第1期水利信息化NO.12024年2月WaterResourcesInformatizationFeb.2024DOI：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刘建龙1，钱晓军2，闵克祥1，顾昊1，刘建华1（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)01-0057-060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）人工成本过高，资源不可重复利航拍图像比例尺更大、场景更复杂，其复杂性表现为用。整个巡检方案包含5个步骤，每个步骤均需人工域内异质性与域间同质性均较高，单阶段的图像分割完成，工作量较大，且人工实施方式存在一次性的局算法容易形成误分割率、过分割率均较高的结果[5-7]。限，无法重复利用。2）人工方式存在主观性。人工为保证航拍图像的分割精度，一种包含初始分割与区规划、巡检、识别（筛选）均需要科学合理地规划及判域合并的混合图像分割框架受到了众多研究者的关断，特别是人工识别（筛选），受人为主观影响较大。注。唐桂荣等[8]将RCNN（基于区域的卷积神经网3）人工巡检方式受地理环境因素限制较大。部分河络，Region-CNN）与区域合并相结合应用于水面漂湖处于道路泥泞、河流曲折的农村山地区域，且人工浮物分割。杨瑞等[9]公开了一套包含20类目标物的巡检视野受限，无法全方位查看河湖情况。4）人工河湖巡检数据集，并针对河湖巡检场景提出了一种方式不利于河湖巡检数据的保存。通过纸质档案、人包含马尔可夫随机场与区域合并的混合图像分割算收稿日期：2023-05-10基金项目：江苏省水利科技项目（2021064）作者简介：刘建龙（1982—），男，江苏泰兴人，硕士，正高级工程师，研究方向为水利工程建设及运行管理。E-mail：***************58水利信息化2024(1)法。在区域合并过程中，过分割区域的合并次序对合并效率、最终分割结果至关重要。为此，本研究在形成低误分割率的过分割区域基础上，采用Liu等[10]提出的BPT（二叉划分树）选择最优的过分割区域合并序列，根据前期采集、标注的河湖巡检数据，结合河湖管理实际情况，研发无人机河湖巡检图像智能处理平台（以下简称平台），平台依托无人机数据快速采集能力，以分水岭算法形成低误分割率的河湖过分割区域，再通过构建、遍历BPT，选择最优的过分割区