[发明专利]无人机航拍影像农田块对象精准提取方法

说明书

本发明提供了一种无人机航拍影像农田块对象精准提取方法，包括以下步骤：多尺度轮廓检测：输入一幅高分辨率航拍影像后，进行多尺度轮廓检测，获得图像中每一像素点处在不同尺度上的平均轮廓强度值；基于分水岭变换的底层分割块生成：通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重值；基于轮廓强度的多尺度分割图生成：通过分析轮廓权重信息来逐层组合分割块，得到不同尺度的分割图；基于图像分类的非农田区域剔除：通过基于SVM的图像分类来判定图像中每个像素点是属于农田类别还是非农田，并利用图像分类信息来剔除非农田分割块，只保留农田分割块。本发明最终实现了对农田块对象的精准、可靠提取。

技术领域

本发明涉及图像处理技术领域，具体涉及一种无人机航拍影像农田块对象精准提取方法。

背景技术

随着无人机技术、遥感技术和高精度定位技术的快速发展，无人机航拍遥感具有影像实时传输、高危地区探测、成本低、高分辨率、机动灵活等优点，兼具卫星影像的价格和航空影像的快速采集优势，通过不同航高可实现高空间、大面积的动态监测，也可以实现低空间较小范围内的精确监测，在国内外军民各领域已得到广泛应用。随着无人机航拍遥感数据的大量获取，智能化、精准农业应用成为热点和趋势，如智能病虫害监控、农作物长势监测、农药喷洒和无人播种等，而如何从海量的无人机航拍高分辨率遥感数据中提取农田、农作物的空间分布要素，成为制约精准农业发展的关键技术。

目前，无人机农药喷洒和无人播种过程中需要的农田块边界基本都是通过人工方式提取的，其效率低、成本高，且数据分布零散无法实现集中管理和更新。因此，农田块的自动、精确提取是精准农业应用的一项关键技术。近年来，计算机视觉和机器学习获得了快速发展，其中图像地物分类(land cover classification)和语义分割(semanticsegmentation，计算机图像处理中，语义分割是指对一幅图像中的所有像素进行标记，得到多个同质性区域，使得每个区域中所有像素属于同一类型的地物或目标)方法层出不穷。但现有图像分类和语义分割方法只能区分不同类别的地物类型(地面上的场景或目标类型，如建筑、道路、农田、林地等，本发明关注单块农田区域的精准提取)或目标，而不能很好地实现单个农田块(航拍图像中具有明显边缘的一块独立农田区域) 对象的分割。因此，实际应用中亟需一种针对高分辨率航拍图像的快速有效的农田块对象精准提取方法和方案，能够提取语义完整的、精确的农田块边缘。最近两年，作为语义分割的延伸，面向单个对象提取的实例分割(instance segmentation，实例分割是对图像语义分割的进一步延伸，实例分割在区分不同地物类型(如农田和建筑)的同时，也能区分属于同一类型的不同对象个体(如相邻的不同农田块，相邻的两栋建筑等)，称为对象实例)开始引起行业关注。

无人机航拍技术和高精度定位技术的发展使得精准农业应用成为趋势，而农田块的自动精确提取是智能农药喷洒、无人播种等精准农业应用的基础。现有地物(如农田、林地、建筑等)提取方法基本上都是采用特征提取加分类器分类的思路，只能提取大面积的农田区域，无法确定单块农田对象的边界，因而无法区分不同的农田地块，即无法实现单块农田对象的精准提取，从而无法满足现代精准农田应用的需求。

发明内容

本发明针对高分辨率无人机航拍影像，提出了一种基于多尺度实例分割的农田块对象精准提取方法，解决了单个农田块精准提取的问题，为精准农业应用提供基础支持信息。

本发明采用的技术方案是：

一种无人机航拍影像农田块对象精准提取方法，包括以下步骤：

步骤1，多尺度轮廓检测：输入一幅航拍影像后，进行多尺度轮廓检测，获得航拍影像中每一像素点处在不同尺度上的平均轮廓强度值；

步骤2，基于分水岭变换的底层分割块生成：通过分水岭变换将轮廓信息转化为最底层的分割块信息，同时得到相邻分割块之间轮廓的权重值；