为解决深度学习中针叶植被标签处理会消耗大量人力物力，同时人工标签会出现漏判、误判的问题，“空天地网一体化综合科考监测体系建设”项目研究提出了一种融合阈值分割与图像叠加技术的半自动图像标签方法，实现了基于图像分割的半自动标签。该方法首先通过对原始图像进行图片分割，粗略划分出植物与非植物，然后通过人工干预将图片分割中的误判、漏判进行修复。

该方法具有明显的优越性：（1）通过颜色指数CIVE对植物图像的过绿特征进行提取，能有效区分绝大多数的绿色植物与土壤和黄色落叶；（2）充分利用图像阈值分割的优势，将一些过绿的叶片分割出来，可以极大地减少人工工作量；（3）使用5*5的高斯核对图像进行滤波，可以去除图像中光照过强引起土壤反光而产生的毛刺，从而提高分割的精度；（4）通过人工干预的方式对植被图像进行标签处理，主要是对阈值分割过程中因植物阴影过深造成的误判漏判进行二次标签，以此提高精度。

原始图片分割后图像

半透明叠加后图像人工修正后的图像（灰度值为0和255）