CN116342685A - 一种基于dom影像的农业耕地地块的面积测量方法 - Google Patents

一种基于dom影像的农业耕地地块的面积测量方法 Download PDF

Info

Publication number
CN116342685A
CN116342685A CN202310609155.4A CN202310609155A CN116342685A CN 116342685 A CN116342685 A CN 116342685A CN 202310609155 A CN202310609155 A CN 202310609155A CN 116342685 A CN116342685 A CN 116342685A
Authority
CN
China
Prior art keywords
area
land
elevation
sub
adjustment
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
CN202310609155.4A
Other languages
English (en)
Other versions
CN116342685B (zh
Inventor
蒋应良
陈宇锋
张友挺
朱芳高
张佳惠
曾红扬
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.)
Sichuan Cpt Information Technology Co ltd
Original Assignee
Sichuan Cpt Information 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 Sichuan Cpt Information Technology Co ltd filed Critical Sichuan Cpt Information Technology Co ltd
Priority to CN202310609155.4A priority Critical patent/CN116342685B/zh
Publication of CN116342685A publication Critical patent/CN116342685A/zh
Application granted granted Critical
Publication of CN116342685B publication Critical patent/CN116342685B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • 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
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于DOM影像的农业耕地地块的面积测量方法，涉及数据影像处理技术领域。该方法包括获取目标测量区域的影像图进行灰度处理，形成目标灰度影像图；根据目标灰度影像图进行地块边界的识别，并进行地块的划分，形成地块划分结果数据；根据地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据；获取目标测量区域的地理信息，并进行地块面积调整的确定，形成地块面积调整数据；根据地块面积调整数据，并结合目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成目标测量区域的最终地块面积数据。其能够基于航摄影像进行合理的面积图像分析，提高耕地面积计算的精度。

Description

一种基于DOM影像的农业耕地地块的面积测量方法
技术领域
本发明涉及数据影像处理技术领域，具体而言，涉及一种基于DOM影像的农业耕地地块的面积测量方法。
背景技术
数字正射影像图（Digital Orthophoto Map, DOM)是以航摄像片或遥感影像（单色/彩色）为基础，经扫描处理并经逐像元进行辐射改正、微分纠正和镶嵌，按地形图范围裁剪成的影像数据，并将地形要素的信息以符号、线画、注记、公里格网、图廓（内/外）整饰等形式填加到该影像平面上，形成以栅格数据形式存储的影像数据库。它具有地形图的几何精度和影像特征。
农业生产中，为了量化农业生产产量和便于耕种的设计，常常会对耕地进行面积测算。范围较小的耕地面积计算人工测量十分方便简单，但对于范围广大，地形多变的耕地进行面积测算，再使用人工进行测算，则十分的耗时耗力。目前也有运用航拍图像进行面积测算的方式，但一方面由于获取到的图像数据准确度不高，导致计算精度不高，另一方面由于面积计算的方式也影响面积计算结果的准确度。
因此，设计一种基于DOM影像的农业耕地地块的面积测量方法，能够基于航摄影像进行合理的面积图像分析，提高耕地面积计算的精度，是目前亟待解决的问题。
发明内容
本发明的目的在于提供一种基于DOM影像的农业耕地地块的面积测量方法，通过将获取的影响图进行灰度处理，利用耕地的不同特征所展现的灰度数据不同来对耕地进行边界和区域的划分。同时，结合地理信息对耕地存在的斜面进行面积计算的更正，克服了DOM影像上对在标高方向的面积的缺陷。一方面利用DOM影像可以做到对正射面积的高精度计算，另一方面通过结合地理信息对正射面积进行修正，大大提高了对耕地面积计算的精度。另外，针对正射面积的调整建立调整模型，能够更加高效的实现对面积的修正。
第一方面，本发明提供一种基于DOM影像的农业耕地地块的面积测量方法，包括获取目标测量区域的影像图，并对影像图进行灰度处理，形成目标灰度影像图；根据目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据；根据地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据；获取目标测量区域的地理信息，并结合地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据；根据地块面积调整数据，并结合目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成目标测量区域的最终地块面积数据。
在本发明中，该方法通过将获取的影响图进行灰度处理，利用耕地的不同特征所展现的灰度数据不同来对耕地进行边界和区域的划分。同时，结合地理信息对耕地存在的斜面进行面积计算的更正，克服了DOM影像上对在标高方向的面积的缺陷。一方面利用DOM影像可以做到对正射面积的高精度计算，另一方面通过结合地理信息对正射面积进行修正，大大提高了对耕地面积计算的精度。另外，针对正射面积的调整建立调整模型，能够更加高效的实现对面积的修正。
作为一种可能的实现方式，根据目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据，包括：设定第一灰度变化阈值m1，并根据第一灰度变化阈值m1对目标灰度影像图进行区域划分，形成第一变化划分数据；以第一位置限值L1为校验参数，在第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域；根据道路区域，确定道路边界；根据道路边界，并结合目标灰度影像图进行地块的划分，形成地块划分结果数据。
在本发明中，在将影像灰度化后，通过灰度值的变化来进行耕地道路的识别，进而依据道路区域的边界来实现对耕地区域的识别与划分。可以理解的是，由于道路区域在标高上会比耕地突出，所以基于成像时的光线特征，灰度值具有明显的变化，当然，在设定阈值进行误差排除的情况下能够准确的将道路与耕地的界限分开。分开后基于道路较窄较长的特定建立设备的模型，进而达到识别道路的效果。从而在确定道路区域后，根据道路区域的边界对目标测量区域进行不同耕地的识别和划分。
作为一种可能的实现方式，设定第一灰度变化阈值m1，并根据第一灰度变化阈值m1对目标灰度影像图进行区域划分，形成第一变化划分数据，包括：对目标灰度影像图中的灰度像素点进行遍历，将灰度差值不大于第一灰度变化阈值m1的相邻灰度像素点确定为同一区域的灰度点，进而形成第一变化划分数据。
在本发明中，灰度值以像素点为基础，所以通过遍历影像上的所有像素点，进而将第一灰度变化阈值作为类聚的条件，快速的进行区域划分，为后续对每个区域进行是否为道路区域的判断提供数据基础。这里，对于第一灰度变化阈值可以基于大数据分析进行确定，以保证特征识别的准确性。
作为一种可能的实现方式，以第一位置限值L1为校验参数，在第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域，包括：在第一变化划分数据中的每个划分区域内获取任意三个灰度像素点A1、A2、A3；设定初始验证方向X1，分别对灰度像素点A1、A2、A3进行以下周向宽度的计算：对灰度像素点A1：以初始验证方向X1为第一计算方向，以与初始验证方向X1垂直的方向Y1为第二计算方向，获取灰度像素点A1在第一计算方向X1上的两端与所在区域边界的距离最大值Lx1，获取灰度像素点A1在第二计算方向Y1上的两端与所在区域边界的距离最大值Ly1；对灰度像素点A2：以X2为第三计算方向，以与第三计算方向X2垂直的方向Y2为第四计算方向，获取灰度像素点A2在第三计算方向X2上的两端与所在区域边界的距离最大值Lx2，获取灰度像素点A2在第四计算方向Y2上的两端与所在区域边界的距离最大值Ly2，其中X2=X1+α1；对灰度像素点A3：以X3为第五计算方向，以与第五计算方向X3垂直的方向Y3为第六计算方向，获取灰度像素点A3在第五计算方向X3上的两端与所在区域边界的距离最大值Lx3，获取灰度像素点A3在第六计算方向Y3上的两端与所在区域边界的距离最大值Ly3，其中X3=X2+α2；对获取的Lx1、Ly1、Lx2、Ly2、Lx3、Ly3进行以下分组判断：
组1：Lx1≤L0，Lx2≤L0，Lx3≤L0；
组2：Ly1≤L0，Ly2≤L0，Ly3≤L0；
若存在任意一组中的等式同时成立，则将所验证的区域确定为道路区域；其中，α1+α2≤π/2。
在本发明中，提供一种基于灰度数据进行道路区域判断的方式。可以理解的是，对于耕地的道路来说都具有较窄较长的特点，基于该特点建立判断模型，即在每个区域内任意选取三个位置点，并获取相互垂直的两个方向上的距离最大值，同时对于每个位置点的方向选择采用参考同一坐标系下的角度变换的形式获得，这样的方向选择方式，能够保证在为道路区域的区域中会有一组方向上的距离具有不会沿着道路方向的较短的满足第一位置限值的取值，而对于在非道路区域中，两个判断组的距离会因为耕地宽大的特点而出现超出第一位置限值的情况，这样能够快速的确定出道路区域。
作为一种可能的实现方式，根据地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据，包括：根据地块划分结果数据，确定出目标测量区域内的所有地块区域Dn，其中，n为目标测量区域基于地块划分结果数据所确定的地块的标号，n为非零自然数；根据影像参数，获取每个地块区域Dn的尺寸数据；根据尺寸数据计算每个地块区域Dn的面积，形成地块初始面积S0-n。
在本发明中，在完成每个耕地区域的划分后，可以根据DOM影像直接确定出每个耕地区域的正射投影面积，当然，对于耕地是平地的情况，所获得的地块初始面积即为耕地准确的实际面积，而对于存在斜度的耕地，该地块初始面积则是耕地在水平面的正向投影面积。
作为一种可能的实现方式，获取目标测量区域的地理信息，并结合地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据，包括：获取目标测量区域的地理信息，确定目标测量区域内存在标高落差的区域；根据存在标高落差的区域，对目标测量区域内的地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域。
在本发明中，为了弥补DOM影像对于标高的缺失，通过地理信息来提取耕地的标高，进而确定出耕地区域是否存在斜坡的情况，为后续进行面积的修正提供基础。
作为一种可能的实现方式，根据存在标高落差的区域，对目标测量区域内的地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域，包括：若地块区域Dn完全处于存在标高落差的区域，则将地块区域确定为完整标高调整地块An；若地块区域部分处于存在标高落差的区域，将地块区域确定为非完整标高调整地块Bn，并将非完整标高调整地块进行划分，形成标高非调整子地块Fn-c和部分标高调整子地块Tn-e，其中，c、e均为非零自然数。
在本发明中，根据耕地的类型不同，存在斜坡的耕地可能是整个区域完全是倾斜的，也可能值有部分是倾斜的，而这两种不同类型的耕地需要进行划分，进而针对性的建立不同的面积修正模型来实现对其面积的准确计算。
作为一种可能的实现方式，根据地块面积调整数据，并结合目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成目标测量区域的最终地块面积数据，包括：结合目标灰度影像图，对完整标高调整地块An建立完整地块面积调整模型，并进行面积调整，形成完整标高调整面积数据；结合目标灰度影像图，对非完整标高调整地块Bn建立非完整地块面积调整模型，并进行面积调整，形成非完整标高调整面积数据。
在本发明中，针对不同类型的耕地建立不同的面积修正模型，在充分考虑地理因素对耕地面积计算的情况下做到准确的面积计算。
作为一种可能的实现方式，结合目标灰度影像图，对完整标高调整地块An建立完 整地块面积调整模型，并进行面积调整，形成完整标高调整面积数据，包括：获取完整标高 调整地块的灰度参数，并基于标高落差的趋势确定第一分析方向Z，设定落差变化阈值范围 [H0，H1]，确定标高落差基准角度β0，根据不同的灰度分析情况确定完整标高调整地块的面 积Sa-n：当在第一分析方向Z上，完整标高调整地块内的像素点的灰度值呈连续变化，且相邻 像素点的灰度差值位于落差变化阈值范围[H0，H1]中，则以标高落差基准角度β0计算完整标 高调整地块的面积Sa-n，其中：
Figure SMS_1
；当在第一分析方向Z上，完整标高调整地块 内的像素点的灰度值呈连续变化，但存在相邻像素点的灰度差值超出落差变化阈值范围 [H0，H1]，则以相邻像素点的灰度值超过落差变化阈值范围的位置为分界点，将完整标高调 整地块进行分区划分，形成不同的完整标高调整子地块An-k和An-i，其中，An-k表示区域内相 邻像素点的灰度差值小于H0的完整标高调整子地块，An-i表示区域内相邻像素点的灰度差 值大于H1的完整标高调整子地块，k，i均为非零自然数；对完整标高调整子地块An-k，基于标 高落差基准角度β0确定完整标高调整小角度β1，并根据完整标高调整小角度β1计算完整标 高调整子地块的面积Sa-n-k，对完整标高调整子地块An-i，基于标高落差基准角度确定完整标 高调整大角度β2，并根据完整标高调整大角度β2计算完整标高调整子地块的面积Sa-n-i，基 于Sa-n-k和Sa-n-i确定完整标高调整地块的面积Sa-n，其中：
Figure SMS_2
，
Figure SMS_3
，Hk 表示完整标高调整子地块中在第一分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_4
为完整标高调整子地块的初始子面积；
Figure SMS_5
，
Figure SMS_6
，Hi表示完整标高调 整子地块中在第一分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_7
为完整标高调整 子地块的初始子面积；
Figure SMS_8
；当在第一分析方向Z上，完整标高调整地块内 的像素点的灰度值非连续变化，则提取非连续变化的区域确定为完整标高平面地块An-p，对 每个连续性变化的区域进行相邻像素点的灰度差值与落差变化阈值范围的判断，确定为不 同的完整标高调整子地块An-u，p、u均为非零自然数；获取完整标高平面地块的面积Sa-n-p，基 于标高落差基准角度β0确定每个完整标高调整子地块An-u的调整角度βu，并计算完整标高调 整子地块的面积Sa-n-u，基于Sa-n-p和Sa-n-u确定完整标高调整地块的面积Sa-n，其中：
Figure SMS_9
，βu根据判定情况确定：若完整标高调整子地块中相邻像素点的灰度差 值的平均数处于[H0，H1]中，则βu=β0，若完整标高调整子地块中相邻像素点的灰度差值的平 均数Hu小于H0，则
Figure SMS_10
，若完整标高调整子地块中相邻像素点的灰度差值的平均数 Hu大于H1，则
Figure SMS_11
；
Figure SMS_12
。
在本发明中，对于完全处于斜面区域的耕地，根据耕地倾斜变化的不同划分为不同的计算类型，进而适应不同的耕地面积计算，达到准确计算耕地面积的效果。一种是整个耕地的倾斜角度相同且倾斜角度统一，这样在灰度数据上展现出相邻灰度差值具有连续且稳定的变化特性，直接基于标高落差基准角度可获得准确的耕地面积。第二种是，存在耕地整体倾斜，但其中倾斜的角度不同，这样，为了进一步获得准确的面积计算结果，就需要对耕地进行基于不同倾斜角度的划分，利用灰度差值变化的平均值获取有效的倾斜角度，进而进行准确的面积计算。第三种则是，存在阶梯式的倾斜方式，在斜面过后紧跟着一个平面再继续是斜面，这样需要在将平面提取后对剩下的斜面进行斜面角度的确定，最后综合斜面与平面的面积获取准确的耕地面积。
作为一种可能的实现方式，结合目标灰度影像图，对非完整标高调整地块Bn建立 非完整地块面积调整模型，并进行面积调整，形成非完整标高调整面积数据，包括：计算标 高非调整子地块Fn-c的面积Sn-c；获取完整标高调整地块的灰度参数，并基于标高落差的趋 势确定第一分析方向Z，设定落差变化阈值范围[H0，H1]，确定标高落差基准角度β0，根据不 同的灰度分析情况确定部分标高调整子地块的面积Sn-e：当在第一分析方向z上，部分标高 调整子地块内的像素点的灰度值呈连续变化，且相邻像素点的灰度差值位于落差变化阈值 范围[H0，H1]中，则以标高落差基准角度β0计算部分标高调整子地块Sn-e，其中：
Figure SMS_13
，
Figure SMS_14
为部分标高调整子地块的初始子面积；当在第一分析方向Z上，部分标高调整子地块 内的像素点的灰度值呈连续变化，但存在相邻像素点的灰度差值超出落差变化阈值范围 [H0，H1]，则以相邻像素点的灰度值超过落差变化阈值范围的位置为分界点，将部分标高调 整子地块进行分区划分，形成不同的部分标高调整子地块子区域An-e-w和An-e-q，其中，An-e-w 表示区域内相邻像素点的灰度差值小于H0的部分标高调整子地块子区域，An-e-q表示区域内 相邻像素点的灰度差值大于H1的部分标高调整子地块子区域，w，q均为非零自然数；对部分 标高调整子地块子区域An-e-w，基于标高落差基准角度β0确定部分标高调整小角度β3，并根 据部分标高调整小角度β3计算部分标高调整子地块子区域的面积Sn-e-w，对部分标高调整子 地块子区域An-e-q，基于标高落差基准角度确定完整标高调整大角度β4，并根据完整标高调 整大角度β4计算部分标高调整子地块子区域的面积Sn-e-q，基于Sn-e-w和Sn-e-q确定完整标高 调整地块的面积Sn-e，其中：
Figure SMS_15
，
Figure SMS_16
，Hw表示部分标高调整子地 块子区域中在第一分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_17
为部分标高调 整子地块子区域的初始子面积；
Figure SMS_18
，
Figure SMS_19
，Hq表示部分标高调整子地块子区域中在第一 分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_20
为部分标高调整子地块子区域的 初始子面积；
Figure SMS_21
；
当在第一分析方向Z上，部分标高调整子地块内的像素点的灰度值非连续变化，则 提取非连续变化的区域确定为部分标高调整子地块平面区域An-e-t，对每个连续性变化的区 域进行相邻像素点的灰度差值与落差变化阈值范围的判断，确定为不同的部分标高调整子 地块子区域An-e-r，t、r均为非零自然数；获取部分标高调整子地块平面区域的面积Sn-e-t，基 于标高落差基准角度β0确定每个部分标高调整子地块
Figure SMS_22
的调整角度βr，并计算部分标 高调整子地块的面积Sn-e-r，基于Sn-e-t和Sn-e-r确定完整标高调整地块的面积Sn-e，其中：
Figure SMS_23
，βr根据判定情况确定：若部分标高调整子地块中相邻像素点的灰度差 值的平均数处于[H0，H1]中，则βr=β0，若部分标高调整子地块中相邻像素点的灰度差值的平 均数Hr小于H0，则
Figure SMS_24
，若部分标高调整子地块中相邻像素点的灰度差值的平均数Hr 大于H1，则
Figure SMS_25
；
Figure SMS_26
；结合
Figure SMS_27
和Sn-c，确定非完整标 高调整面积Sb-n，其中：
Figure SMS_28
。
在本发明中，同样地，对于某些耕地本身只有部分倾斜，则需要在将平面耕地部分去除后再对呈斜面的耕地进行准确的面积计算分析。同理，对于部分耕地区域呈斜面的面积计算，根据耕地倾斜变化的不同划分为不同的计算类型，进而适应不同的耕地面积计算，达到准确计算耕地面积的效果。本发明也提供三种计算模型，一种是整个耕地的倾斜角度相同且倾斜角度统一，这样在灰度数据上展现出相邻灰度差值具有连续且稳定的变化特性，直接基于标高落差基准角度可获得准确的耕地面积。第二种是，存在耕地整体倾斜，但其中倾斜的角度不同，这样，为了进一步获得准确的面积计算结果，就需要对耕地进行基于不同倾斜角度的划分，利用灰度差值变化的平均值获取有效的倾斜角度，进而进行准确的面积计算。第三种则是，存在阶梯式的倾斜方式，在斜面过后紧跟着一个平面再继续是斜面，这样需要在将平面提取后对剩下的斜面进行斜面角度的确定，最后综合斜面与平面的面积获取准确的耕地面积。
本发明提供的一种基于DOM影像的农业耕地地块的面积测量方法的有益效果有：
该方法通过将获取的影响图进行灰度处理，利用耕地的不同特征所展现的灰度数据不同来对耕地进行边界和区域的划分。同时，结合地理信息对耕地存在的斜面进行面积计算的更正，克服了DOM影像上对在标高方向的面积的缺陷。一方面利用DOM影像可以做到对正射面积的高精度计算，另一方面通过结合地理信息对正射面积进行修正，大大提高了对耕地面积计算的精度。另外，针对正射面积的调整建立调整模型，能够更加高效的实现对面积的修正。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的基于DOM影像的农业耕地地块的面积测量方法的步骤图。
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描述。
数字正射影像图（Digital Orthophoto Map, DOM)是以航摄像片或遥感影像（单色/彩色）为基础，经扫描处理并经逐像元进行辐射改正、微分纠正和镶嵌，按地形图范围裁剪成的影像数据，并将地形要素的信息以符号、线画、注记、公里格网、图廓（内/外）整饰等形式填加到该影像平面上，形成以栅格数据形式存储的影像数据库。它具有地形图的几何精度和影像特征。
农业生产中，为了量化农业生产产量和便于耕种的设计，常常会对耕地进行面积测算。范围较小的耕地面积计算人工测量十分方便简单，但对于范围广大，地形多变的耕地进行面积测算，再使用人工进行测算，则十分的耗时耗力。目前也有运用航拍图像进行面积测算的方式，但一方面由于获取到的图像数据准确度不高，导致计算精度不高，另一方面由于面积计算的方式也影响面积计算结果的准确度。
参考图1，本发明实施例提供一种基于DOM影像的农业耕地地块的面积测量方法。该方法通过将获取的影响图进行灰度处理，利用耕地的不同特征所展现的灰度数据不同来对耕地进行边界和区域的划分。同时，结合地理信息对耕地存在的斜面进行面积计算的更正，克服了DOM影像上对在标高方向的面积的缺陷。一方面利用DOM影像可以做到对正射面积的高精度计算，另一方面通过结合地理信息对正射面积进行修正，大大提高了对耕地面积计算的精度。另外，针对正射面积的调整建立调整模型，能够更加高效的实现对面积的修正。
基于DOM影像的农业耕地地块的面积测量方法包括以下主要步骤：
S1：获取目标测量区域的影像图，并对影像图进行灰度处理，形成目标灰度影像图。
将影像图进行灰度化，利用灰度数据进行面积计算的分析，一方面灰度数据能够充分展现出面积计算所需参数诸如区域划分、斜面分析等，另一方面，灰度化后的数据相对处理比较简单，能够加快面积计算的效率，不受其他图像因素的影响，提高计算的准确性。
S2：根据目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据。
根据目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据，包括：设定第一灰度变化阈值m1，并根据第一灰度变化阈值m1对目标灰度影像图进行区域划分，形成第一变化划分数据；以第一位置限值L1为校验参数，在第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域；根据道路区域，确定道路边界；根据道路边界，并结合目标灰度影像图进行地块的划分，形成地块划分结果数据。
在将影像灰度化后，通过灰度值的变化来进行耕地道路的识别，进而依据道路区域的边界来实现对耕地区域的识别与划分。可以理解的是，由于道路区域在标高上会比耕地突出，所以基于成像时的光线特征，灰度值具有明显的变化，当然，在设定阈值进行误差排除的情况下能够准确的将道路与耕地的界限分开。分开后基于道路较窄较长的特定建立设备的模型，进而达到识别道路的效果。从而在确定道路区域后，根据道路区域的边界对目标测量区域进行不同耕地的识别和划分。
其中，设定第一灰度变化阈值m1，并根据第一灰度变化阈值m1对目标灰度影像图进行区域划分，形成第一变化划分数据，包括：对目标灰度影像图中的灰度像素点进行遍历，将灰度差值不大于第一灰度变化阈值m1的相邻灰度像素点确定为同一区域的灰度点，进而形成第一变化划分数据。
灰度值以像素点为基础，所以通过遍历影像上的所有像素点，进而将第一灰度变化阈值作为类聚的条件，快速的进行区域划分，为后续对每个区域进行是否为道路区域的判断提供数据基础。这里，对于第一灰度变化阈值可以基于大数据分析进行确定，以保证特征识别的准确性。
以第一位置限值L1为校验参数，在第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域，包括：在第一变化划分数据中的每个划分区域内获取任意三个灰度像素点A1、A2、A3；设定初始验证方向X1，分别对灰度像素点A1、A2、A3进行以下周向宽度的计算：对灰度像素点A1：以初始验证方向X1为第一计算方向，以与初始验证方向X1垂直的方向Y1为第二计算方向，获取灰度像素点A1在第一计算方向X1上的两端与所在区域边界的距离最大值Lx1，获取灰度像素点A1在第二计算方向Y1上的两端与所在区域边界的距离最大值Ly1；对灰度像素点A2：以X2为第三计算方向，以与第三计算方向X2垂直的方向Y2为第四计算方向，获取灰度像素点A2在第三计算方向X2上的两端与所在区域边界的距离最大值Lx2，获取灰度像素点A2在第四计算方向Y2上的两端与所在区域边界的距离最大值Ly2，其中X2=X1+α1；对灰度像素点A3：以X3为第五计算方向，以与第五计算方向X3垂直的方向Y3为第六计算方向，获取灰度像素点A3在第五计算方向X3上的两端与所在区域边界的距离最大值Lx3，获取灰度像素点A3在第六计算方向Y3上的两端与所在区域边界的距离最大值Ly3，其中X3=X2+α2；对获取的Lx1、Ly1、Lx2、Ly2、Lx3、Ly3进行以下分组判断：
组1：Lx1≤L0，Lx2≤L0，Lx3≤L0；
组2：Ly1≤L0，Ly2≤L0，Ly3≤L0；
若存在任意一组中的等式同时成立，则将所验证的区域确定为道路区域；其中，α1+α2≤π/2。
可以理解的是，对于耕地的道路来说都具有较窄较长的特点，基于该特点建立判断模型，即在每个区域内任意选取三个位置点，并获取相互垂直的两个方向上的距离最大值，同时对于每个位置点的方向选择采用参考同一坐标系下的角度变换的形式获得，这样的方向选择方式，能够保证在为道路区域的区域中会有一组方向上的距离具有不会沿着道路方向的较短的满足第一位置限值的取值，而对于在非道路区域中，两个判断组的距离会因为耕地宽大的特点而出现超出第一位置限值的情况，这样能够快速的确定出道路区域。
S3：根据地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据。
该步骤包括根据地块划分结果数据，确定出目标测量区域内的所有地块区域Dn，其中，n为目标测量区域基于地块划分结果数据所确定的地块的标号，n为非零自然数；根据影像参数，获取每个地块区域Dn的尺寸数据；根据尺寸数据计算每个地块区域Dn的面积，形成地块初始面积S0-n。
在完成每个耕地区域的划分后，可以根据DOM影像直接确定出每个耕地区域的正射投影面积，当然，对于耕地是平地的情况，所获得的地块初始面积即为耕地准确的实际面积，而对于存在斜度的耕地，该地块初始面积则是耕地在水平面的正向投影面积。
S4：获取目标测量区域的地理信息，并结合地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据。
获取目标测量区域的地理信息，并结合地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据，包括：获取目标测量区域的地理信息，确定目标测量区域内存在标高落差的区域；根据存在标高落差的区域，对目标测量区域内的地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域。
为了弥补DOM影像对于标高的缺失，通过地理信息来提取耕地的标高，进而确定出耕地区域是否存在斜坡的情况，为后续进行面积的修正提供基础。
其中，根据存在标高落差的区域，对目标测量区域内的地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域，包括：若地块区域Dn完全处于存在标高落差的区域，则将地块区域确定为完整标高调整地块An；若地块区域部分处于存在标高落差的区域，将地块区域确定为非完整标高调整地块Bn，并将非完整标高调整地块进行划分，形成标高非调整子地块Fn-c和部分标高调整子地块Tn-e，其中，c、e均为非零自然数。
根据耕地的类型不同，存在斜坡的耕地可能是整个区域完全是倾斜的，也可能值有部分是倾斜的，而这两种不同类型的耕地需要进行划分，进而针对性的建立不同的面积修正模型来实现对其面积的准确计算。
S5：根据地块面积调整数据，并结合目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成目标测量区域的最终地块面积数据。
根据地块面积调整数据，并结合目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成目标测量区域的最终地块面积数据，包括：结合目标灰度影像图，对完整标高调整地块An建立完整地块面积调整模型，并进行面积调整，形成完整标高调整面积数据；结合目标灰度影像图，对非完整标高调整地块Bn建立非完整地块面积调整模型，并进行面积调整，形成非完整标高调整面积数据。针对不同类型的耕地建立不同的面积修正模型，在充分考虑地理因素对耕地面积计算的情况下做到准确的面积计算。
结合目标灰度影像图，对完整标高调整地块An建立完整地块面积调整模型，并进 行面积调整，形成完整标高调整面积数据，包括：获取完整标高调整地块的灰度参数，并基 于标高落差的趋势确定第一分析方向Z，设定落差变化阈值范围[H0，H1]，确定标高落差基准 角度β0，根据不同的灰度分析情况确定完整标高调整地块的面积Sa-n：当在第一分析方向Z 上，完整标高调整地块内的像素点的灰度值呈连续变化，且相邻像素点的灰度差值位于落 差变化阈值范围[H0，H1]中，则以标高落差基准角度β0计算完整标高调整地块的面积Sa-n，其 中：
Figure SMS_29
；当在第一分析方向Z上，完整标高调整地块内的像素点的灰度值呈连 续变化，但存在相邻像素点的灰度差值超出落差变化阈值范围[H0，H1]，则以相邻像素点的 灰度值超过落差变化阈值范围的位置为分界点，将完整标高调整地块进行分区划分，形成 不同的完整标高调整子地块An-k和An-i，其中，An-k表示区域内相邻像素点的灰度差值小于H0 的完整标高调整子地块，An-i表示区域内相邻像素点的灰度差值大于H1的完整标高调整子 地块，k，i均为非零自然数；对完整标高调整子地块An-k，基于标高落差基准角度β0确定完整 标高调整小角度β1，并根据完整标高调整小角度β1计算完整标高调整子地块的面积Sa-n-k， 对完整标高调整子地块An-i，基于标高落差基准角度确定完整标高调整大角度β2，并根据完 整标高调整大角度β2计算完整标高调整子地块的面积Sa-n-i，基于Sa-n-k和Sa-n-i确定完整标 高调整地块的面积Sa-n，其中：
Figure SMS_30
，
Figure SMS_31
，Hk表示完整标高调整子地块 中在第一分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_32
为完整标高调整子地块的 初始子面积；
Figure SMS_33
，
Figure SMS_34
，Hi表示完整标高调整子地块中在第一分析方 向Z上相邻像素点的灰度差值的平均数；
Figure SMS_35
为完整标高调整子地块的初始子面积；
Figure SMS_36
；当在第一分析方向Z上，完整标高调整地块内 的像素点的灰度值非连续变化，则提取非连续变化的区域确定为完整标高平面地块An-p，对 每个连续性变化的区域进行相邻像素点的灰度差值与落差变化阈值范围的判断，确定为不 同的完整标高调整子地块An-u，p、u均为非零自然数；获取完整标高平面地块的面积Sa-n-p，基 于标高落差基准角度β0确定每个完整标高调整子地块An-u的调整角度βu，并计算完整标高调 整子地块的面积Sa-n-u，基于Sa-n-p和Sa-n-u确定完整标高调整地块的面积Sa-n，其中：
Figure SMS_37
，βu根据判定情况确定：若完整标高调整子地块中相邻像素点的灰度差 值的平均数处于[H0，H1]中，则βu=β0，若完整标高调整子地块中相邻像素点的灰度差值的平 均数Hu小于H0，则
Figure SMS_38
，若完整标高调整子地块中相邻像素点的灰度差值的平均数 Hu大于H1，则
Figure SMS_39
；
Figure SMS_40
。
对于完全处于斜面区域的耕地，根据耕地倾斜变化的不同划分为不同的计算类型，进而适应不同的耕地面积计算，达到准确计算耕地面积的效果。一种是整个耕地的倾斜角度相同且倾斜角度统一，这样在灰度数据上展现出相邻灰度差值具有连续且稳定的变化特性，直接基于标高落差基准角度可获得准确的耕地面积。第二种是，存在耕地整体倾斜，但其中倾斜的角度不同，这样，为了进一步获得准确的面积计算结果，就需要对耕地进行基于不同倾斜角度的划分，利用灰度差值变化的平均值获取有效的倾斜角度，进而进行准确的面积计算。第三种则是，存在阶梯式的倾斜方式，在斜面过后紧跟着一个平面再继续是斜面，这样需要在将平面提取后对剩下的斜面进行斜面角度的确定，最后综合斜面与平面的面积获取准确的耕地面积。
同样，结合目标灰度影像图，对非完整标高调整地块Bn建立非完整地块面积调整 模型，并进行面积调整，形成非完整标高调整面积数据，包括：计算标高非调整子地块Fn-c的 面积Sn-c；获取完整标高调整地块的灰度参数，并基于标高落差的趋势确定第一分析方向Z， 设定落差变化阈值范围[H0，H1]，确定标高落差基准角度β0，根据不同的灰度分析情况确定 部分标高调整子地块的面积Sn-e：当在第一分析方向z上，部分标高调整子地块内的像素点 的灰度值呈连续变化，且相邻像素点的灰度差值位于落差变化阈值范围[H0，H1]中，则以标 高落差基准角度β0计算部分标高调整子地块Sn-e，其中：
Figure SMS_41
，
Figure SMS_42
为部分标 高调整子地块的初始子面积；当在第一分析方向Z上，部分标高调整子地块内的像素点的灰 度值呈连续变化，但存在相邻像素点的灰度差值超出落差变化阈值范围[H0，H1]，则以相邻 像素点的灰度值超过落差变化阈值范围的位置为分界点，将部分标高调整子地块进行分区 划分，形成不同的部分标高调整子地块子区域An-e-w和An-e-q，其中，An-e-w表示区域内相邻像 素点的灰度差值小于H0的部分标高调整子地块子区域，An-e-q表示区域内相邻像素点的灰度 差值大于H1的部分标高调整子地块子区域，w，q均为非零自然数；对部分标高调整子地块子 区域An-e-w，基于标高落差基准角度β0确定部分标高调整小角度β3，并根据部分标高调整小 角度β3计算部分标高调整子地块子区域的面积Sn-e-w，对部分标高调整子地块子区域An-e-q， 基于标高落差基准角度确定完整标高调整大角度β4，并根据完整标高调整大角度β4计算部 分标高调整子地块子区域的面积Sn-e-q，基于Sn-e-w和Sn-e-q确定完整标高调整地块的面积 Sn-e，其中：
Figure SMS_43
，
Figure SMS_44
，Hw表示部分标高调整子地块子区域中在第 一分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_45
为部分标高调整子地块子区域 的初始子面积；
Figure SMS_46
，
Figure SMS_47
，Hq表示部分标高调整子地块子区域中在第一 分析方向Z上相邻像素点的灰度差值的平均数；
Figure SMS_48
为部分标高调整子地块子区域的 初始子面积；
Figure SMS_49
；
当在第一分析方向Z上，部分标高调整子地块内的像素点的灰度值非连续变化，则 提取非连续变化的区域确定为部分标高调整子地块平面区域An-e-t，对每个连续性变化的区 域进行相邻像素点的灰度差值与落差变化阈值范围的判断，确定为不同的部分标高调整子 地块子区域An-e-r，t、r均为非零自然数；获取部分标高调整子地块平面区域的面积Sn-e-t，基 于标高落差基准角度β0确定每个部分标高调整子地块
Figure SMS_50
的调整角度βr，并计算部分标 高调整子地块的面积Sn-e-r，基于Sn-e-t和Sn-e-r确定完整标高调整地块的面积Sn-e，其中：
Figure SMS_51
，βr根据判定情况确定：若部分标高调整子地块中相邻像素点的灰度差 值的平均数处于[H0，H1]中，则βr=β0，若部分标高调整子地块中相邻像素点的灰度差值的平 均数Hr小于H0，则
Figure SMS_52
，若部分标高调整子地块中相邻像素点的灰度差值的平均数Hr 大于H1，则
Figure SMS_53
；
Figure SMS_54
；结合
Figure SMS_55
和Sn-c，确定非完整标 高调整面积Sb-n，其中：
Figure SMS_56
。
对于某些耕地本身只有部分倾斜，则需要在将平面耕地部分去除后再对呈斜面的耕地进行准确的面积计算分析。同理，对于部分耕地区域呈斜面的面积计算，根据耕地倾斜变化的不同划分为不同的计算类型，进而适应不同的耕地面积计算，达到准确计算耕地面积的效果。本发明也提供三种计算模型，一种是整个耕地的倾斜角度相同且倾斜角度统一，这样在灰度数据上展现出相邻灰度差值具有连续且稳定的变化特性，直接基于标高落差基准角度可获得准确的耕地面积。第二种是，存在耕地整体倾斜，但其中倾斜的角度不同，这样，为了进一步获得准确的面积计算结果，就需要对耕地进行基于不同倾斜角度的划分，利用灰度差值变化的平均值获取有效的倾斜角度，进而进行准确的面积计算。第三种则是，存在阶梯式的倾斜方式，在斜面过后紧跟着一个平面再继续是斜面，这样需要在将平面提取后对剩下的斜面进行斜面角度的确定，最后综合斜面与平面的面积获取准确的耕地面积。
综上所述，本发明实施例提供的基于DOM影像的农业耕地地块的面积测量方法的有益效果有：
该方法通过将获取的影响图进行灰度处理，利用耕地的不同特征所展现的灰度数据不同来对耕地进行边界和区域的划分。同时，结合地理信息对耕地存在的斜面进行面积计算的更正，克服了DOM影像上对在标高方向的面积的缺陷。一方面利用DOM影像可以做到对正射面积的高精度计算，另一方面通过结合地理信息对正射面积进行修正，大大提高了对耕地面积计算的精度。另外，针对正射面积的调整建立调整模型，能够更加高效的实现对面积的修正。
本发明中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以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。专业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。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述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（read-only memory，ROM）、随机存取存储器（random acceLL memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于DOM影像的农业耕地地块的面积测量方法，其特征在于，包括：
获取目标测量区域的影像图，并对影像图进行灰度处理，形成目标灰度影像图；
根据所述目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据；
根据所述地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据；
获取所述目标测量区域的地理信息，并结合所述地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据；
根据所述地块面积调整数据，并结合所述目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成所述目标测量区域的最终地块面积数据。
2.根据权利要求1所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述根据所述目标灰度影像图进行地块边界的识别，并根据识别结果进行地块的划分，形成地块划分结果数据，包括：
设定第一灰度变化阈值m1，并根据所述第一灰度变化阈值m1对所述目标灰度影像图进行区域划分，形成第一变化划分数据；
以第一位置限值L1为校验参数，在所述第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域；
根据所述道路区域，确定道路边界；
根据所述道路边界，并结合所述目标灰度影像图进行地块的划分，形成所述地块划分结果数据。
3.根据权利要求2所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述设定第一灰度变化阈值m1，并根据所述第一灰度变化阈值m1对所述目标灰度影像图进行区域划分，形成第一变化划分数据，包括：
对所述目标灰度影像图中的灰度像素点进行遍历，将灰度差值不大于所述第一灰度变化阈值m1的相邻灰度像素点确定为同一区域的灰度点，进而形成所述第一变化划分数据。
4.根据权利要求3所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述以第一位置限值L1为校验参数，在所述第一变化划分数据的每个划分区域内进行周向宽度的验证，并根据验证结果确定道路区域，包括：
在所述第一变化划分数据中的每个划分区域内获取任意三个灰度像素点A1、A2、A3；
设定初始验证方向X1，分别对灰度像素点A1、A2、A3进行以下周向宽度的计算：
对灰度像素点A1：以所述初始验证方向X1为第一计算方向，以与所述初始验证方向X1垂直的方向Y1为第二计算方向，获取所述灰度像素点A1在所述第一计算方向X1上的两端与所在区域边界的距离最大值Lx1，获取灰度像素点A1在所述第二计算方向Y1上的两端与所在区域边界的距离最大值Ly1；
对灰度像素点A2：以X2为第三计算方向，以与所述第三计算方向X2垂直的方向Y2为第四计算方向，获取所述灰度像素点A2在所述第三计算方向X2上的两端与所在区域边界的距离最大值Lx2，获取灰度像素点A2在所述第四计算方向Y2上的两端与所在区域边界的距离最大值Ly2，其中X2=X1+α1；
对灰度像素点A3：以X3为第五计算方向，以与所述第五计算方向X3垂直的方向Y3为第六计算方向，获取所述灰度像素点A3在所述第五计算方向X3上的两端与所在区域边界的距离最大值Lx3，获取灰度像素点A3在所述第六计算方向Y3上的两端与所在区域边界的距离最大值Ly3，其中X3=X2+α2；
对获取的Lx1、Ly1、Lx2、Ly2、Lx3、Ly3进行以下分组判断：
组1：Lx1≤L0，Lx2≤L0，Lx3≤L0；
组2：Ly1≤L0，Ly2≤L0，Ly3≤L0；
若存在任意一组中的等式同时成立，则将所验证的区域确定为所述道路区域；
其中，α1+α2≤π/2。
5.根据权利要求4所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述根据所述地块划分结果数据，并结合影像参数，进行初步面积计算，获取地块初始面积数据，包括：
根据所述地块划分结果数据，确定出所述目标测量区域内的所有地块区域Dn，其中，n为所述目标测量区域基于所述地块划分结果数据所确定的地块的标号，n为非零自然数；
根据所述影像参数，获取每个所述地块区域Dn的尺寸数据；
根据所述尺寸数据计算每个所述地块区域Dn的面积，形成地块初始面积S0-n。
6.根据权利要求5所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述获取所述目标测量区域的地理信息，并结合所述地块划分结果数据进行地块面积调整的确定，形成地块面积调整数据，包括：
获取所述目标测量区域的地理信息，确定所述目标测量区域内存在标高落差的区域；
根据存在标高落差的区域，对所述目标测量区域内的所述地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域。
7.根据权利要求6所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述根据存在标高落差的区域，对所述目标测量区域内的所述地块区域Dn进行标高调整划分，确定出需要基于标高进行面积调整的区域，形成标高调整区域，包括：
若所述地块区域Dn完全处于存在标高落差的区域，则将所述地块区域确定为完整标高调整地块An；
若所述地块区域部分处于存在标高落差的区域，将所述地块区域确定为非完整标高调整地块Bn，并将所述非完整标高调整地块进行划分，形成标高非调整子地块Fn-c和部分标高调整子地块Tn-e，其中，c、e均为非零自然数。
8.根据权利要求7所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述根据所述地块面积调整数据，并结合所述目标测量区域的地理信息建立基于地理因素的面积调整模型对地块面积进行调整，形成所述目标测量区域的最终地块面积数据，包括：
结合所述目标灰度影像图，对所述完整标高调整地块An建立完整地块面积调整模型，并进行面积调整，形成完整标高调整面积数据；
结合所述目标灰度影像图，对所述非完整标高调整地块Bn建立非完整地块面积调整模型，并进行面积调整，形成非完整标高调整面积数据。
9.根据权利要求8所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，结合所述目标灰度影像图，对所述完整标高调整地块An建立完整地块面积调整模型，并进行面积调整，形成完整标高调整面积数据，包括：
获取所述完整标高调整地块的灰度参数，并基于标高落差的趋势确定第一分析方向Z，设定落差变化阈值范围[H0，H1]，确定标高落差基准角度β0，根据不同的灰度分析情况确定所述完整标高调整地块的面积Sa-n：
当在所述第一分析方向Z上，所述完整标高调整地块内的像素点的灰度值呈连续变化，且相邻所述像素点的灰度差值位于所述落差变化阈值范围[H0，H1]中，则以所述标高落差基准角度β0计算所述完整标高调整地块的面积Sa-n，其中：
Figure QLYQS_1
；
当在所述第一分析方向Z上，所述完整标高调整地块内的像素点的灰度值呈连续变化，但存在相邻所述像素点的灰度差值超出所述落差变化阈值范围[H0，H1]，则以相邻所述像素点的灰度值超过所述落差变化阈值范围的位置为分界点，将所述完整标高调整地块进行分区划分，形成不同的完整标高调整子地块An-k和An-i，其中，An-k表示区域内相邻所述像素点的灰度差值小于H0的所述完整标高调整子地块，An-i表示区域内相邻所述像素点的灰度差值大于H1的所述完整标高调整子地块，k，i均为非零自然数；对所述完整标高调整子地块An-k，基于所述标高落差基准角度β0确定完整标高调整小角度β1，并根据所述完整标高调整小角度β1计算所述完整标高调整子地块的面积Sa-n-k，对所述完整标高调整子地块An-i，基于所述标高落差基准角度确定完整标高调整大角度β2，并根据所述完整标高调整大角度β2计算所述完整标高调整子地块的面积Sa-n-i，基于Sa-n-k和Sa-n-i确定所述完整标高调整地块的面积Sa-n，其中：
Figure QLYQS_2
，/>
Figure QLYQS_3
，Hk表示所述完整标高调整子地块中在所述第一分析方向Z上相邻所述像素点的灰度差值的平均数；/>
Figure QLYQS_4
为所述完整标高调整子地块的初始子面积；
Figure QLYQS_5
，/>
Figure QLYQS_6
，Hi表示所述完整标高调整子地块中在所述第一分析方向Z上相邻所述像素点的灰度差值的平均数；/>
Figure QLYQS_7
为所述完整标高调整子地块的初始子面积；
Figure QLYQS_8
；
当在所述第一分析方向Z上，所述完整标高调整地块内的像素点的灰度值非连续变化，则提取非连续变化的区域确定为完整标高平面地块An-p，对每个连续性变化的区域进行相邻所述像素点的灰度差值与所述落差变化阈值范围的判断，确定为不同的完整标高调整子地块An-u，p、u均为非零自然数；获取所述完整标高平面地块的面积Sa-n-p，基于所述标高落差基准角度β0确定每个完整标高调整子地块An-u的调整角度βu，并计算所述完整标高调整子地块的面积Sa-n-u，基于Sa-n-p和Sa-n-u确定所述完整标高调整地块的面积Sa-n，其中：
Figure QLYQS_9
，βu根据判定情况确定：若所述完整标高调整子地块中相邻所述像素点的灰度差值的平均数处于[H0，H1]中，则βu=β0，若所述完整标高调整子地块中相邻所述像素点的灰度差值的平均数Hu小于H0，则/>
Figure QLYQS_10
，若所述完整标高调整子地块中相邻所述像素点的灰度差值的平均数Hu大于H1，则/>
Figure QLYQS_11
；
Figure QLYQS_12
。
10.根据权利要求8所述的基于DOM影像的农业耕地地块的面积测量方法，其特征在于，所述结合所述目标灰度影像图，对所述非完整标高调整地块Bn建立非完整地块面积调整模型，并进行面积调整，形成非完整标高调整面积数据，包括：
计算所述标高非调整子地块Fn-c的面积Sn-c；
获取所述完整标高调整地块的灰度参数，并基于标高落差的趋势确定第一分析方向Z，设定落差变化阈值范围[H0，H1]，确定标高落差基准角度β0，根据不同的灰度分析情况确定所述部分标高调整子地块的面积Sn-e：
当在所述第一分析方向z上，所述部分标高调整子地块内的像素点的灰度值呈连续变化，且相邻所述像素点的灰度差值位于所述落差变化阈值范围[H0，H1]中，则以所述标高落差基准角度β0计算所述部分标高调整子地块Sn-e，其中：
Figure QLYQS_13
，/>
Figure QLYQS_14
为所述部分标高调整子地块的初始子面积；
当在所述第一分析方向Z上，所述部分标高调整子地块内的像素点的灰度值呈连续变化，但存在相邻所述像素点的灰度差值超出所述落差变化阈值范围[H0，H1]，则以相邻所述像素点的灰度值超过所述落差变化阈值范围的位置为分界点，将所述部分标高调整子地块进行分区划分，形成不同的部分标高调整子地块子区域An-e-w和An-e-q，其中，An-e-w表示区域内相邻所述像素点的灰度差值小于H0的所述部分标高调整子地块子区域，An-e-q表示区域内相邻所述像素点的灰度差值大于H1的所述部分标高调整子地块子区域，w，q均为非零自然数；对所述部分标高调整子地块子区域An-e-w，基于所述标高落差基准角度β0确定部分标高调整小角度β3，并根据所述部分标高调整小角度β3计算所述部分标高调整子地块子区域的面积Sn-e-w，对所述部分标高调整子地块子区域An-e-q，基于所述标高落差基准角度确定完整标高调整大角度β4，并根据所述完整标高调整大角度β4计算所述部分标高调整子地块子区域的面积Sn-e-q，基于Sn-e-w和Sn-e-q确定所述完整标高调整地块的面积Sn-e，其中：
Figure QLYQS_15
，/>
Figure QLYQS_16
，Hw表示所述部分标高调整子地块子区域中在所述第一分析方向Z上相邻所述像素点的灰度差值的平均数；/>
Figure QLYQS_17
为所述部分标高调整子地块子区域的初始子面积；
Figure QLYQS_18
，/>
Figure QLYQS_19
，Hq表示所述部分标高调整子地块子区域中在所述第一分析方向Z上相邻所述像素点的灰度差值的平均数；/>
Figure QLYQS_20
为所述部分标高调整子地块子区域的初始子面积；
Figure QLYQS_21
；
当在所述第一分析方向Z上，所述部分标高调整子地块内的像素点的灰度值非连续变化，则提取非连续变化的区域确定为部分标高调整子地块平面区域An-e-t，对每个连续性变化的区域进行相邻所述像素点的灰度差值与所述落差变化阈值范围的判断，确定为不同的部分标高调整子地块子区域An-e-r，t、r均为非零自然数；获取所述部分标高调整子地块平面区域的面积Sn-e-t，基于所述标高落差基准角度β0确定每个部分标高调整子地块
Figure QLYQS_22
的调整角度βr，并计算所述部分标高调整子地块的面积Sn-e-r，基于Sn-e-t和Sn-e-r确定所述完整标高调整地块的面积Sn-e，其中：
Figure QLYQS_23
，βr根据判定情况确定：若所述部分标高调整子地块中相邻所述像素点的灰度差值的平均数处于[H0，H1]中，则βr=β0，若所述部分标高调整子地块中相邻所述像素点的灰度差值的平均数Hr小于H0，则/>
Figure QLYQS_24
，若所述部分标高调整子地块中相邻所述像素点的灰度差值的平均数Hr大于H1，则/>
Figure QLYQS_25
；
Figure QLYQS_26
；
结合
Figure QLYQS_27
和Sn-c，确定非完整标高调整面积Sb-n，其中：
Figure QLYQS_28
。
CN202310609155.4A 2023-05-29 2023-05-29 一种基于dom影像的农业耕地地块的面积测量方法 Active CN116342685B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310609155.4A CN116342685B (zh) 2023-05-29 2023-05-29 一种基于dom影像的农业耕地地块的面积测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310609155.4A CN116342685B (zh) 2023-05-29 2023-05-29 一种基于dom影像的农业耕地地块的面积测量方法

Publications (2)

Publication Number Publication Date
CN116342685A true CN116342685A (zh) 2023-06-27
CN116342685B CN116342685B (zh) 2023-07-28

Family

ID=86886195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310609155.4A Active CN116342685B (zh) 2023-05-29 2023-05-29 一种基于dom影像的农业耕地地块的面积测量方法

Country Status (1)

Country Link
CN (1) CN116342685B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384081A (zh) * 2016-08-30 2017-02-08 水利部水土保持监测中心 一种基于高分辨率遥感影像的坡耕地提取方法和系统
CN111709379A (zh) * 2020-06-18 2020-09-25 谢国雪 基于遥感影像的丘陵区柑橘种植地块监测方法及系统
CN111985422A (zh) * 2020-08-25 2020-11-24 兰州交通大学 基于遥感的耕地田面坡度估算方法、估算装置
WO2021115124A1 (zh) * 2019-12-10 2021-06-17 华南农业大学 一种耕地现场边云协同的三维重建方法
CN113063375A (zh) * 2021-03-16 2021-07-02 成都理工大学 一种直线型耕作田埂的无人机遥感提取方法
CN113705990A (zh) * 2021-08-17 2021-11-26 内蒙古申科国土技术有限责任公司 自然资源信息处理方法、装置、电子设备及存储介质
CN113837892A (zh) * 2021-08-25 2021-12-24 湖北省水利水电规划勘测设计院 基于3s技术的坡耕地划分方法
CN113919185A (zh) * 2021-12-13 2022-01-11 中国测绘科学研究院 一种地形地貌状况测度方法与装置
CN114419443A (zh) * 2022-01-21 2022-04-29 北京师范大学 一种遥感影像耕地地块自动提取方法及系统
CN115063707A (zh) * 2022-07-06 2022-09-16 安徽农业大学 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法
CN115223090A (zh) * 2022-06-22 2022-10-21 张亚峰 基于多源遥感影像的机场净空障碍物周期监测方法
CN115331100A (zh) * 2022-07-26 2022-11-11 上海建工四建集团有限公司 耕地种植属性的空间分布监测方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384081A (zh) * 2016-08-30 2017-02-08 水利部水土保持监测中心 一种基于高分辨率遥感影像的坡耕地提取方法和系统
WO2021115124A1 (zh) * 2019-12-10 2021-06-17 华南农业大学 一种耕地现场边云协同的三维重建方法
CN111709379A (zh) * 2020-06-18 2020-09-25 谢国雪 基于遥感影像的丘陵区柑橘种植地块监测方法及系统
CN111985422A (zh) * 2020-08-25 2020-11-24 兰州交通大学 基于遥感的耕地田面坡度估算方法、估算装置
CN113063375A (zh) * 2021-03-16 2021-07-02 成都理工大学 一种直线型耕作田埂的无人机遥感提取方法
CN113705990A (zh) * 2021-08-17 2021-11-26 内蒙古申科国土技术有限责任公司 自然资源信息处理方法、装置、电子设备及存储介质
CN113837892A (zh) * 2021-08-25 2021-12-24 湖北省水利水电规划勘测设计院 基于3s技术的坡耕地划分方法
CN113919185A (zh) * 2021-12-13 2022-01-11 中国测绘科学研究院 一种地形地貌状况测度方法与装置
CN114419443A (zh) * 2022-01-21 2022-04-29 北京师范大学 一种遥感影像耕地地块自动提取方法及系统
CN115223090A (zh) * 2022-06-22 2022-10-21 张亚峰 基于多源遥感影像的机场净空障碍物周期监测方法
CN115063707A (zh) * 2022-07-06 2022-09-16 安徽农业大学 一种基于倾斜摄影测量技术的拆迁区损失补偿评估方法
CN115331100A (zh) * 2022-07-26 2022-11-11 上海建工四建集团有限公司 耕地种植属性的空间分布监测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIAYUAN LIN 等: "Aboveground Tree Biomass Estimation of Sparse Subalpine Coniferous Forest with UAV Oblique Photography", 《REMOTE SENSING》, vol. 10, no. 11, pages 1 - 19 *
吴逸超: "基于无人机航测和三维建模技术的城市储备用地调查研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 2018, pages 008 - 120 *
袁媛: "袁州区耕地质量综合评价与分区研究", 《中国优秀硕士学位论文全文数据库农业科技辑》, no. 2022, pages 043 - 260 *

Also Published As

Publication number Publication date
CN116342685B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
US5606627A (en) Automated analytic stereo comparator
CN109165549B (zh) 基于三维点云数据的道路标识获取方法、终端设备及装置
JP2011501301A (ja) 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法
Zhu et al. Seed point selection method for triangle constrained image matching propagation
US20090089018A1 (en) Geospatial modeling system providing building generation based upon user input on 3d model and related methods
CN113470562B (zh) 一种基于成像亮度计的oled屏幕子像素亮度提取方法
WO2010056643A2 (en) Geospatial modeling system for images and related methods
US8855439B2 (en) Method for determining a localization error in a georeferenced image and related device
CN103544711A (zh) 遥感影像的自动配准方法
CN109461132B (zh) 基于特征点几何拓扑关系的sar图像自动配准方法
CN112669280B (zh) 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法
US20090089017A1 (en) Geospatial modeling system providing inpainting and error calculation features and related methods
CN109859101B (zh) 农作物冠层热红外图像识别方法及系统
CN106920235A (zh) 基于矢量底图匹配的星载光学遥感影像自动校正方法
CN114018932B (zh) 基于矩形标定物的路面病害指标测量方法
EP3358530A1 (en) Compressed edge map representation for image aided navigation
Baily et al. Comparative assessment of analytical and digital photogrammetric methods in the construction of DEMs of geomorphological forms
CN111178193A (zh) 一种车道线的检测方法、检测装置及计算机可读存储介质
CN115797381B (zh) 基于地理分块与分层特征匹配的异源遥感影像配准方法
CN108564532B (zh) 大尺度地距星载sar图像镶嵌方法
Awad Toward robust segmentation results based on fusion methods for very high resolution optical image and lidar data
CN116342685B (zh) 一种基于dom影像的农业耕地地块的面积测量方法
CN110223356A (zh) 一种基于能量生长的单目相机全自动标定方法
CN115366899B (zh) 一种基于北斗的远程车载路径识别系统
CN106228593B (zh) 一种图像密集匹配方法

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