无人机河湖巡检中BPT结点区域合并算法应用研究 .pdfVIP

第1期水利信息化NO.1

2024年2月WaterResourcesInformatizationFeb.2024

DOI：10.19364/j.1674-9405.2024.01.011

无人机河湖巡检中BPT结点区域合并算法应用研究

12111

刘建龙，钱晓军，闵克祥，顾昊，刘建华

（1.江苏省秦淮河水利工程管理处，江苏南京210022；2.南京师范大学，江苏南京210023）

摘要：针对无人机河湖巡检图像存在较高的域内异质性、域间同质性，使用单阶段的分割算法易形成不完整目标

区域提取结果等问题，设计一种基于二叉划分树结点的区域合并算法。算法包含初始分割、区域合并2个阶段，采

用分水岭算法进行初始分割形成误分割率较低的过分割区域集，对过分割区域集合中的区域对进行相似性度量，

根据过相似性度量结果构建BPT树，遍历BPT树确定过分割区域集合的合并次序。在河湖巡检数据集上，与自适

应区域合并进行对比，结果表明：基于二叉划分树结点的区域合并算法的分割精度、时间效率均优于自适应区域合

并算法，可以实现目标在图像中的精确提取。

关键词：BPT结点区域合并；区域合并算法；河湖巡检；无人机；图像智能处理

中图分类号：V279；TN911.73文献标识码：A文章编号：1674-9405(2024)01-0057-06

0引言工记载的方式保存河湖巡检数据，存在工作量大、易

遗失等不足。

江苏省河网密集，湖泊众多，水域面积占比在全上述问题制约水利环保事业的发展，对此，国内

国各省份中位居第一。水路交通是江苏省经济迅速外不少专家学者将计算机视觉技术应用到河湖管理

发展的重要因素之一，但经济增长的同时，生态环境工作中。Faster

-RCNN作为较典型的目标检测模型

破坏尤其是水体恶化问题日益突出，严重制约了经济常用于对河湖违规（法）行为的检测与分类。陈娜等[1]

可持续发展甚至威胁了人类生命健康，为河湖治理工采用Faster-RCNN算法识别巡检视频中的河湖“四

作带来极大挑战。乱”行为，蔺志刚等[2]

将该算法应用到非法采砂行为

为应对日益复杂的河湖管理工作，打赢水污染攻识别中。语义分割作为另一类计算机视觉算法，适用

坚战，全国各省份贯彻落实中央《关于全面推行河长于河湖巡检中需要精确定位目标物边界的任务。雷

制的意见》，结合当地实情陆续推出了一系列河湖巡佳明等[3]

将DeeplabV3+（深度学习语义分割网络）应

检实施方案，均通过人工实施完成，流程大致包括人用于水面漂浮物的提取任务。孔瀚民[4]

通过在U-net

工规划、巡检、识别（筛选）、记录和存档。前期以人（U型网络）中添加残差模块的方式提高了河道及绿

治为主的河湖巡检方案在取得一定成效的同时也存藻的分割精度。与地面拍摄的普通影像相比，无人机

在以下几点不足：1）人工