基于大数据无人机遥感图像的并行分割方法、设备和介质技术

本发明专利技术提供了一种基于大数据无人机遥感图像的并行分割方法、设备和介质，属于遥感图像分割技术领域，该基于无人机遥感图像的分割方法，包括以下步骤：获取目标图像，并将所述目标图像转换成二进制文本文件；读取所述二进制文本文件，并将所述二进制文本文件生成弹性分布数据集；改写图像分割算法并生成传递函数，根据所述弹性分布数据集构建新的弹性分布数据集；当触发操作指令后，运行图像分割算法，并行处理所述新的弹性分布数据集，并输出处理结果，完成大规模图像的并行分割操作。本申请提供的方案，通过Spark+图像分割算法进行集群式并行分割操作，能够对无人机拍摄的海量图像进行快速有效的分割处理，极大地缩短处理时间，提高了效率。提高了效率。提高了效率。

【技术实现步骤摘要】
基于大数据无人机遥感图像的并行分割方法、设备和介质


[0001]本专利技术涉及遥感图像分割
，尤其涉及一种基于大数据无人机遥感图像的并行分割方法、设备和介质。

技术介绍

[0002]随着计算机技术、通讯技术的迅速发展以及各种数字化、重量轻、体积小、探测精度高的新型传感器的不断面世，无人机的性能不断提高，应用范围和应用领域迅速拓展。其中，无人机遥感技术以无人机为空中遥感平台，遥感传感器获取信息(如用彩色、黑白、红外、摄像技术拍摄空中影像数据)，再用计算机对图像信息进行处理，并按照一定精度要求制作成图像，从而能够实现自动化、智能化、专用化快速获取国土资源、自然环境、地震灾区等空间遥感信息，且完成遥感数据处理、建模和应用分析等功能。
[0003]目前，荔枝以其味美多汁、营养丰富深得人们喜爱，近年来荔枝的种植面积不断的扩大，但荔枝果园管理普遍存在对人工劳动力依赖程度较高、人工成本较大、效率较低和缺乏技术支撑等问题，导致果园精准化管理水平普遍较低。由于荔枝果树冠层信息能够在很大程度上反映荔枝果树的生长状况，为了及时了解果树的生长状况、并根据实际情况做出相应的决策，从而达到科学合理地种植荔枝树，实现精准化管理，需要准确提取荔枝的树冠层信息。
[0004]现有技术中，多采用无人机遥感技术获取荔枝树冠图像，但无人机进行一次作业会产生大量的图像，为了实现对荔枝冠层信息的观察需要对拍摄图像进行快速有效的分割提取，但目前采用的单机处理方式，需要耗费大量的时间，处理效率低下。
[0005]因此，本申请旨在申请一种基于大数据无人机遥感图像的并行分割方法、设备和介质，能够对无人机拍摄的海量荔枝树冠图像进行快速有效的分割处理，极大地缩短处理时间，提高了效率。

技术实现思路

[0006]为克服相关技术中存在的问题，本专利技术提供一种基于大数据无人机遥感图像的并行分割方法、设备和介质，该基于大数据无人机遥感图像的并行分割方法、设备和介质，能够通过Spark+图像分割算法进行集群式并行分割操作，实现一对多的并行处理方式，极大地提高了图像分割的效率，节省了时间，有利于实现对荔枝冠层图像进行快速有效的分割提取，从而为荔枝的标准化管理提供了技术支持，有效降低了人工成本。
[0007]本专利技术的目的之一是提供一种基于无人机遥感图像的分割方法，包括以下步骤：
[0008]获取目标图像，并将所述目标图像转换成二进制文本文件；
[0009]读取所述二进制文本文件，并将所述二进制文本文件生成弹性分布数据集；
[0010]改写图像分割算法并生成传递函数，根据所述弹性分布数据集构建新的弹性分布数据集；
[0011]当触发操作指令后，运行图像分割算法，并行处理所述新的弹性分布数据集，并输
出处理结果，完成图像的同步分割操作。
[0012]在本专利技术的优选实施方案中，所述获取目标图像，并将所述目标图像转换成二进制文本文件，包括：
[0013]获取采集设备拍摄的初始图像，得初始图像数据；
[0014]将不符合要求的所述初始图像进行剔除，得筛选图像数据；
[0015]将所述筛选图像数据进行列队整理，得目标图像；
[0016]将所述目标图像转化成二进制文本文件，并将所述二进制文本文件存储在Hadoop分布式文件系统中。
[0017]在本专利技术的优选实施方案中，所述图像分割算法包括基于Spark改写的MeanShift图像分割算法。
[0018]在本专利技术的优选实施方案中，改写所述MeanShift图像分割算法，包括：
[0019]在图像数据特征空间中，以点x为中心，h为半径，作一个高纬球，得到落在球内的所有点；
[0020]计算x处的均值漂移向量；
[0021]判断所述均值漂移向量是否大于容许误差，所述容许误差为预设值；
[0022]若是，则重复上述步骤；
[0023]若否，则停止改写算法程序的运行。
[0024]在本专利技术的优选实施方案中，所述根据所述弹性分布数据集构建新的弹性分布数据集，包括：
[0025]将所述弹性分布数据中的图像数据通过主节点，全部缓存到内存之中，同时，将所述图像数据转化成矩阵的分布形式；
[0026]将所述图像数据转换为Spark集群的弹性分布数据集。
[0027]在本专利技术的优选实施方案中，所述运行图像分割算法之前，还包括：
[0028]通过传递函数将所述Spark与所述图像分割算法连接。
[0029]在本专利技术的优选实施方案中，通过传递函数将所述Spark与所述图像分割算法连接，包括：
[0030]通过传递函数将Spark与所述MeanShift图像分割算法连接。
[0031]在本专利技术的优选实施方案中，所述并行处理所述新的弹性分布数据集，并输出处理结果之后，包括：
[0032]将所述处理结果写入，并存储在Hadoop分布式文件系统中。
[0033]本专利技术的目的之二是提供一种电子设备，包括：
[0034]处理器；以及
[0035]存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行上述的方法。
[0036]本专利技术的目的之三是提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行上述的方法。
[0037]本专利技术的有益效果为：在对大量的无人机遥感图像进行分割时，通过筛选目标图像，能够有效提高图像分割处理结果的准确度，通过Spark将目标图像转化为二进制文本文件，有利于生成弹性分布数据集，使得每一张目标图像有了与其相对应的弹性分布式数据
集(RDD)，这样即可将对图像的处理操作转换为对相关数据数值的操作，有利于实现从分布式图像处理至集群并行处理的处理方式的转化，减少了处理时间；通过改写并运行图像分割算法，并转换生成新的弹性分布式数据集(RDD)，使得在一个Spark集群上能通过多个MeanShift图像分割算法并行分割海量图像，相比现有技术中一对一处理的方式，本申请通过Spark+图像分割算法进行集群式并行分割，实现多对多的并行处理方式，极大地提高了图像分割的效率，节省了时间，有利于实现对荔枝冠层图像进行快速有效的分割提取，从而为荔枝的标准化管理提供了技术支持，有效降低了人工成本。
附图说明
[0038]图1是本专利技术提供的基于无人机遥感图像的分割方法的流程示意图；
[0039]图2是本专利技术提供的基于无人机遥感图像的分割方法的流程框图；
[0040]图3是本专利技术提供的改写MeanShift图像分割算法的流程示意图；
[0041]图4是本专利技术提供的传递函数传递的流程框图；
[0042]图5是本专利技术提供的并行分割处理的流程框图；
[0043]图6是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0044]下面将参照附图更详细地描述本专利技术的优选实施方式。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机遥感图像的分割方法，其特征在于，包括以下步骤：获取目标图像，并将所述目标图像转换成二进制文本文件；读取所述二进制文本文件，并将所述二进制文本文件生成弹性分布数据集；改写图像分割算法并生成传递函数，根据所述弹性分布数据集构建新的弹性分布数据集；当触发操作指令后，运行图像分割算法，并行处理所述新的弹性分布数据集，并输出处理结果，完成图像的同步分割操作。2.根据权利要求1所述的基于无人机遥感图像的分割方法，其特征在于，所述获取目标图像，并将所述目标图像转换成二进制文本文件，包括：获取采集设备拍摄的初始图像，得初始图像数据；将不符合要求的所述初始图像进行剔除，得筛选图像数据；将所述筛选图像数据进行列队整理，得目标图像；将所述目标图像转化成二进制文本文件，并将所述二进制文本文件存储在Hadoop分布式文件系统中。3.根据权利要求1所述的基于无人机遥感图像的分割方法，其特征在于，所述图像分割算法包括基于Spark改写的MeanShift图像分割算法。4.根据权利要求3所述的基于无人机遥感图像的分割方法，其特征在于，改写所述MeanShift图像分割算法，包括：在图像数据特征空间中，以点x为中心，h为半径，作一个高纬球，得到落在球内的所有点；计算x处的均值漂移向量；判断所述均值漂移向量是否大于容许误差，所述容许误差为预设值；若是，则重复上述步骤；若否，则停止改写算法程序的运行。5....

【专利技术属性】
技术研发人员：王建华，熊弘依，肖艺铭，肖方军，洪利聪，吴波飞，黄仁欢，周锦锋，龙拥兵，兰玉彬，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：