【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及顾及地块边缘特征和语义信息的耕地边界提取方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、耕地地块作为农业基本建设的最小单元，快速并准确提取能够实现作物识别、产量预测这类农业资源统计需求，帮助实现地块尺度的精细统计以及精细管理，及时掌握区域农作物空间分布信息以及进行数字农业监测，是精准农业的重要支撑。
3、目前，遥感凭借覆盖范围大、探测周期短、成本低等优势，为耕地地块信息的提取提供了解决方案。现有的耕地地块检测方法主要包括边缘检测、影像分割、影像分类、深度学习等多种方法，但均存在弊端，例如：边缘检测大多得到不闭合边界、需要大量的后处理算法，难以实现快速提取；影像分割需要反复实验选择分割参数，主观性强，且获取的对象单元破碎；影像分类算法交延现象严重，不利于矢量边界的提取；单一深度学习模型对狭长细小地块提取时，由于无法进行特征互补导致模糊边界地块形态的精确提取效果不佳。
技术实现思路
...【技术保护点】
1.顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，包括：
2.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，所述密集极端初始网络由若干并行的卷积分支构成，每个分支具有不同的尺度；以及，每个分支获得的不同尺度的特征图合并处理后获得融合特征。
3.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，所述对获得的耕地地块初步边界结果图进行精细化处理，具体为：对于耕地地块初始边界结果图中的边界线，采用道格拉斯普克算法进行等高线优化，获得光滑稳定的边界。
4.如权利要求1所述的...
【技术特征摘要】
1.顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，包括：
2.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，所述密集极端初始网络由若干并行的卷积分支构成，每个分支具有不同的尺度；以及，每个分支获得的不同尺度的特征图合并处理后获得融合特征。
3.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，所述对获得的耕地地块初步边界结果图进行精细化处理，具体为：对于耕地地块初始边界结果图中的边界线，采用道格拉斯普克算法进行等高线优化，获得光滑稳定的边界。
4.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，所述基于深度学习的语义分割模型，具体采用基于u-net的递归残差卷积神经网络，以预处理后的遥感图像作为预先训练的基于u-net的递归残差卷积神经网络的输入，获得耕地地块语义分割结果图。
5.如权利要求1所述的顾及地块边缘特征和语义信息的耕地边界提取方法，其特征在于，在所述语义分...
【专利技术属性】
技术研发人员：张焕雪，陈家琪，沈思童，刘梦瑜，王耔茗，宋文瑶，蔡诚，王琛，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。