CN103914692A - 一种用于煤矿周围地表水系的遥感识别方法 - Google Patents
一种用于煤矿周围地表水系的遥感识别方法 Download PDFInfo
- Publication number
- CN103914692A CN103914692A CN201410158638.8A CN201410158638A CN103914692A CN 103914692 A CN103914692 A CN 103914692A CN 201410158638 A CN201410158638 A CN 201410158638A CN 103914692 A CN103914692 A CN 103914692A
- Authority
- CN
- China
- Prior art keywords
- water body
- band
- remote sensing
- pixel
- recognition method
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种用于煤矿周围地表水系的遥感识别方法,其包括以下步骤:选取待研究时相前后一月内的清晰图像,作为数据源,并对数据进行预处理;根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,进行波段运算,初步提取水体,生成多幅二值图像;其中预定阀值为根据波段差影像中水体光谱的起点所设定的阈值;多幅同时期不同时相的二值图像相结合,进行逐像元计算,取该像元值的众数为最终像元值,去除不总为真值的阴影像元形成提取结果,最后将提取结果覆盖在原始影像上,查看水体的提取情况。保留了多时相影像的公共水体部分,可有效剔除阴影,提高了对水体识别的精度。
Description
技术领域
本发明涉及使用卫星遥感影像提取煤矿区周围水体的方法,尤其涉及一种用于煤矿周围地表水系的遥感识别方法。
背景技术
水资源是社会经济发展和生态环境稳定的一个重要制约因素,如何快速准确的确定水资源分布越来越引起人们的关注。煤矿区周围由于矿业开采活动对地下环境造成了严重改变,影响了地表径流,从而对对周围生态环境产生了影响。因此,精确提取煤矿区周围地表水系对准确评价矿业活动对地表生态的影响具有重要意义。由于遥感数据具有大面积同步观测、实时性、经济性等特点,利用遥感数据来提取水体,开展水资源的调查和监测工作,得到了广泛的应用。
遥感影像中水体在近红外和中红外波段上吸收强烈,而土壤和植被在这两个波段吸收较少,具有较高的反射特性,所以水体在这两个波段上与土壤、植被区别明显,水体在影像上显示为暗色调,土壤和植被则呈现出相对较亮的色调,水体的识别是利用水体与其他地物的光谱特征差异,使用卫星遥感数据通过适当的阈值设置实现水体提取。常用的方法是单波段阈值法、多波段谱间关系法或者基于阈值的水体指数法。然而,在煤矿区周围,地形比较复杂,水体由于矿业开采产生的粉尘及废水的污染而使得光谱特征发生了显著的改变,水体与周围地物的差异性降低。简单的通过阈值法来提取水体,效果并不理想,水体与阴影混淆现象较为严重。基于阈值的水体指数及谱间关系法,经过多番尝试,可以在一定程度上去除部分阴影,但阈值的取舍是个关键,会在剔除阴影的同时去除了部分光谱特征相近的水体,还需另外设计如何实现丢失水体的再提取,方法复杂且并不通用,不利于水源的精细提取以及后续的变化监测。
因此,现有技术有待于更进一步的改进和发展。
发明内容
鉴于上述现有技术的不足,本发明提供的一种用于煤矿周围地表水系的遥感识别方法,同时期多时相影像结合保留公共水体,可有效剔除阴影,提高对水体识别的精度。
为解决上述技术问题,本发明方案包括:
一种用于煤矿周围地表水系的遥感识别方法,其包括以下步骤:
A、选取待研究时相前后一月内的清晰图像,作为数据源,并对数据源进行预处理;
B、根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,进行波段运算,初步提取水体,生成多幅二值图像;其中预定阀值为根据波段差影像中水体光谱的起点所设定的阈值;
C、结合多幅同时期不同时相的二值图像,进行逐像元值计算,取该像元值的众数为最终像元值,保留公共水体,去除不总为真值的阴影像元形成提取结果,最后将提取结果覆盖在原始影像上,查看水体的提取情况。
所述的遥感识别方法,其中,所述步骤A具体的包括:数据源为TM的Level1T标准地形校正产品,经过辐射校正和地面控制点几何纠正,并且通过DEM进行了地形校正。
所述的遥感识别方法,其中,所述步骤A具体的还包括:
其中,大气纠正采用ENVI的Flaash模块,首先将BSQ的图像格式转换为BIL或者BIP格式,按照头文件输入传感器参数,根据传感器类型选择Landset TM系列,根据研究区实际情况输入大气参数,最后根据实际研究区域进行裁剪,完成对数据源的预处理。
所述的遥感识别方法,其中,所述步骤A具体的包括:还根据归一化水体指数NDWI、归一化差值水体指数MNDWI、增强型水体指数EWI、波段差影像在各地物上的光谱差异对所述数据源进行分析,比较水体在各特征影像上的光谱差异,选择易区分水体的波段差影像作为水体识别的数据源。
所述的遥感识别方法,其中,所述步骤B具体的包括:将水体的光谱起点设定为阈值,根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,利用ENVI的波段运算进行运算,符合条件的为水体及阴影的混合像元,不满足者判断为其它地物并进行去除,初步提取水体,生成多幅二值图像。
所述的遥感识别方法,其中,所述步骤C具体的包括:上述多幅二值图像为同一时期不同时相影像的水体提取结果,像元值为一的像元反映的地物为水体及阴影,像元值变化的即为阴影,进行去除;而多时相像元值取众数决定该像元的最终属性,众数代表一组数据的一般水平,即具有明显集中趋势点的数值。
本发明提供的一种用于煤矿周围地表水系的遥感识别方法,通过分析多种地物在原始波段、多种水体指数及波段差影像上的光谱特征,选出水体与其他地物光谱差异最大的影像作为水体提取的基础影像,通过对同一时期不同地物在多幅影像的光谱分析,设定水体光谱起点为阈值,获得二值图像,可提取出全部水体,在此基础上,多时相结合,保留公共真值区域,即为水体,可有效剔除阴影,提高对水体识别的精度,并且将提取的水体二值影像叠置在蓝、红、近红外波段组合的彩色合成图像上,发现水体可完整提出,且山体阴影基本剔除,避免了阴影剔除过程中部分水体也被去除的现象,解决了矿区水系遥感判读出错率高的一个难题,适用于地表结构复杂的煤矿周围地区,操作简单,普适性强,可更好的剔除阴影干扰,实现了水体的精确提取。
附图说明
图1是本发明中遥感识别方法的流程示意图。
具体实施方式
本发明提供了一种用于煤矿周围地表水系的遥感识别方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。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。
本发明提供了一种用于煤矿周围地表水系的遥感识别方法,如图1所示的,其包括以下步骤:
步骤101:选取待研究时相前后一月内的清晰图像,作为数据源,并对数据源进行预处理;
步骤102:根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,进行波段运算,初步提取水体,生成多幅二值图像;其中预定阀值为根据波段差影像中水体光谱的起点所设定的阈值;
步骤103:结合多幅同时期不同时相的二值图像,进行逐像元值计算,取该像元值的众数为最终像元值,保留公共水体,去除不总为真值的阴影像元形成提取结果,最后将提取结果覆盖在原始影像上,查看水体的提取情况。
在本发明的另一较佳实施例中,所述步骤101具体的包括:数据源为TM的Level1T标准地形校正产品,经过辐射校正和地面控制点几何纠正,并且通过DEM进行了地形校正。
更进一步的,所述步骤101具体的还包括:大气纠正采用ENVI的Flaash模块,首先将BSQ的图像格式转换为BIL或者BIP格式,按照头文件输入传感器参数,根据传感器类型选择Landset TM系列,根据研究区实际情况输入大气参数,最后根据实际研究区域进行裁剪,完成对数据源的预处理。
在上述的基础上,本发明的另一较佳实施例中,所述步骤101具体的包括:还根据归一化水体指数NDWI、归一化差值水体指数MNDWI、增强型水体指数EWI、波段差影像在各地物上的光谱差异对所述数据源进行分析,比较水体在各特征影像上的光谱差异,选择易区分水体的波段差影像作为水体识别的数据源。
更进一步的,所述步骤102具体的包括:将水体的光谱起点设定为阈值,根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,利用ENVI的波段运算进行运算,符合条件的为水体及阴影的混合,不满足者为其它地物并进行去除,初步提取水体,生成多幅二值图像。
更为具体的而是,所述步骤103具体的包括:上述多幅二值图像为同一时期不同时相影像的水体提取结果,像元值为一的像元反映的地物为水体及阴影,像元值变化的即为阴影,进行去除;而多时相像元值取众数决定该像元的最终属性,众数代表一组数据的一般水平,即具有明显集中趋势点的数值。
为了更进一步描述本发明方案,以下列举更为详尽的实施例进行说明。
第一步,数据的准备及预处理。原始数据为TM的Level1T标准地形校正产品,经过辐射校正和地面控制点几何纠正,并且通过DEM(Digital Elevation Model:数字高程模型)进行了地形校正,可满足高程较高区域的定位精度要求,且由于TM数据的波段范围宽、时间连续性、重访周期较短且数据免费的特点,适合于开展长期的水体变化研究工作。由于夏季水资源较为丰富,径流量增大,在遥感影像上判读轮廓更为清晰,比如以八月份为主要研究时段,由于卫星数据云层的影响,为扩大数据区间,收集八月份前后一月内清晰影像作为多时相数据源,认为时间相差不大,地物信息基本保持一致,而阴影由于不同的成像几何条件,生成位置会有所不同,可结合多时相去除阴影,这也就是本发明的实现原理。
其中,大气纠正采用ENVI的Flaash模块,首先将BSQ的图像格式转换为BIL或者BIP格式,按照头文件输入传感器参数,根据传感器类型选择Landset TM系列,根据研究区实际情况输入地面高程,重点是大气参数的设置,比如根据实地情况设定大气模式为中纬度夏季,气溶胶模式为乡村型,选用K-T算法计算能见度,需在多波段设置中设定参数,assign defaultvalues based on retrieval conditions中选择over-land retrieval standard(660:2100nm)应用即可。最后根据实际研究区进行裁剪,即完成数据的预处理工作。
第二步,水体光谱分析。利用遥感信息提取水体的数据源,即水体的光谱特征,那么选取水体光谱特征最易区分的影像作为数据源是实现水体精确提取的前提。由于水体在近红外及中红外波段的强吸收作用,水体在两个波段上呈暗色调,比之植被、土壤的高反射性,光谱特征差异较大,是单波段法水体提取的基础,此外,为增强水体光谱特征,更好实现细小水体的提取,去除阴影噪声,提出了水体指数的计算方法及多波段谱间分析法,主要利用多波段组合增强水体与其他地物的光谱差异,其包括:
(Green+Red)-(NIR+MIR)>T (1)
NDWI=(Green-Nir)/(Green-Nir) (2)
MNDWI=(Green-Mir)/(Green+Mir) (3)
EWI=[Green-(Nir+Mir)]/[Green+(Nir+Mir)] (4)
其中,Green代表绿光波段,Red代表红光波段,NIR代表近红外波段,MIR代表中红外波段。
水体在绿光波段及红光波段的光谱值之和总大于水体在近红外及中红外波段的光谱值之和,对于煤矿区细小水体,(Green+Red)-(NIR+MIR)的波段差影像也具有光谱差异增强的效果。为此在待研究影像上,结合谷歌地球等数据信息判读影像,勾选河流、湖泊、山体、阴影、植被五类主要地物的感兴趣区,分析原始各波段,水体指数影像(归一化水体指数NDWI、归一化差值水体指数MNDWI、增强型水体指数EWI)、波段差影像在各地物上的光谱差异,最终确定光谱差异最为明显、水体轮廓最为清晰的(Green+Red)-(NIR+MIR)的波段差影像作为水体提取的数据源。
第三步,基于阈值的谱间关系法提取水体。单纯利用谱间关系法的提取效果并不好,虽然可以较好的区分开水体与植被、山体,但只能提取较大水体,对细小水体会有漏提现象,并且有山体阴影被误提为水体的现象。本发明采用基于阈值的多波段谱间关系法,通过分析不同地物在同时期多时相影像上的光谱特征,确定水体的光谱起点T,设定为阈值,利用ENVI的band math波段运算功能执行(1)式,满足式(1)的为水体及阴影的混合,不满足者即为其它地物并去除,可保证水体被全部提取,由此获得同时期多幅影像的水体提取二值图。
需要说明的是,多时相影像均按照(Green+Red)-(NIR+MIR)>T处理,阈值T为同一个值,可以保证阈值法对于同时期的多幅影像的提取效果具有可比性。
第四步,多时相结合剔除阴影。上一步获得的水体二值图像为同一时期不同时相影像的水体提取结果,像元值为1的像元反映的地物为水体及阴影,同时期水体的位置及范围认为是不变的,但阴影由于多时相影像获取的几何条件不同,生成位置不同,体现在多时相影像上的属性值不同,因此理论上多时相结合比较同一像元,像元值总为1的代表水体,像元值变化的即为阴影。但考虑实际情况,水体像元由于各种成像条件的影响,也可能会在某一时相上显示为0值,也就是说水体像元的值在多时相上并非总为1,因此本发明提出了多时相像元值取众数决定该像元最终属性的方法,众数代表一组数据的一般水平,即具有明显集中趋势点的数值,可较好的避免误差,使像元值更符合实际地物的真实属性。多数均为1值的像元保留下来,即为水体,多为0值的像元即为阴影,并对阴影进行剔除。
第五步,检查提取效果。将提取的水体二值影像叠置在蓝、红、近红外波段组合的彩色合成图像上,发现水体可完整提出,且山体阴影基本剔除,避免了阴影剔除过程中部分水体也被去除的现象,解决了矿区水系遥感判读出错率高的一个难题,适用于地表结构复杂的煤矿周围地区,操作简单,普适性强,可更好的剔除阴影干扰,实现了水体的精确提取。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (6)
1.一种用于煤矿周围地表水系的遥感识别方法,其包括以下步骤:
A、选取待研究时相前后一月内的清晰图像,作为数据源,并对数据进行预处理;
B、根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,进行波段运算,初步提取水体,生成多幅二值图像;其中预定阀值为根据波段差影像中水体光谱的起点所设定的阈值;
C、结合多幅同时期不同时相的二值图像,进行逐像元值计算,取该像元值的众数为最终像元值,保留公共水体,去除不总为真值的阴影像元形成提取结果,最后将提取结果覆盖在原始影像上,查看水体的提取情况。
2.根据权利要求1所述的遥感识别方法,其特征在于,所述步骤A具体的包括:数据源为TM的Level1T标准地形校正产品,经过辐射校正和地面控制点几何纠正,并且通过DEM进行了地形校正。
3.根据权利要求2所述的遥感识别方法,其特征在于,所述步骤A具体的还包括:
其中,大气纠正采用ENVI的Flaash模块,首先将BSQ的图像格式转换为BIL或者BIP格式,按照头文件输入传感器参数,根据传感器类型选择Landset TM系列,根据研究区实际情况输入大气参数,最后根据实际研究区域进行裁剪,完成对数据源的预处理。
4.根据权利要求2所述的遥感识别方法,其特征在于,所述步骤A具体的包括:还根据归一化水体指数NDWI、归一化差值水体指数MNDWI、增强型水体指数EWI、波段差影像在各地物上的光谱差异对所述数据源进行分析,比较水体在各特征影像上的光谱差异,选择易区分水体的波段差影像作为水体识别的数据源。
5.根据权利要求1所述的遥感识别方法,其特征在于,所述步骤B具体的包括:将水体的光谱起点设定为阈值,根据绿光波段与红光波段之和减去近红外波段与红外波段之和大于预定阀值的规则,利用ENVI的波段运算进行运算,符合条件的为水体及部分阴影像元,不满足者判定为其它地物并进行去除,初步提取水体,生成多幅二值图像。
6.根据权利要求1所述的遥感识别方法,其特征在于,所述步骤C具体的包括:上述多幅二值图像为同一时期不同时相影像的水体提取结果,像元值为一的像元反映的地物为水体及阴影,像元值变化的即为阴影,进行去除;而多时相像元值取众数决定该像元的最终属性,众数代表一组数据的一般水平,即具有明显集中趋势点的数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158638.8A CN103914692B (zh) | 2014-04-21 | 2014-04-21 | 一种用于煤矿周围地表水系的遥感识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158638.8A CN103914692B (zh) | 2014-04-21 | 2014-04-21 | 一种用于煤矿周围地表水系的遥感识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103914692A true CN103914692A (zh) | 2014-07-09 |
CN103914692B CN103914692B (zh) | 2017-09-19 |
Family
ID=51040361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410158638.8A Active CN103914692B (zh) | 2014-04-21 | 2014-04-21 | 一种用于煤矿周围地表水系的遥感识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103914692B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933703A (zh) * | 2015-05-22 | 2015-09-23 | 同济大学 | 一种基于水体指数的亚像元级水体提取方法 |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
CN106845326A (zh) * | 2015-12-04 | 2017-06-13 | 核工业北京地质研究院 | 一种基于航空高光谱遥感数据的冰川识别方法 |
CN109740485A (zh) * | 2018-12-27 | 2019-05-10 | 中国水利水电科学研究院 | 基于光谱分析和深度卷积神经网络的水库或塘坝识别方法 |
CN111104889A (zh) * | 2019-12-04 | 2020-05-05 | 山东科技大学 | 一种基于U-net的水体遥感识别方法 |
CN111626965A (zh) * | 2020-06-04 | 2020-09-04 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN112417935A (zh) * | 2019-08-23 | 2021-02-26 | 经纬航太科技股份有限公司 | 环境巡检系统及其方法 |
CN112945352A (zh) * | 2021-02-03 | 2021-06-11 | 成都鼎安华智慧物联网股份有限公司 | 基于遥感数据水位异常信息的提取方法 |
CN115240081A (zh) * | 2022-09-19 | 2022-10-25 | 航天宏图信息技术股份有限公司 | 一种遥感影像全要素变化检测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208752B1 (en) * | 1998-03-12 | 2001-03-27 | The United States Of America As Represented By The Secretary Of The Navy | System for eliminating or reducing exemplar effects in multispectral or hyperspectral sensors |
CN102930496A (zh) * | 2012-10-29 | 2013-02-13 | 南京信息工程大学 | 基于tm影像的水体信息提取方法 |
-
2014
- 2014-04-21 CN CN201410158638.8A patent/CN103914692B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208752B1 (en) * | 1998-03-12 | 2001-03-27 | The United States Of America As Represented By The Secretary Of The Navy | System for eliminating or reducing exemplar effects in multispectral or hyperspectral sensors |
CN102930496A (zh) * | 2012-10-29 | 2013-02-13 | 南京信息工程大学 | 基于tm影像的水体信息提取方法 |
Non-Patent Citations (3)
Title |
---|
徐超等: ""基于多时相TM图像的耕地信息提取"", 《国土资源遥感》 * |
邓午天等: "《地质路基》", 30 April 2000 * |
陈华芳等: ""山地高原地区TM影像水体信息提取方法比较"", 《遥感技术与应用》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933703A (zh) * | 2015-05-22 | 2015-09-23 | 同济大学 | 一种基于水体指数的亚像元级水体提取方法 |
CN106845326A (zh) * | 2015-12-04 | 2017-06-13 | 核工业北京地质研究院 | 一种基于航空高光谱遥感数据的冰川识别方法 |
CN106845326B (zh) * | 2015-12-04 | 2020-10-23 | 核工业北京地质研究院 | 一种基于航空高光谱遥感数据的冰川识别方法 |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN105809140B (zh) * | 2016-03-18 | 2019-07-05 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN106650812A (zh) * | 2016-12-27 | 2017-05-10 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
CN106650812B (zh) * | 2016-12-27 | 2019-08-06 | 辽宁工程技术大学 | 一种卫星遥感影像的城市水体提取方法 |
CN109740485A (zh) * | 2018-12-27 | 2019-05-10 | 中国水利水电科学研究院 | 基于光谱分析和深度卷积神经网络的水库或塘坝识别方法 |
CN112417935A (zh) * | 2019-08-23 | 2021-02-26 | 经纬航太科技股份有限公司 | 环境巡检系统及其方法 |
CN111104889B (zh) * | 2019-12-04 | 2023-09-05 | 山东科技大学 | 一种基于U-net的水体遥感识别方法 |
CN111104889A (zh) * | 2019-12-04 | 2020-05-05 | 山东科技大学 | 一种基于U-net的水体遥感识别方法 |
CN111626965A (zh) * | 2020-06-04 | 2020-09-04 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN111626965B (zh) * | 2020-06-04 | 2021-03-16 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN112945352A (zh) * | 2021-02-03 | 2021-06-11 | 成都鼎安华智慧物联网股份有限公司 | 基于遥感数据水位异常信息的提取方法 |
CN115240081A (zh) * | 2022-09-19 | 2022-10-25 | 航天宏图信息技术股份有限公司 | 一种遥感影像全要素变化检测方法及装置 |
CN115240081B (zh) * | 2022-09-19 | 2023-01-17 | 航天宏图信息技术股份有限公司 | 一种遥感影像全要素变化检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103914692B (zh) | 2017-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914692A (zh) | 一种用于煤矿周围地表水系的遥感识别方法 | |
Shahtahmassebi et al. | Review of shadow detection and de-shadowing methods in remote sensing | |
CN111898543B (zh) | 一种融合几何感知与图像理解的建筑物自动提取方法 | |
CN105956557B (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN102609726B (zh) | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 | |
Duncanson et al. | An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems | |
Miao et al. | Road centerline extraction from high-resolution imagery based on shape features and multivariate adaptive regression splines | |
CN102254174B (zh) | 崩滑体中裸地信息的自动提取方法 | |
CN103839267B (zh) | 一种基于形态学建筑物指数的建筑物提取方法 | |
CN103927741A (zh) | 增强目标特征的sar图像合成方法 | |
CN104850853B (zh) | 城市快速提取方法及装置 | |
CN107145891A (zh) | 一种基于遥感影像的水体提取方法及系统 | |
CN105184270A (zh) | 一种基于脉冲耦合神经网络方法的道路信息遥感提取方法 | |
CN112819066A (zh) | 一种Res-UNet单木树种分类技术 | |
CN106778640A (zh) | 一种三维可视化环境下地表植被覆盖模型的生成方法 | |
Wu et al. | A comparison of 4 shadow compensation techniques for land cover classification of shaded areas from high radiometric resolution aerial images | |
CN101403796A (zh) | 城区地面不透水性程度分析制图方法 | |
Wan et al. | An assessment of shadow enhanced urban remote sensing imagery of a complex city–Hong Kong | |
CN102231190B (zh) | 冲洪积扇信息的自动提取方法 | |
Gamba et al. | Limits and challenges of optical high-resolution satellite remote sensing for urban applications | |
CN101788685B (zh) | 基于像元的遥感震害信息提取与挖掘方法 | |
CN106023166A (zh) | 微波图像中人体隐藏危险物体的检测方法和装置 | |
CN105205485A (zh) | 基于多类类间最大方差算法的大尺度图像分割算法 | |
CN116246272A (zh) | 针对国产卫星多光谱图像质量标记的云雪区分方法 | |
Grigillo et al. | Classification based building detection from GeoEye-1 images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220111 Address after: 266000 Room 204, complex building, Science Park, Shandong University of science and technology, No. 579, qianwangang Road, Huangdao District, Qingdao, Shandong Province Patentee after: Qingdao Xingke Ruisheng Information Technology Co.,Ltd. Address before: 266590 No. 579, Qian Wan Gang Road, Qingdao economic and Technological Development Zone, Shandong Patentee before: SHANDONG University OF SCIENCE AND TECHNOLOGY |
|
TR01 | Transfer of patent right |