[发明专利]一种用于检查绿色农作物的人工勾画标注质量的方法

说明书

本发明提供了一种用于检查绿色农作物的人工勾画标注质量的方法，它解决了绿色作物标注结果质量评估不便等问题，其将光学影像进行切割处理后进行颜色空间变换，之后对颜色空间筛选并进行形态学运算后处理，中值滤波后计算每块图像以及整体的交并比，实现质量评估，本发明具有绿色作物标注结果质量评估方便等优点。

技术领域

本发明属于遥感图像处理技术领域，具体涉及一种用于检查绿色农作物的人工勾画标注质量的方法。

背景技术

农业是国民经济建设和发展的基础，近年来随着无人机影像的发展成熟，推动了信息技术于农业的应用，促进了传统农业向高效率、低浪费的模式的转变。利用无人机影像可对作物的信息(分布、长势等信息)进行提取以进行农业相关方面监测与管理上。在这其中最重要的一个环节就是利用人工作业方式对农作物进行标注，目前各种标注软件层出不穷，允许对大范围的无人机影像进行快速标注。但是各种标注软件多注重于标注过程的方便性，而不涉及对标注结果质量的检查。与此同时，大多数质量检查方法是通过人工再次确认与筛选，非常的费时费力。因此，目前较为缺乏快速、高效的对无人机影像绿色作物标注结果的质量检查、评估方法。

为了解决现有技术存在的不足，人们进行了长期的探索，提出了各式各样的解决方案。例如，中国专利文献公开了一种基于深度学习作物时空泛化分类方法及系统[202110826057.7]，其包括：采集设定地点在设定时间段内的多个遥感影像；通过人工目视解译方法获得与各遥感影像对应的真实影像；真实影像为对农作物区域和非农作物区域进行标记了的图像；构建深度卷积神经网络；深度卷积神经网络包括依次连接的输入层、残差模块、金字塔平均池化模块和输出层；采用自然图像数据集对残差模块进行训练，将训练好的残差模块作为深度卷积神经网络中的残差模块，获得预训练模型；以遥感影像为输入，与各遥感影像对应的真实影像为输出训练预训练模型，获得遥感影像分类模型；利用遥感影像分类模型进行图像分类。

上述方案在一定程度上解决了农业监测以及管理的问题，但是该方案依然存在着诸多不足，例如对于绿色作物标注缺乏质量评估手段等问题。

发明内容

本发明的目的是针对上述问题，提供一种设计合理，对绿色作物标注结果质量检查的用于检查绿色农作物的人工勾画标注质量的方法。

为达到上述目的，本发明采用了下列技术方案：一种用于检查绿色农作物的人工勾画标注质量的方法，包括如下步骤：

S1：获取无人机影像与对应的人工标注结果；

S2：将人工标注结果矢量化，并以shapefi le格式存储；

S3：使用人工标注结果的矢量对对应的影像进行分割裁剪，并对每个分割后的影像进行编号，使之与相应的矢量唯一对应；

S4：对每个分割后的红、绿、蓝三通道影像进行颜色空间变换；

S5：根据变换后HSV空间的绿颜色的范围生成二值图，二值图中以1表示绿色，以0表示非绿色；

S6：对步骤S5的结果进行后处理，包括闭运算、去除指定大小的孤立点、空洞；

S7：对结果矢量化，计算经S6处理后的二值图掩膜与相应标注结果面积的交、并面积及其比值；

S8：计算整体标注结果的交并比，并根据单个标注的样本与整体样本的交并比为依据判断标注质量。

在上述的一种用于检查绿色农作物的人工勾画标注质量的方法中，步骤S3中，在利用标注结果切割过程中，标注框内保持原像素值，标注框外赋为0值。

在上述的一种用于检查绿色农作物的人工勾画标注质量的方法中，步骤S4将RGB空间转换为HSV空间。

在上述的一种用于检查绿色农作物的人工勾画标注质量的方法中，步骤S5中，HSV颜色空间下利用颜色筛选生成二值图步骤如下：