CN115861609A - 遥感图像的分割标注方法、电子设备及存储介质 - Google Patents

遥感图像的分割标注方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115861609A
CN115861609A CN202211431969.5A CN202211431969A CN115861609A CN 115861609 A CN115861609 A CN 115861609A CN 202211431969 A CN202211431969 A CN 202211431969A CN 115861609 A CN115861609 A CN 115861609A
Authority
CN
China
Prior art keywords
image
remote sensing
layer
sub
vector
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.)
Pending
Application number
CN202211431969.5A
Other languages
English (en)
Inventor
崔婵婕
黄积晟
周宏宾
任宇鹏
李乾坤
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202211431969.5A priority Critical patent/CN115861609A/zh
Publication of CN115861609A publication Critical patent/CN115861609A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本申请公开了一种遥感图像的分割标注方法、电子设备及计算机可读存储介质。该分割标注方法包括:对遥感图像进行预标注,获取预标注图像;对遥感图像及预标注图像进行裁剪,以获取多个子图像对,其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像;为子图像对设置矢量图层及位图图层,将标注子图像及遥感子图像设置于位图图层;利用矢量图层和位图图层对标注子图像的修改。通过上述方式,本申请可以仅采用矢量图层和位图图层两个图层完成遥感图像的分割标注,在利用矢量图层和位图图层两个图层的交互来实现标注过程,不仅可以提高标注精度,也大大降低了标注过程中内存占用量,从而提高了单机可支持标注遥感子影像的尺寸。

Description

遥感图像的分割标注方法、电子设备及存储介质
技术领域
本申请涉及计算机视觉中的语义分割技术领域,具体涉及一种遥感图像的分割标注方法、电子设备及计算机可读存储介质。
背景技术
随着人工智能技术的发展,以深度学习为代表的人工智能技术的发展也给遥感图像处理技术带来了新的方向。在遥感技术领域中,遥感图像的多类别语义分割结果可以分析区域土地利用覆盖情况,作为遥感土地利用分类产品,是地图制图及土地利用规划基础数据。但是基于深度学习对遥感图像进行分割标注的过程需要涉及大量的图片标注操作,尤其是遥感影像的分割标注,一张遥感影像可能有40000-50000像素尺寸,给标注工作带来了巨大的挑战。目前通用的遥感影像的标注方法主要方法是,首先利用桌面工具先将遥感影像裁剪成遥感子图像的小块,使用标注软件采用多边形的分割方式进行标注,然后再将遥感子图像进行拼接得到最终标注结果,这种方式不仅耗时成本较多,且标注精度不高,此外,在使用算法对遥感图像进行预标注,然后再对标注图像中目标对象的轮廓进行调整时,其标注过程中占用的内存量也会过多,从而降低了裁剪后可支持标注遥感子图像的尺寸。
发明内容
本申请提出了一种遥感图像的分割标注方法、电子设备及计算机可读存储介质,可以减少耗时成本,提高标注精度,且本申请仅利用矢量图层和位图图层两个图层的交互对标注子图像进行修改的过程中可以降低占用内存量。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种遥感图像的分割标注方法,该分割标注方法包括:
对遥感图像进行预标注,获取预标注图像;对遥感图像及预标注图像进行裁剪,以获取多个子图像对,其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像;为子图像对设置矢量图层及位图图层,将标注子图像及遥感子图像设置于位图图层;利用矢量图层和位图图层对标注子图像的修改。
其中,利用矢量图层和位图图层对标注子图像的修改,包括:利用矢量图层对处于位图图层的遥感子图像进行拟合,得到矢量面;将矢量面叠加至处于位图图层的标注子图像中。
其中,在将矢量面叠加至处于位图图层的标注子图像中的步骤之前,包括:基于遥感子图像对矢量面进行修改;将矢量面叠加至处于位图图层的标注子图像中,包括:将修改后的矢量面叠加至处于位图图层的标注子图像中。
其中,将矢量面叠加至处于位图图层的标注子图像中,包括:将修改后的矢量面转换为栅格图,并将栅格图与处于位图图层的标注子图像进行像素级比较;判断相同位置的像素的像素值是否不同,且不等于255;若是,则将处于位图图层的标注子图像对应位置的像素的像素值修改为对应位置的栅格图的像素值。
其中,利用矢量图层对处于位图图层的遥感子图像进行拟合,得到矢量面,包括:将处于位图图层的遥感子图像上提至矢量图层;获取上提至矢量图层的遥感子图像的待修改的区域位置及类别;基于待修改区域位置获取区域位置对应的区域轮廓;基于区域轮廓及类别生成矢量面。
其中,对遥感图像及预标注图像进行裁剪,以获取多个子图像对,包括:以预设尺寸采用由外向内的方式分别对遥感图像及预标注图像进行裁剪,以获取多个子图像对;基于预设规则对多个子图像对进行优先级排序;利用矢量图层和位图图层对标注子图像的修改,包括:基于优先级排序利用矢量图层和位图图层对标注子图像的修改。
其中,在利用矢量图层和位图图层对标注子图像的修改的步骤之后,包括:利用位图图层的导出功能将修改后的标注子图像导出。
其中,对遥感图像进行预标注,获取预标注图像,包括:将遥感图像输入至预标注模型中,得到预标注图像;在利用矢量图层和位图图层对标注子图像的修改之后,还包括:利用修改后的标注子图像及对应的遥感子图像对预标注模型进行训练。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种电子设备,该电子设备包括处理器及与处理器连接的存储器,存储器中存储有程序数据,处理器执行存储器存储的程序数据,以执行实现上述的遥感图像的分割标注方法。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,其内部存储有程序指令,程序指令被执行以实现遥感图像的分割标注方法。
本申请的有益效果是:区别于现有技术的情况,本申请的遥感图像的分割标注方法在获取遥感图像的预标注图像后,将遥感图像及预标注图像进行裁剪可以获取多个子图像对,每个子图像对包括标注子图像及遥感子图像,并且为了实现对标注子图像的修改,本申请还设置了矢量图层和位图图层,将标注子图像及遥感子图像设置于位图图层,在对遥感子图像进行修改和标注的过程中,可以仅利用矢量图层和位图图层的交互实现对标注子图像的修改,无需设置多个图层,不仅可以提高遥感图像的标注精度,也大大降低了标注过程中内存占用量,从而提高了单机可支持标注遥感子影像的尺寸。
附图说明
图1是本申请遥感图像的分割标注方法第一实施例的流程示意图;
图2是图1中步骤S104第一实施例的流程示意图;
图3是图1中步骤S104第二实施例的流程示意图;
图4是本申请遥感图像标注逻辑一实施例的框架示意图;
图5是图2中步骤S202一实施例的流程示意图;
图6是图2中步骤S201一具体实施例的流程示意图;
图7是图1中步骤S102一具体实施例的流程示意图;
图8是本申请遥感图像及预标注图像裁剪方式一实施例的示意图;
图9是本申请遥感图像的分割标注方法第二实施例的流程示意图;
图10是本申请遥感图像的分割标注方法一实际应用案例的流程示意图;
图11是本申请电子设备一实施例的结构示意图;
图12是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
遥感技术借助于人造卫星、航天飞机、空间实验室等探测仪器,从远距离(4000km~600km)获取目标物体的电磁波信息,通过对该信息的传输、修正、处理、分析,形成一个多层次、多视角、多领域的观测体系,广泛应用于城市治理、资源勘探、环境监测、公共安全等多个领域。遥感图像由于其覆盖范围广、获取信息受条件限制少、获取信息速度快、周期短的特性在土地覆盖和资源调查以及环境监测等领域具有巨大的应用价值。
以深度学习为代表的人工智能技术的发展为遥感图像处理技术带来了新的方向。采用深度卷积神经网络进行图像特征提取,进行遥感图像的像素级语义分割,可以实现遥感图像的结构化处理,为后续遥感图像的应用提供良好的语义信息。其中,遥感图像的多类别语义分割结果可以分析区域土地利用覆盖情况,作为遥感土地利用分类产品,是地图制图及土地利用规划基础数据。但是基于深度学习的语义分割需要涉及大量的图片标注操作,尤其是遥感影像的分割标注,一张遥感图像可能有40000-50000像素尺寸,给标注工作带来了巨大的挑战。
目前通用的遥感影像的标注方法主要方法是,首先利用桌面工具先将遥感影像裁剪成遥感子图像的小块,使用标注软件采用多边形的分割方式进行标注,然后再将遥感子图像进行拼接得到最终标注结果,这种方式不仅耗时成本较多,且标注精度不高,此外,在使用算法对遥感图像进行预标注,进行裁剪后再对标注遥感子图像中目标对象的轮廓进行调整时,其标注过程中占用的内存量也会过多,从而降低了裁剪后可支持标注遥感子图像的尺寸。
为了解决上述遥感图像在标注过程中存在的问题,本申请首先提出了一种遥感图像的分割标注方法,请参阅图1,图1是本申请遥感图像的分割标注方法第一实施例的流程示意图。如图1所示,本实施例的遥感图像的分割标注方法具体包括步骤S101至步骤S104:
步骤S101:对遥感图像进行预标注,获取预标注图像。
在本申请中遥感影像是指记录各种地物电磁波大小的胶片或照片,主要分为航空图像和卫星图像。对遥感图像进行标注是指给遥感图像上的区域附加目标属性信息,即在遥感图像上区别不同的区域及标注该区域的类别等。
在本实施例中,电子设备在获取遥感图像后,可以利用历史训练数据训练好一个预标注模型,其中,历史训练数据可以是已为遥感图像上给定区域附加目标属性信息的预标注图像及遥感图像的集合,此时可以将获取的遥感图像输入至预标注模型中,从而获取遥感图像的预标注图像。
步骤S102:对遥感图像及预标注图像进行裁剪,以获取多个子图像对,其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像。
在步骤S101中获取的预标注图像可能因预标注模型不够完善导致预标注图像上的标注不够精确,因此需要对预标注图像进行修改。
为了方便对预标注图像进行修改,电子设备可以对遥感图像及预标注图像进行裁剪,裁剪过程中可以部分重叠。在本实施例中,裁剪方式可以如下文所述的按照由外想内进行裁剪,也可以采用其他裁剪方式,在此不作限制,本实施例的裁剪可以参阅下文的具体描述。
在本实施例中,通过裁剪可以获取多个子图像对,子图像对对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像。
步骤S103:为子图像对设置矢量图层及位图图层,将标注子图像及遥感子图像设置于位图图层。
电子设备在获取多个子图像对后,可以为每个子图像对设置矢量图层及位图图层,将将标注子图像及遥感子图像设置于位图图层。
步骤S104:利用矢量图层和位图图层对标注子图像的修改。
在对标注子图像进行修改的时,可以将多个子图像对按照优先级进行排序分发至标注人员,由标注人员利用矢量图像和位图图像对标注子图像进行修改,在修改时可以通过矢量图层与位图图层之间的交互实现对标注子图像的修改,例如,可以将通过上提操作将位图层的预标注图像提取到矢量层进行修改,通过下压操作将修改后的预标注子图像叠加至位图层,修改完成位图层最终的标注子图像即为标注结果。
区别于现有技术的情况,本申请的遥感图像的分割标注方法在获取遥感图像的预标注图像后,将遥感图像及预标注图像进行裁剪可以获取多个子图像,并且为了实现对标注子图像的修改,本申请还设置了矢量图层和位图图层,将标注子图像及遥感子图像设置于位图图层,在对遥感子图像进行修改和标注的过程中,可以仅利用矢量图层和位图图层的交互实现对标注子图像的修改,无需设置多个图层,不仅可以提高遥感图像的标注精度,也大大降低了标注过程中内存占用量,从而提高了单机可支持标注遥感子影像的尺寸。
在现有技术中的标注方法中,主要采用两种方法通过点、线、面的编辑来实现对遥感图像的分割,其二,首先使用矢量化标注多个栅格图层存储标注结果。矢量化标注的优势是标注结果非常直观,标注精度较高,栅格图层存储的优势是单个栅格存储占用空间小。第一种方法存在矢量存储占用内存较高,在相同内存情况下可支持标注遥感子图像尺寸小;第二种方法使用栅格图层存储在一定程度上缓解了这个问题,但是随着栅格图层存储数量增多占用内存也随之增长,不仅会限制最大可支持标注遥感子图像的尺寸,也会因栅格图层的增多带来标注边缘错乱的问题。
可选地,本实施例利用矢量图层和位图图层对标注子图像进行修改可以有效解决上述问题,请参阅图2,图2是图1中步骤S104第一实施例的流程示意图。本实施例可以通过如图2所示的方法实现步骤S104,具体实施步骤包括步骤S201至步骤S202:
步骤S201:利用矢量图层对处于位图图层的遥感子图像进行拟合,得到矢量面。
在本实施例中,本实施例仅使用一个矢量图层和一个位图图层实现对标注子图像的修改保存从而实现对遥感子图像的分割标注。
本实施例中,电子设备首先利用矢量图像对处于位图图层的遥感子图像进行拟合,以获取可编辑的矢量面,矢量面代表遥感子图像中一块具有相同类别的物体的连通区域,通过修改矢量面中边缘及类别可以实现对遥感子图像进行分类。
步骤S202:将矢量面叠加至处于位图图层的标注子图像中。
电子设备在对该矢量面完成标注后,可以下压该矢量面并将矢量面叠加至处于位图图层的标注子图像中,完成对标注子图像的修改。通过对遥感子图像进行多次拟合,对多个矢量面进行修改下压后,最终的处于位图图层的标注子图像即为标注修改的结果。在本实施例中的整个标注过程中,仅需存储预标注子图像和矢量层当前标注修改的数据,其内存占用率低。
可选地,在其他实施例中,利用矢量图层和位图图层对标注子图像的修改的方法也可以如图3所示,请参阅图3,图3是图1中步骤S104第二实施例的流程示意图。本实施例可以通过如图3所示的方法实现步骤S104,具体实施步骤包括步骤S301至步骤S303:
步骤S301:利用矢量图层对处于位图图层的遥感子图像进行拟合,得到矢量面。
步骤S301与步骤S201一致,此处不再赘述。
请参阅图4,图4是本申请遥感图像标注逻辑一实施例的框架示意图。如图4所示,在矢量图层中,矢量图层包括矢量面编辑模块及矢量点编辑模块两部份,矢量面编辑模块用于拟合遥感子图像中属于同一类别的整块连通区域,其中,矢量面的形状由构成面的轮廓点组成。并且在形成多个矢量面是,可以通过父子关系定义不同面的等级关系,矢量点编辑模块可以用于构建矢量面的轮廓。点中存放该点所在的所有面的指针。矢量面采用层级关系进行显示,每个矢量面可以存在一个或零个父面,多个或零个子面,子面的显示优先级高于父面。其中矢量面编辑模块包括新建、全选、框选、筛选(按面积和类别)、删除和下压等功能;矢量点编辑模块包括新建、全选、框选、移动、连接、删除等功能。矢量面的新建功能为通过鼠标点选提取至矢量图层中的遥感子图像的边界点从而生成矢量面;全选功能用于选中矢量层中所有矢量面;框选功能通过在界面绘制筛选框选中框内所有的矢量面;筛选功能可以根据给定面积阈值或类别选出矢量层中符合条件的所有矢量面;删除功能用于删掉被选中的矢量面;下压功能指的是将矢量面所在区域渲染为栅格图后叠加到位图图层中的预标注子图像中,其中叠加的顺序受类别层级关系控制。矢量点的新建功能为在选中的相邻两个点中新加n个点,n的个数由用户定义;矢量点的全选功能用于选中当前被选中的矢量面中所有矢量点;框选功能用于选中当前被选中的矢量面中位于筛选框中的所有矢量点;移动功能用于矢量点的移动以便更好的拟合遥感子图层的边缘;连接功能用于连接在同一矢量面的任意两个点以构成新面,可以通过鼠标选点的方式自定义连接路径,连接功能触发以后会将原来的矢量面分割成两个新的矢量面或新生成一个面;删除功能用于删除被选中的矢量点。矢量面的选择优先级高于矢量点,矢量点只有在其所在矢量面被选中后才会显示于界面以及可以被选择。
在位图图层中包括上提模块和导出模块两部分,上提模块为将处于位图图层的遥感子图像提取至矢量图层,导出模块为将修改后的预标注子图像以RGB格式进行输出。
步骤S302:基于遥感子图像对矢量面进行修改。
在本实施例中,可以通过矢量图层中矢量面编辑模块及矢量点编辑模块的两部分基于遥感子图像对拟合生成的多个矢量面进行修改。
步骤S303:将修改后的矢量面叠加至处于位图图层的标注子图像中。
在本实施例,可以通过矢量图层汇总矢量面编辑模块的下压功能将修改后的矢量面叠加至处于位图图层的标注子图像中,其中在叠加过程中,叠加的顺序需要受类别层级关系控制。
可选地,将矢量面叠加至标注子图像中的方法如图5所示,请参阅图5,图5是图2中步骤S202一实施例的流程示意图。本实施例可以通过如图5所示的方法实现步骤S202,具体实施步骤包括步骤S401至步骤S403:
步骤S401:将修改后的矢量面转换为栅格图,并将栅格图与处于位图图层的标注子图像进行像素级比较。
在本实施例中,电子设备利用下压功能即为将矢量面从矢量图层转移至位图图层(相当于将矢量面所绘制的连通区域叠加至预标注子图像中)。
因此在下压过程中,首先需要将修改后的矢量图转化为栅格图,并将栅格图与处于位图图层的标注子图像进行像素级比较。
步骤S402:判断相同位置的像素的像素值是否不同,且不等于255。
在比较过程中,电子设备判断相同位置的像素的像素值是否不同,且是否不等于255,若都满足,则转至步骤S403,若不满足上述条件,则无需对处于位图图层的标注子图像的像素值进行修改。
步骤S403:将处于位图图层的标注子图像对应位置的像素的像素值修改为对应位置的栅格图的像素值。
若栅格图与预标注子图层相同位置的像素的像素值不同,且不等于255,则将处于位图图层的标注子图像对应位置的像素的像素值修改为对应位置的栅格图的像素值。
可选地,拟合矢量面的方法如图6所示,请参阅图6,图6是图2中步骤S201一具体实施例的流程示意图,本实施例可以通过如图6所示的方法实现步骤S201具体实施步骤包括步骤S501至步骤S504:
步骤S501:将处于位图图层的遥感子图像上提至矢量图层。
在本实施例中,矢量图层拟合矢量面时,可以将处于位图图层的遥感子图层上提至矢量图层进行操作,也可以进行多处于位图图层的遥感子图像进行操作。
步骤S502:获取上提至矢量图层的遥感子图像的待修改的区域位置及类别。
电子设备首先需要根据用户指定的点获取上提至矢量图层的遥感子图像的待修改的区域位置及类别。
步骤S503:基于待修改区域位置获取区域位置对应的区域轮廓。
电子设备在基于用户指定的点获取遥感子图像待修改的区域位置后,采用漫水填充的方法填充获取该区域的连通域,再对连通域构建区域位置对应的区域轮廓,定位外轮廓并分离各自独立轮廓。
步骤S504:基于区域轮廓及类别生成矢量面。
电子设备在获取区域位置对应的区域轮廓后,可以去除拟合轮廓边中的冗余点,根据轮廓点和获取的区域类别拟合生成矢量面,并将该矢量面显示与矢量图层中,以便用户对矢量面进行修改。
在上述实施例中,可以仅采用矢量图层和位图图层两个图层完成对预标注子图像的修改,不仅可以在对遥感子图像的标注精度,还可以大大降低了标注过程中内存占用量,从而提高了单机可支持标注遥感子图像尺寸,因此本申请的遥感图像的分割标注方法可以应用于亿级像素的遥感图像的分割标注,且分割形成的遥感子图像及形成的预标注子图像的也能以10000以上的像素尺寸进行裁剪。相较于传统的将遥感图像直接裁剪到几百或一千多像素尺寸进行标注,本申请的遥感图像的分割标注方法在标注大尺度物体时不会轻易出现错标,相邻的遥感子图像也不会因不同标注人员出现标注标准不统一的现象。
可选地,裁剪遥感图像及预标注图像的方法如图7所示,请参阅图7,图7是图1中步骤S102一具体实施例的流程示意图。本实施例可以通过如图7所示的方法实现步骤S102,具体实施步骤包括步骤S601至步骤S602:
步骤S601:以预设尺寸采用由外向内的方式分别对遥感图像及预标注图像进行裁剪,以获取多个子图像对。
在本实施例中的,电子设备可以以预设尺寸采用由外向内的方式分别对遥感图像及预标注图像进行裁剪,以获取多个子图像对。
请参阅图8,图8是本申请遥感图像及预标注图像裁剪方式一实施例的示意图。如图8所示,在本实施例中,预设尺寸以10000为例,电子设备将遥感图像和预标注图像以10000以上的像素尺寸进行裁剪,相邻两张遥感子图像及预标注子图像之间重叠率可以设置为20%,即2000像素以上。每一个裁剪后的遥感子图像及预标注子图像为一个子图像对。将各子图像对按照从左到右从上到下进行编号,并将每个编号对应的在原始遥感图像中像素范围记录下来。如第一个子图像对的水平像素范围0-10000,垂直像素范围0-10000;第二个子图像对的水平像素范围为8000-18000,垂直像素范围8000-18000。
步骤S602:基于预设规则对多个子图像对进行优先级排序。
电子设备可以基于预设规则对获取的多个子图像进行优先级排序,以确定子图像对中标注子图像修改的优先级。
在本实施例中,如图所示,可以将原始遥感图像最角落4个子图像对的优先级为第Ⅰ级,外圈其他子图像对的优先级为第Ⅱ级任务,外圈邻接的第二圈子图像对的优先级为第Ⅲ级,第二圈邻接的第三圈子图像对的优先级为第Ⅳ级,按照类似方法将所有子图像对的优先级进行确认。
在本实施例中在实施步骤S602之后,在利用矢量图层和位图图层对标注子图像的修改过程中,可以基于优先级排序利用矢量图层和位图图层对标注子图像的修改。
即根据优先级排序和任务编号将各子图像对分配给标注人员进行修改,分配时根据优先级排序和任务编号从小到大的顺序进行分配,任务级别优先级高于任务编号。子图像对的预标注子图像修改标注完成后,根据该子图像对的预标注子图像在预标注图像中像素范围更新对应的位置的像素值,直到全部子图像对标注完成。
可选地,本申请进一步提出了一种遥感图像的分割标注方法,请参阅图9,图9是本申请遥感图像的分割标注方法第二实施例的流程示意图。如图9所示,本实施例的遥感图像的分割标注方法具体包括步骤S701至步骤S704:
步骤S701:将遥感图像输入至预标注模型中,得到预标注图像。
在电子设备获取遥感图像后,可以将遥感图像输入至预标注模型中,得到遥感图像的预标注图像。在本实施例中,预标注模型的预测方法采用滑窗预测的方法,即将遥感图像裁剪成与训练数据相同尺寸的图像进行预测,相邻两张图像之间的重叠率为50%,重叠部分的预测结果采取预测概率求和之和取最大概率对应的类别值。
步骤S702:对遥感图像及预标注图像进行裁剪,以获取多个子图像对,其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像。
步骤S702与步骤S102一致,不再赘述。
步骤S703:为子图像对设置矢量图层及位图图层,将标注子图像及遥感子图像设置于位图图层。
步骤S703与步骤S103一致,不再赘述。
步骤S704:利用矢量图层和位图图层对标注子图像的修改。
步骤S704与步骤S104一致,不再赘述。
步骤S705:利用修改后的标注子图像及对应的遥感子图像对预标注模型进行训练。
在对所有标注子图像完成修改后,利用位图图层的导出模块将修改后的所有标注子图像导出,将修改后的标注子图像及对应的遥感子图像对作为历史训练数据(及训练集)继续对预标注模型进行训练更新预标注模型,以提高预标注模型标注的精确率。
在一应用场景中,请参阅图10,图10是本申请遥感图像的分割标注方法一实际应用案例的流程示意图。如图10所示,首先使用训练集预训练一个预标注模型,然后使用预标注模型对遥感影像进行预测得到预标注图像,然后通过本申请上述的遥感图像的分割标注方法对进行预标图像进行裁剪后再进行预标注子图像修改,修改完成后将修改后的预标注子图像与遥感子图像处理成训练集从而继续对预标注模型的参数进行更新。
区别于现有技术的情况,本申请的遥感图像的分割标注方法在获取遥感图像的预标注图像后,将遥感图像及预标注图像进行裁剪可以获取多个子图像对,每个子图像对包括标注子图像及遥感子图像,并且为了实现对标注子图像的修改,本申请还设置了矢量图层和位图图层,将标注子图像及遥感子图像设置于位图图层,在对遥感子图像进行修改和标注的过程中,可以仅利用矢量图层和位图图层的交互实现对标注子图像的修改,无需设置多个图层,不仅可以提高遥感图像的标注精度,也大大降低了标注过程中内存占用量,从而提高了单机可支持标注遥感子影像的尺寸。
可选地,本申请进一步提出一种电子设备,请参阅图11,图11是本申请电子设备一实施例的结构示意图,该电子设备200包括处理器201及与处理器201连接的存储器202。
处理器201还可以称为CPU(Central Processing Unit,中央处理单元)。处理器201可能是一种集成电路芯片,具有信号的处理能力。处理器201还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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的处理器等。
存储器202用于存储处理器201运行所需的程序数据。
处理器201还用于执行存储器202存储的程序数据以实现上述遥感图像的分割标注方法。
可选地,本申请进一步提出一种计算机可读存储介质。请参阅图12,图12是本申请计算机可读存储介质一实施例的结构示意图。
本申请实施例的计算机可读存储介质300内部存储有程序指令310,程序指令310被执行以实现上述遥感图像的分割标注方法。
其中,程序指令310可以形成程序文件以软件产品的形式存储在上述存储介质中,以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
本实施例计算机可读存储介质300可以是但不局限于U盘、SD卡、PD光驱、移动硬盘、大容量软驱、闪存、多媒体记忆卡、服务器等。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该电子设备执行上述各方法实施例中的步骤。
另外,上述功能如果以软件功能的形式实现并作为独立产品销售或使用时,可存储在一个移动终端可读取存储介质中,即,本申请还提供一种存储有程序数据的存储装置,所述程序数据能够被执行以实现上述实施例的方法,该存储装置可以为如U盘、光盘、服务器等。也就是说,本申请可以以软件产品的形式体现出来,其包括若干指令用以使得一台智能终端执行各个实施例所述方法的全部或部分步骤。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的机构、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(可以是个人计算机,服务器,网络设备或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种遥感图像的分割标注方法,其特征在于,包括:
对遥感图像进行预标注,获取预标注图像;
对所述遥感图像及所述预标注图像进行裁剪,以获取多个子图像对,其中所述子图像对包括裁剪后的所述遥感图像的遥感子图像及所述预标注图像的标注子图像;
为所述子图像对设置矢量图层及位图图层,将所述标注子图像及所述遥感子图像设置于所述位图图层;
利用所述矢量图层和所述位图图层对所述标注子图像的修改。
2.根据权利要求1所述的分割标注方法,其特征在于,所述利用所述矢量图层和所述位图图层对所述标注子图像的修改,包括:
利用所述矢量图层对处于所述位图图层的所述遥感子图像进行拟合,得到矢量面;
将所述矢量面叠加至处于所述位图图层的所述标注子图像中。
3.根据权利要求2所述的分割标注方法,在所述将所述矢量面叠加至处于所述位图图层的所述标注子图像中的步骤之前,包括:
基于所述遥感子图像对所述矢量面进行修改;
所述将所述矢量面叠加至处于所述位图图层的所述标注子图像中,包括:
将修改后的所述矢量面叠加至处于所述位图图层的所述标注子图像中。
4.根据权利要求2所述的分割标注方法,所述将所述矢量面叠加至处于所述位图图层的所述标注子图像中,包括:
将修改后的所述矢量面转换为栅格图,并将所述栅格图与处于所述位图图层的所述标注子图像进行像素级比较;
判断相同位置的像素的像素值是否不同,且不等于255;
若是,则将处于所述位图图层的所述标注子图像对应位置的像素的像素值修改为对应位置的所述栅格图的像素值。
5.根据权利要求2所述的分割标注方法,其特征在于,所述利用所述矢量图层对处于所述位图图层的所述遥感子图像进行拟合,得到矢量面,包括:
将处于所述位图图层的所述遥感子图像上提至所述矢量图层;
获取上提至所述矢量图层的所述遥感子图像的待修改的区域位置及类别;
基于所述待修改区域位置获取所述区域位置对应的区域轮廓;
基于所述区域轮廓及所述类别生成矢量面。
6.根据权利要求1所述的分割标注方法,其特征在于,所述对所述遥感图像及所述预标注图像进行裁剪,以获取多个子图像对,包括:
以预设尺寸采用由外向内的方式分别对所述遥感图像及所述预标注图像进行裁剪,以获取多个子图像对;
基于预设规则对所述多个子图像对进行优先级排序;
所述利用所述矢量图层和所述位图图层对所述标注子图像的修改,包括:
基于所述优先级排序利用所述矢量图层和所述位图图层对所述标注子图像的修改。
7.根据权利要求1所述的分割标注方法,其特征在于,在所述利用所述矢量图层和所述位图图层对所述标注子图像的修改的步骤之后,包括:
利用所述位图图层的导出功能将修改后的所述标注子图像导出。
8.根据权利要求1所述的分割标注方法,其特征在于,所述对遥感图像进行预标注,获取预标注图像,包括:
将所述遥感图像输入至预标注模型中,得到预标注图像;
在利用所述矢量图层和所述位图图层对所述标注子图像的修改之后,还包括:
利用修改后的所述标注子图像及对应的遥感子图像对所述预标注模型进行训练。
9.一种电子设备,其特征在于,所述电子设备包括处理器以及与所述处理器连接的存储器,其中,所述存储器中存储有程序数据,所述处理器执行所述存储器存储的所述程序数据,以执行实现权利要求1-8任一项所述的遥感图像的分割标注方法。
10.一种计算机可读存储介质,其特征在于,其内部存储有程序指令,所述程序指令被执行以实现权利要求1-8任一项所述的遥感图像的分割标注方法。
CN202211431969.5A 2022-11-15 2022-11-15 遥感图像的分割标注方法、电子设备及存储介质 Pending CN115861609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211431969.5A CN115861609A (zh) 2022-11-15 2022-11-15 遥感图像的分割标注方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211431969.5A CN115861609A (zh) 2022-11-15 2022-11-15 遥感图像的分割标注方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115861609A true CN115861609A (zh) 2023-03-28

Family

ID=85663604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211431969.5A Pending CN115861609A (zh) 2022-11-15 2022-11-15 遥感图像的分割标注方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115861609A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116486077A (zh) * 2023-04-04 2023-07-25 中国科学院地理科学与资源研究所 遥感影像语义分割模型样本集生成方法和装置
CN117292210A (zh) * 2023-11-27 2023-12-26 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116486077A (zh) * 2023-04-04 2023-07-25 中国科学院地理科学与资源研究所 遥感影像语义分割模型样本集生成方法和装置
CN116486077B (zh) * 2023-04-04 2024-04-30 中国科学院地理科学与资源研究所 遥感影像语义分割模型样本集生成方法和装置
CN117292210A (zh) * 2023-11-27 2023-12-26 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质
CN117292210B (zh) * 2023-11-27 2024-02-23 航天宏图信息技术股份有限公司 分类图像矢量化的方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN108446698B (zh) 在图像中检测文本的方法、装置、介质及电子设备
CN115861609A (zh) 遥感图像的分割标注方法、电子设备及存储介质
CN105574524B (zh) 基于对白和分镜联合识别的漫画图像版面识别方法和系统
CN105528614B (zh) 一种漫画图像版面的识别方法和自动识别系统
JP4294348B2 (ja) 表示システム
CN112734641A (zh) 目标检测模型的训练方法、装置、计算机设备及介质
CN108228183A (zh) 前端界面代码生成方法、装置、电子设备及存储介质
CN114758337B (zh) 一种语义实例重建方法、装置、设备及介质
US11455502B2 (en) Learning device, classification device, learning method, classification method, learning program, and classification program
CN102567300A (zh) 图片文档的处理方法及装置
EP2807604A1 (en) Vector graphics classification engine
JP2013114655A (ja) 画像処理装置、画像処理方法、及びコンピュータプログラム
US11314986B2 (en) Learning device, classification device, learning method, classification method, learning program, and classification program
CN112949477B (zh) 基于图卷积神经网络的信息识别方法、装置及存储介质
CN110827236A (zh) 基于神经网络的脑组织分层方法、装置、计算机设备
CN115909059A (zh) 一种自然资源样本库建立方法和装置
CN113033516A (zh) 对象识别统计方法及装置、电子设备、存储介质
CN114429637A (zh) 一种文档分类方法、装置、设备及存储介质
CN114882272A (zh) 一种航空制造件全角度投影图像面片属性融合分析方法
CN114283343B (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN113538450A (zh) 用于生成图像的方法及装置
CN115115740A (zh) 思维导图识别方法、装置、设备、介质及程序产品
CN111325263A (zh) 图像处理方法、装置、智能显微镜、可读存储介质和设备
CN113936187A (zh) 文本图像合成方法、装置、存储介质及电子设备
CN113158856A (zh) 一种提取遥感图像中目标区域的处理方法和装置

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