[发明专利]一种面向耕地地块提取的影像分类及语义处理方法

说明书

本发明属于图像处理技术领域，公开了一种面向耕地地块提取的影像分类及语义处理方法，在光谱‑纹理‑空间特征的基础上形成初始影像对象，依据耕地的语义表现执行耕地区域的多尺度合并，形成成片的耕地区域；依据田埂的语义表现，形成连续的田埂区域，最后将耕地和田埂区域合并融合，得到最终的地块提取结果。本发明在高分辨率无人机遥感图像的试验表明，该算法能够更加准确地提取耕地地块信息。

技术领域

本发明属于图像处理技术领域，尤其涉及一种面向耕地地块提取的影像分类及语义处理方法。

背景技术

随着城市化进程的加快，耕地面积逐年减少，实时监测耕地信息已经成为国土管理部门关注的问题之一。地块是指可辨认出同类属性的最小土地单元，是评定和划分土地级别的基本空间单位，也是耕地信息监测的基本数据单元。在遥感影像中，耕地地块上表现出较强的光谱/纹理相似性，并具有明显的自然边缘，这为基于遥感影像的耕地地块提取提供了可能。然而，传统上依靠人工数字化的方法来提取地块信息，费时费力，且要求解译人员具有较强的专业背景和丰富的实践经验。因此，如何利用高分辨率遥感影像自动提取耕地地块已经成为一个研究热点。利用图像分割类技术进行地块提取是比较常见的一种手段。庞等借助边缘提取和数学形态学方法，通过边缘检测、边缘闭合、区域标号和后处理四个步骤提取耕地地块。然而，基于形态学腐蚀和膨胀操作实现边界曲线的闭合操作，会导致在结果中出现大量的虚假边界像素，而虚假边界像素是否位于某一地块内部难以判断。胡等首先利用分类结果进行原始图像的对比度增强处理，然后基于小波变换和分水岭分割提取高分辨率遥感影像地块信息。然而，在分水岭变换获得区域的基础上进行合并和优化，虽然获得了成片的区域，但田埂和耕地合并在一起或者地块本身识别不准确等问题频繁出现。沈占峰等改进了均值漂移算法的多尺度实现方式和多核任务处理方式，并据此进行林地地块提取。这种方法的本质是均值漂移分割基础上的多尺度合并，主要的创新是多核处理的方式，虽然加快了处理速度，但其仅仅利用光谱信息进行基于分割的对地块提取，信息利用非常不充分。张等在多尺度分割的基础上，基于光谱分析构建规则集实现了大麻地块的提取。然而，该方法根据经验选择最优尺度，并利用光谱信息基于SVM进行面向对象分类，这种方式提取的地块对分割结果的优劣和分割尺度的选择有很强的依赖性。

综上所述，现有技术存在的问题是：基于分割方法获取的影像区域与真实的地块之间存在较大的差异，导致最终的地块提取结果难以令人满意。主要原因是现有技术中，影像分割过程通常都是基于光谱信息进行的，分割结果受纹理影响较大，这不利于后续的地块提取操作的进行；其次，现有技术主要考虑了影像本身的数据特点，对耕地地块的语义表现考虑较少。总之，现有方法在形成地块区域的过程中不能综合利用光谱、纹理、背景和对象语义特征，这是导致地块提取不准确的根本原因。

发明内容

针对现有技术存在的问题，本发明提供了一种面向耕地地块提取的影像分类及语义处理方法。

本发明是这样实现的，设计了一种面向耕地地块提取的影像分类及语义处理方法，在光谱-纹理-空间特征的基础上形成初始影像对象，依据耕地的语义表现执行耕地区域的多尺度合并，形成成片的耕地区域；依据田埂的语义表现，形成连续的田埂区域，最后将耕地和田埂区域合并融合，得到最终的地块提取结果。本发明与现有的方法存在极大不同，地块提取的过程中有效集成了光谱、纹理、背景和语义信息，取得了较好的结果。

进一步，所述面向耕地地块提取的影像分类及语义处理方法具体包括：

首先，结合光谱和纹理特征，基于特征-空间分类方法进行耕地高分辨率遥感影像分类，分别提取耕地区域和田埂区域；

接着，分别使用区域合并技术和形态学操作对对耕地区域和田埂区域进行语义处理；

最后，将处理后的耕地区域和田埂区域进行融合，进而获取耕地地块提取结果。

进一步，所述面向地块提取的影像分类及语义处理方法包括：