CN104462526B - 面向高分辨率遥感影像的多人在线协同快速矢量化方法 - Google Patents
面向高分辨率遥感影像的多人在线协同快速矢量化方法 Download PDFInfo
- Publication number
- CN104462526B CN104462526B CN201410811278.7A CN201410811278A CN104462526B CN 104462526 B CN104462526 B CN 104462526B CN 201410811278 A CN201410811278 A CN 201410811278A CN 104462526 B CN104462526 B CN 104462526B
- Authority
- CN
- China
- Prior art keywords
- pixel
- remote sensing
- vector
- sensing image
- photomap
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,包括:选择矢量化的遥感影像区域;对该显示范围内的影像像素值进行统计初始化,计算标准差;选择矢量化的地物类别,并在遥感影像上单击属于该地物的任意一点;以单击点为种子像素,向周围像素扩散,完成相同类别的像素邻域的扩散;对相同类别的像素邻域进行边界提取,生成包括边界坐标串的矢量图斑,并存入协同矢量化数据库。本发明以种子像素为基础,并根据像素差值和由当前范围影像的标准差构成的阀值作为判断依据扩散提取同类区域,具有同类区域提取稳健性,可适应单波段灰度及多波段彩色遥感影像,支持多用户同时登陆在线协同矢量化数据库,进行协同快速矢量化作业。
Description
技术领域
本发明涉及地球科学测绘制图领域,特别是涉及一种面向高分辨率遥感影像的多人在线协同快速矢量化方法。
背景技术
随着遥感和地理信息系统的发展,遥感数据成为地理信息系统(GIS)最重要的数据来源之一。然而,遥感数据和用于GIS空间分析的矢量数据却采用了不同数据存储结构。遥感影像数据以像元为基础,属于栅格数据,不直接包含要素、要素类型、要素大小、形状等,而GIS主要管理矢量格式的信息,它具有数据存储量小、可执行邻接分析、连通分析、叠加分析、统计分析等各种空间分析运算,并将空间分析的结果直接应用于国土、规划、资源调查、环境监测等各个领域。现实的情况是,GIS没有直接的数据来源,而遥感数据则随着各国资源卫星的不断发射,产生着越来越多的数据源。然而,由于遥感数据结构复杂、规律性差、信息量大等特点,很难直接应用于GIS的分析处理,要想让遥感数据的信息用于GIS的空间分析,必须对遥感数据进行专题提取并矢量化后才可作为GIS数据存储与应用。因此实现快速高效的遥感影像栅格数据向GIS矢量数据转换具有重要意义,也是GIS研究的重要方向。
国外对矢量化技术的研究开始于上个世纪70年代,国外一些大学和公司投入了相当多的人力、物力来研究矢量化技术,但是由于当时理论和实现条件的不成熟,研究工作进展缓慢,图形识别的准确率很低,而且识别速度很慢。上世纪90年代以来,计算机处理能力得到飞速发展,计算机图形图像理论进一步完善,模式识别技术引起广泛重视,这些都为建立在计算机基础之上的图像快速矢量化成为可能。并随着产生了一系列矢量化方法和软件,但是根据美国《CADALYST》杂志曾对市场上较为流行的矢量化专业软件产品做出评测,结果显示还没有一个软件达到实用的程度。目前,国内也有一些机构开发出了矢量化软件,但综观这些软件识别后的结果,普遍存在着畸变、误识别严重,以及理解深度不够等情况。国内外现有的矢量化软件的普遍缺点是抗噪声性差、矢量化的精度和速度都不高,识别层次较低,离实用化还有很大的距离。
纵观这几十年来的图像矢量化算法的研究成果,常见的图像矢量化算法有以下几种:基于细化的方法、基于轮廓线的方法、基于Hough变换的方法、正交方向搜索法(OZZ)、基于网格模式的方法、基于游码的方法和基于稀疏像素的方法等,包括一些基于这些方法的改进方法等。
纵观这些方法的特点,同时结合遥感影像,尤其是高分辨率遥感影像,结构复杂、规律性差、信息量大等特点,可以说仍没有一种方法可以实现自动对遥感图像进行矢量化,这将是一项长期而艰巨的任务。目前对遥感影像进行矢量化,可以实际应用的主要有两种,一种是通过人眼判别,手工沿着地物轮廓进行勾绘,这是最准确,应用最广,但同时也是最耗时的方法,在精度要求较高时只能采用此种方法;二是对遥感图像进行计算机自动分类,然后对分类的结果进行矢量化转换,但是矢量化的结果受分类精度的影响较大,一般准确度在75%左右,这种方法一般适用于对精度没有高要求或者大面积区域的矢量化工作。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,用于解决当前高分辨率遥感影像人工矢量化效率低、自动矢量化不准确的问题。
本发明进一步解决了,针对高分辨率遥感影像,可以通过网络实现多人在线协同、同步快速矢量化的问题。
本发明进一步解决了,针对高分辨率遥感影像,可以针对不同地物类型进行分类提取的问题。
本发明的目的通过下述技术方案实现:
一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,具有面向高分辨率遥感影像、多人协同、在线作业的特点,具体包括以下步骤:
将被等待矢量化的遥感影像发布为影像地图,其中所述影像地图支持影像地图服务WMS标准或者影像瓦片地图服务WMTS标准;
选择并调阅当前屏幕显示范围内要被矢量化的所述影像地图,并对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化,计算所述影像地图像素的标准差;
选择将被矢量化的地物类别;
在所述影像地图上单击该已选地物类别的地物,以当前单击位置的像素为种子像素,然后计算与所述种子像素具有相同类别的像素邻域,完成相同类别的像素邻域的扩散;
对所述相同类别的像素邻域进行边界提取,生成包括边界坐标串的矢量图斑,并存入协同矢量化数据库,完成当前单击点的地物矢量化。
进一步的,通过GeoServer服务器或者ArcGIS Server服务器将所述被等待矢量化的遥感影像发布为影像地图,并生成地图服务URL,然后将所述URL及其地图服务信息添加到协同矢量化数据库。
进一步的,对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化之前,首先要判断当前屏幕显示范围内的所述影像地图是灰度图像还是彩色图像,如果是灰度图像则只计算单个波段的像素标准差,否则分别计算红、绿、蓝三个波段的像素标准差。
进一步的,所述单个波段的像素值标准差的具体计算过程为:
提取当前屏幕显示范围内的所述影像地图中每个像素的像素值,并计算其均值;
计算所述影像地图像素的方差;
依据所述影像地图像素的方差,计算所述影像地图像素的标准方差。
进一步的,在选择将被矢量化的地物类别之前,还包括地物类别的设置步骤,该步骤当地物类别选择列表中没有合适的类别时,可以自定义物类别并添加到所述协同矢量化数据库中,具体为:
填写新的地物类别;
将所述新的地物类别添加到所述协同矢量化数据库。
进一步的,所述相同类别的像素邻域的扩散过程具体为:
以所述种子像素的上、下、左、右四个邻域为搜索范围,分别计算周围相邻四个像素与所述种子像素的差值;
分别将所述差值与判断阀值进行判断比较,若小于所述判断阀值,则该相邻像素与所述种子像素合并归为相同类别的像素;
将上述步骤中被判断为相同类别的邻域像素作为新的种子像素继续以上、下、左、右四个邻域为搜索范围进行搜索,直至所有小于所述判断阀值的邻域像素搜索完毕则退出所述相同类别的像素邻域的扩散过程。
进一步的,所述判断阀值为所述影像地图像素的标准差的0.5倍。
进一步的,在将被等待矢量化的遥感影像发布为影像地图之前,还包括对所述遥感影像进行投影检查与转换的过程,具体为:
对所述遥感影像是否为WGS-84投影坐标系进行检查,如果检查结果是非WGS-84投影坐标系的遥感影像,则将其转换为WGS-84投影坐标系的遥感影像。
进一步的,将所述矢量图斑存入协同矢量化数据库之前,还包括所述矢量图斑的属性定义过程,其中所述矢量图斑的属性包括所述矢量图斑的地物类型、提取用户id、所述矢量图斑的来源影像服务。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明通过对显示范围内高分辨率遥感影像的均值、方差和标准差的计算,给单击点像素地物邻域的提取提供了一种稳健比较的方法,可以快速生成邻域。
(2)本发明通过将高分辨率遥感影像发布为网络地图服务,并在网络地图服务的基础进行基于标准差邻域稳健提取的方法,实现了多人同步登陆系统,同步进行矢量化的快速提取方案。
(3)本发明是对目前高分辨率遥感影像以手工矢量化和单机独立分散矢量化方法的重大推动。
附图说明
图1是本发明中面向高分辨率遥感影像的多人在线协同快速矢量化方法流程图;
图2是本发明实施例中将高分辨率遥感影像发布为影像地图服务示意图;
图3是本发明实施例中对矢量化的影像区域进行统计初始化的流程示意图;
图4是本发明实施例中对高分辨率遥感影像进行协同快速矢量化的流程示意图;
图5是本发明实施例中地物类别的设置添加的流程示意图;
图6是本发明实施例中基于种子像素相同类别的地物邻域扩散的流程图;
图7是本发明实施例中基于种子像素扩散的地物邻域提取的流程示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下参照附图并举实施例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。
实施例一
本发明提供的是面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特点是可以多人同时在线协同矢量化处理。要实现这一目的,首先,需要将待矢量化的遥感影像发布为影像地图服务,这样多个人才可以同时通过网页进行访问该影像;其次,是对要矢量化的遥感影像范围进行统计初始化;再次,是选择要矢量化的地物类型,自动生成该类地物的邻域;最后,对生成的地物邻域进行边界提取,并存入协同矢量化数据库。下面分别用图2、图3、图4、图5结合文字说明阐述本发明的具体操作步骤。
图2展示了将高分辨率遥感影像发布为影像地图服务示意图。
第一步是判断当前高分辨率遥感影像的投影方式是否为WGS-84投影坐标系。WGS-84投影坐标系是国际上采用的地心坐标系,将高分辨率遥感影像的投影坐标统一转换为WGS-84坐标,不但有利于遥感影像的网络查看,而且有利于多人协同矢量化后地物图斑的拼接和组合,有利于矢量化结果导出为其它形式的数据格式;
第二步是对于非WGS-84投影坐标的高分辨率遥感影像进行WGS-84投影坐标转换;
第三步是将预处理为WGS-84投影坐标的高分辨率遥感影像发布为地图服务。发布为地图服务可以借助于第三方的服务软件,比如ArcGIS Server或者GeoServer等。本发明所涉及的处理只针对符合WGS-84投影坐标标准的影像地图服务。
第四步是将上一步生成的影像地图服务URL及其地图服务信息添加到协同矢量化数据库。
图3展示了对要矢量化的影像区域进行统计初始化的过程,本过程实施的前提是参与矢量化的用户可以在线登录协同矢量化数据库,实现库中地图服务信息的共享。
第一步,选择要矢量化的遥感影像地图服务,确定要矢量化的区域范围,等待遥感影像显示完毕;
第二步,影像显示完毕后,对当前显示范围内的影像进行统计初始化。统计初始化是本方法的关键步骤,统计初始化所得到的标准差是后面地物图斑邻域提取的判断依据。当前,像素邻域提取的方法通常是通过手动设置阈值,查看效果再调整阈值的操作方法,这种方法受人为的主观因素影响较大,即随意性大,不同的人有不同的判断标准。为此,本方法通过稳健统计的先验知识,基于稳健统计的标准差进行邻域判断,在邻域识别上减少了人为影响因素,稳健性强。本步骤统计初始化的方法计算过程如下:
(1)统计当前显示范围内的影像像素均值,计算公式如下:
(2)在均值的基础上,计算当前显示范围内的影像像素方差,计算公式如下:
(3)在方差的基础上,计算当前显示范围的像素标准差,计算公式如下:
第三步,保存当前显示范围内的像素标准差,保存标准差的目的是应用于后面的地物图斑矢量化提取。在地物邻域提取时,通过基于稳健统计的标准差进行邻域判断,在邻域识别上减少了人为影响因素,稳健性强。
图4展示了对高分辨率遥感影像进行协同快速矢量化的过程,本过程与图3的过程紧密联系。经过图3的统计初始化之后,用户可以对当前显示范围内的影像地物进行图斑拾取和矢量化操作。
第一步,检查协同矢量化数据库中是否存在要矢量化的地物类型,如果有则选择设定要矢量化的地物类型,如果协同矢量化数据库中没有合适的地物类型,那么用户可以自行添加新的地物类型并保存到系统中。图5展示了本步骤的操作流程。
第二步,在高分辨率遥感影像上单击要矢量化的地物,该地物必须是属于在上一步中设置的地物类别,否则将会出现地物归类不准确的情况发生。传统的手工矢量化是沿着遥感影像中地物的边界进行描边,等描边绕地物一圈后,对该地物的矢量化完成,这种方法耗时费力。本方法不再采用描边的手段,而是通过在属于地物范围的影像上,任意单击一点,即可通过稳健统计的处理过程自动提取边界,实现快速矢量化处理的方案。
第三步,以上一步单击位置的地物像素为种子像素,包含三个计算过程,图6展示了该步骤的三个过程:
(1)读取该种子像素的灰度值;
(2)以种子像素上、下、左、右四个邻域为搜索范围,分别计算周围相邻四个像素与种子像素的差值;将该差值与判断阀值进行比较,本实施例中判断阀值的取值为图3流程中计算的0.5倍标准差,若小于0.5倍标准差,则将该像素与种子像素合并归为同一类型;
(3)继续以上一过程中被判断为同一类型的邻域像素为新的种子像素,继续以四邻域范围搜索,直至周围所有小于0.5倍标准差的像素搜索完毕。
第四步,对上一步中计算出的具有相同地物类别的像素区域进行边界提取,并存入协同矢量化数据库,本块地物矢量化完毕。在本步骤中,如图7所示,包括以下几个过程,:
(1)基于栅格数据边界跟踪算法,生成构成该地物图斑的边界点坐标;
(2)对边界点坐标生成矢量图斑多边形;
(3)记录生成该矢量图斑的操作人姓名、图斑类型、来源影像服务,构成该矢量图斑的属性信息,其中,操作人姓名由登录系统时所用的账户确定,图斑类型由用户点选地物之前设置的地物类型决定,来源影像服务由用户最初设置的待矢量化遥感影像图层确定;
(4)将矢量图斑多边形和关联的属性信息保存的系统数据库中,数据库多人同步矢量化的协同数据库,每个登录者提取的矢量图斑都通过操作人姓名、图斑类型、来源影像服务三个属性和矢量图斑的边界坐标统一存储到数据库中,在数据库中会对不同操作人员提取的矢量图斑进行自动整合、拼接,形成一个整体矢量化图层。
实施例二
参见图1至图7,本实施例是提供一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,包括:
步骤1,将一副已经是WGS-84投影坐标的高分辨率遥感影像,通过GeoServer服务器发布为WMS影像地图服务;
步骤2,通过GeoServer服务器将被等待矢量化的遥感影像发布为影像地图过程中还生成地图服务URL,然后将所述URL及其地图服务信息添加到协同矢量化数据库;
步骤3;选择要矢量化的空间范围,默认以当前显示范围为准,选择前面刚发布的WMS影像地图服务,等待显示完毕;
步骤4;对当前显示范围内的影像进行统计初始化,计算标准差;
步骤5;从协同矢量化数据库已存在的地物类型列表中,选择要被矢量化的地物类别;
步骤6;在影像上单击属于该类别的地物,以当前单击位置的像素为种子像素,计算与该种子像素具有相同类别的像素邻域。
步骤7;扩散完毕后,对同类型区域的像素进行边界提取;
步骤8;边界提取完毕后,记录操作人姓名、图斑类型、来源影像服务三个属性,和矢量图斑的边界坐标一起统一存储到数据库中。当前单击点的地物矢量化完毕;
步骤9.重复执行上述5、6、7、8四个步骤,直到当前显示范围内所有的地物都被矢量化完毕;
步骤10.重复执行上述3、4、5、6、7、8六个步骤,直到所有的地物被矢量化完毕。
在本例中,本发明通过基于协同矢量化数据库的多人协同快速矢量化方法,实现将已经是WGS-84投影坐标的高分辨率遥感影像地图服务存入协同矢量化数据库中,矢量化人员通过登录协同矢量化数据库,首先,对要矢量化的影像区域进行统计初始化;更进一步的,设置要矢量化的地物类型;更进一步的,通过直接在遥感影像上任意单击属于该地物类型的区域范围内的一点,实现了由本发明稳健统计方法的快速地物邻域提取;更进一步的,由边界跟踪算法提取出地物邻域的坐标,进而生成矢量图斑;最后,结合操作人姓名、图斑类型、来源影像服务三个属性,和矢量图斑的边界坐标一起统一存储到协同矢量化数据库中。
通过本例可以看出,本发明所提出的一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,相对于传统的对高分辨率影像进行手工矢量化来说,具有操作简便,提取迅速,支持多人在线协同提取的矢量化优势。
实施例三
一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,参见图1中面向高分辨率遥感影像的多人在线协同快速矢量化方法流程图,包括下列步骤:
步骤a、将被等待矢量化的遥感影像发布为影像地图,其中所述影像地图支持影像地图服务WMS标准或者影像瓦片地图服务WMTS标准。
其中,瓦片地图服务WMTS,又名切片地图Web服务(OpenGIS Web Map TileService),WMTS标准定义了一些操作,这些操作允许用户访问切片地图。WMTS可能是OGC首个支持RESTful访问的服务标准。WMTS提供了一种采用预定义图块方法发布数字地图服务的标准化解决方案。地图服务WMS,又名Web地图服务(Web map service),它利用具有地理空间位置信息的数据制作地图。其中将地图定义为地理数据可视的表现。这个规范定义了三个操作:GetCapabitities返回服务级元数据,它是对服务信息内容和要求参数的一种描述;GetMap返回一个地图影像,其地理空间参考和大小参数是明确定义了的;GetFeatureInfo(可选)返回显示在地图上的某些特殊要素的信息。
其中,将被等待矢量化的遥感影像发布为影像地图之前,首先要对所述遥感影像是否为WGS-84投影坐标系进行检查,如果检查结果是非WGS-84投影坐标系的遥感影像,则将其转换为WGS-84投影投影坐标系的遥感影像。
其中,将遥感影像发布为影像地图的工具采用GeoServer服务器平台或者ArcGISServer服务器平台。
GeoServer是OpenGIS Web服务器规范的J2EE实现,利用GeoServer可以方便的发布地图数据,允许用户对特征数据进行更新、删除、插入操作,通过GeoServer可以比较容易的在用户之间迅速共享空间地理信息。
ArcGIS Server是一个用于构建集中管理、支持多用户的企业级GIS应用的平台。ArcGIS Server提供了丰富的GIS功能,例如地图、定位器和用在中央服务器应用中的软件对象。
步骤b、选择并调阅当前屏幕显示范围内要被矢量化的所述影像地图,并对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化,计算所述影像地图像素的标准差;
在对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化之前,首先要判断当前屏幕显示范围内的所述影像地图是灰度图像还是彩色图像,如果是灰度图像则只计算单个波段的像素标准差,否则分别计算红、绿、蓝三个波段的像素标准差。
其中,单个波段的像素值标准差的具体计算过程为:
步骤b1、提取当前屏幕显示范围内的所述影像地图中每个像素的像素值,并计算其均值;
步骤b2、将当前范围内每个像素的值减去均值,计算所述影像地图像素的方差;
步骤b3、依据所述影像地图像素的方差,计算所述影像地图像素的标准方差。
步骤c、选择将被矢量化的地物类别;
在选择将被矢量化的地物类别之前,还包括地物类别的设置步骤,该步骤当地物类别选择列表中没有合适的类别时,可以自定义物类别并添加到所述协同矢量化数据库中,具体为:
步骤c1、填写新的地物类别;
步骤c2、将所述新的地物类别添加到所述协同矢量化数据库。
步骤d、在所述影像地图上单击该已选地物类别的地物,以当前单击位置的像素为种子像素,然后计算与所述种子像素具有相同类别的像素邻域,完成相同类别的像素邻域的扩散;
其中,相同类别的像素邻域的扩散过程具体为:
步骤d1、以所述种子像素的上、下、左、右四个邻域为搜索范围,分别计算周围相邻四个像素与所述种子像素的差值;
步骤d2、分别将所述差值与判断阀值进行判断比较,若小于所述判断阀值,则该相邻像素与所述种子像素合并归为相同类别的像素;
步骤d3、将上述步骤中被判断为相同类别的邻域像素作为新的种子像素继续以上、下、左、右四个邻域为搜索范围进行搜索,直至所有小于所述判断阀值的邻域像素搜索完毕则退出所述相同类别的像素邻域的扩散过程。
本实施例中,所述判断阀值取值为所述影像地图像素的标准差的0.5倍。
步骤e、对所述相同类别的像素邻域进行边界提取,生成包括边界坐标串的矢量图斑,并存入协同矢量化数据库,完成当前单击点的地物矢量化。
该步骤中,在将所述矢量图斑存入协同矢量化数据库之前,还包括所述矢量图斑的属性定义过程,其中所述矢量图斑的属性包括所述矢量图斑的地物类型、提取用户id、所述矢量图斑的来源影像服务。
步骤f、重复执行上述c、d、e三个步骤,直到当前显示范围内所有的地物都被矢量化完毕;
步骤g、重复执行上述b、c、d、e四个步骤,直到所有的地物被矢量化完毕。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,包括下列步骤:
将被等待矢量化的遥感影像发布为影像地图,其中所述影像地图支持影像地图服务WMS标准或者影像瓦片地图服务WMTS标准;
选择并调阅当前屏幕显示范围内要被矢量化的所述影像地图,并对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化,计算所述影像地图像素的标准差;
选择将被矢量化的地物类别;
在所述影像地图上单击该已选地物类别的地物,以当前单击位置的像素为种子像素,然后计算与所述种子像素具有相同类别的像素邻域,完成相同类别的像素邻域的扩散;
对所述相同类别的像素邻域进行边界提取,生成包括边界坐标串的矢量图斑,并存入协同矢量化数据库,完成当前单击点的地物矢量化。
2.根据权利要求1所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,
通过GeoServer服务器或者ArcGIS Server服务器将所述被等待矢量化的遥感影像发布为影像地图,并生成地图服务URL,然后将所述URL及其地图服务信息添加到协同矢量化数据库。
3.根据权利要求1所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,对当前屏幕显示范围内的所述影像地图的像素值进行统计初始化之前,首先要判断当前屏幕显示范围内的所述影像地图是灰度图像还是彩色图像,如果是灰度图像则只计算单个波段的像素标准差,否则分别计算红、绿、蓝三个波段的像素标准差。
4.根据权利要求3所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,所述单个波段的像素值标准差的具体计算过程为:
提取当前屏幕显示范围内的所述影像地图中每个像素的像素值,并计算其均值;
计算所述影像地图像素的方差;
依据所述影像地图像素的方差,计算所述影像地图像素的标准方差。
5.根据权利要求1所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,在选择将被矢量化的地物类别之前,还包括地物类别的设置步骤,该步骤当地物类别选择列表中没有合适的类别时,可以自定义物类别并添加到所述协同矢量化数据库中,具体为:
填写新的地物类别;
将所述新的地物类别添加到所述协同矢量化数据库。
6.根据权利要求1所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,所述相同类别的像素邻域的扩散过程具体为:
以所述种子像素的上、下、左、右四个邻域为搜索范围,分别计算周围相邻四个像素与所述种子像素的差值;
分别将所述差值与判断阀值进行判断比较,若小于所述判断阀值,则相邻像素与所述种子像素合并归为相同类别的像素;
将上述步骤中被判断为相同类别的邻域像素作为新的种子像素继续以上、下、左、右四个邻域为搜索范围进行搜索,直至所有小于所述判断阀值的邻域像素搜索完毕则退出所述相同类别的像素邻域的扩散过程。
7.根据权利要求6所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,所述判断阀值为所述影像地图像素的标准差的0.5倍。
8.根据权利要求1至7任一所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,在将被等待矢量化的遥感影像发布为影像地图之前,还包括对所述遥感影像进行投影检查与转换的过程,具体为:
对所述遥感影像是否为WGS-84投影坐标系进行检查,如果检查结果是非WGS-84投影坐标系的遥感影像,则将其转换为WGS-84投影坐标系的遥感影像。
9.根据权利要求1至7任一所述的面向高分辨率遥感影像的多人在线协同快速矢量化方法,其特征在于,
将所述矢量图斑存入协同矢量化数据库之前,还包括所述矢量图斑的属性定义过程,其中所述矢量图斑的属性包括所述矢量图斑的地物类型、提取用户id、所述矢量图斑的来源影像服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410811278.7A CN104462526B (zh) | 2014-12-19 | 2014-12-19 | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410811278.7A CN104462526B (zh) | 2014-12-19 | 2014-12-19 | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104462526A CN104462526A (zh) | 2015-03-25 |
CN104462526B true CN104462526B (zh) | 2018-04-06 |
Family
ID=52908561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410811278.7A Active CN104462526B (zh) | 2014-12-19 | 2014-12-19 | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104462526B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424220A (zh) * | 2017-08-03 | 2017-12-01 | 武汉华正空间软件技术有限公司 | 建筑物中三维单体户室表达体及其生产方法和应用系统 |
CN107831765B (zh) * | 2017-10-23 | 2021-07-13 | 广州视源电子科技股份有限公司 | 定位方法、装置、设备及存储介质 |
CN108416508B (zh) * | 2018-02-08 | 2020-10-16 | 中国矿业大学(北京) | 一种地表生态影响边界的提取方法及系统 |
CN112651896A (zh) * | 2020-12-30 | 2021-04-13 | 成都星时代宇航科技有限公司 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
CN112905830A (zh) * | 2021-03-31 | 2021-06-04 | 自然资源部国土卫星遥感应用中心 | 卫星遥感影像的获取方法及相关装置 |
CN113610013A (zh) * | 2021-08-10 | 2021-11-05 | 四川易方智慧科技有限公司 | 基于高清遥感影像的rgb波段提取建筑物轮廓的方法 |
CN116107476B (zh) * | 2022-12-23 | 2023-10-10 | 中水珠江规划勘测设计有限公司 | 遥感影像地物提取方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158966A (zh) * | 2007-11-01 | 2008-04-09 | 北京航空航天大学 | 一种基于矢量和栅格混合表示的城市环境量化数据组织方法 |
CN102314696A (zh) * | 2011-07-13 | 2012-01-11 | 北京华迪宏图信息技术有限公司 | 遥感图像栅格数据的矢量化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879341B1 (en) * | 1997-07-15 | 2005-04-12 | Silverbrook Research Pty Ltd | Digital camera system containing a VLIW vector processor |
-
2014
- 2014-12-19 CN CN201410811278.7A patent/CN104462526B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158966A (zh) * | 2007-11-01 | 2008-04-09 | 北京航空航天大学 | 一种基于矢量和栅格混合表示的城市环境量化数据组织方法 |
CN102314696A (zh) * | 2011-07-13 | 2012-01-11 | 北京华迪宏图信息技术有限公司 | 遥感图像栅格数据的矢量化方法 |
Non-Patent Citations (1)
Title |
---|
"基于区域生长法的高空间分辨率遥感图像分割与实现";李政国;《中国优秀硕士学位论文全文数据库 信息科技辑》;20081215(第12期);第15-28页第4.1节,第35页第5.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104462526A (zh) | 2015-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104462526B (zh) | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 | |
AU2019201268B2 (en) | Segmentation of an image based on color and color differences | |
CN105913485B (zh) | 一种三维虚拟场景的生成方法及装置 | |
Turker et al. | Building‐based damage detection due to earthquake using the watershed segmentation of the post‐event aerial images | |
Mei et al. | 3D tree modeling from incomplete point clouds via optimization and L 1-MST | |
Fan et al. | Paint mesh cutting | |
JP2016152044A (ja) | 目標位置を確定するための方法及び装置 | |
CN110321443B (zh) | 三维实景模型数据库构建方法、装置及数据服务系统 | |
US10127667B2 (en) | Image-based object location system and process | |
CN102959946A (zh) | 基于相关3d点云数据来扩充图像数据的技术 | |
CN105068918B (zh) | 一种页面测试方法及装置 | |
CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
CN108268527B (zh) | 一种检测土地利用类型变化的方法 | |
DeWitt et al. | Creating high-resolution bare-earth digital elevation models (DEMs) from stereo imagery in an area of densely vegetated deciduous forest using combinations of procedures designed for lidar point cloud filtering | |
CN114049462B (zh) | 一种三维模型单体化方法及装置 | |
CN110379004A (zh) | 一种对倾斜摄影成果进行地物分类及单体化提取的方法 | |
CN107657207A (zh) | 一种基于遥感影像的林地分类方法 | |
CN104268941A (zh) | 仿真三维地图的热区形成方法及装置 | |
CN102930251A (zh) | 两维收藏品数据收录与甄别的装置和方法 | |
Xu et al. | An improved space colonization algorithm with DBSCAN clustering for a single tree skeleton extraction | |
US9299191B2 (en) | Adaptive artifact removal | |
Korpela et al. | The performance of a local maxima method for detecting individual tree tops in aerial photographs | |
CN109934903B (zh) | 高光信息提取方法、系统、计算机设备及存储介质 | |
Sang et al. | The topological viewshed: embedding topological pointers into digital terrain models to improve GIS capability for visual landscape analysis | |
van Lammeren | Geomatics in physiognomic landscape research: A Dutch view |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201215 Address after: Room 201, 2 / F, building 31, 12 district, 188 South Fourth Ring Road West, Fengtai District, Beijing 100070 Patentee after: GUOKECHUANG (BEIJING) INFORMATION TECHNOLOGY Co.,Ltd. Address before: 510631 No. 55, Zhongshan Avenue, Guangzhou, Guangdong Patentee before: SOUTH CHINA NORMAL University |