CN118053081B - 基于图像处理的城乡规划数据更新方法 - Google Patents
基于图像处理的城乡规划数据更新方法 Download PDFInfo
- Publication number
- CN118053081B CN118053081B CN202410448266.6A CN202410448266A CN118053081B CN 118053081 B CN118053081 B CN 118053081B CN 202410448266 A CN202410448266 A CN 202410448266A CN 118053081 B CN118053081 B CN 118053081B
- Authority
- CN
- China
- Prior art keywords
- pixel
- super
- boundary
- point
- block
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000005192 partition Methods 0.000 claims description 17
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,更具体地,本发明涉及基于图像处理的城乡规划数据更新方法,所述方法包括:对获取的城乡卫星图像进行超像素分割得到初始超像素块,并对筛选的颜色相差较大的初始超像素块进行超像素分割迭代处理,在超像素分割迭代处理的过程中,根据子超像素块之间的划分边界的边缘特征去除存在过分割的子超像素块间的划分边界,然后利用边缘边界分割可能存在欠分割的初始目标超像素块,根据最终的迭代结果确定最终超像素块,对最终超像素块进行语义分割得到对应的类别,以根据各类别的变化更新城乡规划数据。本发明在保留数据特征的同时减少了语义分割时数据的处理量,可以提高数据的更新效率。
Description
技术领域
本发明涉及图像数据处理技术领域。更具体地,本发明涉及基于图像处理的城乡规划数据更新方法。
背景技术
卫星影像通过提供高分辨率、广覆盖范围和多光谱数据,在城乡规划中发挥了重要作用。卫星影像一般包括土地利用情况、建筑物分布,土地覆盖等信息,且卫星影响中对道路、建筑物、农田等进行识别分析时是依据每个像素点进行的,数据量巨大,而为了跟踪城乡发展变化,确保规划的有效性和适应性,以更好地指导城乡规划的制定和实施,促进城乡发展的有序进行,提高资源利用效率,因此,需要定期的根据卫星影响对城乡规划数据进行更新。
相关技术中,一般通过语义分割模型直接对获取到的卫星影像中的各区域进行分类,从而根据各区域的变化更新城乡规划数据,而由于卫星影像的数据量巨大,语义分割模型的训练难度,训练时标注的数据量以及模型的复杂度均较大,且训练效率较低,在一定程度上影响了城乡规划数据的更新效率。
发明内容
为解决上述一个或多个技术问题,本发明提出基于图像处理的城乡规划数据更新方法,该方法包括以下步骤:
获取城乡卫星图像,并对所述城乡卫星图像进行超像素分割,得到多个初始超像素块;
确定各初始超像素块中各像素点的色度值,并利用色度值对各初始超像素块中的像素点进行聚类得到每个初始超像素块的两个色度类别,将两个色度类别的类中心点之间的距离大于预设距离的初始超像素块作为父超像素块;
对父超像素块进行超像素分割迭代处理,直至超像素分割得到的超像素块的中心坐标趋于稳定,停止超像素分割迭代得到最终超像素块;对最终超像素块进行语义分割确定每个最终超像素块的类别,获取最终超像素块对应的城乡规划数据,以根据各类别的最终超像素块的变化对所述城乡规划数据进行更新;
任意一次超像素分割迭代过程,包括:
将上一次超像素分割迭代过程中得到的任意一个超像素块称为当前超像素块,根据当前超像素块内各色度类别像素点的比例设置当前超像素块的两种种子点数,并根据当前超像素块在不同种子点数下划分得到的各像素区域中像素点的色度类别确定每种种子点数对应的各种子点的位置,以根据各种子点的位置对当前超像素块进行一次分割处理,得到每种种子点数对应的多个子超像素块;
确定每两个相邻子超像素块之间的划分边界,根据相邻两子超像素块之间梯度特征的相似性确定对应划分边界的边缘特征;根据每个划分边界的边缘特征对所有划分边界进行去除和保留处理得到每种种子点数对应的初始目标超像素块;
根据各初始目标超像素块局部范围内的相邻像素点的梯度方向和色度梯度值的大小确定每种种子点数对应的每个初始目标超像素块内的边缘像素点,并通过连续相邻的边缘像素点的数量,连续相邻的边缘像素点对应连接路径与对应初始目标超像素块的边界的位置关系确定每种种子点数对应的每个初始目标超像素块中是否存在边缘边界,当一初始目标超像素块中存在边缘边界时,则根据边缘边界将对应的初始目标超像素块划分为两部分,并根据边缘边界划分后的初始目标超像素块以及不存在边缘边界的初始目标超像素块确定每种种子点对应的目标超像素块。
本发明具有以下有益效果:
通过本发明的实施例,可以对获取的城乡卫星图像进行超像素分割得到初始超像素块,并对筛选的颜色相差较大的初始超像素块进行超像素分割迭代处理,在超像素分割迭代处理的过程中,根据子超像素块之间的划分边界的边缘特征去除存在过分割的子超像素块间的划分边界,然后利用边缘边界分割可能存在欠分割的初始目标超像素块,根据最终的迭代结果确定最终超像素块,对最终超像素块进行语义分割得到对应的类别,以根据各类别的变化更新城乡规划数据。本发明在保留数据特征的同时减少了语义分割时数据的处理量,可以提高数据的更新效率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是本发明实施例基于图像处理的城乡规划数据更新方法的步骤流程图;
图2是本发明实施例中对父超像素块进行超像素分割迭代处理时任意一次超像素分割迭代过程的步骤流程图。
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清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
下面结合附图来详细描述本发明的具体实施方式。
请参阅图1,其示出了本发明一个实施例提供的基于图像处理的城乡规划数据更新方法的步骤流程图,该方法包括以下步骤:
在步骤S001,获取城乡卫星图像,并对所述城乡卫星图像进行超像素分割,得到多个初始超像素块。
在本发明的一示例实施例中,城乡卫星图像是指对间隔一定时间采集的城乡卫星影像进行预处理后得到的图像,用于作为基础图像进行分割。城乡卫星图像可以是对采集的城乡卫星影像进行去噪,增强,几何校正,去雾等预处理得到的图像,且城乡卫星图像可以包括居住区,农田,道路,工厂等区域,本实施例对于城乡卫星图像的预处理方式不做特别限定。
初始超像素块是指根据初步设置的种子点将城乡卫星图像进行超像素分割得到的尺寸较大的像素块,用于将城乡卫星图像初步分割为较大的区域,以进一步的对各初始超像素块内的细节信息进行分析。各初始超像素块对应的区域可以是细节信息分布较多的区域,如居住区,也可以是细节信息分布较少的区域,本实施例对于各初始超像素块对应区域的细节信息的多少不做特别限定。
可选的,当初始超像素块内细节信息分布较多时,可以进一步的对初始超像素块进行分割,使得对应区域内的局部细节信息可以清晰展示。
在步骤S002,确定各初始超像素块中各像素点的色度值,并利用色度值对各初始超像素块中的像素点进行聚类得到每个初始超像素块的两个色度类别,将两个色度类别的类中心点之间的距离大于预设距离的初始超像素块作为父超像素块。
在本发明的一示例实施例中,可以将各初始超像素块从RGB颜色空间转换到HSV颜色空间中,根据各像素点在HSV颜色空间中的色相,饱和度和亮度确定对应的色度值。且色度值的取值范围可以在0°-360°,当色度值为0°时,对应像素点的颜色为红色,当色度值为120°时,对应像素点的颜色为绿色,当色度值为240°时,对应像素点的颜色为蓝色。
进一步的,可以将各初始超像素块内的各像素点对应的色度值在极坐标的单位圆中以点的形式表示,并对各初始超像素块分别对应的单位圆中的点使用k-均值聚类算法聚为两类,从而得到两个色度类别,以及对应的两个色度类别的类中心点。
其中,父超像素块是指内部细节信息较多的初始超像素块,用于进一步分割,以得到对应区域的局部细节信息。父超像素块可以根据各初始超像素块对应的两个色度类别的类中心点的距离确定,具体的,由于各初始超像素块对应的两个色度类别的类中心点的范围为0-2,且当不同色度类别的类中心点之间的距离越大时,对应的超像素块内的颜色相差越大,即对应的细节信息比较丰富,因此可以考虑各像素点的色度值分布情况将预设距离设置为,当初始超像素块对应的两个色度类别的类中心点之间的距离大于/>时,将当前初始超像素块作为父超像素块,当然,也可以根据具体的情况设置合适的距离,本实施例对于确定父超像素块的预设距离的设置不做特别限定。
在步骤S003,对父超像素块进行超像素分割迭代处理,直至超像素分割得到的超像素块的中心坐标趋于稳定,停止超像素分割迭代得到最终超像素块;对最终超像素块进行语义分割确定每个最终超像素块的类别,获取最终超像素块对应的城乡规划数据,以根据各类别的最终超像素块的变化对所述城乡规划数据进行更新。
如图2所示,步骤S003包括步骤S1-步骤S3,具体如下:
需要说明的是,通过超像素分割算法对父超像素块进行分割的过程为多次迭代的过程,因此可以通过对每次分割处理得到的多个子超像素块进行进一步处理,得到每次超像素分割对应的不存在过分割现象和欠分割现象的超像素块,直到超像素分割迭代过程中种子点的位置趋于稳定,从而可以对最后一次超像素分割对应的不存在欠分割和过分割现象的最终超像素块进行语义分割,得到准确性较高的最终超像素块对应的类别。
其中,最终超像素块对应的细节信息较为清晰,且基本不存在重合部分,因此基于细节较为清晰的目标超像素块进行语义分割相对于直接对城乡卫星图像进行语义分割,可以提高语义分割模型的分类效率;基于两次超像素分割处理后的最终超像素块进行语义分割,可以准确确定同一地点不同时间对应的目标超像素块的类别,如建筑物,道路,农田,工厂等,从而可以根据同一地点不同时间前后不一致的部分判定具体的变化,如新建建筑物,新修道路等,对获取的各目标超像素块对应的城乡规划数据进行更新。
可选的,当确定父超像素块之后,可以利用确定的种子点的位置先进行一定次数,如3次的超像素分割迭代处理,然后可以对3次后的迭代处理得到的超像素块进行进一步的分析,以保证在对超像素块进行超像素分割迭代处理时不同的细节信息对应的区域可以被很好地划分。
在步骤S1,将上一次超像素分割迭代过程中得到的任意一个超像素块称为当前超像素块,根据当前超像素块内各色度类别像素点的比例设置当前超像素块的两种种子点数,并根据当前超像素块在不同种子点数下划分得到的各像素区域中像素点的色度类别确定每种种子点数对应的各种子点的位置,以根据各种子点的位置对当前超像素块进行一次分割处理,得到每种种子点数对应的多个子超像素块。
在本发明的一示例实施例中,子超像素块是指父超像素块内不同细节信息对应的像素块,用于表征不同的细节信息。可以在父超像素块内设置合适数量以及合适位置的种子点,然后利用各种子点对父超像素块进行超像素分割,从而能够得到多个子超像素块。
具体的,可以根据父超像素块内各色度类别像素点的比例设置对应的种子点数,如当一色度类别像素点在父超像素块内所有像素点中的占比较大时,则可以根据当前色度类别像素点的比例设置较多的种子点,记为,将另一色度类别像素点设置较少的种子点,记为/>。
在本发明的一示例实施例中,可以通过以下步骤确定各种子点的位置:
(1)根据各色度类别对应的两种种子点数分别将当前超像素块均匀划分为每种种子点数的像素区域,并依次根据每种种子点数划分的各像素区域中第一目标像素点的色度类别确定每种种子点数中各种子点的初始位置;
示例性的,以一色度类别像素点对应的种子点数为,另一色度类别像素点对应的种子点数为/>对像素区域的划分尺寸的确定进行详细说明。具体的,当种子点数为/>时,则可以将当前父超像素块均匀的划分为/>个长方形区域,从而确定当前划分尺寸下的各像素区域;同样的,当种子点数为/>时,则可以将当前父超像素块均匀的划分为/>个长方形区域,从而确定当前划分尺寸下的各像素区域。
其中,第一目标像素点是指根据不同种子点数划分的各像素区域的中心像素点,具体的,当一色度类别像素点对应的种子点数为时,第一目标像素点为/>个像素区域分别对应的中心像素点;另一色度类别像素点对应的种子点数为/>时,第一目标像素点为/>个像素区域分别对应的中心像素点。
在本发明的一示例实施例中,可以通过以下步骤实现各像素区域的种子点的初始位置的确定:
对于任意一个父超像素块在任意种子点数下划分得到的像素区域,当该像素区域中第一目标像素点的色度类别与对应种子点的色度类别相同时,则该像素区域的中心位置作为种子点的初始位置;当该像素区域中第一目标像素点的色度类别与对应种子点的色度类别不同时,则将该像素区域中距离像素区域中心位置最近的,且色度类别与对应种子点的色度类别不同的像素点的所在位置作为种子点的初始位置。
示例性的,以一父超像素块的色度类别分别为,/>,对应的种子点数分别为/>,对各种子点的初始位置的确定进行详细说明。具体的,当根据种子点数/>确定各像素区域时,若一像素区域的中心像素点的色度类别为/>,则可以将对应像素区域的中心像素点记为种子点,若一像素区域的中心像素点的色度类别为/>,则将对应像素区域内距离中心像素点最近的色度类别为/>的像素点记为种子点,从而确定/>个种子点的位置。
进一步的,当根据种子点数确定各像素区域时,若一像素区域的中心像素点的色度类别为/>,则可以将对应像素区域的中心像素点记为种子点,若一像素区域的中心像素点的色度类别为/>,则将对应像素区域内距离中心像素点最近的色度类别为/>的像素点记为种子点,以确定/>个种子点的位置,从而初步确定对应父超像素块内/>个种子点的位置。
(2)将种子点的初始位置的八邻域范围内的像素点作为每种种子点数的第二目标像素点,当种子点的初始位置的八邻域范围内的第二目标像素点中存在连续多个像素点与对应种子点的色度类别不同时,根据连续多个像素点与种子点的色度类别不同的所有像素点的连通域确定参考像素位置,并在对应八邻域范围内将种子点移动到与参考像素位置距离最远的位置处,以更新每种种子点数中各种子点的位置;
其中,第二目标像素点是指种子点的初始位置的八邻域范围内的所有的像素点,用于判断种子点的初始位置是否处于不同色度类别的边界处。参考像素位置是指在种子点初始位置的八邻域范围内,根据连续多个与种子点的色度类别不同的所有像素点确定的连通域的中心位置,用于确定种子点的移动方向。具体的,当确定一像素区域的种子点的初始位置后,若当前种子点的8邻域范围内存在3个及以上相连的像素点的色度类别与种子点的色度类别不同时,则说明当前种子点的位置处于不同色度类别的边界处,因此需要更新种子点的位置,即将种子点在八邻域范围内移动到与参考像素位置距离最远的位置处,从而避免因种子点的位置处于不同色度类别的边界时对分割效果的影响。
(3)依次判断各种子点的初始位置的八邻域范围内的第二目标像素点中是否存在连续多个像素点与对应种子点的色度类别不同,若存在,则通过更新种子点的位置确定对应种子点的最终位置,若不存在,则将种子点的初始位置作为对应种子点的最终位置,以确定每种种子点数中各种子点的最终位置。
具体的,通过依次判断各种子点的初始位置的八邻域范围内的第二目标像素点中是否存在连续多个像素点与对应种子点的色度类别不同,可以确保每种种子点数中各种子点的位置均不处于不同色度类别的边界处,保证了超像素分割的效果。
在步骤S2,确定每两个相邻子超像素块之间的划分边界,根据相邻两子超像素块之间梯度特征的相似性确定对应划分边界的边缘特征;根据每个划分边界的边缘特征对所有划分边界进行去除和保留处理得到初始目标超像素块。
在本发明的一示例实施例中,边缘特征是指判断各子超像素块之间的划分边界存在合理性的根据,用于确定各划分边界存在的合理性。具体的,当同一划分边界的两侧的子超像素块之间的梯度特征的相似性较高时,则说明当前划分边界具有边缘特征,即保留当前的划分边界,同样的,当同一划分边界的两侧的子超像素块之间的梯度特征的相似性较低时,则说明对应的划分边界不具有边缘特征,从而去除对应的划分边界,以防止同一细节信息被分割在不同的子超像素块内,即防止过分割的现象。
初始目标超像素块是指梯度特征相似性低于预设阈值的超像素块,用于作为基础超像素块进一步判断是否需要再次分割。通过去除相邻两子超像素块之间不合理的划分边界,可以将梯度特征的相似性较大的两个子超像素块进行融合,得到梯度特征相似性较低的初始目标超像素块,从而确保同一细节信息处于同一子超像素块内,可以避免过分割的现象。
在本发明的一示例实施例中,可以通过以下步骤实现初始目标超像素块的确定:
确定相邻两子超像素块之间的划分边界对应的多条第一生长路径,并根据每个划分边界对应的多条第一生长路径跨越对应划分边界的次数确定相邻两子超像素块之间梯度特征的相似性;当相邻两子超像素块之间的梯度特征存在相似性,则判定对应的划分边界的边缘特征无效,并去除对应的划分边界;当相邻两子超像素块之间的梯度特征不存在相似性,则判定对应的划分边界的边缘特征有效,并保留对应的划分边界,以通过对所有划分边界进行去除和保留处理得到初始目标超像素块。
其中,第一生长路径是指以每个子超像素块内距离对应相邻两子超像素块之间的划分边界最近的像素点为起点,沿着与该像素点的梯度方向垂直的方向进行搜索,得到的由边界位置处的像素点和对应搜索到的像素点相连形成的路径,用于确定距离划分边界最近的像素点为边缘像素点的可能性。一像素点对应的第一生长路径可以在对应的超像素块内,也可以跨越多个超像素块,本实施例对各像素点的第一生长路径的长度以及跨越超像素块的个数不做特别限定。
在本发明的一示例实施例中,可以通过以下步骤实现一像素点对应的第一生长路径的确定:
根据相邻两子超像素块之间的划分边界确定每个子超像素块内的边界像素点,以任一边界像素点为起点,将选取的任一边界像素点作为当前边界像素点,获取与当前边界像素点的梯度方向垂直的两个方向,将与当前边界像素点的梯度方向垂直的两个方向中的任一方向作为目标方向,沿着目标方向依次生成预设的数量阈值个生长像素点,得到对应边界像素点的第一生长路径,并依次确定每个边界像素点对应的生长路径,得到每个划分边界对应的多条第一生长路径。
具体的,每个子超像素块内的边界像素点可以是每个子超像素块内距离对应相邻两子超像素块之间的划分边界最近的像素点,用于确定作为起点确定对应的第一生长路径。
示例性的,将数据阈值设置为49,对确定任一边界像素点对应的第一生长路径进行详细说明,具体的,对于各子超像素块,获取所有的边界像素点,以任一边界像素点为起点,将选取的任一边界像素点作为当前边界像素点,获取与当前边界像素点的梯度方向垂直的两个方向,将与当前边界像素点的梯度方向垂直的两个方向中的任一方向作为目标方向,沿着目标方向依次生成49个生长像素点为止,然后将选取的边界像素点与对应的49个生长像素点依次相连,从而形成选取的边界像素点对应的一个长度为50的第一生长路径,当然,也可以根据具体的情况设置合适的数量阈值,本实施例对于第一生长路径中数量阈值的设置不做特别限定。
在本发明的一示例实施例中,可以通过以下步骤实现相邻两子超像素块之间梯度特征的相似性的确定:
若第一生长路径上存在相邻的像素点处于同一划分边界的两侧,则获取一个像素点对,并依次统计每个划分边界对应的所有第一生长路径中像素点对的数量;根据每个划分边界对应的所有第一生长路径中像素点对的数量的平均值确定每个划分边界对应的多条第一生长路径跨越对应划分边界的次数;当划分边界对应的多条第一生长路径跨越对应划分边界的次数小于或等于预设次数阈值,则判定对应相邻两子超像素块之间的梯度特征不存在相似性;当划分边界对应的多条第一生长路径跨越对应划分边界的次数大于预设次数阈值,则判定对应相邻两子超像素块之间的梯度特征存在相似性。
具体的,根据每个划分边界对应的所有第一生长路径中像素点对的数量的平均值确定每个划分边界对应的多条第一生长路径跨越对应划分边界的次数,满足如下关系式:
;
式中,表示任一划分边界对应的多条第一生长路径跨越对应划分边界的次数;/>表示该划分边界对应的第一生长路径的数量;/>表示求和函数;/>表示第/>条第一生长路径;表示第/>条第一生长路径上的像素点对的数量。
其中,当第条第一生长路径上的像素点对的数量/>越大时,对应的各第一生长路径中像素点对的数量/>也越大,计算得到的/>也越大,且当/>时,则可以认为对应相邻两子超像素块之间的梯度特征存在相似性,可以去除对应的划分边界;而当第/>条第一生长路径上的像素点对的数量/>越小时,对应的各第一生长路径中像素点对的数量/>也越小,计算得到/>也越小,且当/>时,则认为对应相邻两子超像素块之间的梯度特征不存在相似性,需要保留当前的划分边界。
在步骤S3,根据各初始目标超像素块局部范围内的相邻像素点的梯度方向和色度梯度值的大小确定每个初始目标超像素块内的边缘像素点,并通过连续相邻的边缘像素点的数量,连续相邻的边缘像素点对应连接路径与对应初始目标超像素块的边界的位置关系确定每个初始目标超像素块中是否存在边缘边界,当一初始目标超像素块中存在边缘边界时,则根据边缘边界将对应的初始目标超像素块划分为两部分,并根据边缘边界划分后的初始目标超像素块以及不存在边缘边界的初始目标超像素块确定目标超像素块。
需要说明的是,在利用种子点对父超像素块进行超像素分割时,一些细长且细节信息较为丰富的区域可能存在分割不完全的现象,因此可以根据各初始目标超像素块内的边缘特征再次进行分割,避免利用种子点进行超像素分割时出现的欠分割现象。
在本发明的一示例实施例中,边缘像素点是指具有边缘特征的像素点,用于确定初始目标超像素块内是否需要分割。需要说明的是,在初始目标超像素块内,距离对应的划分边界最近的像素点在局部范围内的梯度方向较为一致,对应的生长路径在局部范围内也比较平坦,因此可以根据距离相邻初始目标像素块划分边界最近的所有的像素点对应的生长路径上与选取的像素点在局部范围内的像素点的梯度方向和色度梯度值的大小确定每个初始目标超像素块内的边缘像素点。
边缘边界是指通过相邻边缘像素点的数量,相邻边缘像素点对应连接路径与对应初始目标超像素块的边界的位置关系确定的划分边界,用于确定每个初始目标超像素块中是否存在边缘边界,从而当判断一初始目标超像素块内存在边缘边界时,利用确定的边缘边界将对应的初始目标超像素块划分为两部分,从而对当前的子超像素块中的细节信息进一步划分。具体的,由于边缘边界一般存在大量的具有相似特征的像素点,因此可以通过相连边缘像素点的数量初步从各相邻边缘像素点相接形成的边缘中筛选边缘像素点个数大于一定值,如10个像素点的初始边缘,然后当一初始边缘的两端与对应初始目标超像素块的边界的不同位置相接时,则可以将当前初始边缘作为边缘边界,以将当前的初始目标超像素块划分为两部分。
在本发明的一示例实施例中,可以通过以下步骤确定每个初始目标超像素块内的边缘像素点:
(1)根据相邻两初始目标超像素块之间的划分边界确定每个初始目标超像素块内的边界像素点,并确定同一边界像素点所在的多条第二生长路径;
具体的,每个初始目标超像素块内的边界像素点可以是每个初始目标超像素块内距离对应相邻两初始目标超像素块之间的划分边界最近的像素点,用于作为起点生成对应的第二生长路径。第二生长路径与第一生长路径的生成方式相同,在此不做赘述。
需要说明的是,由于各边界像素点对应的第二生长路径会存在交叉部分,即同一边界像素点会存在于多条第二生长路径中,因此,可以分别确定选取的边界像素点在各第二生长路径中为边缘像素点的可能性,然后根据确定的可能性的最大值判断选取的边界像素点是否为边缘像素点,从而可以保证边缘像素点确定的准确性。
(2)获取每个边界像素点在每条第二生长路径中的位置,并根据每个边界像素点在每条第二生长路径中的位置两侧的局部范围内的相邻像素点的色度梯度方向和色度梯度值的大小确定每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性;
具体的,每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性,满足如下关系式:
;
式中,表示任一子超像素块内第/>个边界像素点在第/>条第二生长路径中为边缘像素点的可能性;/>表示第/>条第二生长路径上第/>个边界像素点的色度梯度值;/>表示第/>条第二生长路径上所有像素点的色度梯度值中最大的色度梯度值;/>表示求和函数;/>表示第/>个边界像素点两侧的相邻像素点在第/>条第二生长路径上的位置;/>表示确定第/>个边界像素点两侧的相邻像素点的位置范围的参数,/>可以取4;/>表示底数为自然数/>的指数函数;/>表示第/>条第二生长路径上的第/>个像素点的色度梯度方向;/>表示第/>条第二生长路径上的第/>个像素点的色度梯度方向;/>表示绝对值函数。
(3)根据每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性的最大值确定每个初始目标超像素块内的多个边缘像素点。
具体的,可以设置边缘可能性阈值判断选取的初始目标超像素块内的边界像素点是否可以作为边缘像素点,如,可以将边缘可能性阈值设置为0.5,若选取的初始目标超像素块内的边界像素点在对应的各第二生长路径中为边缘像素点的可能性的最大值大于等于0.5时,则可将对应的边界像素点作为边缘像素点,从而可以确定每个初始目标超像素块内的多个边缘像素点,当然,也可以根据具体的情况设置合适的边缘可能性阈值,本实施例对于边缘可能性阈值的大小不做特别限定。
更进一步的,通过步骤S1-步骤S3可以得到每个父超像素块在超像素分割迭代过程中每一次超像素分割迭代过程对应的目标超像素块,从而当超像素分割迭代过程中种子点的位置区域稳定时,则停止对父超像素块的超像素分割迭代处理,并将最后一次的超像素分割迭代得到的准确性较高的目标超像素块作为最终超像素块进行语义分割,以根据各类别的最终超像素块的变化对城乡规划数据进行准确的更新。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于图像处理的城乡规划数据更新方法,其特征在于,包括:
获取城乡卫星图像,并对所述城乡卫星图像进行超像素分割,得到多个初始超像素块;
确定各初始超像素块中各像素点的色度值,并利用色度值对各初始超像素块中的像素点进行聚类得到每个初始超像素块的两个色度类别,将两个色度类别的类中心点之间的距离大于预设距离的初始超像素块作为父超像素块;
对父超像素块进行超像素分割迭代处理,直至超像素分割得到的超像素块的中心坐标趋于稳定,停止超像素分割迭代得到最终超像素块;对最终超像素块进行语义分割确定每个最终超像素块的类别,获取最终超像素块对应的城乡规划数据,以根据各类别的最终超像素块的变化对所述城乡规划数据进行更新;
任意一次超像素分割迭代过程,包括:
将上一次超像素分割迭代过程中得到的任意一个超像素块称为当前超像素块,根据当前超像素块内各色度类别像素点的比例设置当前超像素块的两种种子点数,并根据当前超像素块在不同种子点数下划分得到的各像素区域中像素点的色度类别确定每种种子点数对应的各种子点的位置,以根据各种子点的位置对当前超像素块进行一次分割处理,得到每种种子点数对应的多个子超像素块;
确定每两个相邻子超像素块之间的划分边界,根据相邻两子超像素块之间梯度特征的相似性确定对应划分边界的边缘特征;根据每个划分边界的边缘特征对所有划分边界进行去除和保留处理得到每种种子点数对应的初始目标超像素块;
根据各初始目标超像素块局部范围内的相邻像素点的梯度方向和色度梯度值的大小确定每种种子点数对应的每个初始目标超像素块内的边缘像素点,并通过连续相邻的边缘像素点的数量,连续相邻的边缘像素点对应连接路径与对应初始目标超像素块的边界的位置关系确定每种种子点数对应的每个初始目标超像素块中是否存在边缘边界,当一初始目标超像素块中存在边缘边界时,则根据边缘边界将对应的初始目标超像素块划分为两部分,并根据边缘边界划分后的初始目标超像素块以及不存在边缘边界的初始目标超像素块确定每种种子点对应的目标超像素块。
2.根据权利要求1所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据当前超像素块在不同种子点数下划分得到的各像素区域中像素点的色度类别确定每种种子点数对应的各种子点的位置,包括:
根据各色度类别对应的两种种子点数分别将当前超像素块均匀划分为每种种子点数的像素区域,并依次根据每种种子点数划分的各像素区域中第一目标像素点的色度类别确定每种种子点数中各种子点的初始位置;
将种子点的初始位置的八邻域范围内的像素点作为每种种子点数的第二目标像素点,当种子点的初始位置的八邻域范围内的第二目标像素点中存在连续多个像素点与对应种子点的色度类别不同时,根据连续多个像素点与种子点的色度类别不同的所有像素点的连通域确定参考像素位置,并在对应八邻域范围内将种子点移动到与参考像素位置距离最远的位置处,以更新每种种子点数中各种子点的位置;
依次判断各种子点的初始位置的八邻域范围内的第二目标像素点中是否存在连续多个像素点与对应种子点的色度类别不同,若存在,则通过更新种子点的位置确定对应种子点的最终位置,若不存在,则将种子点的初始位置作为对应种子点的最终位置,以确定每种种子点数中各种子点的最终位置。
3.根据权利要求2所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述依次根据每种种子点数划分的各像素区域中第一目标像素点的色度类别确定每种种子点数中各种子点的初始位置,包括:
对于任意一个父超像素块在任意种子点数下划分得到的像素区域,当该像素区域中第一目标像素点的色度类别与对应种子点的色度类别相同时,则该像素区域的中心位置作为种子点的初始位置;
当该像素区域中第一目标像素点的色度类别与对应种子点的色度类别不同时,则将该像素区域中距离像素区域中心位置最近的,且色度类别与对应种子点的色度类别不同的像素点的所在位置作为种子点的初始位置。
4.根据权利要求1所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据相邻两子超像素块之间梯度特征的相似性确定对应划分边界的边缘特征;根据每个划分边界的边缘特征对所有划分边界进行去除和保留处理得到初始目标超像素块,包括:
确定相邻两子超像素块之间的划分边界对应的多条第一生长路径,并根据每个划分边界对应的多条第一生长路径跨越对应划分边界的次数确定相邻两子超像素块之间梯度特征的相似性;
当相邻两子超像素块之间的梯度特征存在相似性,则判定对应的划分边界的边缘特征无效,并去除对应的划分边界;
当相邻两子超像素块之间的梯度特征不存在相似性,则判定对应的划分边界的边缘特征有效,并保留对应的划分边界,以通过对所有划分边界进行去除和保留处理得到初始目标超像素块。
5.根据权利要求4所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述确定相邻两子超像素块之间的划分边界对应的多条第一生长路径,包括:
根据相邻两子超像素块之间的划分边界确定每个子超像素块内的边界像素点,以任一边界像素点为起点,将选取的任一边界像素点作为当前边界像素点,获取与当前边界像素点的梯度方向垂直的两个方向,将与当前边界像素点的梯度方向垂直的两个方向中的任一方向作为目标方向,沿着所述目标方向依次生成预设的数量阈值个生长像素点,得到对应边界像素点的第一生长路径,并依次确定每个边界像素点对应的生长路径,得到每个划分边界对应的多条第一生长路径。
6.根据权利要求4所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据每个划分边界对应的多条第一生长路径跨越对应划分边界的次数确定相邻两子超像素块之间梯度特征的相似性,包括:
若第一生长路径上存在相邻的像素点处于同一划分边界的两侧,则获取一个像素点对,并依次统计每个划分边界对应的所有第一生长路径中像素点对的数量;
根据每个划分边界对应的所有第一生长路径中像素点对的数量的平均值确定每个划分边界对应的多条第一生长路径跨越对应划分边界的次数;
当划分边界对应的多条第一生长路径跨越对应划分边界的次数小于或等于预设次数阈值,则判定对应相邻两子超像素块之间的梯度特征不存在相似性;
当划分边界对应的多条第一生长路径跨越对应划分边界的次数大于预设次数阈值,则判定对应相邻两子超像素块之间的梯度特征存在相似性。
7.根据权利要求6所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据每个划分边界对应的所有第一生长路径中像素点对的数量的平均值确定每个划分边界对应的多条第一生长路径跨越对应划分边界的次数,满足如下关系式:
;
式中,表示任一划分边界对应的多条第一生长路径跨越对应划分边界的次数;/>表示该划分边界对应的第一生长路径的数量;/>表示求和函数;/>表示第/>条第一生长路径;/>表示第/>条第一生长路径上的像素点对的数量。
8.根据权利要求1所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据各初始目标超像素块局部范围内的相邻像素点的梯度方向和色度梯度值的大小确定每个初始目标超像素块内的边缘像素点,包括:
根据相邻两初始目标超像素块之间的划分边界确定每个初始目标超像素块内的边界像素点,并确定同一边界像素点所在的多条第二生长路径;
获取每个边界像素点在每条第二生长路径中的位置,并根据每个边界像素点在每条第二生长路径中的位置两侧的局部范围内的相邻像素点的色度梯度方向和色度梯度值的大小确定每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性;
根据每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性的最大值确定每个初始目标超像素块内的多个边缘像素点。
9.根据权利要求8所述的基于图像处理的城乡规划数据更新方法,其特征在于,所述根据每个边界像素点在每条第二生长路径中的位置两侧的局部范围内的相邻像素点的色度梯度方向和色度梯度值的大小确定每个边界像素点在对应的每条第二生长路径中为边缘像素点的可能性,满足如下关系式:
;
式中,表示任一子超像素块内第/>个边界像素点在第/>条第二生长路径中为边缘像素点的可能性;/>表示第/>条第二生长路径上第/>个边界像素点的色度梯度值;/>表示第/>条第二生长路径上所有像素点的色度梯度值中最大的色度梯度值;/>表示求和函数;/>表示第/>个边界像素点两侧的相邻像素点在第/>条第二生长路径上的位置;/>表示确定第/>个边界像素点两侧的相邻像素点的位置范围的参数;/>表示底数为自然数/>的指数函数;/>表示第/>条第二生长路径上的第/>个像素点的色度梯度方向;/>表示第/>条第二生长路径上的第/>个像素点的色度梯度方向;/>表示绝对值函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410448266.6A CN118053081B (zh) | 2024-04-15 | 2024-04-15 | 基于图像处理的城乡规划数据更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410448266.6A CN118053081B (zh) | 2024-04-15 | 2024-04-15 | 基于图像处理的城乡规划数据更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118053081A CN118053081A (zh) | 2024-05-17 |
CN118053081B true CN118053081B (zh) | 2024-06-11 |
Family
ID=91046847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410448266.6A Active CN118053081B (zh) | 2024-04-15 | 2024-04-15 | 基于图像处理的城乡规划数据更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118053081B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503656A (zh) * | 2019-08-28 | 2019-11-26 | 苏州大学 | 一种超像素分割方法及相关设备 |
CN113052859A (zh) * | 2021-04-20 | 2021-06-29 | 哈尔滨理工大学 | 基于自适应种子点密度聚类超像素分割方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681994B (zh) * | 2018-05-11 | 2023-01-10 | 京东方科技集团股份有限公司 | 一种图像处理方法、装置、电子设备及可读存储介质 |
-
2024
- 2024-04-15 CN CN202410448266.6A patent/CN118053081B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503656A (zh) * | 2019-08-28 | 2019-11-26 | 苏州大学 | 一种超像素分割方法及相关设备 |
CN113052859A (zh) * | 2021-04-20 | 2021-06-29 | 哈尔滨理工大学 | 基于自适应种子点密度聚类超像素分割方法 |
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 |
Non-Patent Citations (1)
Title |
---|
一种新的图像超像素分割方法;廖苗;李阳;赵于前;刘毅志;;电子与信息学报;20200215(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN118053081A (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108682017B (zh) | 基于Node2Vec算法的超像素图像边缘检测方法 | |
CN108537239B (zh) | 一种图像显著性目标检测的方法 | |
CN109636784B (zh) | 基于最大邻域和超像素分割的图像显著性目标检测方法 | |
Celenk | A color clustering technique for image segmentation | |
CN108629783B (zh) | 基于图像特征密度峰值搜索的图像分割方法、系统及介质 | |
JP3538147B2 (ja) | 信頼度を利用した代表カラー指定方法 | |
CN111179230A (zh) | 遥感影像对比变化检测方法、装置、存储介质及电子设备 | |
CN102938161B (zh) | 一种基于Mean Shift的三维形状自动分割方法 | |
CN111047603B (zh) | 一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法 | |
CN113052859A (zh) | 基于自适应种子点密度聚类超像素分割方法 | |
CN111833362A (zh) | 基于超像素和区域生长的非结构化道路分割方法及系统 | |
CN110569859B (zh) | 一种服装图像的颜色特征提取方法 | |
CN111291826A (zh) | 基于相关性融合网络的多源遥感图像的逐像素分类方法 | |
CN112381830B (zh) | 基于YCbCr超像素和图割的鸟类关键部位提取方法和装置 | |
CN115641327A (zh) | 一种基于大数据的建筑工程质量监理和预警系统 | |
CN115457551A (zh) | 适用于小样本条件的叶片损伤识别方法 | |
CN113409332B (zh) | 一种基于三维点云的建筑物平面分割方法 | |
CN103733207B (zh) | 图像分割方法 | |
CN110634142A (zh) | 一种复杂车路图像边界优化方法 | |
Kuzovkin et al. | Descriptor-based image colorization and regularization | |
CN118053081B (zh) | 基于图像处理的城乡规划数据更新方法 | |
CN111582156B (zh) | 一种基于倾斜摄影城市三维模型的高大植被提取方法 | |
CN115578399A (zh) | 一种图像处理方法及装置、存储介质 | |
CN108537798A (zh) | 一种快速超像素分割方法 | |
CN110443811B (zh) | 一种复杂背景叶片图像的全自动分割方法 |
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 |