CN115661664B - 一种边界遮挡检测及补偿方法、电子设备和存储介质 - Google Patents

一种边界遮挡检测及补偿方法、电子设备和存储介质 Download PDF

Info

Publication number
CN115661664B
CN115661664B CN202211569483.8A CN202211569483A CN115661664B CN 115661664 B CN115661664 B CN 115661664B CN 202211569483 A CN202211569483 A CN 202211569483A CN 115661664 B CN115661664 B CN 115661664B
Authority
CN
China
Prior art keywords
boundary
farmland
cloud
plot
fog
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
CN202211569483.8A
Other languages
English (en)
Other versions
CN115661664A (zh
Inventor
梁帆
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.)
Guangdong Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data 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 Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202211569483.8A priority Critical patent/CN115661664B/zh
Publication of CN115661664A publication Critical patent/CN115661664A/zh
Application granted granted Critical
Publication of CN115661664B publication Critical patent/CN115661664B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Image Analysis (AREA)

Abstract

本申请涉及一种边界遮挡检测及补偿方法、电子设备和存储介质，包括：根据云雾区域的数据和农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分；当交集得分大于第一预设阈值，确定云雾区域与农田地块存在区域相交，提取边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合；提取边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据差异得分确定云雾区域农田地块边界颜色成分得分；当边界颜色成分得分大于第二预设阈值，确定云雾区域遮挡农田地块边界；确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界。

Description

一种边界遮挡检测及补偿方法、电子设备和存储介质
技术领域
本申请涉及农田边界确定及补偿技术领域，特别是涉及一种边界遮挡检测及补偿方法、电子设备和存储介质。
背景技术
高分辨率遥感图像包含了丰富的农田信息，为农田边界的提取提供了重要的数据源，对农田保护具有重要意义。但农田地面特征类型复杂，农田边界会被云雾遮挡，导致现有边界确定方法提取精度比较低。
发明内容
基于上述问题，本申请提供一种边界遮挡检测及补偿方法、电子设备和存储介质。
第一方面，本申请实施例提供一种边界遮挡检测及补偿方法，包括：
训练得到农田地块边界检测模型和云雾区域检测模型；
根据农田地块边界检测模型确定待检测图像中的农田地块边界的数据集合，根据云雾区域检测模型确定待检测图像中的云雾区域的数据集合；
根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分；
当云雾区域与农田地块的交集得分大于第一预设阈值时，确定云雾区域与农田地块存在区域相交，提取边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合；
提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分；
当云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界；
确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界。
进一步地，上述一种边界遮挡检测及补偿方法中，训练得到农田地块边界检测模型，包括：
获取农田地块图像数据并检查农田地块图像数据；
标注农田地块图像数据中每一张图像的农田地块轮廓边沿得到农田标签数据；
预处理农田地块图像数据和农田标签数据生成农田地块图像数据和农田标签数据对；
通过基于U-net的训练模型训练所述农田地块图像数据和农田标签数据对得到农田地块边界检测模型。
进一步地，上述一种边界遮挡检测及补偿方法中，训练得到云雾区域检测模型，包括：
获取云雾图像数据；
标注云雾图像数据中的云雾区域得到标注后的云雾图像数据；
通过基于YOLO的训练模型训练所述标注后的云雾图像数据得到云雾区域检测模型。
进一步地，上述一种边界遮挡检测及补偿方法中，根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据所述边界相交得分确定云雾区域与农田地块的交集得分，包括：
根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分是通过如下公式确定的：
根据边界相交得分确定云雾区域与农田地块的交集得分是通过如下公式确定的：
其中，n为农田地块边界的数据集合的元素数。
进一步地，上述一种边界遮挡检测及补偿方法中，提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分，包括：
提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标；
根据rgb坐标确定色彩差异得分是通过如下公式确定的：
根据色彩差异得分确定云雾区域农田地块边界颜色成分得分是通过如下公式确定的：
其中，为农田地块边界点对应的序号，k为农田地块边界点序号的序号，云雾区域农田地块边界集合元素数为。
进一步地，上述一种边界遮挡检测及补偿方法中，确定云雾区域遮挡农田地块边界的补偿结果，包括：
根据农田地块边界的数据集合确定农田地块的中心坐标；
确定云雾区域农田地块边界集合中的起点序号和终点序号；
当云雾区域遮挡农田地块边界时，根据起点序号和终点序号确定云雾区域遮挡农田地块边界点集合，其中，v为云雾区域遮挡农田地块边界点集合元素的序号，，集合元素数为；提取农田地块边界点的两个集合
与，
其中，s,a分别为农田地块边界点的两个集合元素的序号，农田地块边界点的两个集合的元素数都为；
定义坐标相对于中心点及第一起点的映射坐标的转换公式如下：
根据转换公式得到云雾区域遮挡农田地块边界点集合、农田地块边界点的两个集合：
、
中每个元素相对于农田地块的中心坐标及第二起点的映射坐标,分别组成三个新的集合、、；
根据集合计算前端态势得分，根据集合计算后端态势得分；
通过如下公式计算坐标修正后的坐标：
根据修正后的坐标计算得到对应的补偿农田地块边界点坐标；
将农田地块边界点坐标组成补偿农田边界集合}；
农田地块边界集合}是云雾区域遮挡农田地块边界的补偿结果。
进一步地，上述一种边界遮挡检测及补偿方法中，第一判断阈值通过训练数据中云雾区域与农田地块存在区域相交图像的云雾区域与农田地块的交集得分进行加权平均得到的；第二判断阈值通过训练数据中云雾区域遮挡农田地块边界图像的云雾区域农田地块边界颜色成分得分进行加权平均得到。
进一步地，上述一种边界遮挡检测及补偿方法中，确定云雾区域农田地块边界集合中的起点序号和终点序号，包括：提取云雾区域农田地块边界集合中第一个小于第二判断阈值的色彩差异得分对应的序号为起点序号，提取云雾区域农田地块边界集合中最后一个小于所述第二判断阈值的色彩差异得分对应的序号为终点序号；
根据集合计算前端态势得分是通过如下公式计算的：
根据集合计算后端态势得分是通过如下公式计算的：
。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
处理器通过调用存储器存储的程序或指令，用于执行如上所述任一项所述的一种边界遮挡检测及补偿方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储程序或指令，程序或指令使计算机执行如上所述任一项所述的一种边界遮挡检测及补偿方法。
本申请实施例的优点在于：训练得到农田地块边界检测模型和云雾区域检测模型；根据农田地块边界检测模型确定待检测图像中的农田地块边界的数据集合，根据云雾区域检测模型确定待检测图像中的云雾区域的数据集合；根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分；当云雾区域与农田地块的交集得分大于第一预设阈值时，确定云雾区域与农田地块存在区域相交，提取边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合；提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分；当云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界；确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界。通过本申请提高了确定云雾区域遮挡农田地块边界的方法，并通过确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界，提高了农田地块边界提取的精度。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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申请的一些实施例，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他的附图。
图1为本申请实施例提供的一种边界遮挡检测及补偿方法示意图一；
图2为本申请实施例提供的一种边界遮挡检测及补偿方法示意图二；
图3为本申请实施例提供的一种边界遮挡检测及补偿方法示意图三；
图4是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵时做类似改进，因此本申请不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本申请实施例提供的一种边界遮挡检测及补偿方法示意图一。
第一方面，本申请实施例提供一种边界遮挡检测及补偿方法，结合图1，包括S101至S107七个步骤：
S101：训练得到农田地块边界检测模型和云雾区域检测模型。
具体的，本申请实施例中，训练得到农田地块边界检测模型和云雾区域检测模型的步骤下文详细介绍。
S102：根据农田地块边界检测模型确定待检测图像中的农田地块边界的数据集合，根据云雾区域检测模型确定待检测图像中的云雾区域的数据集合。
具体的，本申请实施例中，根据训练好的农田地块边界检测模型对待检测图像中的农田地块进行确定，得到农田地块边界的数据集合，其中为农田边界点的坐标，i为农田边界点的序号，根据训练好的云雾区域检测模型对待检测图像中的云雾区域进行确定得到云雾区域的数据集合，其中为云雾区域方框左顶点坐标，为云雾区域方框的宽，为云雾区域方框的高，j为云雾区域的序号。
S103：根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分。
具体的，本申请实施例中，第一云雾区域是云雾区域的数据集合中任意一块云雾区域，第一农田地块边界是农田地块边界的数据集合中任意一块农田地块边界，根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分的步骤下文详细介绍。
S104：当云雾区域与农田地块的交集得分大于第一预设阈值时，确定云雾区域与农田地块存在区域相交，提取边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合。
具体的，本申请实施例中，第一预设阈值是通过训练数据中云雾区域与农田地块边界存在区域相交图像的云雾区域与农田地块的交集得分进行加权平均得到，提取边界相交得分的边界点坐标组成云雾区域农田边界集合，其中为农田地块边界点对应的序号，k为农田地块边界点序号的序号，集合元素数为。
S105：提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分。
具体的，本申请实施例中，提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标；
根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分的步骤下文详细介绍。
S106：当云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界。
具体的，本申请实施例中，第二预设阈值是通过训练数据中云雾区域遮挡农田地块边界图像的云雾区域农田地块边界颜色成分得分进行加权平均得到的，当云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界。
S107：确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界。
具体的，本申请实施例中，确定云雾区域遮挡农田地块边界后，进一步确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界，具体确定和补偿步骤下文详细介绍。
图2为本申请实施例提供的一种边界遮挡检测及补偿方法示意图二。
进一步地，上述一种边界遮挡检测及补偿方法中，训练得到农田地块边界检测模型，结合图2，包括S201至S204四个步骤：
S201：获取农田地块图像数据并检查农田地块图像数据。
S202：标注农田地块图像数据中每一张图像的农田地块轮廓边沿得到农田标签数据。
S203：预处理农田地块图像数据和农田标签数据生成农田地块图像数据和农田标签数据对。
S204：通过基于U-net的训练模型训练所述农田地块图像数据和农田标签数据对得到农田地块边界检测模型。
具体的，上述训练得到农田地块边界检测模型中S201步骤中的检查包括检查获取的农田地块图像数据有无错漏或数据格式错误，S203步骤中的预处理农田地块图像数据和农田标签数据包括对数据格式与尺寸进行预处理。
图3为本申请实施例提供的一种边界遮挡检测及补偿方法示意图三。
进一步地，上述一种边界遮挡检测及补偿方法中，训练得到云雾区域检测模型，包括S301至S303三个步骤：
S301：获取云雾图像数据。
S302：标注云雾图像数据中的云雾区域得到标注后的云雾图像数据。
S303：通过基于YOLO的训练模型训练所述标注后的云雾图像数据得到云雾区域检测模型。
进一步地，上述一种边界遮挡检测及补偿方法中，根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据所述边界相交得分确定云雾区域与农田地块的交集得分，包括：
根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分是通过如下公式确定的：
根据边界相交得分确定云雾区域与农田地块的交集得分是通过如下公式确定的：
其中，n为农田地块边界的数据集合的元素数。
进一步地，上述一种边界遮挡检测及补偿方法中，提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分，包括：
提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标；
根据rgb坐标确定色彩差异得分是通过如下公式确定的：
根据色彩差异得分确定云雾区域农田地块边界颜色成分得分是通过如下公式确定的：
其中，为农田地块边界点对应的序号，k为农田地块边界点序号的序号，云雾区域农田地块边界集合元素数为。
进一步地，上述一种边界遮挡检测及补偿方法中，确定云雾区域遮挡农田地块边界的补偿结果，包括：
根据农田地块边界的数据集合确定农田地块的中心坐标；
n为集合的元素数；
确定云雾区域农田地块边界集合中的起点序号和终点序号；
当云雾区域遮挡农田地块边界时，根据起点序号和终点序号确定云雾区域遮挡农田地块边界点集合，其中，v为云雾区域遮挡农田地块边界点集合元素的序号，，集合元素数为；提取农田地块边界点的两个集合
与，
其中，s,a分别为农田地块边界点的两个集合元素的序号，农田地块边界点的两个集合的元素数都为；
定义坐标相对于中心点及第一起点的映射坐标的转换公式如下：
根据转换公式得到云雾区域遮挡农田地块边界点集合、农田地块边界点的两个集合：
、
中每个元素相对于农田地块的中心坐标及第二起点的映射坐标,分别组成三个新的集合、、；
根据集合计算前端态势得分，根据集合计算后端态势得分；
通过如下公式计算坐标修正后的坐标：
根据修正后的坐标计算得到对应的补偿农田地块边界点坐标；
将农田地块边界点坐标组成补偿农田边界集合}；
农田地块边界集合}是云雾区域遮挡农田地块边界的补偿结果。
进一步地，上述一种边界遮挡检测及补偿方法中，第一判断阈值通过训练数据中云雾区域与农田地块存在区域相交图像的云雾区域与农田地块的交集得分进行加权平均得到的；第二判断阈值通过训练数据中云雾区域遮挡农田地块边界图像的云雾区域农田地块边界颜色成分得分进行加权平均得到。
进一步地，上述一种边界遮挡检测及补偿方法中，确定云雾区域农田地块边界集合中的起点序号和终点序号，包括：提取云雾区域农田地块边界集合中第一个小于第二判断阈值的色彩差异得分对应的序号为起点序号，提取云雾区域农田地块边界集合中最后一个小于所述第二判断阈值的色彩差异得分对应的序号为终点序号；
根据集合计算前端态势得分是通过如下公式计算的：
根据集合计算后端态势得分是通过如下公式计算的：
。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
处理器通过调用存储器存储的程序或指令，用于执行如上所述任一项所述的一种边界遮挡检测及补偿方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储程序或指令，程序或指令使计算机执行如上所述任一项所述的一种边界遮挡检测及补偿方法。
图4是本公开实施例提供的一种电子设备的示意性框图。
如图4所示，电子设备包括：至少一个处理器401、至少一个存储器404和至少一个通信接口403。电子设备中的各个组件通过总线系统404耦合在一起。通信接口403，用于与外部设备之间的信息传输。可理解，总线系统404用于实现这些组件之间的连接通信。总线系统404除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图4中将各种总线都标为总线系统404。
可以理解，本实施例中的存储器402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器402存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器（Media Player）、浏览器（Browser）等，用于实现各种应用业务。实现本申请实施例提供的一种边界遮挡检测及补偿方法中任一方法的程序可以包含在应用程序中。
在本申请实施例中，处理器401通过调用存储器402存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器401用于执行本申请实施例提供的一种边界遮挡检测及补偿方法各实施例的步骤。
训练得到农田地块边界检测模型和云雾区域检测模型；
根据农田地块边界检测模型确定待检测图像中的农田地块边界的数据集合，根据云雾区域检测模型确定待检测图像中的云雾区域的数据集合；
根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据边界相交得分确定云雾区域与农田地块的交集得分；
当云雾区域与农田地块的交集得分大于第一预设阈值时，确定云雾区域与农田地块存在区域相交，提取边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合；
提取云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据rgb坐标确定色彩差异得分，根据色彩差异得分确定云雾区域农田地块边界颜色成分得分；
当云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界；
确定云雾区域遮挡农田地块边界的补偿结果，根据补偿结果补偿云雾区域遮挡农田地块边界。
本申请实施例提供的一种边界遮挡检测及补偿方法中任一方法可以应用于处理器401中，或者由处理器401实现。处理器401可以是一种集成电路芯片，具有信号能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述器401可以是通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规器等。
本申请实施例提供的一种边界遮挡检测及补偿方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成一种边界遮挡检测及补偿方法的步骤。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种边界遮挡检测及补偿方法，其特征在于，包括：
训练得到农田地块边界检测模型和云雾区域检测模型；
根据所述农田地块边界检测模型确定待检测图像中的农田地块边界的数据集合，根据所述云雾区域检测模型确定待检测图像中的云雾区域的数据集合；
根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据所述边界相交得分确定云雾区域与农田地块的交集得分；
当所述云雾区域与农田地块的交集得分大于第一预设阈值时，确定云雾区域与农田地块存在区域相交，提取所述边界相交得分大于零的农田地块边界点坐标组成云雾区域农田地块边界集合；
提取所述云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据所述rgb坐标确定色彩差异得分，根据所述色彩差异得分确定云雾区域农田地块边界颜色成分得分；
当所述云雾区域农田地块边界颜色成分得分大于第二预设阈值时，确定云雾区域遮挡农田地块边界；
确定云雾区域遮挡农田地块边界的补偿结果，根据所述补偿结果补偿云雾区域遮挡农田地块边界。
2.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，所述训练得到农田地块边界检测模型，包括：
获取农田地块图像数据并检查所述农田地块图像数据；
标注所述农田地块图像数据中每一张图像的农田地块轮廓边沿得到农田标签数据；
预处理所述农田地块图像数据和所述农田标签数据生成农田地块图像数据和农田标签数据对；
通过基于U-net的训练模型训练所述农田地块图像数据和农田标签数据对得到农田地块边界检测模型。
3.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，所述训练得到云雾区域检测模型，包括：
获取云雾图像数据；
标注所述云雾图像数据中的云雾区域得到标注后的云雾图像数据；
通过基于YOLO的训练模型训练所述标注后的云雾图像数据得到云雾区域检测模型。
4.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，根据第一云雾区域的数据和第一农田地块边界的数据确定边界相交得分，根据所述边界相交得分确定云雾区域与农田地块的交集得分，包括：
根据第一云雾区域的数据(xcj，ycj，wcj，hcj)和第一农田地块边界的数据(xdi，ydi)确定边界相交得分gdi是通过如下公式确定的：
Figure FDA0004077974330000021
根据所述边界相交得分gdi确定云雾区域与农田地块的交集得分gcd是通过如下公式确定的：
Figure FDA0004077974330000022
其中，n为农田地块边界的数据集合的元素数，其中(xcj，ycj)为第一云雾区域方框左顶点坐标，wcj为第一云雾区域方框的宽，hcj为第一云雾区域方框的高，j为第一云雾区域的序号，(xdi，ydi)为农田地块边界点的坐标，i为农田地块边界点的序号。
5.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，提取所述云雾区域农田地块边界集合中每个云雾区域农田地块边界点的rgb坐标，根据所述rgb坐标确定色彩差异得分，根据所述色彩差异得分确定云雾区域农田地块边界颜色成分得分，包括：
提取所述云雾区域农田地块边界集合中
Figure FDA0004077974330000036
每个云雾区域农田地块边界点
Figure FDA0004077974330000037
的rgb坐标(rk，gk，bk)；
根据所述rgb坐标确定色彩差异得分gyck是通过如下公式确定的：
gyck＝max(rk，gk，bk)-min(rk，gk，bk)
根据所述色彩差异得分gyck确定云雾区域农田地块边界颜色成分得分gyc是通过如下公式确定的：
Figure FDA0004077974330000031
其中，pk为农田地块边界点对应的序号，k为农田地块边界点序号的序号，所述云雾区域农田地块边界集合元素数为n1。
6.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，所述确定云雾区域遮挡农田地块边界的补偿结果，包括：
根据所述农田地块边界的数据集合确定农田地块的中心坐标(zx，zy)；
确定所述云雾区域农田地块边界集合中的起点序号e1和终点序号e2；
当云雾区域遮挡农田地块边界时，根据所述起点序号e1和所述终点序号e2确定云雾区域遮挡农田地块边界点集合
Figure FDA0004077974330000032
其中，v为云雾区域遮挡农田地块边界点集合元素的序号，
Figure FDA0004077974330000033
集合元素数为e2-e1+1；提取农田地块边界点的两个集合
Figure FDA0004077974330000034
与
Figure FDA0004077974330000035
其中，s，a分别为农田地块边界点的两个集合元素的序号，农田地块边界点的两个集合的元素数都为n2；
定义坐标(x，y)相对于中心点(ox，oy)及第一起点(xq，yq)的映射坐标(x′，y′)的转换公式如下：
Figure FDA0004077974330000041
Figure FDA0004077974330000042
根据转换公式得到云雾区域遮挡农田地块边界点集合
Figure FDA0004077974330000043
农田地块边界点的两个集合：
Figure FDA0004077974330000044
中每个元素相对于农田地块的中心坐标(zx，zy)及第二起点(0，zy)的映射坐标，分别组成三个新的集合{(dxv，dyv)}、{(rxs，rys)}、{(txa，tya)}；
根据集合{(rxs，rys)}计算前端态势得分gq1，根据集合{(txa，tya)}计算后端态势得分gh1；
通过如下公式计算坐标(dxv，dyv)修正后的坐标(dxv，dy1v)：
Figure FDA0004077974330000045
根据修正后的坐标(dxv，dy1v)计算得到对应的补偿农田地块边界点坐标(xbv，ybv)；
xbv＝zx-dy1vdxv
Figure FDA0004077974330000046
将所述农田地块边界点坐标(xbv，ybv)组成补偿农田边界集合{(xbv，ybv)}；
所述农田地块边界集合{(xbv，ybv)}是云雾区域遮挡农田地块边界的补偿结果；
两个集合：
Figure FDA0004077974330000051
的元素数均为n2。
7.根据权利要求1所述的一种边界遮挡检测及补偿方法，其特征在于，所述第一预设阈值通过训练数据中云雾区域与农田地块存在区域相交图像的云雾区域与农田地块的交集得分进行加权平均得到的；所述第二预设阈值通过训练数据中云雾区域遮挡农田地块边界图像的云雾区域农田地块边界颜色成分得分进行加权平均得到。
8.根据权利要求6所述的一种边界遮挡检测及补偿方法，其特征在于，所述确定所述云雾区域农田地块边界集合中的起点序号e1和终点序号e2，包括：提取所述云雾区域农田地块边界集合中第一个小于所述第二预设阈值的色彩差异得分
Figure FDA0004077974330000052
对应的序号为起点序号e1，提取所述云雾区域农田地块边界集合中最后一个小于所述第二预设阈值的色彩差异得分
Figure FDA0004077974330000053
对应的序号为终点序号e2；
所述根据集合{(rxs，rys)}计算前端态势得分gq1是通过如下公式计算的：
Figure FDA0004077974330000054
所述根据集合{(txa，tya)}计算后端态势得分gh1是通过如下公式计算的：
Figure FDA0004077974330000055
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述一种边界遮挡检测及补偿方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述一种边界遮挡检测及补偿方法。
CN202211569483.8A 2022-12-08 2022-12-08 一种边界遮挡检测及补偿方法、电子设备和存储介质 Active CN115661664B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211569483.8A CN115661664B (zh) 2022-12-08 2022-12-08 一种边界遮挡检测及补偿方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211569483.8A CN115661664B (zh) 2022-12-08 2022-12-08 一种边界遮挡检测及补偿方法、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115661664A CN115661664A (zh) 2023-01-31
CN115661664B true CN115661664B (zh) 2023-04-07

Family

ID=85019335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211569483.8A Active CN115661664B (zh) 2022-12-08 2022-12-08 一种边界遮挡检测及补偿方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115661664B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103110A1 (zh) * 2018-11-22 2020-05-28 深圳市大疆创新科技有限公司 一种基于点云地图的图像边界获取方法、设备及飞行器
US10872417B1 (en) * 2019-07-04 2020-12-22 FlyPard Analytics GmbH Automatic delineation agricultural field management zones using remote sensing and field data
CN112164089A (zh) * 2020-08-20 2021-01-01 浙江大学 基于卫星图像的农田边界的提取方法、装置、电子设备及存储介质
CN114581464A (zh) * 2022-03-07 2022-06-03 广州极飞科技股份有限公司 边界检测方法、装置、电子设备及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10685443B2 (en) * 2018-04-20 2020-06-16 Weather Intelligence Technology, Inc Cloud detection using images
CA3125794A1 (en) * 2019-02-06 2020-08-13 Farmers Edge Inc. Shadow and cloud masking for agriculture applications using convolutional neural networks
US20210209490A1 (en) * 2020-01-07 2021-07-08 The Climate Corporation Using optical remote sensors and machine learning models to predict agronomic field property data
GB2607577A (en) * 2021-06-01 2022-12-14 Geovisual Tech Inc Cloud-free analytics from satellite input

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103110A1 (zh) * 2018-11-22 2020-05-28 深圳市大疆创新科技有限公司 一种基于点云地图的图像边界获取方法、设备及飞行器
US10872417B1 (en) * 2019-07-04 2020-12-22 FlyPard Analytics GmbH Automatic delineation agricultural field management zones using remote sensing and field data
CN112164089A (zh) * 2020-08-20 2021-01-01 浙江大学 基于卫星图像的农田边界的提取方法、装置、电子设备及存储介质
CN114581464A (zh) * 2022-03-07 2022-06-03 广州极飞科技股份有限公司 边界检测方法、装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN115661664A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN109886997B (zh) 基于目标检测的识别框确定方法、装置及终端设备
CN108009543B (zh) 一种车牌识别方法及装置
CN108446694B (zh) 一种目标检测方法及装置
EP3067862A2 (en) Image processing method and apparatus
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN111191582B (zh) 三维目标检测方法、检测装置、终端设备及计算机可读存储介质
CN109726678B (zh) 一种车牌识别的方法及相关装置
CN111382625A (zh) 道路标识识别方法、装置及电子设备
WO2021115061A1 (zh) 图像分割方法、装置及服务器
CN113689373A (zh) 图像处理方法、装置、设备及计算机可读存储介质
CN115345946A (zh) 基于深度学习的汽车全景影像系统的外参标定方法、装置
CN111739024A (zh) 图像识别方法、电子设备及可读存储介质
CN115661664B (zh) 一种边界遮挡检测及补偿方法、电子设备和存储介质
CN111127358A (zh) 图像处理方法、装置及存储介质
CN114049488A (zh) 一种多维信息融合的远距离弱小目标检测方法和终端
CN109492639A (zh) 装载位置三维坐标获取方法、系统及图像识别设备
CN110874170A (zh) 一种图像区域修正方法、图像分割方法及装置
US20170236310A1 (en) Image processing lsi and image processing program
CN112989872B (zh) 一种目标检测方法以及相关装置
CN114821513B (zh) 一种基于多层网络的图像处理方法及装置、电子设备
CN109977937B (zh) 图像处理方法、装置及设备
US7793150B1 (en) System, method, and computer program product for saving an unprocessed portion of a push buffer in response to an error
CN113435287A (zh) 草地障碍物识别方法、装置、割草机器人及可读存储介质
CN114677319A (zh) 干细胞分布确定方法、装置、电子设备及存储介质
CN112991463A (zh) 相机标定方法、装置、设备、存储介质和程序产品

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
CP03 Change of name, title or address

Address after: Building 7, No. 124 Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523015

Patentee after: Guangdong Prophet Big Data Co.,Ltd.

Country or region after: China

Address before: Room 102, Building 7, No. 124, Dongbao Road, Dongcheng Street, Dongguan City, Guangdong Province, 523015

Patentee before: Dongguan prophet big data Co.,Ltd.

Country or region before: China