CN103247033A - 一种基于影像选取控制点的矢量数据纠正方法 - Google Patents
一种基于影像选取控制点的矢量数据纠正方法 Download PDFInfo
- Publication number
- CN103247033A CN103247033A CN2013101509067A CN201310150906A CN103247033A CN 103247033 A CN103247033 A CN 103247033A CN 2013101509067 A CN2013101509067 A CN 2013101509067A CN 201310150906 A CN201310150906 A CN 201310150906A CN 103247033 A CN103247033 A CN 103247033A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- reference mark
- vector data
- prime
- 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.)
- Pending
Links
Images
Abstract
一种基于影像选取控制点的矢量数据纠正方法,本发明涉及基于影像选取控制点的矢量数据纠正方法。本发明是要解决现有原始的图像数据由于在数据转换过程中选点的不一致与经过几何纠正的矢量数据存在明显几何位置差异的问题,而提出一种基于影像选取控制点的矢量数据纠正方法。一、首先对畸变图像A进行几何纠正;二、依据步骤一中控制点文件中畸变图像A的图像坐标与遥感图像A′的地理坐标之间的关系,构建校正变换函数;三、将步骤二中的校正变化函数应用到畸变矢量数据B上,对畸变矢量数据B进行空间数据位置的几何纠正。本发明应用于地理信息系统。
Description
技术领域
本发明涉及基于影像选取控制点的矢量数据纠正方法。
背景技术
地理信息系统(GIS)经过三十多年的实践应用,积累了大量的空间数据资源。然而,由于数据采集方式和处理软件的不同,数据的存储格式和结构也各不相同。随着地理信息系统应用领域越来越广,需要解决的问题变得越来越复杂,GIS的应用也越来越需要集成多种数据源以及数据格式才能完成。因此多源空间数据的集成已经成为GIS研究所关注的焦点问题。
多源空间数据集成,从形式上是指不同来源、格式、特征的地球空间数据在逻辑上或物理上的有机集中。但是由于空间数据成果兼容性较差,如何使之匹配起来,就需要经过一系列的转换等操作,在数据转换过程中如何尽可能地保证空间数据的完整性和准确性成为限制GIS发展的瓶颈问题。
矢量数据在数据转换过程中选点难,转换之后易出现几何位置差异的问题,对矢量数据进行几何纠正的关键在于两组控制点的选择。一般情况下,可以直接针对矢量文件选择控制点。但是,在此过程中,由于选点的不一致,可能会导致原始的图像数据与经过几何纠正的矢量数据出现几何位置的差异。对于从遥感图像或地形图上提取的矢量数据来讲,由于它所包含的信息量要远远小于原始数据的信息量,从它上面选择控制点相对比较困难。
发明内容
本发明是要解决现有原始的图像数据由于在数据转换过程中选点的不一致与经过几何纠正的矢量数据存在明显几何位置差异的问题,而提出一种基于影像选取控制点的矢量数据纠正方法。
一种基于影像选取控制点的矢量数据纠正方法按以下步骤进行:
一、首先对畸变图像A进行几何纠正:
将畸变图像A纠正到标准的地理坐标系统中得到遥感图像A′,并生成控制点文件;其中,所述控制点文件有两套坐标点:一套是畸变图像A的图像坐标,另一套是畸变图像A在地理坐标系统中的遥感图像A′的地理坐标;
二、依据步骤一中控制点文件中畸变图像A的图像坐标与遥感图像A′的地理坐标之间的关系,构建校正变换函数;
三、将步骤二中的校正变化函数应用到畸变矢量数据B上,对畸变矢量数据B进行空间数据位置的几何纠正。
发明效果:
本发明基于栅格数据坐标变换模型,采用图像数据转换时的控制点,将矢量数据纠正到标准的目标构件图库中,达到矢量空间数据有效匹配的效果。
本发明采用参考影像数据和参考矢量数据进行矢量数据的纠正,克服了矢量数据上选择控制点难的问题,可以节省时间,同时纠正后的几何位置差异较小,有效的提高了纠正的精度。例如解译一景TM影像的土地利用一级分类,一个熟练的数字化员需要2-3天的时间,由于缺乏明显的标志地物,在矢量数据上选择控制点需要花费大量的时间,时间长短与矢量数据包含的内容有关,如控制点难以找到,纠正则无法继续。而用此方法,在遥感影像上寻找控制点,只要花一个小时左右便可完成。同时,此方法较之前的方法,不会有巨大的几何变形。
对于遥感影像或地形图等栅格数据,及从其上提取的矢量信息,在进行空间数据集成时,可以首先选择控制点将栅格数据纠正到目标构件库中,然后,使用栅格纠正时的控制点,使用同样的变换模型对矢量数据进行计算,从而达到矢量数据空间集成的目的。
本发明原理:
假设畸变矢量数据B是根据畸变图像A纠正过来的,而遥感图像A′是由畸变图像A经过图像纠正得到的(以便得到更加准确的结果),那么,我们自然期望能够实现我们得到的标准矢量数据B′,与采用同样方法从遥感图像A′上所得到的矢量数据一致。
我们可以认为从畸变图像A得到畸变矢量数据B(亦即矢量化方法)是一个变换f。变化f满足拓扑不变性,是一个拓扑变换,即:
B=f(A)(这个变换应该满足一个更强的要求,因为它也满足距离不变性)
另外,从图像A进行纠正得到遥感图像A′,也是一个拓扑变换,定义它为g
即g′=g(A)
那么,即要求得一个变换g′,使得:
g′(f(A))=f(g(A))
由于拓扑变换满足变换率,那么,就有:
g′(f(A))=g(f(A))
即g′=g
亦即,只要采用与图像纠正一样的几何纠正算法,原则上就能够对畸变矢量数据B′进行变换,使得到的矢量数据与直接从遥感图像A’上解译的结果一致。
图像坐标空间转换成地理坐标空间的原理:
目前常用的商业软件中一般并没有提供图像坐标空间到地理坐标空间的纠正方法,只提供了栅格空间坐标到栅格空间坐标,或者栅格空间坐标到地理空间坐标的纠正方法。而从前面的分析中可以看到,矢量数据的纠正是由地理坐标空间到地理坐标空间的。因此,需要将栅格数据纠正中的基于栅格坐标的控制点对变换为基于地理坐标的控制点对。
栅格数据集可以以多种多样的文件格式存储,如GeoTiff、ESRI GRID、Erdas Imagine等。在数字图像处理中,一般采用二维数组(矩阵)来表示数字图像F(静止的单色图像),即
数字图像中的一个点(即二维数组中一个元素)称为一个像素(Pixel)或像元,像素的坐标(m,n)是二维平面的整数网格点。对GIS中的栅格数据集来讲,它还有一套地理空间坐标系统,即像元所对应的地理实体(像元所对应的地面矩形区域)在不同的坐标系统下的坐标[1]。由于每一个栅格单元都与地面的一小片区域相对应,所以它具有一定的地理意义。一般用栅格单元的中心点的坐标来代表这个栅格单元的地理坐标,在不同的地图投影下,影像的地理坐标是不一样的。用来定义栅格图像中像元的地理坐标一般采用仿射变换模型。仿射变换由六个参数确定,也被称为六参数变换。
六参数模型的六个参数可以分为三组。一组指定了栅格数据左上角点在地图投影坐标系统中的坐标。这确定了图像在地图投影坐标系统中的位置,在本研究中使用(geoXStart,geoYStart)来表示。第二组指定了图像在X方向与Y方向的像元在地图投影坐标系统中的度量。在本研究中用(pixSizeX,pixSizeY)来表示。还有一组用来表示图像在地图投影坐标系统中的旋转,本发明中使用(rotA,rotB)来表示。由于使用旋转变换的一般比较少,故一般为0。
那么,在已知图像坐标的情况下(imgX,imgY)的情况下,就可以求得这点的图像坐标(geoX,geoY)。要注意的是,一般情况下,图像的坐标是从左上算起的,而地图投影坐标系统中的坐标则是从左下算起。
geoX=geoXStart+imgX*pixSizeX+imgY*rotA
geoY=geoYStart-imgX*rotB+imgY*pixSizeY
这就是经过几何纠正的图像坐标与地理坐标的关系式。
对于本文研究的内容来讲,并不包含旋转变换,所以上面的公式可以简化成:
geoX=geoXStart+imgX*pixSizeX
geoY=geoYStart-imgY*pixSizeY
大多数系统都是使用这样的模型对栅格数据模型进行实现,如开源栅格图像处理系统GDAL模型、GeoTiFF模型及ArcGIS、Erdas、ENVI等GIS与遥感图像处理系统。使用上面的栅格数据坐标变换模型,就可以将图像纠正中的栅格坐标转换为地理空间坐标。
矢量数据纠正的技术方法:
针对矢量数据进行几何纠正一般变形比较大,故采用仿射变换、多项式模型等效果一般不是很好,可以基于Delaunay三角网的平面剖分进行纠正。基本思路是:利用随机分布的离散控制点建立连续覆盖整个区域的不规则三角网(TIN)。二维三角剖分的优化原则有多种,这些原则归结起来,无非是要求经过剖分形成的TIN满足3点基本要求:
1)惟一性:给定平面的三角形剖分是惟一的;
2)最大最小角特性:三角形的最小内角尽量最大,即三角形尽量接近等边;
3)空圆特性:保证最邻近的点构成三角形,即三角形的边长之和尽量最小,且三角形的外接圆中不包含其他三角形的顶点(该特性也称Delaunay法则)。
矢量数据每一个点的变换按如下算法进行。纠正之前的三个控制点为A、B、C,这三个点构成了一个Delaunay三角形,对应的纠正之后的点分别为A′,B′、C′。
假设AX与BC的交点为D,BX与AC的交点为E,则在B′C′上取点D′,使得
在A′C′上取点E′,使得
则么A′D′与B′E′的交点即为点X经过纠正之后的点X′。
附图说明
图1是本发明流程图;
图2为本发明矢量数据几何纠正模图;
图3为具体实施方式一中的栅格数据与矢量数据拓扑变换模型。
具体实施方式
具体实施方式一:结合图1~3说明本实施方式,本实施方式的基于影像选取控制点的矢量数据纠正方法按以下步骤实现:
一、首先对畸变图像A进行几何纠正:
将畸变图像A纠正到标准的地理坐标系统中得到遥感图像A′,并生成控制点文件;其中,所述控制点文件有两套坐标点:一套是畸变图像A的图像坐标,另一套是畸变图像A在地理坐标系统中的遥感图像A′的地理坐标;
二、依据步骤一中控制点文件中畸变图像A的图像坐标与遥感图像A′的地理坐标之间的关系,构建校正变换函数;
三、将步骤二中的校正变化函数应用到畸变矢量数据B上,对畸变矢量数据B进行空间数据位置的几何纠正。
本实施方式中,
1)参考影像控制点的选择:选择参考影像和待纠正影像的同名地物点,且控制点均匀分布在影像中,且要有一定的数量保证,不同纠正模型对控制点个数的需求不相同,卫星提供的辅助数据可建立严密的物理模型,该模型只需9个控制点即可;多项式模型控制点个数不少于(T+1)*(T+2)/2个,如二次多项式控制点不少于6个,对于山区应适当增加控制点,最后检查下控制点RMS均方根误差控制在较小的范围之内,一般在一个像元大小的√2倍之内,确定没有问题后保存控制点文件为txt格式;
2)根据步骤1中生成的控制点,构建校正变化函数,得到函数中各个参数的值;
3)根据校正变化函数对矢量数据进行校正:将步骤2生成的控制点文件转化为ARCGISspatial adjustment可以使用的方式,将畸变矢量数据加进arcmap中,调出spatial adjustment工具条,利用上述控制点文件中的控制点和校正变化函数对畸变矢量进行纠正即可。
本实施方式效果:
本实施方式基于栅格数据坐标变换模型,采用图像数据转换时的控制点,将矢量数据纠正到标准的目标构件图库中,达到矢量空间数据有效匹配的效果。
本实施方式采用参考影像数据和参考矢量数据进行矢量数据的纠正,克服了矢量数据上选择控制点难的问题,可以节省时间,同时纠正后的几何位置差异较小,有效的提高了纠正的精度。例如解译一景TM影像的土地利用一级分类,一个熟练的数字化员需要2-3天的时间,由于缺乏明显的标志地物,在矢量数据上选择控制点需要花费大量的时间,时间长短与矢量数据包含的内容有关,如控制点难以找到,纠正则无法继续。而用此方法,在遥感影像上寻找控制点,只要花一个小时左右便可完成。同时,此方法较之前的方法,不会有巨大的几何变形。
对于遥感影像或地形图等栅格数据,及从其上提取的矢量信息,在进行空间数据集成时,可以首先选择控制点将栅格数据纠正到目标构件库中,然后,使用栅格纠正时的控制点,使用同样的变换模型对矢量数据进行计算,从而达到矢量数据空间集成的目的。
具体实施方式二:本实施方式与具体实施方式一不同的是:步骤一中的对畸变图像A进行几何纠正过程如下:
设定畸变矢量数据B是根据畸变图像A纠正过来的,而遥感图像A′是由畸变图像A经过几何纠正得到的,从畸变图像A得到畸变矢量数据B是一个变换f,变换f满足拓扑不变性,是一个拓扑变换,即:
B=f(A)
另外,从畸变图像A进行几何纠正得到遥感图像A′,也是一个拓扑变换,定义它为g
即g′=g(A)
那么,即要求得一个变换g′,使得:
g′(f(A))=f(g(A))
由于拓扑变换满足变换率,那么,就有:
g′(f(A))=g(f(A))
即g′=g。其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:对畸变矢量数据B进行空间数据位置的几何纠正过程如下:
利用随机分布的离散控制点建立连续覆盖整个区域的不规则三角网,二维三角剖分的优化原则满足如下3个约束条件:
1)给定平面的三角形剖分是惟一的;
2)三角形的最小内角最大,即三角形尽量接近等边;
3)保证最邻近的点构成三角形,即三角形的边长之和尽量最小,且三角形的外接圆中不包含其他三角形的顶点;
矢量数据每一个点的变换按如下算法进行:纠正之前的三个控制点为A、B、C,这三个点构成了一个Delaunay三角形,对应的纠正之后的点分别为A′,B′、C′;
假设AX与BC的交点为D,BX与AC的交点为E,则在B′C′上取点D′,使得
在A′C′上取点E′,使得
则么A′D′与B′E′的交点即为点X经过纠正之后的点X′,采用此法对畸变矢量数据B进行纠正得到标准矢量B′。其它步骤及参数与具体实施方式一或二相同。
Claims (3)
1.一种基于影像选取控制点的矢量数据纠正方法,给定遥感图像A′,畸变图像A,标准矢量B′,畸变矢量数据B:
其特征在于基于影像选取控制点的矢量数据纠正方法按以下步骤实现:
一、首先对畸变图像A进行几何纠正:
将畸变图像A纠正到标准的地理坐标系统中得到遥感图像A′,并生成控制点文件;其中,所述控制点文件有两套坐标点:一套是畸变图像A的图像坐标,另一套是畸变图像A在地理坐标系统中的遥感图像A′的地理坐标;
二、依据步骤一中控制点文件中畸变图像A的图像坐标与遥感图像A′的地理坐标之间的关系,构建校正变换函数;
三、将步骤二中的校正变化函数应用到畸变矢量数据B上,对畸变矢量数据B进行空间数据位置的几何纠正。
2.根据权利要求1所述的一种基于影像选取控制点的矢量数据纠正方法,其特征在于:步骤一中的对畸变图像A进行几何纠正过程如下:
设定畸变矢量数据B是根据畸变图像A纠正过来的,而遥感图像A′是由畸变图像A经过几何纠正得到的,从畸变图像A得到畸变矢量数据B是一个变换f,变换f满足拓扑不变性,是一个拓扑变换,即:
B=f(A)
另外,从畸变图像A进行几何纠正得到遥感图像A′,也是一个拓扑变换,定义它为g
即g′=g(A)
那么,即要求得一个变换g′,使得:
g′(f(A))=f(g(A))
由于拓扑变换满足变换率,那么,就有:
g′(f(A))=g(f(A))
即g′=g。
3.根据权利要求1所述的一种基于影像选取控制点的矢量数据纠正方法,其特征在于:对畸变矢量数据B进行空间数据位置的几何纠正过程如下:
利用随机分布的离散控制点建立连续覆盖整个区域的不规则三角网,二维三角剖分的优化原则满足如下3个约束条件:
1)给定平面的三角形剖分是惟一的;
2)三角形的最小内角最大,即三角形尽量接近等边;
3)保证最邻近的点构成三角形,即三角形的边长之和尽量最小,且三角形的外接圆中不包含其他三角形的顶点;
矢量数据每一个点的变换按如下算法进行:纠正之前的三个控制点为A、B、C,这三个点构成了一个Delaunay三角形,对应的纠正之后的点分别为A′,B′、C′;
假设AX与BC的交点为D,BX与AC的交点为E,则在B′C′上取点D′,使得
在A′C′上取点E′,使得
则么A′D′与B′E′的交点即为点X经过纠正之后的点X′,采用此法对畸变矢量数据B进行纠正得到标准矢量B′。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101509067A CN103247033A (zh) | 2013-04-26 | 2013-04-26 | 一种基于影像选取控制点的矢量数据纠正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101509067A CN103247033A (zh) | 2013-04-26 | 2013-04-26 | 一种基于影像选取控制点的矢量数据纠正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103247033A true CN103247033A (zh) | 2013-08-14 |
Family
ID=48926538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101509067A Pending CN103247033A (zh) | 2013-04-26 | 2013-04-26 | 一种基于影像选取控制点的矢量数据纠正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103247033A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778601A (zh) * | 2013-12-10 | 2014-05-07 | 北京林业大学 | 一种分坡度等级c模型对山区遥感影像地形校正方法 |
CN103776426A (zh) * | 2014-01-03 | 2014-05-07 | 北京农业信息技术研究中心 | 一种旋转平台农田成像几何校正方法 |
CN105631818A (zh) * | 2015-12-24 | 2016-06-01 | 中国农业大学 | 遥感影像的批量自动化几何校正方法及装置 |
CN105814403A (zh) * | 2013-12-12 | 2016-07-27 | 株式会社理光 | 视差值导出装置、可偏移设备、机器人、视差值产生方法和计算机程序 |
CN105849504A (zh) * | 2013-12-26 | 2016-08-10 | 株式会社理光 | 视差运算系统、信息处理装置、信息处理方法和记录介质 |
CN106030243A (zh) * | 2014-02-25 | 2016-10-12 | 株式会社理光 | 距离测量装置和视差计算系统 |
CN105716585B (zh) * | 2016-02-03 | 2018-03-30 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于常规水文缆道的自驱式雷达波测流设备 |
CN110969679A (zh) * | 2019-11-27 | 2020-04-07 | 淮南矿业(集团)有限责任公司 | 一种Arcgis与cass软件相结合的影像纠正方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101153908A (zh) * | 2006-09-26 | 2008-04-02 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种获取空间地理环境信息的系统和方法 |
-
2013
- 2013-04-26 CN CN2013101509067A patent/CN103247033A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101153908A (zh) * | 2006-09-26 | 2008-04-02 | 中国疾病预防控制中心寄生虫病预防控制所 | 一种获取空间地理环境信息的系统和方法 |
Non-Patent Citations (1)
Title |
---|
卜坤 等: "栅格数据坐标变换模型在数据集成中的应用", 《测绘科学》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778601A (zh) * | 2013-12-10 | 2014-05-07 | 北京林业大学 | 一种分坡度等级c模型对山区遥感影像地形校正方法 |
US10104359B2 (en) | 2013-12-12 | 2018-10-16 | Ricoh Company, Limited | Disparity value deriving device, movable apparatus, robot, disparity value producing method, and computer program |
CN105814403A (zh) * | 2013-12-12 | 2016-07-27 | 株式会社理光 | 视差值导出装置、可偏移设备、机器人、视差值产生方法和计算机程序 |
CN105849504B (zh) * | 2013-12-26 | 2018-09-14 | 株式会社理光 | 视差运算系统、信息处理装置、信息处理方法和记录介质 |
CN105849504A (zh) * | 2013-12-26 | 2016-08-10 | 株式会社理光 | 视差运算系统、信息处理装置、信息处理方法和记录介质 |
CN103776426A (zh) * | 2014-01-03 | 2014-05-07 | 北京农业信息技术研究中心 | 一种旋转平台农田成像几何校正方法 |
CN103776426B (zh) * | 2014-01-03 | 2016-03-30 | 北京农业信息技术研究中心 | 一种旋转平台农田成像几何校正方法 |
CN106030243A (zh) * | 2014-02-25 | 2016-10-12 | 株式会社理光 | 距离测量装置和视差计算系统 |
CN106030243B (zh) * | 2014-02-25 | 2019-05-03 | 株式会社理光 | 距离测量装置和视差计算系统 |
CN105631818A (zh) * | 2015-12-24 | 2016-06-01 | 中国农业大学 | 遥感影像的批量自动化几何校正方法及装置 |
CN105631818B (zh) * | 2015-12-24 | 2018-12-14 | 中国农业大学 | 遥感影像的批量自动化几何校正方法及装置 |
CN105716585B (zh) * | 2016-02-03 | 2018-03-30 | 中国电建集团中南勘测设计研究院有限公司 | 一种基于常规水文缆道的自驱式雷达波测流设备 |
CN110969679A (zh) * | 2019-11-27 | 2020-04-07 | 淮南矿业(集团)有限责任公司 | 一种Arcgis与cass软件相结合的影像纠正方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103247033A (zh) | 一种基于影像选取控制点的矢量数据纠正方法 | |
Ai et al. | A robust photogrammetric processing method of low-altitude UAV images | |
US20170011089A1 (en) | Parallel querying of adjustable resolution geospatial database | |
CN103455624A (zh) | 一种轻量级全球多维遥感影像网络地图服务实现方法 | |
CN110909093B (zh) | 智慧地标控制网的构建方法及装置 | |
CN110516015B (zh) | 基于地图图形数据和dlg制作地理pdf地图的方法 | |
Du et al. | Segmentation and sampling method for complex polyline generalization based on a generative adversarial network | |
Lee et al. | SpherePHD: Applying CNNs on 360${}^\circ $∘ Images With Non-Euclidean Spherical PolyHeDron Representation | |
US8675013B1 (en) | Rendering spherical space primitives in a cartesian coordinate system | |
CN104240216A (zh) | 图像校正方法、模块及其电子装置 | |
Guo et al. | A spatially adaptive decomposition approach for parallel vector data visualization of polylines and polygons | |
Liu et al. | On-board georeferencing using FPGA-based optimized second-order polynomial equation | |
Yoshimura et al. | Automatic registration of MLS point clouds and SfM meshes of urban area | |
Sedaghat et al. | DEM orientation based on local feature correspondence with global DEMs | |
CN110298778B (zh) | 一种基于栅格数据和面积比修正的交通小区人口统计方法 | |
CN111159451B (zh) | 一种基于空间数据库的电力线路点云动态单体化方法 | |
CN111696156A (zh) | 一种免控制点的遥感影像坐标转换方法 | |
Au et al. | Three dimensional extension of Bresenham’s Algorithm with Voronoi diagram | |
CN105469415A (zh) | 多视角遥感图像融合方法 | |
CN103280152A (zh) | 一种基于经纬度坐标转化码的楼宇建筑编码方法 | |
Peng et al. | Complexity-based matching between image resolution and map scale for multiscale image-map generation | |
CN108491173B (zh) | 基于地理pdf地图的跨图幅分页打印方法 | |
US20190156465A1 (en) | Converting Imagery and Charts to Polar Projection | |
CN109658446A (zh) | 一种高分辨率遥感影像几何配准方法及装置 | |
Ti et al. | Automated generation of schematic network maps adaptive to display sizes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130814 |