CN116778344A - 基于视觉技术的土地整理边界线划分方法 - Google Patents

Abstract

本说明书实施例公开了一种基于视觉技术的土地整理边界线划分方法，涉及图像分割技术领域。该方法包括：获取遥感影像并进行预处理，得到目标遥感影像；根据目标遥感影像中各像素点对应的像素值获取植被特征值；基于该植被特征值得到对应的植被判断数；获取各像素点对应的土地裸露度；根据该植被特征值和土地裸露度，确定疑似闲置地特征值；基于该疑似闲置地特征值得到疑似闲置地图像；获取该疑似闲置地图像的边缘信息，并基于闭合边缘内部各像素点对应的土地裸露度确定疑似闲置地区域；计算该疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度；基于该形状相似度确定排列规则度，并基于该排列规则度判断疑似闲置地区域是否为农村闲置地。

Description

基于视觉技术的土地整理边界线划分方法

技术领域

本申请涉及图像分割技术领域，特别涉及一种基于视觉技术的土地整理边界线划分方法。

背景技术

土地整理是对土地利用方式、土地利用结构进行调整和改善的一种措施。对闲置耕地开展土地整理，可以让闲置耕地再利用起来，以此间接增加耕地面积，同时可以改造中低产田，提高中低产田的质量，改善农业生产条件，以提高农业生产效益。

利用卫星遥感图像可以识别提取土地，并对土地进行遥感制图，准确地获取土地分布，能够为相关部门提供重要支撑，因此，对遥感图像进行土地整理边界线划分是进行下一步分析和信息提取的重要环节，其分割结果的好坏将直接影响后续分析的准确性。

然而，对于卫星遥感图像而言，因其错综复杂的区域交叉特性和不规则的连接，导致其分割难度极高，使用传统的卫星遥感图像分割方法容易受分割阈值、局部相近但不同类信息的干扰从而导致分割准确率不高。

基于此，有必要研究一种更加科学的土地整理边界线划分方法，从而更准确地实现土地整理边界线划分。

发明内容

本说明书实施例提供一种基于视觉技术的土地整理边界线划分方法，该方法包括：

获取待划分的农村土地遥感影像，并对所述待划分的农村土地遥感影像进行预处理，得到目标遥感影像；

根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值；

基于所述植被特征值和植被判断阈值，判断各像素点是否为植被像素点，并得到各像素点对应的植被判断数；

确定所述目标遥感影像中各像素点对应的邻域窗口，并基于所述邻域窗口内各像素点对应的植被判断数获取各像素点对应的土地裸露度；

根据所述植被特征值和所述土地裸露度，确定各像素点对应的疑似闲置地特征值；

基于所述疑似闲置地特征值得到疑似闲置地图像；

使用Canny边缘检测算子获取所述疑似闲置地图像的边缘信息，并基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域；

计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度；

基于所述形状相似度确定每一个所述疑似闲置地区域对应的排列规则度，并基于所述排列规则度和规则度阈值判断每一个所述疑似闲置地区域是否为农村闲置地。

在一些实施例中，所述对所述待划分的农村土地遥感影像进行预处理，包括：对所述待划分的农村土地遥感影像进行辐射校正和几何校正。

在一些实施例中，所述根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值，包括：

计算各像素点G通道和B通道对应的像素值之和与R通道对应的像素值的差值，将所述差值作为所述各像素点对应的植被特征值。

在一些实施例中，所述土地裸露度基于如下方式计算：

；

其中，为以像素点x为中心像素点的a×a邻域窗口对应的土地裸露度；为所述邻域窗口内第i个像素点对应的植被判断数，所述植被判断数为1时表示所述第i个像素点为植被像素点，所述植被判断数为0时表示所述第i个像素点为非植被像素点；为所述邻域窗口内的像素点的总个数。

在一些实施例中，所述疑似闲置地特征值基于如下方式计算：

；

其中，为像素点x对应的疑似闲置地特征值，/>为像素点x对应的植被特征值，/>为像素点x对应的土地裸露度。

在一些实施例中，所述基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域，包括：

计算所述闭合边缘内部各像素点所对应的土地裸露度的均值，当所述均值大于预设均值阈值时，将所述闭合边缘所构成的区域视为疑似闲置地区域。

在一些实施例中，所述计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度，包括：

使用二次多项式对各疑似闲置地区域内部边缘进行拟合，并根据各边缘所对应的曲线参数之间的关系获取各边缘的最近邻边缘；

根据所述边缘上各像素点处与其最近邻边缘之间距离的一致程度，确定每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度。

在一些实施例中，所述根据各边缘所对应的曲线参数之间的关系获取各边缘的最近邻边缘，包括：

对于每一条目标边缘；

基于所述曲线参数计算所述目标边缘与其他各边缘之间的带状边缘距离；

将所述带状边缘距离最小的边缘作为所述目标边缘的最近邻边缘。

在一些实施例中，所述带状边缘距离基于如下方式计算：

；

其中，为第i条边缘与第j条边缘之间的带状边缘距离；/>、/>、/>为第i条边缘二次多项式拟合的曲线参数，/>、/>、/>为第j条边缘二次多项式拟合的曲线参数；/>为像素点x对应的疑似闲置地特征值；/>i条边缘对应的疑似闲置地特征值均值，/>为第i条边缘上的像素点数量；/>为第j条边缘对应的疑似闲置地特征值均值，/>为第j条边缘上的像素点数量。

在一些实施例中，所述排列规则度基于如下方式计算：

；

其中，为所述疑似闲置地区域对应的排列规则度，/>为第i条边缘与其最近邻边缘的形状相似度，/>为所述疑似闲置地区域内边缘的条数。

本说明书实施例所提供的基于视觉技术的土地整理边界线划分方法可能带来的有益效果至少包括：（1）通过综合植被特征值以及土地裸露度来确定各像素点对应的疑似闲置地特征值，再获取其边缘信息，可以提高边缘检测的准确性；（2）通过先根据闲置土地与植被覆盖区域颜色特征不同的特点，将闲置土地与植被覆盖区域相区分，可以缩小土地整理的范围，从而提高土地整理边界线划分的效率；（3）通过根据已利用土地区域内部呈现多个带状区域形状相似且间隔一定距离的特点，在疑似闲置地区域获取各边缘与其最近邻边缘的形状相似度，进而获取疑似闲置地区域的排列规则度，将已利用土地和农村闲置地进行进一步区分，可以提高土地整理边界线划分的准确性；（4）通过先根据带状边缘距离确定各边缘的最近邻边缘，再根据边缘上各像素点与其最近邻边缘之间距离的一致程度获取其形状相似度，分别从宏观角度和微观角度对疑似闲置地区域的排列规则度进行衡量，将已利用土地和农村闲置地进行进一步区分，可以进一步地提高土地整理边界线划分的准确性。

附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说，通过查阅以下内容和附图将变得显而易见，或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。

附图说明

本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书的一些实施例所示的基于视觉技术的土地整理边界线划分系统的示例性应用场景示意图；

图2是根据本说明书的一些实施例所示的基于视觉技术的土地整理边界线划分系统的示例性模块图；

图3是根据本说明书一些实施例所示的基于视觉技术的土地整理边界线划分方法的示例性流程图；

图4是根据本说明书一些实施例所示的示例性农村土地遥感影像示意图；

图5是根据本说明书一些实施例所示的示例性边缘距离关系示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

下面结合附图对本说明书实施例提供的基于视觉技术的土地整理边界线划分方法和系统进行详细说明。

图1是根据本说明书一些实施例所示的基于视觉技术的土地整理边界线划分系统的示例性应用场景示意图。

参照图1，在一些实施例中，基于视觉技术的土地整理边界线划分系统的应用场景100可以包括遥感影像获取装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。例如，遥感影像获取装置110可以与存储设备120和/或处理设备130通过网络150连接，也可以与存储设备120和/或处理设备130直接连接。又例如，存储设备120可以与处理设备130直接连接或通过网络150连接。又例如，终端设备140可以与存储设备120和/或处理设备130通过网络150连接，也可以与存储设备120和/或处理设备130直接连接。

遥感影像获取装置110可以用于获取农村土地的遥感影像，该遥感影像可以反映出农村土地的使用情况，例如处于闲置状态或处于利用状态（即种植状态）。在一些实施例中，遥感影像获取装置110可以根据地球表面不同区域和地物反射和辐射的电磁波产生遥感数字影像。在一些实施例中，遥感影像获取装置110可以从网络平台下载所需的农村土地遥感影像，示例性的网络平台包括Google Earth、USGS Earth Explorer、Digital Globe、Planet Explorer、地理空间数据云、资源环境数据中心等。在一些实施例中，遥感影像获取装置110可以具有独立的电源，其可以通过有线或无线（例如蓝牙、WiFi等）的方式将获取的遥感影像发送给应用场景100中的其他部件（例如，存储设备120、处理设备130、终端设备140）。

在一些实施例中，遥感影像获取装置110可以通过网络150将其获取的遥感影像发送至存储设备120、处理设备130、终端设备140等。在一些实施例中，可以通过处理设备130对遥感影像获取装置110所获取的遥感影像进行处理。例如，处理设备130可以基于该遥感影像确定疑似闲置区域，然后根据每一个疑似闲置区域所对应的排列规则度判断其是否为农村闲置地。在一些实施例中，该疑似闲置区域所对应的排列规则度以及其对应的农村闲置地判断结果可以发送至存储设备120进行记录，或者发送至终端设备140以反馈给用户（例如土地整理工作人员）。

网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中，应用场景100的至少一个组件（例如，遥感影像获取装置110、存储设备120、处理设备130、终端设备140）可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如，处理设备130可以通过网络150从遥感影像获取装置110和/或存储设备120获得针对农村土地获取的遥感影像。又例如，处理设备130可以通过网络150从终端设备140获得用户操作指令，示例性的操作指令可以包括但不限于调阅遥感影像，读取基于该遥感影像确定的疑似闲置区域所对应的排列规则度以及其对应的农村闲置地判断结果等。

在一些实施例中，网络150可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络（LAN）、广域网络（WAN）、无线局域网络（WLAN）、城域网（MAN）、公共开关电话网络（PSTN）、蓝牙网络、ZigBee网络、近场通讯（NFC）网络等或其任意组合。在一些实施例中，网络150可以包括至少一个网络接入点，应用场景100的至少一个组件可以通过接入点连接到网络150以交换数据和/或信息。

存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中，存储设备120可以存储从遥感影像获取装置110、处理设备130和/或终端设备140获得的数据。例如，存储设备120可以存储遥感影像获取装置110获取的遥感影像；又例如，存储设备120可以存储处理设备130计算得到的疑似闲置区域所对应的排列规则度以及其对应的农村闲置地判断结果。在一些实施例中，存储设备120可以存储处理设备130用来执行或使用来完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器（ROM）等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，存储设备120可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

在一些实施例中，存储设备120可以连接到网络150以与应用场景100中的至少一个其他组件（例如，遥感影像获取装置110、处理设备130、终端设备140）通信。应用场景100中的至少一个组件可以通过网络150访问存储设备120中存储的数据、指令或其他信息。在一些实施例中，存储设备120可以与应用场景100中的一个或以上组件（例如，遥感影像获取装置110、终端设备140）直接连接或通信。在一些实施例中，存储设备120可以是遥感影像获取装置110和/或处理设备130的一部分。

处理设备130可以处理从遥感影像获取装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。在一些实施例中，处理设备130可以从遥感影像获取装置110、存储设备120或终端设备140中任意一个或多个获得遥感影像，通过对该遥感影像进行处理以确定疑似闲置区域，然后根据每一个疑似闲置区域所对应的排列规则度判断其是否为农村闲置地。在一些实施例中，处理设备130可以从存储设备120获取预先存储的计算机指令，并执行该计算机指令以实现本说明书所描述的基于视觉技术的土地整理边界线划分方法。

在一些实施例中，处理设备130可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备130可以是本地或远程的。例如，处理设备130可以通过网络150从遥感影像获取装置110、存储设备120和/或终端设备140访问信息和/或数据。又例如，处理设备130可以直接连接到遥感影像获取装置110、存储设备120和/或终端设备140以访问信息和/或数据。在一些实施例中，处理设备130可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。

终端设备140可以接收、发送和/或显示数据。所述接收的数据可以包括遥感影像获取装置110获取的数据、存储设备120存储的数据、处理设备130处理得到的疑似闲置区域所对应的排列规则度以及其对应的农村闲置地判断结果等。例如，终端设备140接收和/或显示的数据可以包括遥感影像获取装置110获取的遥感影像、处理设备130基于该遥感影像确定的疑似闲置区域所对应的排列规则度以及其对应的农村闲置地判断结果等。所述发送的数据可以包括用户（例如土地整理工作人员）的输入数据和指令等。例如，终端设备140可以将用户输入的操作指令通过网络150发送给遥感影像获取装置110，以控制遥感影像获取装置110进行相应的遥感影像获取。又例如，终端设备140可以将用户输入的操作指令通过网络150发送给处理设备130。

在一些实施例中，终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。例如，移动设备141可以包括移动电话、个人数字助理（PDA）、专用移动终端等或其任意组合。在一些实施例中，终端设备140可以包括输入设备（如键盘、触摸屏）、输出设备（如显示器、扬声器）等。在一些实施例中，处理设备130可以是终端设备140的一部分。

应当注意的是，上述有关应用场景100的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对应用场景100进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，遥感影像获取装置110的可以包括更多或更少的功能组件。

图2是根据本说明书一些实施例所示的基于视觉技术的土地整理边界线划分系统的模块示意图。在一些实施例中，图2所示的基于视觉技术的土地整理边界线划分系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100，例如，可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140，以用于对遥感影像获取装置110所获取的遥感影像进行处理，并基于该遥感影像确定疑似闲置区域，然后根据每一个疑似闲置区域所对应的排列规则度判断其是否为农村闲置地。

参照图2，在一些实施例中，基于视觉技术的土地整理边界线划分系统200可以包括获取模块210、植被特征值确定模块220、植被判断数确定模块230、土地裸露度确定模块240、疑似闲置地特征值确定模块250、疑似闲置地图像确定模块260、疑似闲置地区域确定模块270、形状相似度确定模块280以及排列规则度确定模块290。

获取模块210可以用于获取待划分的农村土地遥感影像，并对所述待划分的农村土地遥感影像进行预处理，得到目标遥感影像。

植被特征值确定模块220可以用于根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值。

植被判断数确定模块230可以用于基于所述植被特征值和植被判断阈值，判断各像素点是否为植被像素点，并得到各像素点对应的植被判断数。

土地裸露度确定模块240可以用于确定所述目标遥感影像中各像素点对应的邻域窗口，并基于所述邻域窗口内各像素点对应的植被判断数获取各像素点对应的土地裸露度。

疑似闲置地特征值确定模块250可以用于根据所述植被特征值和所述土地裸露度，确定各像素点对应的疑似闲置地特征值。

疑似闲置地图像确定模块260可以用于基于所述疑似闲置地特征值得到疑似闲置地图像。

疑似闲置地区域确定模块270可以用于使用Canny边缘检测算子获取所述疑似闲置地图像的边缘信息，并基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域。

形状相似度确定模块280可以用于计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度。

排列规则度确定模块290可以用于基于所述形状相似度确定每一个所述疑似闲置地区域对应的排列规则度，并基于所述排列规则度和规则度阈值判断每一个所述疑似闲置地区域是否为农村闲置地。

关于上述各个模块的更多细节可以参照本说明书的其他位置（例如图3~图5部分及其相关描述），此处不再赘述。

应当理解，图2所示的基于视觉技术的土地整理边界线划分系统200及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器（固件）的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合（例如，固件）来实现。

需要注意的是，上述关于基于视觉技术的土地整理边界线划分系统200的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。可以理解，对于本领域的技术人员来说，可以根据本说明书的描述，在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，图2中所述的获取模块210、植被特征值确定模块220、植被判断数确定模块230、土地裸露度确定模块240、疑似闲置地特征值确定模块250、疑似闲置地图像确定模块260、疑似闲置地区域确定模块270、形状相似度确定模块280以及排列规则度确定模块290可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。再例如，基于视觉技术的土地整理边界线划分系统200还可以包括预处理模块，该预处理模块可以用于对前述遥感影像进行辐射校正和几何校正等预处理。诸如此类的变形，均在本说明书的保护范围之内。在一些实施例中，前述各个模块可以是处理设备130和/或终端设备140的一部分。

图3是根据本说明书一些实施例所示的基于视觉技术的土地整理边界线划分方法的示例性流程图。在一些实施例中，方法300可以通过处理逻辑来执行，该处理逻辑可以包括硬件（例如，电路、专用逻辑、可编程逻辑、微代码等）、软件（运行在处理设备上以执行硬件模拟的指令）等或其任意组合。在一些实施例中，图3所示的基于视觉技术的土地整理边界线划分方法300的流程图中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如，方法300可以以指令的形式存储在存储设备120中，并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述方法300的执行过程。

参照图3，在一些实施例中，基于视觉技术的土地整理边界线划分方法300可以包括：

步骤310，获取待划分的农村土地遥感影像，并对所述待划分的农村土地遥感影像进行预处理，得到目标遥感影像。在一些实施例中，步骤310可以由获取模块210执行。

在一些实施例中，遥感影像获取装置110所获取的遥感影像可以存储在存储设备120中，获取模块210可以从存储设备120获取针对农村土地获取的遥感影像。在一些实施例中，该获取模块210可以与遥感影像获取装置110通信连接，获取模块210可以直接从遥感影像获取装置110获取针对农村土地获取的遥感影像。

由于地球表面不同区域和地物能够反射和辐射不同波长的电磁波，利用这种特性，遥感系统可以产生不同的遥感数字图像。并且，卫星遥感技术具有监测范围大、瞬时成像、实时传输、快速处理、迅速获取信息和实施动态监测、受地面影响小等特点，而土地范围比较大，因此，可以使用卫星遥感技术获取土地遥感影像。基于此，在一些实施例中，遥感影像获取装置110可以通过卫星遥感技术，根据地球表面不同区域和地物反射和辐射的电磁波产生遥感数字影像。

在一些实施例中，遥感影像获取装置110可以是一个下载终端，其可以从GoogleEarth、USGS Earth Explorer、Digital Globe、Planet Explorer、地理空间数据云、资源环境数据中心等网络平台下载所需的遥感影像。

在一些实施例中，考虑到由于遥感传感器在接收来自地物的电磁波辐射能时，电磁波在大气层中传输和传感器测量中受到遥感传感器本身特性、地物光照条件以及大气作用等影响，可能导致遥感传感器测量值与地物实际的光谱辐射率不一致，产生辐射畸变；类似地，当原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时，就产生几何畸变。因此，在一些实施例中，为了提高遥感数据的质量和精度，消除遥感影像中的不确定性和误差，可以针对待划分的农村土地遥感影像进行辐射校正和几何校正等预处理，得到目标遥感影像。

需要说明的是，在本说明书中，辐射校正是指将遥感影像中的数字值转化为能反映地物表面辐射特性的物理量或能量单位的过程，从而消除由于遥感仪器、大气等因素引起的光谱反射率的误差，该过程可以包括大气校正、辐射定标和反射率转换等步骤。几何校正是指将遥感影像中的像素坐标转换为地球表面上的地理坐标，消除由于地球曲率、摄影几何变换等因素引起的位置偏差和形变误差，该过程可以包括投影变换、DEM（DigitalElevation Model，数字高程模型）校正和图像重采样等步骤。

步骤320，根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值。在一些实施例中，步骤320可以由植被特征值确定模块220执行。

农村闲置土地是多种原因综合导致的一种抛荒、弃耕或未充分利用的状态。由于已经利用的土地和待整理的农村闲置土地在空间位置上往往是互相邻近的，并且两者颜色相近，因此，在使用机器视觉技术进行土地整理时，无法直接准确地将待整理的农村闲置土地的边界线划分出来。

由于植被覆盖区域与农田和待整理的农村闲置土地颜色不同，植被覆盖区域林木密集，在遥感影像中呈现出成片的绿色，因此，在一些实施例中，可以先根据遥感影像中各像素点在R、G、B三个通道对应的像素值，获取各像素点对应的植被特征值。

具体地，由于植被大多为绿色，其G、B两通道对应的像素值较大，而R通道的像素值较小，基于此，在一些实施例中，可以计算各像素点G通道和B通道对应的像素值之和与R通道对应的像素值的差值，然后将该差值作为各个像素点对应的植被特征值。

举例而言，对于目标遥感影像中的像素点x而言，可以将该像素点x的G、B两通道值之和与R通道值的差值作为其对应的植被特征值。

步骤330，基于所述植被特征值和植被判断阈值，判断各像素点是否为植被像素点，并得到各像素点对应的植被判断数。在一些实施例中，步骤330可以由植被判断数确定模块230执行。

在本说明书中，前述植被特征值可以表征每一个像素点为植被像素点的可能性。基于此，在计算出每一个像素点所对应的植被特征值之后，可以基于该植被特征值和植被判断阈值，判断各像素点是否为植被像素点，并得到各像素点对应的植被判断数，进而将植被覆盖区域和其他土地区域相区分。

示例性地，当像素点对应的植被特征值大于植被判断阈值时，则可以判断该像素点为植被像素点，用植被判断数/>表示，否则判断该像素点为非植被像素点，用植被判断数/>表示。在一些实施例中，植被判断阈值/>可以根据经验取值为150。需要指出的是，前述植被判断阈值仅为示例性说明，在一些其他的实施例中，植被判断阈值/>可以为其他值，例如100、120、180等。

进一步地，在对各像素点计算其植被特征值后，可以根据该植被特征值得到对应的植被特征图像TPH。该植被特征图像TPH可以将目标遥感图像中的植被覆盖区域和其他土地区域相区分。

步骤340，确定所述目标遥感影像中各像素点对应的邻域窗口，并基于所述邻域窗口内各像素点对应的植被判断数获取各像素点对应的土地裸露度。在一些实施例中，步骤340可以由土地裸露度确定模块240执行。

图4是根据本说明书一些实施例所示的示例性农村土地遥感影像示意图。参照图4，通常在耕种有农田的土地上，也会覆盖有一定的农作物，但为了方便灌溉、提高土壤的供肥能力、降低病虫危害、提高光能利用率，在种植农作物时，往往会分垄挖沟，并且垄与垄之间会保持一定的间距，仅在垄上种植庄稼，因此，农田上的植被覆盖通常会呈现带状，若直接使用边缘检测算子获取植被特征图像的边缘信息，则可能在一块农田区域产生多条带状边缘，从而误将同一块农田区域划分为多个区域。在一些实施例中，考虑到农田通常仅在垄上种植庄稼，因此，农田的植被覆盖程度远小于林木的植被覆盖程度，可以根据农田的植被覆盖程度远小于林木的植被覆盖程度的特点，在每一个像素点所对应的邻域窗口内计算其对应的土地裸露度，然后基于该土地裸露度将农田和林木进行划分。

具体而言，在一些实施例中，可以以每一个像素点为中心建立大小为a×a的邻域窗口，其中，a可以根据经验取值为13。假设像素点x所对应的邻域窗口内第i个像素点为，则像素点x对应的土地裸露度可以表示如下：

；

其中，为以像素点x为中心像素点的a×a邻域窗口对应的土地裸露度；为该邻域窗口内第i个像素点对应的植被判断数，该植被判断数为1时表示前述第i个像素点为植被像素点，该植被判断数为0时表示前述第i个像素点为非植被像素点；/>为所述邻域窗口内的像素点的总个数，/>为该邻域窗口内植被像素点的占比，当像素点所对应的邻域窗口内植被像素点占比越多时，说明其植被覆盖度越高，土地裸露度越低。

可以理解，在本说明书中，该土地裸露度越高时，表示对应的像素点越可能处于待整理的农村闲置地区域中；土地裸露度越低时，则表示对应的像素点越有可能处于林木区域。

步骤350，根据所述植被特征值和所述土地裸露度，确定各像素点对应的疑似闲置地特征值。在一些实施例中，步骤350可以由疑似闲置地特征值确定模块250执行。

通过前述步骤，可以计算得到每一个像素点所对应的植被特征值和土地裸露度。在一些实施例中，疑似闲置地特征值确定模块250可以基于前述步骤计算得到的植被特征值和土地裸露度确定各像素点对应的疑似闲置地特征值。可以理解，在本说明书中，该疑似闲置地特征值可以反映每一个像素点处于闲置地区域的可能性。

具体地，在一些实施例中，该疑似闲置地特征值可以表示如下：

；

其中，为像素点x对应的疑似闲置地特征值；/>为像素点x对应的植被特征值，其代表该像素点x为植被像素点的可能性，其值越大，则该像素点x越可能为植被像素点，对应的疑似闲置地特征值越小；/>为像素点x对应的邻域窗口内的土地裸露度，其代表该像素点x处于未被林木覆盖区域的可能性，其值越大，则该像素点x越可能处于闲置土地区域，对应的疑似闲置地特征值越大。

步骤360，基于所述疑似闲置地特征值得到疑似闲置地图像。在一些实施例中，步骤360可以由疑似闲置地图像确定模块260执行。

在通过前述步骤计算得到各像素点对应的疑似闲置地特征值之后，疑似闲置地图像确定模块260可以根据该疑似闲置地特征值得到疑似闲置地图像。具体而言，即疑似闲置地图像确定模块260可以将对应疑似闲置地特征值较大的像素点进行增强，以突出疑似闲置地对应的区域。示例性地，在该疑似闲置地图像中，植被特征值越小、植被覆盖程度越小、土地裸露度越高的区域，像素点的像素值可以越高。

步骤370，使用Canny边缘检测算子获取所述疑似闲置地图像的边缘信息，并基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域。在一些实施例中，步骤370可以由疑似闲置地区域确定模块270执行。

在一些实施例中，疑似闲置地区域确定模块270可以使用Canny边缘检测算子获取疑似闲置地图像中的边缘信息，并基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域，从而对疑似闲置地和林木区域进行初步划分。

具体地，在一些实施例中，疑似闲置地区域确定模块270可以用于计算每一个闭合边缘内部各像素点所对应的土地裸露度的均值，当该均值大于预设均值阈值时，将该闭合边缘所构成的区域初步判断为疑似闲置地区域。在一些实施例中，前述预设均值阈值/>可以根据经验取值为0.5。

此处需要指出的是，由于已经利用的土地和待整理的农村闲置土地在空间位置上往往是互相邻近的，两者植被覆盖程度均较小，土地裸露度较高，并且颜色相近，在进行边缘检测时，可能将已经利用的土地也划分为疑似闲置地区域。因此，在本说明书实施例中，需要通过后续手段进行进一步地识别。

步骤380，计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度。在一些实施例中，步骤380可以由形状相似度确定模块280执行。

为了节省土地资源，扩大资源利用率，已经利用的土地，由于人为的设计，无论是用于居住还是农田耕种，其分布通常具有一定的规律性，对应于遥感图像上，往往呈现为在一个区域内形状相似且间隔一定距离的多个带状区域，在进行土地整理时，应将其划分为已利用土地，表示该区域已经被利用起来，无需进行开垦，因此，在一些实施例中，可以进一步地根据已利用土地往往呈现为在一个区域内形状相似且间隔一定距离的多个带状区域的特点，获取各疑似闲置地区域排列的规则程度，进而将已利用土地和待整理的农村闲置地进行划分。

具体地，在本说明书的一些实施例中，形状相似度确定模块280可以用于计算每一个疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度，从而获取各疑似闲置地区域排列的规则程度。

由于已利用土地往往呈现为条形或者弧形的带状区域，基于此，在本说明书的一些实施例中，可以先使用二次多项式对各疑似闲置地区域内部边缘进行拟合，根据各边缘曲线参数之间的关系获取各边缘的最近邻边缘，进而根据边缘上各像素点处与其最近邻边缘之间距离的一致程度，计算每一个疑似闲置地区域与其最近邻边缘之间形状的相似程度。其中，对于每一条目标边缘，形状相似度确定模块280可以基于前述曲线参数计算该目标边缘与其他各边缘之间的带状边缘距离，然后将带状边缘距离最小的边缘作为该目标边缘的最近邻边缘。

具体而言，在各疑似闲置地区域对应的植被特征图像中，可以获取其内部的各条边缘，当边缘数大于2时，可以根据边缘像素点的坐标，对各条边缘使用最小二乘法进行二次多项式拟合，确定边缘曲线的参数，即估计/>中的/>、/>、/>。假设某一疑似闲置地区域内共有/>条边缘，且/>，第i条边缘上的第s个像素点为/>，其曲线参数为/>、/>、/>，第j条边缘上的第t个像素点为/>，其曲线参数为/>、/>、/>，则第i条和第j条边缘之间的带状边缘距离可以表示如下：

；

其中，为第i条边缘与第j条边缘之间的带状边缘距离；/>、/>、/>为第i条边缘二次多项式拟合的曲线参数，/>、/>、/>为第j条边缘二次多项式拟合的曲线参数，当两者二次多项式拟合的曲线参数相差越大时，说明这两条边缘的距离越远、形状越不相似，两者之间的带状边缘距离越大；/>为像素点x对应的疑似闲置地特征值；/>i条边缘对应的疑似闲置地特征值均值，/>为第i条边缘上的像素点数量；/>为第j条边缘对应的疑似闲置地特征值均值，/>为第j条边缘上的像素点数量；当两边缘对应的疑似闲置地特征值相差越小时，越可能处于同一区域，带状边缘距离越小。

在一些实施例中，可以设置边缘最小相关距离，当两边缘之间的带状边缘距离小于该边缘最小相关距离/>时，则认为这两条边缘互不相关。在一些实施例中，前述边缘最小相关距离/>可以根据经验取值为20。

由于已经利用的土地，往往呈现为在一个区域内形状相似且间隔一定距离的多个带状区域，因此一条边缘的周围至少有一条位于其内侧或者外侧的边缘与其距离相近，形状相似。基于此，在一些实施例中，为了减少计算量，可以在计算该目标边缘与邻近边缘的形状相似度时，当存在与其带状边缘距离小于边缘最小相关距离的边缘时，则将与其带状边缘距离最小的边缘作为其最近邻边缘，并根据其各边缘像素点处与最近邻边缘之间距离的一致程度计算其形状相似度。其中，当某一边缘不存在最近邻边缘时，则设置其形状相似度为0。

参照图5，假设第i条边缘的最近邻边缘为第k条边缘，第i条边缘上第s个边缘像素点处与第k条边缘之间的距离可以表示第s个边缘像素点与第k条边缘上各边缘像素点距离的最小值，当两边缘之间各像素点处的距离越相近时，说明其形状的相似程度越高。

在一些实施例中，第i条边缘和其最近邻边缘的形状相似度可以表示为第i条边缘上各像素点处与其最近邻边缘之间距离的方差。当边缘的形状相似度越高，方差越小时，说明其排列越规则，越有可能为已经开发、利用的土地。

步骤390，基于所述形状相似度确定每一个所述疑似闲置地区域对应的排列规则度，并基于所述排列规则度和规则度阈值判断每一个所述疑似闲置地区域是否为农村闲置地。在一些实施例中，步骤390可以由排列规则度确定模块290执行。

通过前述步骤，可以计算得到每一个疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度。进一步地，排列规则度确定模块290可以基于该形状相似度确定每一个疑似闲置地区域对应的排列规则度。

具体地，在一些实施例中，疑似闲置地区域对应的排列规则度可以基于如下方式计算：

；

其中，为疑似闲置地区域对应的排列规则度，/>为第i条边缘与其最近邻边缘的形状相似度，/>为疑似闲置地区域内边缘的条数。当边缘之间的形状越相似时，说明其排列越规则，越可能为已经开发、利用的土地，当边缘的形状各异，越不相似时，说明其排列越不规则，越有可能为待整理的农村闲置地。

进一步地，在得到该排列规则度之后，排列规则度确定模块290可以基于该排列规则度和规则度阈值判断每一个疑似闲置地区域是否为农村闲置地。具体而言，当该疑似闲置地区域对应的排列规则度小于规则度阈值时，则排列规则度确定模块290可以判断该区域为农村闲置地。在一些实施例中，该规则度阈值/>可以根据经验取值为15。

通过以上方法，可以基于机器视觉技术将农村闲置地从遥感影像中识别出来。在将农村闲置地识别出来之后，即可准确地将农村闲置地与其他地物或区域进行分割。进一步地，通过区域分割所得到的边界线即可对遥感图像进行土地整理边界线划分，为后续分析提供可靠的支撑。

综上所述，本说明书实施例可能带来的有益效果包括但不限于：（1）在本说明书一些实施例所提供的基于视觉技术的土地整理边界线划分方法中，通过综合植被特征值以及土地裸露度来确定各像素点对应的疑似闲置地特征值，再获取其边缘信息，可以提高边缘检测的准确性；（2）在本说明书一些实施例所提供的基于视觉技术的土地整理边界线划分方法中，先根据闲置土地与植被覆盖区域颜色特征不同的特点，将闲置土地与植被覆盖区域相区分，可以缩小土地整理的范围，从而提高土地整理边界线划分的效率；（3）在本说明书一些实施例所提供的基于视觉技术的土地整理边界线划分方法中，通过根据已利用土地区域内部呈现多个带状区域形状相似且间隔一定距离的特点，在疑似闲置地区域获取各边缘与其最近邻边缘的形状相似度，进而获取疑似闲置地区域的排列规则度，将已利用土地和农村闲置地进行进一步区分，可以提高土地整理边界线划分的准确性；（4）在本说明书一些实施例所提供的基于视觉技术的土地整理边界线划分方法中，先根据带状边缘距离确定各边缘的最近邻边缘，再根据边缘上各像素点与其最近邻边缘之间距离的一致程度获取其形状相似度，分别从宏观角度和微观角度对疑似闲置地区域的排列规则度进行衡量，将已利用土地和农村闲置地进行进一步区分，可以进一步地提高土地整理边界线划分的准确性。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例中，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.基于视觉技术的土地整理边界线划分方法，其特征在于，包括：

获取待划分的农村土地遥感影像，并对所述待划分的农村土地遥感影像进行预处理，得到目标遥感影像；

根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值；

基于所述植被特征值和植被判断阈值，判断各像素点是否为植被像素点，并得到各像素点对应的植被判断数；

确定所述目标遥感影像中各像素点对应的邻域窗口，并基于所述邻域窗口内各像素点对应的植被判断数获取各像素点对应的土地裸露度；

根据所述植被特征值和所述土地裸露度，确定各像素点对应的疑似闲置地特征值；

基于所述疑似闲置地特征值得到疑似闲置地图像；

使用Canny边缘检测算子获取所述疑似闲置地图像的边缘信息，并基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域；

计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度；

基于所述形状相似度确定每一个所述疑似闲置地区域对应的排列规则度，并基于所述排列规则度和规则度阈值判断每一个所述疑似闲置地区域是否为农村闲置地。

2.如权利要求1所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述对所述待划分的农村土地遥感影像进行预处理，包括：对所述待划分的农村土地遥感影像进行辐射校正和几何校正。

3.如权利要求1所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述根据所述目标遥感影像中各像素点在RGB三个通道对应的像素值，获取各像素点对应的植被特征值，包括：

计算各像素点G通道和B通道对应的像素值之和与R通道对应的像素值的差值，将所述差值作为所述各像素点对应的植被特征值。

4.如权利要求3所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述土地裸露度基于如下方式计算：

其中，为以像素点x为中心像素点的a×a邻域窗口对应的土地裸露度；/>为所述邻域窗口内第i个像素点对应的植被判断数，所述植被判断数为1时表示所述第i个像素点为植被像素点，所述植被判断数为0时表示所述第i个像素点为非植被像素点；/>为所述邻域窗口内的像素点的总个数。

5.如权利要求4所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述疑似闲置地特征值基于如下方式计算：

其中，为像素点x对应的疑似闲置地特征值，/>为像素点x对应的植被特征值，为像素点x对应的土地裸露度。

6.如权利要求5所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述基于闭合边缘内部各像素点所对应的土地裸露度确定疑似闲置地区域，包括：

计算所述闭合边缘内部各像素点所对应的土地裸露度的均值，当所述均值大于预设均值阈值时，将所述闭合边缘所构成的区域视为疑似闲置地区域。

7.如权利要求1~6中任一项所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述计算每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度，包括：

使用二次多项式对各疑似闲置地区域内部边缘进行拟合，并根据各边缘所对应的曲线参数之间的关系获取各边缘的最近邻边缘；

根据所述边缘上各像素点处与其最近邻边缘之间距离的一致程度，确定每一个所述疑似闲置地区域内各边缘与其最近邻边缘之间的形状相似度。

8.如权利要求7所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述根据各边缘所对应的曲线参数之间的关系获取各边缘的最近邻边缘，包括：

对于每一条目标边缘；

基于所述曲线参数计算所述目标边缘与其他各边缘之间的带状边缘距离；

将所述带状边缘距离最小的边缘作为所述目标边缘的最近邻边缘。

9.如权利要求8所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述带状边缘距离基于如下方式计算：

其中，为第i条边缘与第j条边缘之间的带状边缘距离；/>、/>、/>为第i条边缘二次多项式拟合的曲线参数，/>、/>、/>为第j条边缘二次多项式拟合的曲线参数；/>为像素点x对应的疑似闲置地特征值；/>为第i条边缘对应的疑似闲置地特征值均值，/>为第i条边缘上的像素点数量；/>为第j条边缘对应的疑似闲置地特征值均值，/>为第j条边缘上的像素点数量。

10.如权利要求9所述的基于视觉技术的土地整理边界线划分方法，其特征在于，所述排列规则度基于如下方式计算：

其中，为所述疑似闲置地区域对应的排列规则度，/>为第i条边缘与其最近邻边缘的形状相似度，/>为所述疑似闲置地区域内边缘的条数。