(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210163013.5 (22)申请日 2022.02.22 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 张焕雪　冯书敏　邢汉发　刘相良　 宋文瑶　穆肖达　王誉吉　 李江明月 　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 黄海丽 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/766(2022.01) G06K 9/62(2022.01) (54)发明名称 耕地地块提取方法及系统 (57)摘要 本发明公开了耕地地块提取方法及系统， 包 括： 获取待处理的遥感图像； 生成待处理遥感图 像的灰度图像， 并对灰度图像进行边缘检测， 得 到边缘检测图像； 对边缘检测图像进行多时相边 缘层聚合， 得到聚合边缘图像； 对聚合边缘图像 进行图像分割， 得到分割图像； 对分割图像进行 特征提取， 将提取特征输入到分类器中进行分 类， 得到耕地图像。 以解决现有耕地地块边缘提 取存在的问题， 提供有益的选择 条件。 权利要求书3页 说明书12页 附图1页 CN 114529818 A 2022.05.24 CN 114529818 A 1.耕地地块提取方法， 其特 征是， 包括： 获取待处 理的遥感图像； 生成待处 理遥感图像的灰度图像， 并对灰度图像进行边 缘检测， 得到边 缘检测图像； 对边缘检测图像进行多时相边 缘层聚合， 得到聚合 边缘图像； 对聚合边缘图像进行图像分割， 得到分割图像； 对分割图像进行 特征提取， 将提取 特征输入到分类 器中进行分类， 得到耕地图像。 2.如权利要求1所述的耕地 地块提取方法， 其特 征是， 所述方法还 包括： 对耕地图像进行噪声消除， 得到消除噪声的耕地图像； 对消除噪声的耕地图像进行图像边缘精度评价， 对边缘不符合要求的耕地图像重新提 取耕地区域。 3.如权利要求1所述的耕地地块提取方法， 其特征是， 生成待处理遥感图像的灰度图 像， 并对灰度图像进行边 缘检测， 得到边 缘检测图像； 具体包括： 基于Canny算法生成代表空间梯度的灰度图像， 并对灰度图像进行边缘检测， 得到边缘 检测图像； 或者， 基于Canny算法生成代表空间梯度的灰度图像， 并对灰度图像进行边缘检测， 得到边缘 检测图像； 详细过程包括： 获取待处理的遥感图像的不同波段的图像； 其中， 所述不同波段， 包括： 蓝色波段、 绿色 波段、 红色波段、 第一波长红边波段、 第二波长红边波段、 第三波长红边波段、 近红外波段、 第一波长短波红外波段和 第二波长 短波红外波段； 利用高斯滤波器对不同波段的图像进 行 平滑处理； 对平滑处理后的图像， 进行梯度计算， 得到每 个像素点的梯度方向和梯度幅值； 采用非最大抑制方式， 消除边界检测错 误现象； 采用双阈值的方式， 消除边界噪声； 采用滞后阈值， 对边界进行跟踪， 得到边 缘检测图像。 4.如权利要求1所述的耕地地块提取方法， 其特征是， 对边缘检测图像进行多时相边缘 层聚合， 得到聚合 边缘图像； 具体包括： 采用等权相加的方式， 对边 缘检测图像进行多时相边 缘层聚合， 得到聚合 边缘图像； 或者， 所述采用等权相加的方式， 对边缘检测图像进行多时相边缘层聚合， 得到聚合边缘图 像； 具体包括： 使用每个像元的均值来聚合多时相 的边缘层， 从而得到每个研究区域的单一复合图 像； 采用Z‑score算法， 对复合图像进行线性拉伸， 用于标准化复合边缘层， 有助于自动化 选择分水岭算法的参数。 5.如权利要求1所述的耕地地块提取方法， 其特征是， 对聚合边缘图像进行图像分割， 得到分割图像； 具体包括： 采用分水岭算法， 利用局部阈值分割的方式对聚合边缘图像进行图像分割， 得到分割 图像；权　利　要　求　书 1/3 页 2 CN 114529818 A 2或者， 采用分水岭算法， 利用局部阈值分割的方式对聚合边缘图像进行图像分割， 得到分割 图像； 具体包括： 利用局部阈值分割算法， 找到最 合适的高度阈值， 设定为测地距离阈值； 找到聚合 边缘图像灰度值 最小的像素点 为起始点， 让阈值从最小值 开始增长； 水平面在增长的过程中， 会触碰到周围的邻域像素； 测量周围邻域像素到起始点的测 地距离， 将小于测地距离阈值的邻域像素淹没， 在大于测 地距离阈值的邻域像素上设置大 坝， 从而实现对邻域像素的分类； 随着水平面越来越高， 设置更多更高的大坝， 直到大坝高度等于灰度值的最大值， 所有 区域都在分水岭线上相遇， 所有大坝就对整个图像 像素的进行了分区。 6.如权利要求1所述的耕地地块提取方法， 其特征是， 对分割图像进行特征提取， 将提 取特征输入到分类 器中进行分类， 得到耕地图像； 具体包括： 对分割图像提取归一化植被指数的若干个特征， 将提取的所有特征作为分类回归树算 法的输入值， 得到 分类结果标签； 所述分类结果标签， 包括： 耕地图像和非耕地图像； 所述若 干个特征， 包括： 归一 化植被指数的最大值、 最小值、 范围值和标准偏差； 或者， 所述对分割图像提取归一化植被指数的若干个特征， 将提取的所有特征作为分类回归 树算法的输入值， 得到分类结果标签； 分类回归树 算法的工作原理具体包括： 分类回归树预测分类离散型数据， 采用基尼指数选择最优特征， 同时确定该最优特征 的最优二 值切分点； 分类过程中， 假设有K个类， 样本点属于第k个类的概率为pk， 则概率分布的基尼指数定 义为： 根据基尼指数定义， 得到样本集合D的基尼指数， 其中Ck表示数据集D中属于第k类的样 本子集； 如果数据集D根据特征A在某一取值a上进行分割， 得到D1,D2两部分后， 那么， 在特征A 下集合D的基尼系数为： 其中， 基尼系数Gini(D)表示集合D的不确定性， 基尼系数Gini(D,A)表示A＝a分割后集 合D的不确定性； 基尼指数越大， 样本集 合的不确定性越大； 对于属性A， 分别计算任意属性值将数据集划分为两部分之后的Gain_Gini， 选取其中 的最小值， 作为属性A得到的最优二分方案；权　利　要　求　书 2/3 页 3 CN 114529818 A 3