一种基于遥感影像分割的狭长条带状要素断裂的连接方法与流程

技术特征：
1.一种基于遥感影像分割的狭长条带状要素断裂的连接方法，其特征在于以下步骤：步骤1：通过深度学习算法对获取的遥感影像进行分割，获得灰度图；步骤2：将获得的灰度图像进行拼接，从而拼接成大尺寸图像的分割结果；步骤3：在步骤2拼接的结果之上，将断裂要素根据图像灰度值提取出来，并将要素位置映射到与原始图像同样大小的二值图像上，定义像素值为1表示要连接的要素，像素值为0表示背景；步骤4：根据要素断裂的程度，选择合适的膨胀数值进行形态学膨胀，具体为使用opencv中的dilate函数，并将膨胀参数kernel设置为(13,13)；步骤5：提取膨胀之后的要素的骨骼，从而将条带状要素细化为只具有一个像素的宽度，并且细化之后的结果为使得相邻的像素要么仅有一条公共边相邻、要么仅有对角公共顶点这两种相邻的情况；步骤6：端点检测，具体的端点判定算法如下：找到所有骨骼上的点的坐标，以这些点为中心，在3x3的八邻域范围内，若除了中心点之外仅有一个点的像素值为1，其余像素值均为0，则此3x3区域的中心点为骨骼端点；通过端点检测得到所有端点的坐标集合；步骤7：在得到端点集合之后，针对每一个端点，沿着骨骼线回退13个像素的距离，取得回溯点的坐标，回溯点的坐标用来辅助构建延伸方向向量；以端点为中心，构建一个边长为2l 1的正方形区域，其中l的值设置为30，在这个正方形区域内，寻找满足以下条件的骨骼上的点：1)该点与端点连线构成的向量与端点和回溯点构成向量之间的夹角小于60度，即余弦值大于0.5；2)该点到端点的距离小于设定的端点延长探测距离；在满足上述条件的点集合中，选择与端点距离最近的点与端点进行连接；步骤8：在步骤7的结果之上，进行形态学膨胀，膨胀参数kernel设置为(4,4)；步骤9：将步骤8的结果，与步骤3的二值结果图像进行逐像素的逻辑或操作，获得断裂要素连接完成的二值图像结果；然后，提取这个二值图像结果中所有非0像素的坐标，将步骤2结果图像中的这些坐标位置的像素替换为断裂要素的像素值，至此，完成断裂要素的连接处理。

技术总结
本发明属于计算机视觉图像处理领域，具体的说是涉及一种基于遥感影像分割的狭长条带状要素断裂的连接方法。在遥感影像语义分割中，最终生成的预测结果一般为分类结果灰度图。但对于狭长细小的条带状的道路及河流等要素的预测结果通常不太理想，经常会出现道路/河流断裂的现象，这种断裂现象一直是遥感影像处理分割任务中的一大难点。本发明首先使用深度学习语义分割算法获取遥感影像分割图，经拼接，要素提取，膨胀，提取要素骨骼，端点检测，端点延长搜索，膨胀，叠加覆盖等九步骤，实现了对断裂道路以及河流等狭长细小或条带状要素的连接。本技术发明成果不仅可以用于遥感影像分割任务中道路及河流的连接，亦可用于其他条状断裂要素的连接。断裂要素的连接。断裂要素的连接。


技术研发人员：袁晓军 周乐乐
受保护的技术使用者：电子科技大学
技术研发日：2021.12.09
技术公布日：2022/3/8