CN103473764B - 一种遥感影像目标变化检测方法 - Google Patents
一种遥感影像目标变化检测方法 Download PDFInfo
- Publication number
- CN103473764B CN103473764B CN201310395272.1A CN201310395272A CN103473764B CN 103473764 B CN103473764 B CN 103473764B CN 201310395272 A CN201310395272 A CN 201310395272A CN 103473764 B CN103473764 B CN 103473764B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- image
- point
- central point
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000008859 change Effects 0.000 claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 19
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims abstract description 14
- 230000002146 bilateral effect Effects 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000003709 image segmentation Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000011946 reduction process Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 35
- 238000012937 correction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 239000003595 mist Substances 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明提供的遥感影像目标变化检测方法，选取同一区域不同时相的遥感影像，并对所述遥感影像进行预处理，再根据地物特征分割所述遥感影像，从而建立不同时相遥感影像地物间一一映射关系，并根据上述分割结果，将所述遥感影像分成N个5*5单元格，以上述单元格为基础，提取所述遥感影像的变化区域或变化点，所述变化区域或变化点经双边滤波、降噪处理后，从而得到变化的遥感影像。本发明提供的遥感影像目标变化检测方法，将遥感影像分割为若干块5*5的块矩阵为处理单元，从中心点开始，以八邻域为基础对遥感影像进行处理，提取所述遥感影像的变化区域或变化点，简单易行。
Description
【技术领域】
本发明涉及图像处理技术领域，特别涉及图像变化检测方法，尤其涉及一种遥感影像目标变化检测方法。
【背景技术】
随着科学技术的发展，人类开发资源与改造自然的能力不断增强，自然界的变化和人类的各种活动，每天都在改变着地表景观及土地利用形式。由于遥感对地观测具有实时、快速、覆盖范围广、多光谱、周期性等特点，遥感技术已经成为变化检测最主要的技术手段。
遥感影像的变化检测就是从不同时间获取的同一地理区域的多时相遥感影像中，定性或定量地分析和确定地表变化特征和过程的技术。遥感影像的变化检测能分析地表覆盖变化趋势及演化规律，在土地利用/覆盖、灾害检测、森林植被变化、城市扩展与布局等诸多领域发挥着积极重要的作用，具有迫切的科学应用需求和广泛的应用前景。
国内核心期刊《遥感学报》（2009年13卷第4期639-646页）中公布了一种“自适应空间邻域分析和瑞利-高斯分布的多时相遥感影像自动变化检测”方法。该方法基于自适应空间邻域分析和改进的差值影像和比值影像乘积变换融合的差异影像构造方法，能有效地改善变化检测结果，但是该方法并不能很好地保留边缘信息，且没有将空间形状及方向信息加入其中以更好地判定邻域中的像元同质性性质。
中国专利CN201010267420.8公布了“一种基于邻域相似度和阈值分割的遥感图像目标变化检测方法”，主要利用强度归一化公式对两幅遥感图像进行灰度匹配，利用邻域相似性距离测度构造两幅遥感图像的相似矩阵，结合相似性矩阵构造两幅遥感图像的差异影像，对差异影像构造二维灰度直方图后，对影像进行分割，最后用模糊熵的方法对未处理的边缘和噪声点继续进行分类。虽然该方法对边缘进行了处理，但是该方法同样并未加入空间形状及方向信息以更好地判定邻域中的像元同质性性质。
【发明内容】
本发明目的是：提供一种遥感影像目标变化检测方法，该方法将空间形状及方向信息加入了其中，并在处理变化检测结果时，有效的保留了边缘信息，提高了变化检测结果的精度。
为实现上述目的，本发明采用下述技术方案：
一种遥感影像目标变化检测方法，包括下述步骤：
步骤S110：选取同一区域不同时相的遥感影像，其中，所述遥感影像为多光谱影像、全色影像或SAR影像中的一种；
步骤S120：对所述遥感影像进行预处理；
步骤S130：利用差值法获取所述遥感影像的差值图像，并从所述差值图像的直方图中选取阈值；
步骤S140：根据地物特征分割所述遥感影像，并建立不同时相遥感影像地物间一一映射关系；
步骤S150：根据上述分割结果，将所述遥感影像分成N个5*5单元格；
步骤S160：以上述单元格为基础，提取所述遥感影像的变化区域或变化点；及
步骤S170：所述变化区域或变化点经双边滤波、降噪处理后，得到变化的遥感影像
本发明详细技术方案如下：
在本实施例中，步骤S120中，对所述遥感影像进行预处理，具体包括：去雾处理、辐射校正、几何校正和影像降噪处理。
在本实施例中，步骤S130中，利用差值法获取所述遥感影像的差值图像，并从所述差值图像的直方图中选取阈值，具体包括下述步骤：
步骤S131：利用差值法获取所述遥感影像中各个波段的差值图像，其中，所述差值图像上的像素灰度值为不同时相遥感影像上各个波段相对应图像位置像素灰度值之差的绝对值；
步骤S132：根据所述直方图计算，选取最优阈值。
在本实施例中，步骤S140根据地物特征分割所述遥感影像，并建立不同时相遥感影像地物间一一映射关系，具体包括下述步骤：
步骤S141：根据地物特征分割所述遥感影像，采用基于区域生长的多尺度遥感图像分割算法分割所述遥感影像；
步骤S142：采用多层分级方法，建立不同时相遥感影像的对象的一一映射关系；
步骤S143：构建每个对象的特征集描述，其中，所述特征集包括光谱特征、纹理特征、空间距离、空间形状及方向特征。
在本实施例中，步骤S160中，以上述单元格为基础，提取所述遥感影像的变化区域或变化点，具体包括下述步骤：
步骤S161：以所述遥感影像左下角第一个5*5单元块开始，中心点记为(i,j)，每隔五个点取样，直至最后一个5*5单元块；
步骤S162：不同时相的遥感影像中对应的5*5单元块作差取绝对值，并记为DIF；
步骤S163：判断所述DIF是否超过所述阈值；
步骤S164：当步骤S163中判断结果为是，取所述中心点的八邻域，并作差取绝对值，并进行下一步；
步骤S165：判断所述八邻域中超出阈值点的是否个数>=5，若是，则所述5*5单元块的所有点均为变化点或变化区域，赋值为1；若否，则所述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S164；
步骤S166：当步骤S165中判断结果为否，取所述中心点的八邻域，并作差取绝对值，并进行下一步；
步骤S167：判断所述八邻域中超出阈值点的是否个数>=5，若否，则所述5*5单元块的所有点均没有变化，赋值为0；若是，则所述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S166。
在本实施例中，步骤S170中，所述双边滤波为使用水平和垂直方向上的一维滤波方式实现。
采用上述技术方案，本发明的有益效果在于：
本发明上述实施例提供的遥感影像目标变化检测方法，选取同一区域不同时相的遥感影像，并对所述遥感影像进行预处理，再根据地物特征分割所述遥感影像，从而建立不同时相遥感影像地物间一一映射关系，并根据上述分割结果，将所述遥感影像分成N个5*5单元格，以上述单元格为基础，提取所述遥感影像的变化区域或变化点，所述变化区域或变化点经双边滤波、降噪处理后，从而得到变化的遥感影像。本发明提供的遥感影像目标变化检测方法，将遥感影像分割为若干块5*5的块矩阵为处理单元，从中心点开始，以八邻域为基础对遥感影像进行处理，提取所述遥感影像的变化区域或变化点，简单易行。
另外，本发明上述实施例提供的遥感影像目标变化检测方法，加入地物的空间形状及方向信息，以便更好地判定邻域中的像元同质性；同时，使用水平和垂直方向上的一维滤波方式实现双边滤波，对图像进行去噪处理，不仅很好的保护了图像的边缘细节，而且降低了计算量。
【附图说明】
图1为本发明实施例提供的遥感影像目标变化检测方法的步骤流程图100。
图2为本发明实施例提供的以单元格为基础，提取所述遥感影像的变化区域或变化点的步骤流程图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，图1为本发明实施例提供的遥感影像目标变化检测方法的步骤流程图100，包括下述步骤S110～步骤S170：
步骤S110：选取同一区域不同时相的遥感影像；
在本实施例中，遥感影像优选为多光谱影像、全色影像或合成孔径雷达（SyntheticApertureRadar,SAR）影像中的一种。
步骤S120：对遥感影像进行预处理；
在本实施例中，对遥感影像进行预处理，具体包括：去雾处理、辐射校正、几何校正和影像降噪处理。
具体地，选取同一区域不同时相的高分辨率遥感影像，对选取的同一区域不同时相的遥感影像进行去雾处理、辐射校正、几何校正和影像降噪处理；并以其中一幅遥感影像作为参考影像，另一幅或几幅与之进行几何配准。
步骤S130：利用差值法获取遥感影像的差值图像，并从差值图像的直方图中选取阈值；
可以理解，将阈值设定在距差异影像像元均值的n倍标准差处。随着研究区的差异以及研究对象和目的不同，n的取值皆有不同。
进一步地，步骤S130具体包括下述步骤：
步骤S131：利用差值法获取遥感影像中各个波段的差值图像，其中，差值图像上的像素灰度值为不同时相遥感影像上各个波段相对应图像位置像素灰度值之差的绝对值；
步骤S132：根据直方图计算，选取最优阈值；
可以理解，根据直方图可以计算出标准差，即得到最优阈值。
步骤S140：根据地物特征分割遥感影像，并建立不同时相遥感影像地物间一一映射关系；
进一步地，步骤S140包括下述步骤：
步骤S141：根据地物特征分割遥感影像，采用基于区域生长的多尺度遥感图像分割算法分割遥感影像；
步骤S142：采用多层分级方法，建立不同时相遥感影像的对象的一一映射关系；
例如，遥感影像中包含建筑物、植被、水域等，而建筑物又可细分为居民地、学校、政府大楼等；植被又可细分为草地、林地、灌木、农作物等；水域又可细分为湖泊、河流等。可以理解，采用多层分级方法，建立不同时相遥感影像的对象的一一映射关系。
步骤S143：构建每个对象的特征集描述，其中，特征集包括光谱特征、纹理特征、空间距离、空间形状及方向特征。
步骤S150：根据上述分割结果，将遥感影像分成N个5*5单元格；
可以理解，若遥感影像单元格是5的整数倍，则可以直接进行处理；若遥感影像单元格不是5的整数倍，可以使遥感影像单元格的行与列都处理为5的整数倍，便于处理，该操作对结果不会产生影响。
步骤S160：以上述单元格为基础，提取所述遥感影像的变化区域或变化点；
请参阅图2，图2为本发明一较佳实施例提供的以上市单元格为基础，提取所述遥感影像的变化区域或变化点的步骤流程图，其包括下述步骤：
步骤S161：以遥感影像左下角第一个5*5单元块开始，中心点记为(i,j)，每隔五个点取样，直至最后一个5*5单元块；
步骤S162：不同时相的遥感影像中对应的5*5单元块作差取绝对值，并记为DIF；
步骤S163：判断DIF是否超过上述阈值；
步骤S164：当步骤S163中判断结果为是，取上述中心点的八邻域，并作差取绝对值，并进行下一步；
步骤S165：判断所述八邻域中超出阈值点的是否个数>=5，若是，则所述5*5单元块的所有点均为变化点或变化区域，赋值为1；若否，则上述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S164；
步骤S166：当步骤S165中判断结果为否，取所述中心点的八邻域，并作差取绝对值，并进行下一步；
步骤S167：判断所述八邻域中超出阈值点的是否个数>=5，若否，则所述5*5单元块的所有点均没有变化，赋值为0；若是，则所述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S166。
可以理解，经步骤S161～步骤S167后，快速地区分了变化点或变化区域和没有发生变化点，并分别有不同标记进行标识。
步骤S170：上述变化区域或变化点经双边滤波、降噪处理后，得到变化的遥感影像。
具体地，双边滤波为使用水平和垂直方向上的一维滤波方式实现。
可以理解，传统的双边滤波是二维实现方式和浮点型空间邻近度因子，这个不利用硬件的实现，且计算量大；而本发明使用的双边滤波算法，选用整数型空间邻近度因子，使用水平和垂直方向上的一维滤波实现方式，计算量小很多，且滤波效果同样能够达到二维的双边滤波效果。
可以理解，将滤波后得到的变化点或变化区域影像，结合对象特征集中的空间形状及方向特征，变化点或变化区域进行判别；若在空间形状与方向特征上与实际情况不符，则重新将异常的区域返回至步骤S150，直至符合实际情况为止；同时，将发生变化的遥感影像的点或区域显示出来，以便进行分析。
本发明上述实施例提供的遥感影像目标变化检测方法，选取同一区域不同时相的遥感影像，并对所述遥感影像进行预处理，再根据地物特征分割所述遥感影像，从而建立不同时相遥感影像地物间一一映射关系，并根据上述分割结果，将所述遥感影像分成N个5*5单元格，以上述单元格为基础，提取所述遥感影像的变化区域或变化点，所述变化区域或变化点经双边滤波、降噪处理后，从而得到变化的遥感影像。本发明提供的遥感影像目标变化检测方法，将遥感影像分割为若干块5*5的块矩阵为处理单元，从中心点开始，以八邻域为基础对遥感影像进行处理，提取所述遥感影像的变化区域或变化点，简单易行。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (4)
1.一种遥感影像目标变化检测方法，其特征在于，包括下述步骤：
步骤S110：选取同一区域不同时相的遥感影像，其中，所述遥感影像为多光谱影像、全色影像或SAR影像中的一种；
步骤S120：对所述遥感影像进行预处理；
步骤S130：利用差值法获取所述遥感影像的差值图像，并从所述差值图像的直方图中选取阈值；
步骤S140：根据地物特征分割所述遥感影像，并建立不同时相遥感影像地物间一一映射关系；
步骤S150：根据上述分割结果，将所述遥感影像分成N个5*5单元格；
步骤S160：以上述单元格为基础，提取所述遥感影像的变化区域或变化点；及
步骤S170：所述变化区域或变化点经双边滤波、降噪处理后，得到变化的遥感影像；
步骤S160中，以上述单元格为基础，提取所述遥感影像的变化区域或变化点，具体包括下述步骤：
步骤S161：以所述遥感影像左下角第一个5*5单元块开始，中心点记为(i,j)，每隔五个点取样，直至最后一个5*5单元块；
步骤S162：不同时相的遥感影像中对应的5*5单元块作差取绝对值，并记为DIF；
步骤S163：判断所述DIF是否超过所述阈值；
步骤S164：当步骤S163中判断结果为是，取所述中心点的八邻域，并进行下一步；
步骤S165：判断所述八邻域中超出阈值点的个数是否>＝5，若是，则所述5*5单元块的所有点均为变化点或变化区域，赋值为1；若否，则所述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S164；
步骤S166：当步骤S163中判断结果为否，取所述中心点的八邻域，并进行下一步；
步骤S167：判断所述八邻域中超出阈值点的个数是否>＝5，若否，则所述5*5单元块的所有点均没有变化，赋值为0；若是，则所述中心点为错检点，并以上述八邻域内与中心点变化不同的点作为新的中心点，并返回步骤S166。
2.根据权利要求1所述的遥感影像目标变化检测方法，其特征在于，步骤S120中，对所述遥感影像进行预处理，具体包括：去雾处理、辐射校正、几何校正和影像降噪处理。
3.根据权利要求1所述的遥感影像目标变化检测方法，其特征在于，步骤S130中，利用差值法获取所述遥感影像的差值图像，并从所述差值图像的直方图中选取阈值，具体包括下述步骤：
步骤S131：利用差值法获取所述遥感影像中各个波段的差值图像，其中，所述差值图像上的像素灰度值为不同时相遥感影像上各个波段相对应图像位置像素灰度值之差的绝对值；
步骤S132：根据所述直方图计算，选取最优阈值。
4.根据权利要求1所述的遥感影像目标变化检测方法，其特征在于，步骤S170中，所述双边滤波为使用水平和垂直方向上的一维滤波方式实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310395272.1A CN103473764B (zh) | 2013-09-03 | 2013-09-03 | 一种遥感影像目标变化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310395272.1A CN103473764B (zh) | 2013-09-03 | 2013-09-03 | 一种遥感影像目标变化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103473764A CN103473764A (zh) | 2013-12-25 |
| CN103473764B true CN103473764B (zh) | 2016-06-29 |
Family
ID=49798598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310395272.1A Active CN103473764B (zh) | 2013-09-03 | 2013-09-03 | 一种遥感影像目标变化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103473764B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103942821A (zh) * | 2014-05-06 | 2014-07-23 | 龚威平 | 一种利用遥感影像快速获取城市用地现状图序列的方法 |
| CN104050643B (zh) * | 2014-06-18 | 2016-09-28 | 华中师范大学 | 遥感影像几何与辐射一体化相对校正方法及系统 |
| CN104182985B (zh) * | 2014-09-01 | 2017-02-01 | 西安电子科技大学 | 遥感图像变化检测方法 |
| CN104240257A (zh) * | 2014-09-30 | 2014-12-24 | 中国人民解放军国防科学技术大学 | 基于变化检测技术的sar图像舰船目标鉴别方法 |
| CN104299241A (zh) * | 2014-10-30 | 2015-01-21 | 武汉大学 | 基于 Hadoop 的遥感图像显著性目标检测方法及系统 |
| CN104517124B (zh) * | 2014-12-25 | 2018-03-20 | 西安电子科技大学 | 基于sift特征点的sar图像变化检测方法 |
| CN106296753A (zh) * | 2016-07-26 | 2017-01-04 | 杭州师范大学 | 一种基于Lab颜色空间算法的提取苔藓覆盖度的方法 |
| CN108195771A (zh) * | 2017-12-18 | 2018-06-22 | 河海大学 | 一种海洋高光谱遥感影像目标识别方法 |
| CN110334581B (zh) * | 2019-05-09 | 2022-02-18 | 宁波市测绘和遥感技术研究院 | 一种多源遥感影像变化检测方法 |
| CN110427997B (zh) * | 2019-07-25 | 2022-03-08 | 南京信息工程大学 | 面向复杂遥感影像背景的改进cva变化检测方法 |
| CN113592877B (zh) * | 2021-03-25 | 2024-04-12 | 国网新源控股有限公司 | 一种抽水蓄能电站红线超标识别方法及装置 |
| CN113379620B (zh) * | 2021-05-18 | 2023-10-27 | 中国资源卫星应用中心 | 一种光学遥感卫星影像云检测方法 |
| CN114241534B (zh) * | 2021-12-01 | 2022-10-18 | 佛山市红狐物联网科技有限公司 | 一种全掌脉络数据的快速匹配方法及系统 |
| CN114664048B (zh) * | 2022-05-26 | 2022-08-12 | 环球数科集团有限公司 | 一种基于卫星遥感监测的火情监测及火灾预警方法 |
| CN117333530B (zh) * | 2023-12-01 | 2024-02-06 | 四川农业大学 | 一种藏羌传统聚落建筑变化趋势的定量分析方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833093A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院电子学研究所 | 星载多时相合成孔径雷达图像的自动变化检测方法 |
-
2013
- 2013-09-03 CN CN201310395272.1A patent/CN103473764B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833093A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院电子学研究所 | 星载多时相合成孔径雷达图像的自动变化检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Evolving a spatio-spectral network on reconfigurable computers for multispectral feature identification;R. Porter et al.;《Proceedings of SPIE》;20021231;第4480卷;108-119页 * |
| 基于多时相多极化差值图的稻田识别研究;杨沈斌 等;《遥感学报》;20080731;第12卷(第4期);613-619页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103473764A (zh) | 2013-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103473764B (zh) | 一种遥感影像目标变化检测方法 | |
| Debats et al. | A generalized computer vision approach to mapping crop fields in heterogeneous agricultural landscapes | |
| Huang et al. | A new building extraction postprocessing framework for high-spatial-resolution remote-sensing imagery | |
| Li et al. | A review of remote sensing image classification techniques: The role of spatio-contextual information | |
| Peng et al. | Identifying the urban-rural fringe using wavelet transform and kernel density estimation: A case study in Beijing City, China | |
| CN101937079B (zh) | 基于区域相似度的遥感影像变化检测方法 | |
| Ardila et al. | Markov-random-field-based super-resolution mapping for identification of urban trees in VHR images | |
| CN107067405B (zh) | 基于尺度优选的遥感影像分割方法 | |
| CN103236063B (zh) | 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法 | |
| CN103198480B (zh) | 基于区域和Kmeans聚类的遥感图像变化检测方法 | |
| CN106339674A (zh) | 基于边缘保持与图割模型的高光谱影像分类方法 | |
| Lasaponara et al. | Image enhancement, feature extraction and geospatial analysis in an archaeological perspective | |
| CN102800074A (zh) | 基于轮廓波变换的sar图像变化检测差异图生成方法 | |
| CN104200521A (zh) | 基于模型先验的高分辨率 sar 图像建筑物目标三维重建方法 | |
| Deliry et al. | Extracting urban impervious surfaces from Sentinel-2 and Landsat-8 satellite data for urban planning and environmental management | |
| Bramhe et al. | Extraction of built-up area by combining textural features and spectral indices from landsat-8 multispectral image | |
| CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
| Tang et al. | A multiple-point spatially weighted k-NN method for object-based classification | |
| Rougier et al. | Improvements of urban vegetation segmentation and classification using multi-temporal pleiades images | |
| CN108492288B (zh) | 基于随机森林的多尺度分层采样的高分卫星影像变化检测方法 | |
| Reyes et al. | Comparison of different object-based classifications in LandsatTM images for the analysis of heterogeneous landscapes | |
| CN112989940B (zh) | 基于高分三号卫星sar影像的筏式养殖区提取方法 | |
| Kim et al. | Automatic pseudo-invariant feature extraction for the relative radiometric normalization of hyperion hyperspectral images | |
| Huang et al. | Multi-feature combined for building shadow detection in GF-2 Images | |
| Luo et al. | High-precise water extraction based on spectral-spatial coupled remote sensing information |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20131225 Assignee: Dongguan Taiyan Electronic Technology Co.,Ltd. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980037841 Denomination of invention: A Method for Detecting Target Changes in Remote Sensing Images Granted publication date: 20160629 License type: Common License Record date: 20230711 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20131225 Assignee: SHENZHEN YIHUO TECHNOLOGY CO.,LTD. Assignor: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Contract record no.: X2023980043401 Denomination of invention: A Method for Detecting Target Changes in Remote Sensing Images Granted publication date: 20160629 License type: Common License Record date: 20231013 |
|
| EE01 | Entry into force of recordation of patent licensing contract |