点检测，统计得到各条纹超像素块对应的各相邻超像素块对应的角点数量；所述角点数量可以反映相邻超像素块内边缘线的曲折程度，角点数量越多，表明相邻超像素块内的边缘线越曲折，表明相邻超像素块内的边缘的方向越不一致，即对应相邻超像素块对应的纹理方向越不一致；然后统计各条纹超像素块对应的各相邻超像素块内的边缘线数量，并对每条边缘线进行线性拟合，得到各条纹超像素块对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角；计算得到各条纹超像素块对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值；而相邻超像素块内的各边缘线对应的拟合直线的倾斜角与对应相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值的差异大小也能够表征对应相邻超像素块对应的纹理方向特征，差异越小表明对应相邻超像素块对应的纹理方向越一致；因此本实施例根据各条纹超像素块对应的各相邻超像素块对应的角点数量、对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值以及对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值；对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的纹理方向特征值：

其中，tde为该相邻超像素块的纹理方向特征值，

为该相邻超像素块对应的角点数量，

为该相邻超像素块内的边缘线的数量，

为第一调节参数，

为第二调节参数，

为该相邻超像素块内的第c条边缘线对应的拟合直线的倾斜角，

为该相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值；

和

是为了避免分子和分母为0，因为当分子或者分母为0时上述式子无法反映出该相邻超像素块内纹理方向特征的一致性，具体应用中可以根据实际情况对调节参数的进行设置，本实施例设置

和

均为1；tde越大，表明该相邻超像素块内的纹理方向越不一致，反之越一致；

越大、

越小，表明该相邻超像素块内的纹理方向越不一致；

为该相邻超像素块内的各边缘线对应的拟合直线的倾斜角与的差值之和的绝对值，

为

的均值。

步骤S005，根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到待分割地块对应的各地块区域。

由于条纹超像素块对应的是较为密集的纹理、裂纹等地块位置，其周围的相邻超像素块有更高的可能与其属于同种类的地块，因此当条纹超像素块对应的条纹显著特征值越大时，并且其对应的任意两个相邻超像素块之间的区域粒度特征值以及纹理方向特征值越相似时，表明这两个相邻超像素块越可能属于同种类的地块，与这两个相邻超像素块对应的条纹超像素块合并的概率越大；因此本实施例基于各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度；所述区域融合度判断各条纹超像素块对应的各相邻超像素块是否需要与对应条纹超像素块进行合并的依据；对于任一条纹超像素块对应的任意两个相邻超像素块，根据如下公式计算该条纹超像素块对应的任意两个相邻超像素块之间的区域融合度：

其中，

为该条纹超像素块对应的第f个相邻超像素块与第g个相邻超像素块之间的区域融合度，tds0为该条纹超像素块归一化后的条状显著特征值，min{ }为取最小值函数，max{ }为取最大值函数，

为该条纹超像素块对应的第f个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第g个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第f个相邻超像素块的纹理方向特征值，

为该条纹超像素块对应的第g个相邻超像素块的纹理方向特征值，

为调节系数。具体应用中可以根据实际情况确定调节系数的值，本实施例设置

的值为1。

越大，表明该条纹超像素块对应的第f个相邻超像素块与第g个相邻超像素块之间的区域融合度越大，表明第f个相邻超像素块与第g个相邻超像素块之间的相似程度越大，则第f个相邻超像素块与第g个相邻超像素块与该条纹超像素块属于同种类的地块的概率越大；tds0越大，

越大，

越大，则表明

越大。

紧接着判断各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度是否大于预设第一融合度阈值，若是，则将对应的两个相邻超像素块记为各条纹超像素块对应的合并超像素块，且各条纹超像素块对应的合并超像素块与对应条纹超像素块属于同种类的地块；因此将各条纹超像素块对应的各合并超像素块与该条纹超像素块进行合并，将合并之后的得到的区域记为特征区域，若该条纹超像素块对应的合并超像素块的数量为0，则将该条纹超像素块记为特征区域；具体应用中可以根据实际情况设置预设第一融合度阈值的值，本实施例设置预设第一融合度阈值为1.16。

因此通过上述过程得到了待分割地块的目标遥感图像上的各特征区域，但是目标遥感图像上还存在一些不属于特征区域的单独超像素块，将除各特征区域之外的其他各超像素块分别也记为特征区域；至此，得到了目标遥感图像对应的各特征区域；为了保证图像中属于同种类地块的超像素块间均被合并，本实施例需要对各特征区域进行再次分析判断，将属于同种类地块的超像素块进行融合，实现对待分割地块的准确分割；具体为：

分别计算得到各特征区域的区域粒度特征值和纹理方向特征值，所述各特征区域的区域粒度特征值和纹理方向特征值的计算方式与上述各条纹超像素块对应的各相邻超像素块的区域粒度特征值和纹理方向特征值的计算方式相同，因此不再详细描述。

对于任意两个相邻的特征区域，分别记为第一特征区域和第二特征区域：

根据第一特征区域对应的区域粒度特征值和纹理方向特征值，以及第二特征区域对应的区域粒度特征值和纹理方向特征值，计算得到第一特征区域和第二特征区域之间的区域融合度；所述区域粒度特征值和纹理方向特征值是衡量第一特征区域和第二特征区域是否相似的依据，当判断第一特征区域和第二特征区域相似的时候，表明第一特征区域和第二特征区域属于同种类地块；根据如下公式计算第一特征区域和第二特征区域之间的区域融合度：

其中，

为第一特征区域和第二特征区域之间的区域融合度，min{ }为取最小值函数，max{ }为取最大值函数，

为第一特征区域的区域粒度特征值，

为第二特征区域的区域粒度特征值，

为第一特征区域的纹理方向特征值，

为第二特征区域的纹理方向特征值。

越大，表明第一特征区域和第二特征区域之间越相似，即第一特征区域和第二特征区域属于同种地块的可能性越大；

越大，

越大，则

越大。

至此，得到了任意两个相邻的特征区域之间的区域融合度，然后判断任意两个相邻的特征区域之间的区域融合度是否大于预设第二融合度阈值，若是，则将对应的两个相邻的特征区域进行合并处理，将合并处理之后目标遥感图像对应的各区域记为地块区域，且相邻地块区域的地块种类不同，具体应用中可以根据实际情况设置预设第二融合度阈值的值，本实施例设置预设第二融合度阈值为0.81。至此完成对待分割地块的准确分割。

本实施例首先获取待分割地块的目标遥感图像，然后对目标遥感图像进行超像素分割，得到目标遥感图像对应的各超像素块，紧接着对各超像素块进行分析，得到各超像素块对应的条状显著特征值，所述条状显著特征值是后续获取条纹超像素块的依据，而条纹超像素块是将相同种类的地块分割到一起的依据；因此本实施例依据条状显著特征值，得到各条纹超像素块；然后对各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值进行分析，得到所述相邻超像素块中各像素点对应的粒度差值，并根据相邻超像素块对应的灰度共生矩阵和所述粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值，所述区域粒度特征值是实现准确分割的依据；紧接着根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值，所述纹理方向特征值同样也是实现准确分割的依据。因此本实施例最后依据各条纹超像素块对应的各相邻超像素块的区域粒度特征值和纹理方向特征值以及各条纹超像素块对应的条纹显著特征值，得到待分割地块对应的各地块区域，实现对待分割地块的准确分割。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于遥感图像的地块分割方法，其特征在于，该方法包括如下步骤：

获取待分割地块的目标遥感图像；

对所述目标遥感图像进行超像素分割，得到所述目标遥感图像对应的各超像素块；

根据各超像素块，得到各超像素块对应的骨架；根据所述骨架，得到各超像素块对应的条状显著特征值；根据所述条状显著特征值，得到各条纹超像素块；

根据各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值，得到所述相邻超像素块中各像素点对应的粒度差值；

根据所述相邻超像素块对应的灰度共生矩阵和所述粒度差值，得到各条纹超像素块对应的各相邻超像素块的区域粒度特征值；

根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值；

根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到待分割地块对应的各地块区域。

2.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，根据所述骨架，得到各超像素块对应的条状显著特征值的方法，包括：

对于任一超像素块对应的骨架上的任一像素点：

将所述骨架上除该像素点之外的其他像素点，记为第一像素点；

计算各第一像素点与该像素点的距离，记为各第一像素点对应的第一距离；按照所述第一距离从小到大的顺序对各第一像素点进行排列，得到第一像素点序列；并将第一像素点序列中前预设数量的像素点记为该像素点对应的各拟合像素点；

对该像素点对应的各拟合像素点进行线性拟合，得到该像素点对应的拟合直线，并得到该像素点对应的拟合直线的拟合优度；

判断所述拟合优度是否大于预设拟合优度阈值，若是，则将对应的像素点记为特征像素点；

对于该超像素块对应的骨架上的任一特征像素点：

将该特征像素点与该特征像素点对应的拟合直线的方向垂直的直线，记为该特征像素点对应的第一直线；

统计该特征像素点对应的第一直线上为该超像素块对应的骨架上的像素点的数量，记为该特征像素点对应的宽度；

根据该超像素块对应的骨架上的各特征像素点的宽度、该超像素块对应的骨架上的特征像素点数量、该超像素块对应的骨架上的像素点数量以及该超像素块对应的骨架上的各特征像素点的宽度的均值，得到该超像素块对应的条状显著特征值。

3.如权利要求2所述的一种基于遥感图像的地块分割方法，其特征在于，根据如下公式计算该超像素块对应的条状显著特征值：

其中，tds为该超像素块对应的条状显著特征值，

为该超像素块对应的骨架上的特征像素点数量，

为该超像素块对应的骨架上的第i个特征像素点的宽度，

为该超像素块对应的骨架上的各特征像素点的宽度的均值，

为该超像素块对应的骨架上的像素点数量，

为第三调节参数。

4.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，根据所述条状显著特征值，得到各条纹超像素块的方法，包括：

若归一化后的各超像素块对应的条状显著特征值大于等于预设显著度阈值，则将对应的超像素块记为条纹超像素块。

5.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，根据各条纹超像素块对应的各相邻超像素块中的各像素点的灰度值，得到所述相邻超像素块中各像素点对应的粒度差值的方法，包括：

对于任一条纹超像素块对应的任一相邻超像素块中的任一像素点：

将该像素点对应的窗口中的各邻域像素点与对应中心像素点之间的灰度差值的绝对值中的最大值，记为该像素点对应的粒度差值。

6.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的区域粒度特征值：

其中，rgc为该相邻超像素块的区域粒度特征值，con为该相邻超像素块的灰度共生矩阵的对比度，cor为该相邻超像素块的灰度共生矩阵的自相关值，

为该相邻超像素块中的像素点数量，

为该相邻超像素块中的第j个像素点对应的粒度差值。

7.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，根据所述相邻超像素块中的各边缘线，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值的方法，包括：

对各条纹超像素块对应的各相邻超像素块的各边缘线进行角点检测，统计得到各条纹超像素块对应的各相邻超像素块对应的角点数量；

统计所述相邻超像素块内的边缘线数量，并对每条边缘线进行线性拟合，得到所述相邻超像素块内的各边缘线对应的拟合直线的倾斜角；

计算得到所述相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值；

根据各条纹超像素块对应的各相邻超像素块对应的角点数量、对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值以及对应的各相邻超像素块内的各边缘线对应的拟合直线的倾斜角，得到各条纹超像素块对应的各相邻超像素块的纹理方向特征值。

8.如权利要求7所述的一种基于遥感图像的地块分割方法，其特征在于，对于任一条纹超像素块对应的任一相邻超像素块，根据如下公式计算该相邻超像素块的纹理方向特征值：

其中，tde为该相邻超像素块的纹理方向特征值，

为该相邻超像素块对应的角点数量，

为该相邻超像素块内的边缘线的数量，

为第一调节参数，

为第二调节参数，

为该相邻超像素块内的第c条边缘线对应的拟合直线的倾斜角，

为该相邻超像素块内的各边缘线对应的拟合直线的倾斜角的均值。

9.如权利要求1所述的一种基于遥感图像的地块分割方法，其特征在于，根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到待分割地块对应的各地块区域的方法，包括：

根据各条纹超像素块对应的条纹显著特征值、各条纹超像素块对应的各相邻超像素块的区域粒度特征值以及各条纹超像素块对应的各相邻超像素块的纹理方向特征值，得到各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度；

判断各条纹超像素块对应的任意两个相邻超像素块之间的区域融合度是否大于预设第一融合度阈值，若是，则将对应的两个相邻超像素块记为该条纹超像素块对应的合并超像素块；

将各条纹超像素块对应的各合并超像素块与该条纹超像素块进行合并，并将合并之后的区域记为特征区域；将除各特征区域之外的其他各超像素块分别记为特征区域；

计算得到各特征区域的区域粒度特征值和纹理方向特征值；

对于任意两个相邻的特征区域，分别记为第一特征区域和第二特征区域，根据如下公式计算第一特征区域和第二特征区域之间的区域融合度：

其中，

为第一特征区域和第二特征区域之间的区域融合度，min{ }为取最小值函数，max{ }为取最大值函数，

为第一特征区域的区域粒度特征值，

为第二特征区域的区域粒度特征值，

为第一特征区域的纹理方向特征值，

为第二特征区域的纹理方向特征值；

判断任意两个相邻的特征区域之间的区域融合度是否大于预设第二融合度阈值，若是，则将对应的两个相邻的特征区域进行合并处理，将合并处理之后目标遥感图像对应的各区域记为地块区域。

10.如权利要求9所述的一种基于遥感图像的地块分割方法，其特征在于，对于任一条纹超像素块对应的任意两个相邻超像素块，根据如下公式计算该条纹超像素块对应的任意两个相邻超像素块之间的区域融合度：

其中，

为该条纹超像素块对应的第f个相邻超像素块与第g个相邻超像素块之间的区域融合度，tds0为该条纹超像素块归一化后的条状显著特征值，

为该条纹超像素块对应的第f个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第g个相邻超像素块的区域粒度特征值，

为该条纹超像素块对应的第f个相邻超像素块的纹理方向特征值，

为该条纹超像素块对应的第g个相邻超像素块的纹理方向特征值，

为调节系数。

Images