[发明专利]遥感图像的分割标注方法、电子设备及存储介质

说明书

本申请公开了一种遥感图像的分割标注方法、电子设备及计算机可读存储介质。该分割标注方法包括：对遥感图像进行预标注，获取预标注图像；对遥感图像及预标注图像进行裁剪，以获取多个子图像对，其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像；为子图像对设置矢量图层及位图图层，将标注子图像及遥感子图像设置于位图图层；利用矢量图层和位图图层对标注子图像的修改。通过上述方式，本申请可以仅采用矢量图层和位图图层两个图层完成遥感图像的分割标注，在利用矢量图层和位图图层两个图层的交互来实现标注过程，不仅可以提高标注精度，也大大降低了标注过程中内存占用量，从而提高了单机可支持标注遥感子影像的尺寸。

技术领域

本申请涉及计算机视觉中的语义分割技术领域，具体涉及一种遥感图像的分割标注方法、电子设备及计算机可读存储介质。

背景技术

随着人工智能技术的发展，以深度学习为代表的人工智能技术的发展也给遥感图像处理技术带来了新的方向。在遥感技术领域中，遥感图像的多类别语义分割结果可以分析区域土地利用覆盖情况，作为遥感土地利用分类产品，是地图制图及土地利用规划基础数据。但是基于深度学习对遥感图像进行分割标注的过程需要涉及大量的图片标注操作，尤其是遥感影像的分割标注，一张遥感影像可能有40000-50000像素尺寸，给标注工作带来了巨大的挑战。目前通用的遥感影像的标注方法主要方法是，首先利用桌面工具先将遥感影像裁剪成遥感子图像的小块，使用标注软件采用多边形的分割方式进行标注，然后再将遥感子图像进行拼接得到最终标注结果，这种方式不仅耗时成本较多，且标注精度不高，此外，在使用算法对遥感图像进行预标注，然后再对标注图像中目标对象的轮廓进行调整时，其标注过程中占用的内存量也会过多，从而降低了裁剪后可支持标注遥感子图像的尺寸。

发明内容

本申请提出了一种遥感图像的分割标注方法、电子设备及计算机可读存储介质，可以减少耗时成本，提高标注精度，且本申请仅利用矢量图层和位图图层两个图层的交互对标注子图像进行修改的过程中可以降低占用内存量。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种遥感图像的分割标注方法，该分割标注方法包括：

对遥感图像进行预标注，获取预标注图像；对遥感图像及预标注图像进行裁剪，以获取多个子图像对，其中子图像对包括裁剪后的遥感图像的遥感子图像及预标注图像的标注子图像；为子图像对设置矢量图层及位图图层，将标注子图像及遥感子图像设置于位图图层；利用矢量图层和位图图层对标注子图像的修改。

其中，利用矢量图层和位图图层对标注子图像的修改，包括：利用矢量图层对处于位图图层的遥感子图像进行拟合，得到矢量面；将矢量面叠加至处于位图图层的标注子图像中。

其中，在将矢量面叠加至处于位图图层的标注子图像中的步骤之前，包括：基于遥感子图像对矢量面进行修改；将矢量面叠加至处于位图图层的标注子图像中，包括：将修改后的矢量面叠加至处于位图图层的标注子图像中。

其中，将矢量面叠加至处于位图图层的标注子图像中，包括：将修改后的矢量面转换为栅格图，并将栅格图与处于位图图层的标注子图像进行像素级比较；判断相同位置的像素的像素值是否不同，且不等于255；若是，则将处于位图图层的标注子图像对应位置的像素的像素值修改为对应位置的栅格图的像素值。

其中，利用矢量图层对处于位图图层的遥感子图像进行拟合，得到矢量面，包括：将处于位图图层的遥感子图像上提至矢量图层；获取上提至矢量图层的遥感子图像的待修改的区域位置及类别；基于待修改区域位置获取区域位置对应的区域轮廓；基于区域轮廓及类别生成矢量面。

其中，对遥感图像及预标注图像进行裁剪，以获取多个子图像对，包括：以预设尺寸采用由外向内的方式分别对遥感图像及预标注图像进行裁剪，以获取多个子图像对；基于预设规则对多个子图像对进行优先级排序；利用矢量图层和位图图层对标注子图像的修改，包括：基于优先级排序利用矢量图层和位图图层对标注子图像的修改。