CN117333504B - 一种复杂地形遥感图像精准分割方法 - Google Patents
一种复杂地形遥感图像精准分割方法 Download PDFInfo
- Publication number
- CN117333504B CN117333504B CN202311627809.2A CN202311627809A CN117333504B CN 117333504 B CN117333504 B CN 117333504B CN 202311627809 A CN202311627809 A CN 202311627809A CN 117333504 B CN117333504 B CN 117333504B
- Authority
- CN
- China
- Prior art keywords
- parameter
- segmentation
- area
- green plant
- pixel points
- 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
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 55
- 241001464837 Viridiplantae Species 0.000 claims abstract description 185
- 238000012937 correction Methods 0.000 claims abstract description 63
- 230000000694 effects Effects 0.000 claims abstract description 52
- 238000012216 screening Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 8
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 238000012876 topography Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及遥感图像分割技术领域,具体涉及一种复杂地形遥感图像精准分割方法。本发明首先获取遥感图像的灰度图像,利用预设截止阈值对图像进行初步分割,分别分析绿植覆盖区域的分割效果、欠分割特征和过分割特征,获取修正系数对预设截止阈值进行调整,获得绿植覆盖区域的修正截止阈值,最后利用分水岭算法对灰度图像进行处理,获取地形分割图像。本发明充分考虑到了复杂地形遥感图像的不同区域的特征不同,通过对预设截止阈值结合图像特征进行调整,获取不同区域自适应的修正截止阈值对图像进行分割,提升了遥感图像分割方法的准确性。
Description
技术领域
本发明涉及遥感图像分割技术领域,具体涉及一种复杂地形遥感图像精准分割方法。
背景技术
遥感图像是利用飞机或卫星进行拍摄可以得到地表某一区域的图像,通过对遥感图像进行分割可以得到地表所上感兴趣的部分,便于对其中内容进行观察。在对城镇区域绿植覆盖进行监测时,为了能够精准的观察到城镇的绿植覆盖区域并降低监测成本,可以通过使用无人机对目标绿植区域进行拍摄,同时利用分水岭算法对遥感图像中覆盖了绿植的区域进行分割,能够获得遥感图像中的绿植覆盖区域。
然而利用分水岭算法对遥感图像进行分割的过程中,由于不同区域的灰度表现存在差异,若使用统一的截止阈值对图像中的区域进行分割,则会导致部分区域的分割不完整,增加图像分割的误差,影响遥感图像的分割精度。
发明内容
为了解决现有分水岭图像分割方法对复杂地形遥感图像的分割不够精准的技术问题,本发明的目的在于提供一种复杂地形遥感图像精准分割方法,所采用的技术方案具体如下:
获取遥感图像的灰度图像;
根据所述灰度图像中像素点的灰度值筛选绿植种子点;根据所述绿植种子点和预设截止阈值,利用分水岭算法对所述灰度图像进行分割,获得多个绿植覆盖区域;选择任一绿植覆盖区域作为目标绿植区域;根据所述目标绿植区域内像素点灰度值的统计特征获取目标绿植区域的绿植覆盖程度;根据目标绿植区域与相邻像素点的差异特征结合所述绿植覆盖程度,获取所述目标绿植区域的分割效果参数;分析所述目标绿植区域内像素点的分布特征,获取所述目标绿植区域的欠分割参数;根据所述目标绿植区域的预设邻域范围内像素点之间灰度值的差异特征筛选邻域绿植像素点;根据所述邻域绿植像素点的分布特征,获取所述目标绿植区域的过分割参数;
根据所述目标绿植区域的所述欠分割参数、所述过分割参数和所述分割效果参数,获取所述目标绿植区域的修正系数;根据所述修正系数,调整所述目标绿植区域的预设截止阈值,获取目标绿植区域的修正截止阈值;
根据所有绿植覆盖区域的所述修正截止阈值,重新对所述灰度图像进行分割,获取地形分割图像。
进一步地,所述绿植覆盖程度的获取方法包括:
获取所述目标绿植区域内所有像素点的灰度值均值作为第一参数;获取所述目标绿植区域内所有绿植种子点的灰度值均值作为第二参数;将所述第一参数和所述第二参数的乘积负相关映射,获得绿植覆盖程度。
进一步地,所述分割效果参数的获取方法包括:
将所述目标绿植区域的边缘上相接的像素点作为相邻像素点;获取所有相邻像素点与所述第一参数的差异统计值作为第三参数;将所述第三参数与所述绿植覆盖程度的乘积作为所述目标绿植区域的分割效果参数。
进一步地,所述欠分割参数的获取方法包括:
根据像素点的灰度值,利用所述第一参数筛选出所述目标绿植区域的欠分割像素点;利用欠分割参数计算公式获取欠分割参数;所述欠分割参数计算公式包括:
;其中,/>表示目标绿植区域的欠分割参数;/>表示目标绿植区域的所有像素点数量;/>表示欠分割像素点的数量;/>表示预设截止阈值;/>表示欠分割像素点的序号;/>表示第/>个欠分割像素点的灰度值。
进一步地,所述欠分割像素点的获取方法包括:
筛选出目标绿植区域内灰度值大于所述第一参数的像素点作为待分析像素点;将所述待分析像素点与所述预设截止阈值的差值绝对值作为待分析像素点的第四参数;将所述预设截止阈值与所述第一参数的差值与预设欠分割参数乘积作为欠分割阈值;筛选出第四参数小于所述欠分割阈值的待分析像素点作为欠分割像素点;所述预设欠分割参数为0到1之间的自然数。
进一步地,所述邻域绿植像素点的获取方法包括:
以所述目标绿植区域为中心,以所述目标绿植区域的边缘为起点,边缘按照预设扩充步长向边缘外侧进行扩充,添加所述灰度图像中对应的像素点作为外部像素点,直到所述外部像素点的数量首次等于或超过所述目标绿植区域内像素点的数量,将所述外部像素点构成的外部区域作为目标绿植区域的预设邻域范围;
将所述目标绿植区域内像素点的最大灰度值与平均灰度值的差值与预设过分割阈值参数的乘积作为过分割阈值;将所述外部像素点的灰度值与所述目标绿植区域内像素点的最大灰度值的差值绝对值作为每个外部像素点的筛选参数,将外部像素点的所述筛选参数小于所述过分割参数的外部像素点作为邻域绿植像素点;所述预设过分割阈值参数为0到1之间的自然数。
进一步地,所述过分割参数的获取方法包括:
将所述邻域绿植像素点与所述目标绿植区域内像素点的最大灰度值的差异作为每个邻域绿植像素点的过分割程度;将所有所述邻域绿植像素点的所述过分割程度的均值负相关映射,获得目标绿植区域的过分割参数。
进一步地,所述修正系数的获取方法包括:
选择所述目标绿植区域的所述欠分割参数与所述过分割参数中最大的一个作为修正参数;当所述修正参数为所述欠分割参数时,将所述欠分割参数与所述分割效果参数的商负相关映射并归一化,获得修正系数;当所述修正参数为所述过分割参数时,将所述过分割参数与所述分割效果参数的商归一化,获得修正系数。
进一步地,所述修正截止阈值的获取方法包括:
获取所述预设截止阈值与所述修正系数的乘积,将乘积与所述预设截止阈值和作为修正截止阈值。
进一步地,所述绿植种子点的获取方法包括:
将所述灰度图像中像素点的灰度值小于预设种子阈值的像素点作为绿植种子点。
本发明具有如下有益效果:
本发明首先获取遥感图像的灰度图像,利用预设截止阈值对图像进行初步分割,为后续分析区域图像特征,调整预设截止阈值奠定基础;进一步获取目标绿植区域的绿植覆盖程度,分析目标绿植区域的分割效果,获取分割效果参数,为后续调整预设截止阈值提供依据;进一步从欠分割特征和过分割特征两个角度对目标绿植区域进行分析,分别获取欠分割参数和过分割参数,为后续调整预设截止阈值提供更多参数依据;进一步充分利用图像特征,通过欠分割参数、过分割参数和分割效果参数获取修正系数,为调整预设截止阈值做好准备;进一步利用修正系数对预设截止阈值进行调整,获得目标绿植区域的修正截止阈值,最后利用分水岭算法对灰度图像进行处理,获取准确的地形分割图像。本发明充分考虑到了复杂地形遥感图像的不同区域的特征不同,通过对预设截止阈值结合图像特征进行调整,获取不同区域自适应的修正截止阈值对图像进行分割,提升了遥感图像分割方法的准确性。
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为本发明一个实施例所提供的一种复杂地形遥感图像精准分割方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种复杂地形遥感图像精准分割方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种复杂地形遥感图像精准分割方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种复杂地形遥感图像精准分割方法的流程图,具体包括:
步骤S1:获取遥感图像的灰度图像。
遥感图像可以提供全面的城镇区域植被分布信息,帮助我们了解绿化覆盖的整体情况。通过对多期遥感图像的比较分析,可以监测城镇区域绿植覆盖的变化和趋势,这有助于评估城市绿化项目的效果、制定相应的管理措施,以及监测环境变化对植被的影响。由于G通道包含了植物的反射信息,选择G通道进行灰度化可以突出绿色植被的特征,提高植被区域与其他地物的对比度,提高分割的准确性,所以在灰度化的过程中选择G通道灰度处理方法,得到待分割遥感图像的灰度图像。
步骤S2:根据灰度图像中像素点的灰度值筛选绿植种子点;根据绿植种子点和预设截止阈值,利用分水岭算法对灰度图像进行分割,获得多个绿植覆盖区域;选择任一绿植覆盖区域作为目标绿植区域;根据目标绿植区域内像素点灰度值的统计特征获取目标绿植区域的绿植覆盖程度;根据目标绿植区域与相邻像素点的差异特征结合绿植覆盖程度,获取目标绿植区域的分割效果参数;分析目标绿植区域内像素点的分布特征,获取目标绿植区域的欠分割参数;根据目标绿植区域的预设邻域范围内像素点之间灰度值的差异特征筛选邻域绿植像素点;根据邻域绿植像素点的分布特征,获取目标绿植区域的过分割参数。
对于灰度图像全局采用一个固定阈值进行分割,一定会出现绿植覆盖区域被过度分割或者分割程度不够的情况,但是可以根据绿植覆盖区域的分割情况对固定阈值进行调整,从而获取各个区域的自适应阈值。所以先对图像进行固定阈值分割,分析绿植覆盖区域的具体特征,为后续调整固定阈值做准备。
在本发明一个实施例中,考虑到像素点的灰度值越小,像素点属于绿植区域的像素点的可能性越高,则以该像素点作为绿植种子点的分割结果会更加准确,所以将灰度图像中像素点的灰度值小于预设种子阈值的像素点作为绿植种子点,然后利用预设截止阈值对图像进行分割,获取多个绿植覆盖区域。
需要说明的是,考虑到分水岭算法在处理具有复杂形状的物体或区域时表现良好,所以利用分水岭算法对灰度图像进行处理,已知灰度图像的绿植种子点和截止阈值对图像利用分水岭算法进行分割已是本领域技术人员所熟知的技术手段,在此不再进行描述具体分割过程;在本发明一个实施例中,预设种子阈值为70,预设截止阈值为110;在本发明其他实施例中,实施者可以设置其他种子阈值和预设截止阈值。
在本发明实施例中,对所有绿植覆盖区域的分析过程相同,所以仅以一个绿植覆盖区域为例,选择任一绿植覆盖区域作为目标绿植区域进行分析。由于遥感图像中地形信息复杂,灰度图像不同区域之间的特征具有一定的区别,所以固定预设截止阈值对于灰度图像中不同区域的分割效果不同;不同地形区域在灰度图像中的表现形式不同,绿植覆盖区域的像素点与其他地形区域相比,整体灰度值偏小,所以可以根据目标绿植区域内像素点灰度值的统计特征获取绿植覆盖程度,将绿植覆盖程度作为目标绿植区域的基本特征参数;将图像进行分割获得的绿植覆盖区域,边缘性越强,说明分割效果越好,而绿植覆盖区域与区域相邻的像素点之间的差异特征能够表征绿植覆盖区域的边缘特征,所以根据目标绿植区域与相邻像素点的差异特征结合绿植覆盖程度,能够获取目标绿植区域的分割效果参数,将分割效果参数作为预设分割阈值对目标绿植区域分割的特征参数,为后续调整预设截止阈值提供依据,以提升修正截止阈值的准确性,最终提升分割方法的准确性。
优选地,在本发明一个实施例中,考虑到绿植覆盖区域内像素点的灰度均值越小,说明当前区域内属于绿植覆盖区域的像素点越多;绿植种子点的灰度值越小,则说明绿植种子点的可信度越高,当前区域绿植覆盖程度就越高,所以获取目标绿植区域内所有像素点的灰度值均值作为第一参数;获取目标绿植区域内所有绿植种子点的灰度值均值作为第二参数;将第一参数和第二参数的乘积负相关映射,获得绿植覆盖程度。在本发明一个实施例中,将第一参数和第二参数的乘积的倒数作为绿植覆盖程度。
优选地,在本发明一个实施例中,考虑到当绿植覆盖区域邻域像素点的灰度值与当前区域灰度均值的差异越大,则说明二者区域差异越大,当前截止阈值的分割效果越好,所以分割效果参数的获取方法包括:
将目标绿植区域的边缘上相接的像素点作为相邻像素点;获取所有相邻像素点与第一参数的差异统计值作为第三参数;将第三参数与绿植覆盖程度的乘积作为目标绿植区域的分割效果参数。分割效果参数的计算公式包括:
,
其中,表示分割效果参数;/>表示第一参数;/>表示第二参数;/>表示第三参数,/>,/>表示相邻像素点的序号,/>表示相邻像素点的数量;/>表示第/>个相邻像素点的灰度值;/>表示绿植覆盖程度。
分割效果参数计算公式中,第一参数越小,说明目标绿植区域内像素点灰度值均值越小,目标绿植区域内属于绿植覆盖区域的像素点占比越大,第二参数越小,说明目标绿植区域内绿植种子点的平均灰度值越小,绿植种子点属于真实的绿植覆盖区域的可能性越大,绿植覆盖程度就越大,分割效果越好,分割效果参数就越大;第三参数越大,说明目标绿植区域与相邻像素点的差异越大,反映出目标绿植区域的边缘特征越强,分割效果越好,分割效果参数就越大。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现负相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
获得目标绿植区域的分割效果参数能够评价预设截止阈值对灰度图像处理获得的目标绿植区域的分割效果,分割效果参数越大,分割效果越好,但分割效果参数只能表示预设截止阈值对目标绿植区域的分割效果,不能提供调整预设截止阈值的方向,所以还需要获取更多图像特征参数,用于调整预设截止阈值;过分割和欠分割是图像分割时评价分割阈值的重要依据,如果分割阈值偏高,相似的区域可能被合并在一起,导致目标绿植区域内还具有需要被分割出去的像素点,损失图像的区分度,需要减小分割阈值;如果分割阈值偏低,图像中的每个小变化或细节都可能被认为是不同的区域,导致过度细分,目标绿植区域周围还有可以被划分为绿植区域的像素点,需要增大分割阈值。
当分割阈值偏低或偏高时会引起绿植覆盖区域表现出相应的特征,对应的,当绿植覆盖区域表现出相应特征时,也能够反映出分割阈值的偏离情况,所以分析目标绿植区域的过分割程度和欠分割程度可以为调整预设截止阈值提供方向,因此分析目标绿植区域内像素点的分布特征,获取目标绿植区域的欠分割参数;根据目标绿植区域的预设邻域范围内像素点之间灰度值的差异特征筛选邻域绿植像素点;根据邻域绿植像素点的分布特征,获取目标绿植区域的过分割参数,利用欠分割参数表征目标绿植区域的欠分割特征,利用过分割参数表征目标履职区域的过分割特征,为后续调整预设截止阈值提供更多依据,提升对预设截止阈值调整的准确度,最终获得精准的分割图像。
优选地,在本发明一个实施例中,考虑到目标绿植区域中像素点的灰度值各不相同,灰度值越接近预设截止阈值的像素点与第一参数差异越大,属于绿植覆盖区域的可能性越小,需要被分割出目标绿植区域的可能性越大,所以先筛选出欠分割像素点,从而对欠分割像素点进行分析,获取准确的欠分割参数;欠分割像素点在目标绿植区域内占比越大,灰度值越大,说明目标绿植区域的欠分割程度越大,所以根据像素点的灰度值,利用第一参数筛选出目标绿植区域的欠分割像素点;利用欠分割参数计算公式获取欠分割参数;欠分割参数计算公式包括:
;
其中,表示目标绿植区域的欠分割参数;/>表示目标绿植区域的所有像素点数量;/>表示欠分割像素点的数量;/>表示预设截止阈值;/>表示欠分割像素点的序号;表示第/>个欠分割像素点的灰度值。
欠分割参数计算公式中,越大,说明欠分割像素点在目标绿植区域中的占比越大,目标绿植区域的欠分割程度越大,欠分割参数就越大;/>越小,说明欠分割像素点与预设截止阈值的差异越小,属于绿植覆盖区域的可能性越小,需要被分割出目标绿植区域的可能性越大,目标绿植区域的欠分割程度越大,欠分割参数就越大。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
优选地,在本发明一个实施例中,考虑到灰度值越大的像素点是欠分割像素点的可能性越大,所以从灰度值大于第一参数即大于平均灰度值的像素点中筛选与预设截止阈值差异较小的像素点,获得欠分割像素点:
筛选出目标绿植区域内灰度值大于第一参数的像素点作为待分析像素点;将待分析像素点与预设截止阈值的差值绝对值作为待分析像素点的第四参数;将预设截止阈值与第一参数的差值与预设欠分割参数乘积作为欠分割阈值;筛选出第四参数小于欠分割阈值的待分析像素点作为欠分割像素点;预设欠分割参数为0到1之间的自然数。
需要说明的是,在本发明一个实施例中,预设欠分割参数为0.1,欠分割阈值表示为,/>,/>表示预设截止阈值;/>表示第一参数;当待分析像素点的第四参数小于欠分割阈值时,判定为欠分割像素点;在本发明其他实施例中,实施者可以设置其他预设欠分割参数,也可以采用固定值等其他方式获取欠分割阈值。
过分割与欠分割不同,过分割是预设截止阈值偏小导致需要被划分进目标绿植区域的像素点被分割在了目标绿植区域外部,图像被过度细分,所以需要获取目标绿植区域周围像素点的特征信息分析目标履职区域的过分割特征,获取目标绿植区域的过分割参数,同时考虑到外部像素点中不是所有像素点都具有过分割特性,为了提升对过分割特征分析的准确性,首先需要筛选出邻域绿植像素点。
优选地,在本发明一个实施例中,为了获取目标区域的周围像素点信息,分析绿植区域与周围像素点的关系,目标绿植区域的邻域范围设置为与目标绿植区域面积相同,考虑到目标绿植区域的边缘可能不规则,面积计算较为复杂,因此用目标绿植区域的像素点数量表征面积;同时考虑到分析目标绿植区域的过分割特征需要周围像素点的信息,所以以目标绿植区域为中心向外扩张获取外部像素点,而扩张时,像素点数量变化不是连续的,所以以外部像素点数量首次等于或超过目标绿植区域内像素点的数量为截止条件;同时考虑到外部像素点与目标绿植区域内部像素点的差异越小,越有可能是邻域绿植像素点,所以利用最大灰度值获取每个外部像素点的筛选参数,筛选获得邻域绿植像素点,基于此,邻域绿植像素点的获取方法包括:
以目标绿植区域为中心,以目标绿植区域的边缘为起点,边缘按照预设扩充步长向边缘外侧进行扩充,添加灰度图像中对应的像素点作为外部像素点,直到外部像素点的数量首次等于或超过目标绿植区域内像素点的数量,将外部像素点构成的外部区域作为目标绿植区域的预设邻域范围;
将目标绿植区域内像素点的最大灰度值与平均灰度值的差值与预设过分割阈值参数的乘积作为过分割阈值;将外部像素点的灰度值与目标绿植区域内像素点的最大灰度值的差值绝对值作为每个外部像素点的筛选参数,将外部像素点的筛选参数小于过分割参数的外部像素点作为邻域绿植像素点;预设过分割阈值参数为0到1之间的自然数。获取目标绿植区域的邻域绿植像素点之后,就可以分析邻域绿植像素点的分布特征,获取目标绿植区域的过分割参数。
需要说明的是,在本发明一个实施例中,预设过分割阈值参数为0.1,过分割阈值表示为,/>,/>表示第一参数,为目标绿植区域内所有像素点的灰度值均值;/>表示目标绿植区域内所有像素点的灰度值最大值;在本发明另一个实施例中,实施者可以以筛选出的邻域绿植像素点为中心建立/>大小的邻域窗口,将邻域窗口中与中心像素点相差小于5个灰度值的外部像素点也标记为邻域绿植像素点,增加邻域绿植像素点样本容量;在本发明其他实施例中,实施者可以设置其他预设过分割阈值参数,也可以采用固定值等其他方式获取过分割阈值。
需要说明的是,在本发明一个实施例中,预设扩充步长为1个像素点,即每次向边缘外扩张选取一圈像素点,直到外部像素点数量首次等于或超过目标绿植区域内像素点的数量;当外部像素点数量首次超过目标绿植区域内像素点的数量时,目标绿植区域的邻域范围面积略大于目标绿植区域的面积,考虑到外部像素点的不连续变化的特征,此时仍认为两者面积相同。
优选地,在本发明一个实施例中,考虑到目标绿植区域内像素点的最大灰度值是与外部像素点差异最小的,通过最大灰度值分析邻域绿植像素点最能够反映出邻域绿植像素点的过分割程度,基于此,邻域绿植像素点的获取方法包括:
将邻域绿植像素点与目标绿植区域内像素点的最大灰度值的差异作为每个邻域绿植像素点的过分割程度;将所有邻域绿植像素点的过分割程度的均值负相关映射,获得目标绿植区域的过分割参数。
在本发明一个实施例中,将所有邻域绿植像素点的过分割程度的均值的倒数作为过分割参数,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现负相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S3:根据目标绿植区域的欠分割参数、过分割参数和分割效果参数,获取目标绿植区域的修正系数;根据修正系数,调整目标绿植区域的预设截止阈值,获取目标绿植区域的修正截止阈值。
经过步骤S2获得了表示目标绿植区域分割效果的分割效果参数、表示目标绿植区域欠分割特征的欠分割参数和表示目标绿植区域欠分割特征的过分割参数,已经为修正预设截止阈值做好准备,所以综合利用这三个参数获取修正系数,以便后续根据修正系数调整预设截止阈值,获取准确的修正截止阈值。
优选地,在本发明一个实施例中,考虑到目标绿植区域的欠分割状态和过分割状态不可能同时存在,两者之中最大的参数能说明目标绿植区域的对应状态更加明显,所以选择最大大的参数作为目标绿植区域的修正参数,结合分割效果参数获得修正系数:
选择目标绿植区域的欠分割参数与过分割参数中最大的一个作为修正参数;当修正参数为欠分割参数时,将欠分割参数与分割效果参数的商负相关映射并归一化,获得修正系数,用公式表示为;当修正参数为过分割参数时,将过分割参数与分割效果参数的商归一化,获得修正系数,用公式表示为/>;其中/>表示修正系数,/>表示欠分割参数;/>表示过分割参数;/>表示分割效果参数;/>表示归一化函数。
修正系数的计算公式中,当修正参数为欠分割参数时,说明目标绿植区域内欠分割特征更明显,预设截止阈值偏大,需要缩小预设截止阈值,去除目标绿植区域内更多的像素点,并且欠分割参数越大,欠分割程度越大,分割效果参数越小,分割效果越差,说明预设截止阈值需要被缩小的程度越大,修正系数为负且越小;当修正参数为过分割参数时,说明目标绿植区域的过分割特征更明显,预设截止阈值偏小,需要增大预设截止阈值,将目标绿植区域周围更多的像素点分割进目标绿植区域,并且过分割参数越大,过分割程度越大,分割效果参数越小,分割效果越差,说明预设截止阈值需要被增大的程度越大,修正系数为正且越大。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
获得目标绿植区域的修正系数后,就可以对目标绿植区域的预设截止阈值进行调整,以符合目标绿植区域在图像中表现出的实际特征,最终提升图像分割方法的准确度。
优选地,在本发明一个实施例中,获取预设截止阈值与修正系数的乘积,将乘积与预设截止阈值和作为修正截止阈值,用公式表示为:
;
其中,表示修正截止阈值;/>表示预设截止阈值;/>表示修正系数。
修正截止阈值的计算公式中,当修正系数为正数时,说明目标绿植区域的过分割特征更明显,预设截止阈值偏小,需要增大预设截止阈值;当修正系数为负数时,说明目标绿植区域内欠分割特征更明显,预设截止阈值偏大,需要缩小预设截止阈值。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
改变目标绿植区域,以相同的处理方式获取所有绿植覆盖区域的修正截止阈值。
步骤S4:根据所有绿植覆盖区域的修正截止阈值,重新对灰度图像进行分割,获取地形分割图像。
经过步骤S1到S3,获得了每个绿植覆盖区域的修正截止阈值,为了获取更准确的地形分割图像,需要对灰度图像进行重新分割:从绿植种子点的位置开始注水,直至到达其所在区域对应的修正截止阈值,完成该待绿植覆盖区域的分割,遍历所有绿植种子点得到分割后的图像,同时当绿植覆盖区域的面积远小于整体遥感图像的大小时,认为该区域不属于绿植覆盖区域,将该区域设置为背景,完成对复杂地形遥感图像的分割。
综上所述,针对复杂地形遥感图像的分割不够精准的技术问题,本发明提出了一种复杂地形遥感图像精准分割方法。本发明首先获取遥感图像的灰度图像,利用预设截止阈值对图像进行初步分割,分别分析绿植覆盖区域的分割效果、欠分割特征和过分割特征,获取修正系数对预设截止阈值进行调整,获得绿植覆盖区域的修正截止阈值,最后利用分水岭算法对灰度图像进行处理,获取地形分割图像。本发明充分考虑到了复杂地形遥感图像的不同区域的特征不同,通过对预设截止阈值结合图像特征进行调整,获取不同区域自适应的修正截止阈值对图像进行分割,提升了遥感图像分割方法的准确性。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (4)
1.一种复杂地形遥感图像精准分割方法,其特征在于,所述方法包括:
获取遥感图像的灰度图像;
根据所述灰度图像中像素点的灰度值筛选绿植种子点;根据所述绿植种子点和预设截止阈值,利用分水岭算法对所述灰度图像进行分割,获得多个绿植覆盖区域;选择任一绿植覆盖区域作为目标绿植区域;根据所述目标绿植区域内像素点灰度值的统计特征获取目标绿植区域的绿植覆盖程度;根据目标绿植区域与相邻像素点的差异特征结合所述绿植覆盖程度,获取所述目标绿植区域的分割效果参数;分析所述目标绿植区域内像素点的分布特征,获取所述目标绿植区域的欠分割参数;根据所述目标绿植区域的预设邻域范围内像素点之间灰度值的差异特征筛选邻域绿植像素点;根据所述邻域绿植像素点的分布特征,获取所述目标绿植区域的过分割参数;
根据所述目标绿植区域的所述欠分割参数、所述过分割参数和所述分割效果参数,获取所述目标绿植区域的修正系数;根据所述修正系数,调整所述目标绿植区域的预设截止阈值,获取目标绿植区域的修正截止阈值;
根据所有绿植覆盖区域的所述修正截止阈值,重新对所述灰度图像进行分割,获取地形分割图像;
所述绿植覆盖程度的获取方法包括:
获取所述目标绿植区域内所有像素点的灰度值均值作为第一参数;获取所述目标绿植区域内所有绿植种子点的灰度值均值作为第二参数;将所述第一参数和所述第二参数的乘积负相关映射,获得绿植覆盖程度;
所述分割效果参数的获取方法包括:
将所述目标绿植区域的边缘上相接的像素点作为相邻像素点;获取所有相邻像素点与所述第一参数的差异统计值作为第三参数;将所述第三参数与所述绿植覆盖程度的乘积作为所述目标绿植区域的分割效果参数;
所述欠分割参数的获取方法包括:
根据像素点的灰度值,利用所述第一参数筛选出所述目标绿植区域的欠分割像素点;利用欠分割参数计算公式获取欠分割参数;所述欠分割参数计算公式包括:
;其中,/>表示目标绿植区域的欠分割参数;/>表示目标绿植区域的所有像素点数量;/>表示欠分割像素点的数量;/>表示预设截止阈值;/>表示欠分割像素点的序号;/>表示第/>个欠分割像素点的灰度值;
所述欠分割像素点的获取方法包括:
筛选出目标绿植区域内灰度值大于所述第一参数的像素点作为待分析像素点;将所述待分析像素点与所述预设截止阈值的差值绝对值作为待分析像素点的第四参数;将所述预设截止阈值与所述第一参数的差值与预设欠分割参数乘积作为欠分割阈值;筛选出第四参数小于所述欠分割阈值的待分析像素点作为欠分割像素点;所述预设欠分割参数为0到1之间的自然数;
所述过分割参数的获取方法包括:
将所述邻域绿植像素点与所述目标绿植区域内像素点的最大灰度值的差异作为每个邻域绿植像素点的过分割程度;将所有所述邻域绿植像素点的所述过分割程度的均值负相关映射,获得目标绿植区域的过分割参数;
所述修正系数的获取方法包括:
选择所述目标绿植区域的所述欠分割参数与所述过分割参数中最大的一个作为修正参数;当所述修正参数为所述欠分割参数时,将所述欠分割参数与所述分割效果参数的商负相关映射并归一化,获得修正系数;当所述修正参数为所述过分割参数时,将所述过分割参数与所述分割效果参数的商归一化,获得修正系数。
2.根据权利要求1中所述的一种复杂地形遥感图像精准分割方法,其特征在于,所述邻域绿植像素点的获取方法包括:
以所述目标绿植区域为中心,以所述目标绿植区域的边缘为起点,边缘按照预设扩充步长向边缘外侧进行扩充,添加所述灰度图像中对应的像素点作为外部像素点,直到所述外部像素点的数量首次等于或超过所述目标绿植区域内像素点的数量,将所述外部像素点构成的外部区域作为目标绿植区域的预设邻域范围;
将所述目标绿植区域内像素点的最大灰度值与平均灰度值的差值与预设过分割阈值参数的乘积作为过分割阈值;将所述外部像素点的灰度值与所述目标绿植区域内像素点的最大灰度值的差值绝对值作为每个外部像素点的筛选参数,将外部像素点的所述筛选参数小于所述过分割参数的外部像素点作为邻域绿植像素点;所述预设过分割阈值参数为0到1之间的自然数。
3.根据权利要求1中所述的一种复杂地形遥感图像精准分割方法,其特征在于,所述修正截止阈值的获取方法包括:
获取所述预设截止阈值与所述修正系数的乘积,将乘积与所述预设截止阈值和作为修正截止阈值。
4.根据权利要求1中所述的一种复杂地形遥感图像精准分割方法,其特征在于,所述绿植种子点的获取方法包括:
将所述灰度图像中像素点的灰度值小于预设种子阈值的像素点作为绿植种子点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311627809.2A CN117333504B (zh) | 2023-12-01 | 2023-12-01 | 一种复杂地形遥感图像精准分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311627809.2A CN117333504B (zh) | 2023-12-01 | 2023-12-01 | 一种复杂地形遥感图像精准分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117333504A CN117333504A (zh) | 2024-01-02 |
CN117333504B true CN117333504B (zh) | 2024-03-01 |
Family
ID=89279608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311627809.2A Active CN117333504B (zh) | 2023-12-01 | 2023-12-01 | 一种复杂地形遥感图像精准分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333504B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867150A (zh) * | 2015-05-22 | 2015-08-26 | 武汉大学 | 遥感影像模糊聚类的波段修正变化检测方法及系统 |
CN111046884A (zh) * | 2019-12-09 | 2020-04-21 | 太原理工大学 | 一种多特征辅助分水岭算法的斜坡地质灾害提取方法 |
CN114332650A (zh) * | 2022-03-09 | 2022-04-12 | 苏州大学 | 一种遥感图像道路识别方法及系统 |
CN115512231A (zh) * | 2022-11-15 | 2022-12-23 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 适用于国土空间生态修复的遥感解译方法 |
CN116188496A (zh) * | 2023-04-25 | 2023-05-30 | 牧马人(山东)勘察测绘集团有限公司 | 基于土地利用类型的遥感影像自适应分割方法 |
CN116912265A (zh) * | 2023-06-20 | 2023-10-20 | 浙江国际海运职业技术学院 | 一种遥感图像分割方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1213592C (zh) * | 2001-07-31 | 2005-08-03 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
-
2023
- 2023-12-01 CN CN202311627809.2A patent/CN117333504B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867150A (zh) * | 2015-05-22 | 2015-08-26 | 武汉大学 | 遥感影像模糊聚类的波段修正变化检测方法及系统 |
CN111046884A (zh) * | 2019-12-09 | 2020-04-21 | 太原理工大学 | 一种多特征辅助分水岭算法的斜坡地质灾害提取方法 |
CN114332650A (zh) * | 2022-03-09 | 2022-04-12 | 苏州大学 | 一种遥感图像道路识别方法及系统 |
CN115512231A (zh) * | 2022-11-15 | 2022-12-23 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 适用于国土空间生态修复的遥感解译方法 |
CN116188496A (zh) * | 2023-04-25 | 2023-05-30 | 牧马人(山东)勘察测绘集团有限公司 | 基于土地利用类型的遥感影像自适应分割方法 |
CN116912265A (zh) * | 2023-06-20 | 2023-10-20 | 浙江国际海运职业技术学院 | 一种遥感图像分割方法和系统 |
Non-Patent Citations (2)
Title |
---|
Unsupervised building detection in complex urban environments from multispectral satellite imagery;Örsan Aytekın等;International Journal of Remote Sensing;20110930;全文 * |
基于改进分水岭变换的遥感图像建筑物提取;任晓娟;肖双九;彭小朋;;计算机应用与软件;20111215(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117333504A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564017B (zh) | 一种城市高分遥感影像阴影检测及分割方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
Lucieer et al. | Existential uncertainty of spatial objects segmented from satellite sensor imagery | |
CN116188496B (zh) | 基于土地利用类型的遥感影像自适应分割方法 | |
CN108830876B (zh) | 一种水域轮廓提取及面积检测方法 | |
CN110287898A (zh) | 一种光学卫星遥感影像云检测方法 | |
CN116363520B (zh) | 一种城市绿地规划用景观生态检测系统 | |
CN115187602A (zh) | 基于图像处理的注塑件缺陷检测方法及系统 | |
CN111027446A (zh) | 一种高分辨率影像的海岸线自动提取方法 | |
CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN116703251A (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN117575953B (zh) | 一种高分辨率林业遥感图像细节增强方法 | |
CN115908371A (zh) | 基于优化分割的植物叶片病虫害程度检测方法 | |
CN116245880A (zh) | 基于红外识别的电动车充电桩火灾风险检测方法 | |
CN117496359B (zh) | 基于三维点云的植物种植布局监测方法及系统 | |
CN111310771A (zh) | 遥感影像的道路图像提取方法、装置、设备及存储介质 | |
CN108509835B (zh) | 基于DFIC超像素的PolSAR图像地物分类方法 | |
CN116740579B (zh) | 一种国土空间规划数据智能采集方法 | |
CN117333504B (zh) | 一种复杂地形遥感图像精准分割方法 | |
CN117542488A (zh) | 一种用于脑肿瘤ct数据的智能处理方法 | |
CN106204596B (zh) | 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法 | |
CN109697474B (zh) | 基于迭代贝叶斯的合成孔径雷达影像变化检测方法 | |
CN117292137A (zh) | 一种航拍遥感影像优化分割处理方法 | |
CN115994870A (zh) | 一种用于增强去噪的图像处理方法 |
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 |