[发明专利]基于遥感图像的沙丘形状提取方法和装置

说明书

本公开提供了一种基于遥感图像的沙丘形状提取方法和装置，所述方法包括：获取目标沙丘的遥感图像；对所述遥感图像进行裁剪，将所述遥感图像裁剪为预设尺寸的标准图像集；对所述标准图像集进行预处理，生成待识别图像集；将所述待识别图像集按照预设顺序输入到预先训练的沙丘形状提取模型，输出对应的识别图像集；对所述识别图像集进行重叠裁剪，并按照所述预设顺序进行拼接，生成识别结果图像，所述识别结果图像包括了目标沙丘的边缘形状。以此方式，能够精确把握沙丘位置信息，同时能够精准预测沙丘形状。

技术领域

本公开的实施例一般涉及遥感图像处理数据预处理技术领域，并且更具体地，涉及基于遥感图像的沙丘形状提取方法和装置。

背景技术

沙漠地区越来越多地面临迫在眉睫的威胁，易受气候变化，城市化，土地退化，缺水等影响的影响。沙漠是专门的植物和动物群的极为重要的栖息地。此外，沙漠拥有广泛的矿物质，如锂，硼等。了解沙丘边界及其方向发生的变化也将有助于对沙丘的移动进行预测的能力。从人类的角度来看，如果沙丘正在改变方向，并且朝着人口稠密的方向移动，将是非常危险的自然行为。因此，准确的监视沙漠非常有必要，以制定和实施各种有效措施对沙丘进行监视，然而目前多数研究沙丘的提取方法多聚焦于手动勾画轮廓或利用半自动程序提取沙丘轮廓并进行手动修改，需要大量的人力成本以及无法做到大范围全方面准确的提取沙丘语义信息。

传统的边缘提取算子如Canny算子在提取沙丘轮廓时，因其针对性不强，提取到的沙丘轮廓信息存在较多噪声点，基于深度学习的轮廓提取算法如HED、RCF等在提取沙丘信息时其噪声点虽会减少但因其无法准确提取沙丘语义信息，因此也存在弊端。在缺乏准确的语义信息提取的背景下，虽有方法提出利用Unet网络对沙丘进行提取，但该网络过于简单，上采样及下采样部分普通卷积次数较多，特征图信息丢失较多，无法精确把握沙丘特征图位置信息，无法充分提取沙漠中沙丘准确的语义信息，考虑到现实场景中沙丘样本较少，如何利用有效的样本进行训练网络并在大幅遥感影像上进行准确预测就显得尤为关键。

发明内容

根据本公开的实施例，提供了一种基于遥感图像的沙丘形状提取方案，能够精确把握沙丘位置信息，同时能够精准预测沙丘形状。

在本公开的第一方面，提供一种基于遥感图像的沙丘形状提取方法，包括：

获取目标沙丘的遥感图像；

对所述遥感图像进行裁剪，将所述遥感图像裁剪为预设尺寸的标准图像集；

对所述标准图像集进行预处理，生成待识别图像集；

将所述待识别图像集按照预设顺序输入到预先训练的沙丘形状提取模型，输出对应的识别图像集；

对所述识别图像集进行重叠裁剪，并按照所述预设顺序进行拼接，生成识别结果图像，所述识别结果图像包括了目标沙丘的边缘形状。

在一些实施例中，所述对所述标准图像集进行预处理，生成待识别图像集，包括：

对所述标准图像集进行滤波去噪，将所述标准图像中的一点的灰度值用该点的邻域中值代替。

在一些实施例中，所述对所述标准图像集进行滤波去噪，包括：

对于遥感图像，{x_ij,(i,j)∈I²}表示数字图像各点的灰度值，滤波窗口为A的图像中值滤波的公式如下：

y＝Med{x_ij}＝Med{x_(i+r),(j+s)(r,s)∈A(i,j)∈I²}

其中Med{}是取集合中元素的中数，{x_ij,(i,j)∈I²}表示遥感图像各像素点的灰度值，I表示图像邻域窗口大小，I为奇数，A(i，j)代表图像中待进行滤波的图像区域，(r，s)代表邻域窗口所有像素点的集合。