CN101408941A - 遥感图像多尺度分割及分割结果的层次结构表示方法 - Google Patents
遥感图像多尺度分割及分割结果的层次结构表示方法 Download PDFInfo
- Publication number
- CN101408941A CN101408941A CNA2008102243657A CN200810224365A CN101408941A CN 101408941 A CN101408941 A CN 101408941A CN A2008102243657 A CNA2008102243657 A CN A2008102243657A CN 200810224365 A CN200810224365 A CN 200810224365A CN 101408941 A CN101408941 A CN 101408941A
- Authority
- CN
- China
- Prior art keywords
- image
- merging
- zone
- segmentation
- scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种针对遥感图像,特别是高空间分辨率遥感图像的多尺度图像分割方法,并同时构建出分割边界一致的不同尺度分割结果层次结构之间的关系。该方法采用一种基本的图像分割方法得到初始分割结果,扫描分割区域建立分割块之间的邻接关系,生成初始的底层小尺度区域结构,继而在此基础上先后加入灰度、纹理、形状等特征进行合并调整,形成第二层分割较大尺度的区域结构和第三层大尺度的分割区域结构。该过程可以迭代进行,直到形成所需的尺度分割层次及结构。生成的多尺度分割区域层次结构可以实现不同尺度间分割区域的快速切换和访问,并且该结构不仅适合分水岭图像分割算法,也适合为其他分割方法构造多尺度的分割区域层次结构。
Description
技术领域
本发明涉及遥感图像处理技术,具体的说,涉及遥感图像的多尺度分割方法和分割结果多尺度表示的数据结构,该数据结构可适用于多种分割方法。
背景技术
高空间分辨率图像,尤其是高空间分辨率遥感图像提供了丰富的关于地物几何结构、纹理细节、地物光谱等方面的信息,使得在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响成为可能,具有广阔的应用前景。
遥感图像分割是地物识别的前提,因此利用图像分割技术首先将遥感图像分割成匀质区域继而利用地物的光谱信息、纹理信息、几何结构以及拓扑等信息识别地物是高空间分辨率遥感图像应用的重要途径,而遥感图像上典型地物的纹理、结构特征、几何尺寸大小等特征随空间尺度的变化而变化,不同的地物,最佳识别的尺度不同,如,识别公路、城市、湖泊与识别铁路、公路、工厂、公园、水库、鱼塘所需要的尺度是不同的,因此需要对高空间分辨率图像进行多尺度的分割,以便于选择合适的尺度识别地物。
多尺度的遥感图像分割一方面要求按照一定方法获得不同尺度的分割结果,同时需要将不同尺度的分割结果按照一定的层次结构利用合适的数据结构表示出来,并且不同尺度分割的边界是一致的。
传统的图像分割方法大致可以分为两大类:基于边缘的分割方法和基于区域特性的方法。近年还出现了一些新的方法,如,基于统计随机场模型的方法,基于图论的方法,基于数学形态学的分水岭分割方法,基于主动轮廓模型的分割方法等。这些分割方法都会给出单一尺度的分割结果,没有建立同时实现多尺度分割的技术方案,更没有同时建立不同尺度分割结果的层次结构关系和表达。
发明内容
本发明的目的是提供一种针对遥感图像,特别是高空间分辨率遥感图像的多尺度图像分割方法,并同时构建出分割边界一致的不同尺度分割结果层次结构之间的关系。
本发明的基本思路为:采用一种基本的图像分割方法得到初始的分割结果,扫描分割区域建立分割块之间的邻接关系,也叫拓扑关系,生成初始的底层小尺度区域结构,继而在此分割结果基础上先后加入灰度、纹理、形状等特征进行合并调整,形成第二层分割较大尺度的区域结构。然后,在此基础上继续合并调整,得到第三层大尺度的分割区域结构。该过程可以迭代进行,直到形成所需的尺度分割层次及结构。本发明基本的图像分割方法可以采用分水岭图像分割方法、基于区域的分割方法,如分裂合并方法等,这些分割方法具有全局分割、边界闭合、实现效率高、准确率高的特点,而且在算法的稳定性以及适用性上都具有优势。
所述的多尺度分割的层次结构可设置为三层尺度分割区域结构。
本发明的技术方案提供的遥感图像多尺度分割及分割结果的层次结构表示方法,其特征在于包括以下实施步骤:
A在遥感图像分割前,对高空间分辨率遥感图像降噪并采用多尺度形态学梯度算子简化图像,形成梯度图像;
B对遥感图像进行分水岭分割,形成初始分割结果;
C扫描初始分割结果,生成分割区域拓扑关系数据结构,并将初始分割作为产生其他尺度分割层次的基础;
D制定区域合并准则,对初始的分割结果实施区域合并,扫描合并后的结果,生成新的尺度的区域层次,建立该层次的拓扑关系数据结构;
E重复步骤D操作,不断得到新的尺度的分割区域层次,直到满足需求。其中不同尺度层次间分割区域的边界是一致的。
上述实施步骤的特征在于:
步骤A中所述将遥感图像简化,简化方法是在图像进行降噪处理后利用梯度算子对图像滤波形成梯度图像,尤其可选用多尺度形态学梯度算子简化图像,这样简化后的图像中保留下来的区域轮廓不会发生位置偏移,而且简化程度可依据分割尺度调整结构元素的大小。
步骤B中所述初始分割结果是对分割区域完成区域标识。所述区域标识是指对每个区域赋予唯一的标识值。
步骤C、D中所述区域关系结构包括本层区域序列、本层连接序列。所述区域队列存储本层中所有分割区域信息索引,指向的区域信息包括:区域编号、区域内点位置队列、区域邻居队列,子区域队列(如果存在)、区域均值特征、区域方差特征。所述连接序列存储本层中所有相邻区域的连接信息,包括:连接编号、连接权值、邻接区域RA和邻接区域RB。
步骤D中所述区域合并准则针对不同分割尺度采用两种不同的合并代价函数。对初始分割结果采用由灰度均值相似度和纹理相似度加权组成的合并代价准则函数。这样有效的减少了区域“同谱异质”而造成的错误合并。对于第二层层次结构,采用由合并图斑的光谱异质性参量和形状异质性参量两部分构成的合并代价准则函数。区域合并过程与传统人为设置阈值的合并过程不同,以区域在前面几次合并中,对应合并代价准则函数的区域特征的统计变化均值作为自动阈值,当前合并产生的特征量变化值与之比较,判断是否达到最终的合并状态,若大于该值则表示该区域产生过度合并,则结束该区域的合并,这样就自动化完成该层区域的合并。
步骤E中所述多尺度分割结果的分割区域边界闭合,并且在各个尺度上边界完全一致的。
本发明与现有技术相比有如下特点:在完成遥感图像多尺度分割的同时生成了多尺度的分割区域层次结构。该结构可以实现不同尺度间分割区域的快速切换和访问,并且该结构不仅适合分水岭图像分割算法,也适合为其他分割方法构造多尺度的分割区域结构。
附图说明:
图1是多尺度遥感图像分割流程图
图2是区域层次结构示意图
图3是区域节点结构示意图
图4是区域邻接关系结构
图5是同层关系结构示意图
图6是子区域关系表示结构
图7是分割区域的邻接关系图
图8、图9是多尺度分割区域层次拓扑网络结构
具体实施方式:
本发明所述的多尺度遥感图像分割及多尺度分割区域层次结构表示的实现流程如图1所示,图1包括10个处理单元。多尺度图像分割其工作过程为:
处理单元111简化图像,在图像降噪后可采用多尺度形态学梯度算子简化图像,形成梯度图像。
图像降噪可采用高斯平滑滤波实现。用于形成梯度图像的多尺度形态学的梯度算子MG(f(x,y))定义如下:
符号Θ表示腐蚀运算;
符号○表示开运算。
符号●表示闭运算;
B:结构元素。一般为方形算子,一般可选3×3、5×5、7×7大小。我们这里选择
{bi}:一组多尺度形态学结构基元序列。它们具有相同的正方形形状,且尺寸随着尺寸i的增大而单调增大,即: 组成一个多尺度序列,bi由b0膨胀i次得到,即:b0的形式可以如下:{(0,-1),(0,1),(0,0),(-1,0),(1,0)};
n为尺度参数,一般n∈[3,5];
多尺度形态学梯度算子简化图像能够使得简化后的图像中保留下来的区域轮廓不会发生位置偏移,并且简化程度可依据分割尺度调整结构元素B的大小得到;
处理单元112对单元A得到的梯度图像进行分水岭分割,形成多个初始分割区域,每个区域赋予一个标志值(Label)。
处理单元113对初始分割后得到的Label图像进行逐点扫描,将对应Label的区域信息加入如图3表示的数据结构中,同时将区域之间的邻接关系信息加入如图4表示的邻接关系结构中。分割区域间关系用图表示,将每个区域看作是图中的一个节点,由此生成区域邻接图(RAG),并将区域关系以一种有向图的形式表现出来,节点间的方向从Label值较小的区域节点指向Label值较大的区域节点,这样的结构可以有效减少计算量和存储量。如图7所示分割区域的邻接关系图。
再次扫描,遍历所有区域,就获得了如图2所示的本层分割结果的拓扑表示。
图2是单层(单尺度)分割区域的数据结构。该结构包括:分割层号(与单尺度对应)、本层区域序列、本层区域邻接关系序列。
图3是单个区域信息的数据结构。该结构包括:区域内点的位置队列、区域邻居对列、区域内子区域队列(若存在)、区域均值、方差等区域属性。
图4是邻接关系的数据结构示意,仅表示两个相邻分割区域之间的邻接关系。包括:邻接的区域编号和邻接距离。
邻接距离根据区域合并准则定义。数值越小表示两个区域的特征越接近。
图5是本层的分割区域和邻接关系的简单示意。
图6是层间分割区域和邻接关系的简单示意。
处理单元117利用所制定的区域合并准则,实施区域合并。区域合并针对下面两个尺度层次采用不同的区域合并准则,它们分别有自己的合并代价准则函数:
合并代价1:针对初始分割结果(第一层),采用由灰度均值相似度hmean和纹理相似度htexture两部分构成的合并代价准则函数:
f=w×hmean+(1-w)×htexture
其中w是为灰度均值相似度hmean和纹理相似度htexture分配的权重,区间为[0,1],一般设置权重为0.5比较合适。兼顾考虑灰度均值特征和纹理特征可以有效的避免区域“同谱异质”现象带来的错误合并。
灰度均值相似度hmean用两个相邻区域Ri和Rj灰度均值的平方差来表示:
hmean=(Mi-Mj)2
其中,Mi、Mj分别代表区域Ri和区域Rj的灰度均值。
纹理相似度htexture用两个相邻区域Ri和Rj的纹理特征值差的平方来表示:
htexture=(mvi-mvj)2
其中,纹理特征值mvi采用区域一阶矩(即平均值)、二阶矩和三阶矩的平均来度量。对于每个区域Ri,根据该区域的区域一阶矩(即平均值)Mi、二阶矩μ2i和三阶矩μ3i计算纹理特征值mvi:
区域Ri的二阶矩
区域Ri的三阶矩
其中Ri(x,y)表示区域Ri中的像元灰度值,Num(Ri)表示区域Ri中像元的个数。
合并准则2:针对下一层的区域合并准则采用基于灰度相似性的合并准则,也可以采用由合并图斑的光谱异质性参量hcolor和形状异质性参量hshape两部分构成的合并代价准则函数:
f=w×hcolor+(1-w)×hshape
其中w是为光谱、形状异质性分配的权重,区间为[0,1],一般色调权重0.9,形状0.1比较合适,形状权重过大往往会造成分割结果和视觉分割效果相差较大。
光谱异质性hcolor是合并后父图斑标准差与合并前两子图斑标准差之和的差,并按面积进行加权:
hcolor=nmergeσmerge-(n1σ1+n2σ2))
形状异质性hshape又由紧致度异质性hcmpct和光滑度异质性hsmooth两部分加权构成:
hshape=wcmpct×hcmpct+(1-wcmpct)×hsmooth
紧致度差异hcmpct则由以下公式计算:
光滑度差异hsmooth由以下公式计算:
以上公式中,l为对象实际周长,n为对象像元个数,b对象的外接矩形的周长。紧致度、光滑度所占权值一般可以都取0.5。
区域合并阈值的设定可以人为设定或者自适应获得。本发明采用自适应阈值获取方法,如下所述:
定义:区域Ri经过m次合并后,区域特征的变化:
此处所述区域特征可以定义根据采用的区域合并准则中所用的区域特征,也可以简单定义为区域同质性特征。
当
其中β是区域Ri前面m-1合并对应的Δμ的均值,即:
则此时新合并的区域Ri m是已经是非均质的了,也就意味着过度的合并。过度的合并需要被取消掉,从而合并终止。
区域合并按照层次结构中区域序列中顺序进行。
处理单元116用于在实施合并准则后,生成并建立新一层分割区域的层次结构。
根据合并准则,将区域合并调整后,区域的数目减少了,区域的平均面积增大了,因此区域的尺度发生了变化。在已有的分割区域层次结构的基础上生成新尺度下的分割区域层次结构的过程如下:
复制上一层数据结构。构建一临时数据结构记录区域是否参与过合并以及合并后的最新区域编号。在进行区域RM与其邻居RN合并时,进行如下操作:
1)判断合并后特征值的变化Δμ是否满足阈值β条件,若不满足,则终止合并,修改临时数据结构记录RM已合并。若满足阈值条件,则将RN并入RM,更新新区域RM的区域均值、区域方差,Label值、邻居节点、邻居个数和区域像素个数,子区域序列。生成的子区域关系结构如图6;
2)删除新层中的邻接关系序列RM与RN之间的连接,插入区域RM的相关连接;
3)更新新层中区域序列,删除RN区域。
处理单元118利用合并准则2对区域进行合并调整。
处理单元119与处理单元116相同,用于在实施合并准则2后,生成并建立新一层分割区域的层次结构。
处理单元120表示由三层(对应三个尺度)分割结果整合表示的分割区域的层次结构。如图8、图9是三层(三个尺度)分割结果的层次结构示意。该层次结构具有以下特点:
不同层次间的分割区域构成了拓扑网络结构;
上、下层分割区域的边界是一致的;
一层的单个区域可以由它下层所有子区域的总和来表示。每一层又是以它的下一层为基础建立的。不同层的分割区域边界有上下的继承关系,即。
遥感图像信息提取可以在多个尺度的分割图层中切换进行;不同尺度地物的信息提取可选择在相应尺度的分割区域图层上提取,如对空间尺度大的类别就可以在分割尺度较大的图层中分析,相反对于地物类型复杂的区域,就考虑在分割尺度较小的图层中进行处理。信息提取完成后的各种地类可以叠加合并为一个图层。这种采用多尺度图层提取信息的方法,始终比在一个图层中进行操作更加合理与高效。
本发明的一个实例在PC平台上实现,经实验验证,该多尺度遥感影像分割流程能够得到较理想的分割结果,区域一致性和边缘准确度都比较高。生成的多尺度分割区域层次结构具有良好的适用性。区域对象信息提取可以在多个尺度的图层中方便快速进行切换。同时,本结构同样适用于其他多种分割方法分割区域层次结构的建立。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明,但不以任何方式限制本发明。因此,本领域技术人员应当理解,仍然可以对本发明进行修改或者等同替换;而一切不脱离本发明的精神和技术实质的技术方案及其改进,其均应涵盖在本发明专利的保护范围当中。
Claims (10)
1.一种用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于包括以下步骤:
步骤1,在图像分割前,对图像降噪并采用梯度算子简化图像,形成梯度图像;
步骤2,对图像进行分割,形成初始分割结果;
步骤3,扫描初始分割结果,生成分割区域拓扑关系数据结构,并将初始分割作为产生其他尺度分割结果的基础;
步骤4,制定区域合并准则,对初始的分割结果实施区域合并,扫描合并后的结果,生成新的尺度的区域层次,建立该层次的拓扑关系数据结构;
步骤5,重复步骤4操作,不断得到新的尺度的分割区域层次,直到满足需求。其中不同尺度层次间分割区域的边界是重合的。
2.根据权利要求1所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于图像分割前先简化图像,即在图像进行降噪处理后利用梯度算子对图像滤波形成梯度图像,尤其可选用多尺度形态学梯度算子简化图像。
3.根据权利要求1所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于所述初始分割结果是对初始的分割区域完成区域标识。所述区域标识是指对每个区域赋予唯一的标识值。
4.根据权利要求1所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于所述区域关系结构包括本层区域序列、本层连接序列。
5.根据权利要求4所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于所述区域队列存储本层中所有分割区域信息索引,指向的区域信息包括:区域编号、区域内点位置队列、区域邻居队列,子区域队列(如果存在)、区域均值特征、区域方差特征。
所述连接队列存储本层中所有相邻区域的连接信息索引。指向的连接信息包括:连接编号、连接权值、邻接区域RA和邻接区域RB。
6.根据权利要求1所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于所述的图像分割方法可以采用采用分水岭图像分割方法、基于区域的分割方法,如分裂合并方法等。
7.根据权利要求3所述的用于图像多尺度分割的方法及分割结果的层次结构表示方法,其特征在于所述初始图像图像分割方法可采用分水岭图像分割方法、基于区域的分割方法,如分裂合并方法等。
8.根据权利要求1所述遥感图像多尺度分割的层次结构构造方法,其特征在于:步骤D中所述区域合并准则针对不同分割尺度采用两种不同的合并代价函数。对初始分割结果采用由灰度均值相似度和纹理相似度加权组成的合并代价函数。这样有效的减少了区域“同谱异质”而造成的错误合并。对于第二层层次结构,采用由合并图斑的光谱异质性参量和形状异质性参量两部分构成的合并代价准则函数。区域合并过程与传统人为设置阈值的合并过程不同,以区域在前面几次合并中,对应合并代价准则函数的区域特征的统计变化均值作为自动阈值,当前合并产生的特征量变化值与之比较,判断是否达到最终的合并状态,这样就自动化完成该层区域的合并。
9.根据权利要求1所述遥感图像多尺度分割的层次结构构造方法,其特征在于步骤E所述多尺度分割结果的分割区域边界闭合,并且在各个尺度上边界完全一致。所述多尺度区域层次结构与多尺度分割结果同时生成,可以实现不同尺度分割结果的快速切换,分割区域的快速访问。
10.根据权利要求1所述遥感图像多尺度分割的层次结构构造方法,其特征在于步骤E所述多尺度区域层次结构同样也适用于构造其他分割方法的分割区域结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102243657A CN101408941B (zh) | 2008-10-20 | 2008-10-20 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102243657A CN101408941B (zh) | 2008-10-20 | 2008-10-20 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101408941A true CN101408941A (zh) | 2009-04-15 |
CN101408941B CN101408941B (zh) | 2010-10-27 |
Family
ID=40571949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102243657A Expired - Fee Related CN101408941B (zh) | 2008-10-20 | 2008-10-20 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101408941B (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004915A (zh) * | 2010-10-19 | 2011-04-06 | 中国科学院遥感应用研究所 | 基于纹理特征空间的震损建筑遥感快速提取技术 |
CN102024258A (zh) * | 2010-12-15 | 2011-04-20 | 中国科学院遥感应用研究所 | 具有边界保持特性的遥感图像多尺度分割方法 |
CN102223556A (zh) * | 2011-06-13 | 2011-10-19 | 天津大学 | 一种多视点立体图像零视差校正方法 |
CN101706950B (zh) * | 2009-07-13 | 2012-04-25 | 中国科学院遥感应用研究所 | 一种遥感影像多尺度分割的高性能实现方法 |
CN101840411B (zh) * | 2010-02-09 | 2012-06-06 | 北京瑞风协同科技股份有限公司 | 数据缩微、加载显示的方法、装置和系统 |
CN102810158A (zh) * | 2011-05-31 | 2012-12-05 | 中国科学院电子学研究所 | 一种基于多尺度语义模型的高分辨率遥感目标提取方法 |
CN102831605A (zh) * | 2012-07-31 | 2012-12-19 | 武汉大学 | 用于大型影像的多尺度图像分割结果快速可视化方法 |
CN102915531A (zh) * | 2011-08-05 | 2013-02-06 | 中国科学院地理科学与资源研究所 | 一种面向遥感影像分割的影像对象合并方法 |
CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
CN103400389A (zh) * | 2013-08-12 | 2013-11-20 | 电子科技大学 | 一种高分辨率遥感图像分割方法 |
CN103578110A (zh) * | 2013-11-12 | 2014-02-12 | 河海大学 | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 |
EP2801313A3 (en) * | 2013-05-10 | 2014-12-24 | Samsung Electronics Co., Ltd | Cleaning robot and control method thereof |
CN105574887A (zh) * | 2016-02-29 | 2016-05-11 | 民政部国家减灾中心 | 高分辨率遥感影像快速分割方法 |
CN105574532A (zh) * | 2015-12-11 | 2016-05-11 | 深圳大学 | 一种基于二元分割树的区域特征描述方法及系统 |
CN106408574A (zh) * | 2016-09-06 | 2017-02-15 | 中国石油大学(华东) | 基于动态链式图模型的震害遥感影像分割方法及其系统 |
CN107274415A (zh) * | 2017-06-06 | 2017-10-20 | 东北大学 | 一种基于Tarjan算法和区域连接的图像分割方法 |
CN107421514A (zh) * | 2017-06-21 | 2017-12-01 | 广东中冶地理信息股份有限公司 | 一种垃圾填埋场范围变化监测方法 |
CN107610118A (zh) * | 2017-09-25 | 2018-01-19 | 中国科学院遥感与数字地球研究所 | 一种基于dM的图像分割质量评价方法 |
CN107833224A (zh) * | 2017-10-09 | 2018-03-23 | 西南交通大学 | 一种基于多层次区域合成的图像分割方法 |
CN108090872A (zh) * | 2017-12-18 | 2018-05-29 | 武汉大学 | 基于梯度提取的单帧多光谱影像超分辨率重建方法及系统 |
CN105243364B (zh) * | 2015-09-24 | 2018-10-19 | 北京贯中精仪科技有限公司 | 光电吊舱搜索方法、装置以及系统 |
CN109522904A (zh) * | 2018-09-30 | 2019-03-26 | 广州地理研究所 | 一种基于遥感数据的规则农田提取方法 |
CN109740606A (zh) * | 2018-12-20 | 2019-05-10 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN111126482A (zh) * | 2019-12-23 | 2020-05-08 | 自然资源部国土卫星遥感应用中心 | 一种基于多分类器级联模型的遥感影像自动分类方法 |
CN111178160A (zh) * | 2019-12-11 | 2020-05-19 | 广州地理研究所 | 一种城市地物覆盖信息确定方法及装置 |
CN111291193A (zh) * | 2020-01-18 | 2020-06-16 | 杭州电子科技大学 | 一种知识图谱在零次学习上的运用方法 |
CN111310666A (zh) * | 2020-02-18 | 2020-06-19 | 浙江工业大学 | 一种基于纹理特征的高分辨率影像地物识别与分割方法 |
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN111611921A (zh) * | 2020-05-21 | 2020-09-01 | 佛山市高明曦逻科技有限公司 | 一种基于遥感大数据的太阳能板识别系统 |
CN112132841A (zh) * | 2020-09-22 | 2020-12-25 | 上海交通大学 | 医疗图像切割方法及装置 |
CN112801031A (zh) * | 2021-02-08 | 2021-05-14 | 电子科技大学中山学院 | 静脉图像识别方法、装置、电子设备及可读存储介质 |
CN113240685A (zh) * | 2021-04-29 | 2021-08-10 | 平安科技(深圳)有限公司 | 图像层次化超像素分割方法、系统、电子设备及存储介质 |
CN113436091A (zh) * | 2021-06-16 | 2021-09-24 | 中国电子科技集团公司第五十四研究所 | 一种面向对象的遥感图像多特征分类方法 |
CN115205533A (zh) * | 2022-09-19 | 2022-10-18 | 华能信息技术有限公司 | 一种管理数据分析方法及系统 |
-
2008
- 2008-10-20 CN CN2008102243657A patent/CN101408941B/zh not_active Expired - Fee Related
Cited By (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706950B (zh) * | 2009-07-13 | 2012-04-25 | 中国科学院遥感应用研究所 | 一种遥感影像多尺度分割的高性能实现方法 |
CN101840411B (zh) * | 2010-02-09 | 2012-06-06 | 北京瑞风协同科技股份有限公司 | 数据缩微、加载显示的方法、装置和系统 |
CN102004915B (zh) * | 2010-10-19 | 2014-04-16 | 中国科学院遥感与数字地球研究所 | 基于纹理特征空间的震损建筑遥感快速提取方法 |
CN102004915A (zh) * | 2010-10-19 | 2011-04-06 | 中国科学院遥感应用研究所 | 基于纹理特征空间的震损建筑遥感快速提取技术 |
CN102024258A (zh) * | 2010-12-15 | 2011-04-20 | 中国科学院遥感应用研究所 | 具有边界保持特性的遥感图像多尺度分割方法 |
CN102024258B (zh) * | 2010-12-15 | 2012-07-25 | 中国科学院遥感应用研究所 | 具有边界保持特性的遥感图像多尺度分割方法 |
CN102810158A (zh) * | 2011-05-31 | 2012-12-05 | 中国科学院电子学研究所 | 一种基于多尺度语义模型的高分辨率遥感目标提取方法 |
CN102223556A (zh) * | 2011-06-13 | 2011-10-19 | 天津大学 | 一种多视点立体图像零视差校正方法 |
CN102915531A (zh) * | 2011-08-05 | 2013-02-06 | 中国科学院地理科学与资源研究所 | 一种面向遥感影像分割的影像对象合并方法 |
CN102831605A (zh) * | 2012-07-31 | 2012-12-19 | 武汉大学 | 用于大型影像的多尺度图像分割结果快速可视化方法 |
CN102831605B (zh) * | 2012-07-31 | 2014-10-22 | 武汉大学 | 用于大型影像的多尺度图像分割结果快速可视化方法 |
EP2801313A3 (en) * | 2013-05-10 | 2014-12-24 | Samsung Electronics Co., Ltd | Cleaning robot and control method thereof |
US9504369B2 (en) | 2013-05-10 | 2016-11-29 | Samsung Electronics Co., Ltd. | Cleaning robot and control method thereof |
CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
CN103400389B (zh) * | 2013-08-12 | 2016-05-04 | 电子科技大学 | 一种高分辨率遥感图像分割方法 |
CN103400389A (zh) * | 2013-08-12 | 2013-11-20 | 电子科技大学 | 一种高分辨率遥感图像分割方法 |
CN103578110A (zh) * | 2013-11-12 | 2014-02-12 | 河海大学 | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 |
CN103578110B (zh) * | 2013-11-12 | 2016-06-08 | 河海大学 | 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法 |
CN105243364B (zh) * | 2015-09-24 | 2018-10-19 | 北京贯中精仪科技有限公司 | 光电吊舱搜索方法、装置以及系统 |
CN105574532B (zh) * | 2015-12-11 | 2019-03-08 | 深圳大学 | 一种基于二元分割树的区域特征描述方法及系统 |
CN105574532A (zh) * | 2015-12-11 | 2016-05-11 | 深圳大学 | 一种基于二元分割树的区域特征描述方法及系统 |
CN105574887B (zh) * | 2016-02-29 | 2019-08-02 | 民政部国家减灾中心 | 高分辨率遥感影像快速分割方法 |
CN105574887A (zh) * | 2016-02-29 | 2016-05-11 | 民政部国家减灾中心 | 高分辨率遥感影像快速分割方法 |
CN106408574B (zh) * | 2016-09-06 | 2019-03-26 | 中国石油大学(华东) | 基于动态链式图模型的震害遥感影像分割方法及其系统 |
CN106408574A (zh) * | 2016-09-06 | 2017-02-15 | 中国石油大学(华东) | 基于动态链式图模型的震害遥感影像分割方法及其系统 |
CN107274415A (zh) * | 2017-06-06 | 2017-10-20 | 东北大学 | 一种基于Tarjan算法和区域连接的图像分割方法 |
CN107274415B (zh) * | 2017-06-06 | 2019-08-09 | 东北大学 | 一种基于Tarjan算法和区域连接的图像分割方法 |
CN107421514A (zh) * | 2017-06-21 | 2017-12-01 | 广东中冶地理信息股份有限公司 | 一种垃圾填埋场范围变化监测方法 |
CN107610118A (zh) * | 2017-09-25 | 2018-01-19 | 中国科学院遥感与数字地球研究所 | 一种基于dM的图像分割质量评价方法 |
CN107610118B (zh) * | 2017-09-25 | 2020-12-08 | 中国科学院遥感与数字地球研究所 | 一种基于dM的图像分割质量评价方法 |
CN107833224A (zh) * | 2017-10-09 | 2018-03-23 | 西南交通大学 | 一种基于多层次区域合成的图像分割方法 |
CN108090872A (zh) * | 2017-12-18 | 2018-05-29 | 武汉大学 | 基于梯度提取的单帧多光谱影像超分辨率重建方法及系统 |
CN108090872B (zh) * | 2017-12-18 | 2021-07-16 | 武汉大学 | 基于梯度提取的单帧多光谱影像超分辨率重建方法及系统 |
CN109522904A (zh) * | 2018-09-30 | 2019-03-26 | 广州地理研究所 | 一种基于遥感数据的规则农田提取方法 |
CN109740606A (zh) * | 2018-12-20 | 2019-05-10 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
CN109740606B (zh) * | 2018-12-20 | 2021-02-05 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
CN111178160A (zh) * | 2019-12-11 | 2020-05-19 | 广州地理研究所 | 一种城市地物覆盖信息确定方法及装置 |
CN111178160B (zh) * | 2019-12-11 | 2023-03-28 | 广州地理研究所 | 一种城市地物覆盖信息确定方法及装置 |
CN111127634B (zh) * | 2019-12-20 | 2023-04-28 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN111127634A (zh) * | 2019-12-20 | 2020-05-08 | 山东省国土测绘院 | 土地利用数据的图斑叠加方法、装置、设备及存储介质 |
CN111126482A (zh) * | 2019-12-23 | 2020-05-08 | 自然资源部国土卫星遥感应用中心 | 一种基于多分类器级联模型的遥感影像自动分类方法 |
CN111126482B (zh) * | 2019-12-23 | 2020-11-13 | 自然资源部国土卫星遥感应用中心 | 一种基于多分类器级联模型的遥感影像自动分类方法 |
CN111291193A (zh) * | 2020-01-18 | 2020-06-16 | 杭州电子科技大学 | 一种知识图谱在零次学习上的运用方法 |
CN111310666B (zh) * | 2020-02-18 | 2022-03-18 | 浙江工业大学 | 一种基于纹理特征的高分辨率影像地物识别与分割方法 |
CN111310666A (zh) * | 2020-02-18 | 2020-06-19 | 浙江工业大学 | 一种基于纹理特征的高分辨率影像地物识别与分割方法 |
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN111611921B (zh) * | 2020-05-21 | 2021-05-14 | 苏州科知律信息科技有限公司 | 一种基于遥感大数据的太阳能板识别系统 |
CN111611921A (zh) * | 2020-05-21 | 2020-09-01 | 佛山市高明曦逻科技有限公司 | 一种基于遥感大数据的太阳能板识别系统 |
CN112132841A (zh) * | 2020-09-22 | 2020-12-25 | 上海交通大学 | 医疗图像切割方法及装置 |
CN112132841B (zh) * | 2020-09-22 | 2024-04-09 | 上海交通大学 | 医疗图像切割方法及装置 |
CN112801031A (zh) * | 2021-02-08 | 2021-05-14 | 电子科技大学中山学院 | 静脉图像识别方法、装置、电子设备及可读存储介质 |
CN113240685A (zh) * | 2021-04-29 | 2021-08-10 | 平安科技(深圳)有限公司 | 图像层次化超像素分割方法、系统、电子设备及存储介质 |
CN113240685B (zh) * | 2021-04-29 | 2023-06-13 | 平安科技(深圳)有限公司 | 图像层次化超像素分割方法、系统、电子设备及存储介质 |
CN113436091A (zh) * | 2021-06-16 | 2021-09-24 | 中国电子科技集团公司第五十四研究所 | 一种面向对象的遥感图像多特征分类方法 |
CN115205533A (zh) * | 2022-09-19 | 2022-10-18 | 华能信息技术有限公司 | 一种管理数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101408941B (zh) | 2010-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101408941B (zh) | 遥感图像多尺度分割及分割结果的层次结构表示方法 | |
CN102096816B (zh) | 基于最小生成树的多尺度多层次影像分割方法 | |
CN106548141B (zh) | 一种基于三角网的面向对象耕地信息自动提取方法 | |
CN104049245B (zh) | 基于LiDAR点云空间差异分析的城市建筑物变化检测方法 | |
CN103236086B (zh) | 一种顾及地表水文上下文的多尺度dem建模方法 | |
CN110176018B (zh) | 一种保持结构化地物轮廓特征的图斑合并方法 | |
CN102024258B (zh) | 具有边界保持特性的遥感图像多尺度分割方法 | |
CN109272170B (zh) | 一种基于Louvain算法的交通小区划分系统 | |
CN109961049A (zh) | 一种复杂场景下香烟品牌识别方法 | |
CN108830870A (zh) | 基于多尺度结构学习的卫星影像高精度农田边界提取方法 | |
CN106056591A (zh) | 一种融合光谱图像和激光雷达数据进行城市密度估计方法 | |
CN109543754A (zh) | 基于端对端深度学习的目标检测与语义分割的并行方法 | |
CN107016677A (zh) | 一种基于fcn和cnn的云图分割方法 | |
CN110415346A (zh) | 利用面向对象的三维元胞自动机进行水土流失模拟的方法 | |
CN104156964B (zh) | 一种综合mrf和贝叶斯网络的遥感影像区域分割方法 | |
CN103500344A (zh) | 一种遥感影像信息提取与解译方法及其模块 | |
Chang et al. | Applying a modified VIKOR method to classify land subdivisions according to watershed vulnerability | |
CN108182436A (zh) | 一种高分辨率遥感图像分割方法 | |
CN110442994A (zh) | 一种基于图论的3d打印切片处理方法 | |
CN105069463A (zh) | 基于面向对象的多尺度山地城市土地覆盖信息的获取方法 | |
CN109993753B (zh) | 遥感影像中城市功能区的分割方法及装置 | |
CN107808384A (zh) | 基于网格化局部分水岭的模糊聚类方法 | |
CN107833224A (zh) | 一种基于多层次区域合成的图像分割方法 | |
CN109658477A (zh) | 一种基于lidar数据的dem生成算法 | |
CN102147921A (zh) | 基于图论的中医舌质、舌苔分离算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101027 Termination date: 20131020 |