CN104657739B - 一种城市监测方法及系统 - Google Patents
一种城市监测方法及系统 Download PDFInfo
- Publication number
- CN104657739B CN104657739B CN201310601320.8A CN201310601320A CN104657739B CN 104657739 B CN104657739 B CN 104657739B CN 201310601320 A CN201310601320 A CN 201310601320A CN 104657739 B CN104657739 B CN 104657739B
- Authority
- CN
- China
- Prior art keywords
- city
- data
- characteristic index
- monitoring data
- nli
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明适用于遥感技术领域，提供了一种城市监测方法及系统，该方法包括：获取多个数据源的城市监测数据；对获取的所述城市监测数据进行预处理；对预处理后的城市监测数据进行归一化处理；根据归一化处理后的城市监测数据构建城市特征指数；基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，对所述城市特征指数图像进行多尺度分割；以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，计算各样本的城市特征指数；根据各样本的城市特征指数确定城市区域阈值，根据所述城市区域阈值提取城市区域信息。本发明实现了城市区域信息的快速、准确提取，提高了城市监测的精度。
Description
技术领域
本发明属于遥感技术领域，尤其涉及一种城市监测方法及系统。
背景技术
城市是一个独特的人工生态系统：较低的植被覆盖、较高的地表温度和较强的夜晚灯光亮度，这些独特的特征为城市的遥感监测提供了一种便利。然而，无论是采用国防气象卫星计划(Defence Meteorological Satellite Program，DMSP)或线性扫描业务系统(Operational LinescanSystem，OLS)的夜晚灯光图像数据还是中分辨率成像光谱仪（Moderate-resolution Imaging Spectroradiometer，MODIS）的产品数据进行城市监测都存在一些不足。例如，只采用MODIS产品数据进行信息提取往往会导致裸地和城市之间的混分，而单独使用DMSP或OLS夜晚灯光图像数据又会产生由于灯光强度的饱和与溢出、非城镇下垫面的干扰造成城镇信息提取错误的问题。
发明内容
本发明实施例在于提供一种城市监测方法，以解决现有技术采用单一数据源进行城市监测，容易导致城市区域信息提取错误以及城市监测精度不高的问题。
本发明实施例的第一方面，提供一种城市监测方法，所述方法包括：
获取多个数据源的城市监测数据；
对获取的所述城市监测数据进行预处理；
对预处理后的城市监测数据进行归一化处理；
根据归一化处理后的城市监测数据构建城市特征指数；
基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割；
以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数；
根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
本发明实施例的第二方面，提供一种城市监测系统，所述系统包括：
数据获取单元，用于获取多个数据源的城市监测数据；
预处理单元，用于对获取的所述城市监测数据进行预处理；
归一化处理单元，用于对预处理后的城市监测数据进行归一化处理；
特征指数构建单元，用于根据归一化处理后的城市监测数据构建城市特征指数；
多尺度分割单元，用于基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割；
计算单元，用于以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数；
信息提取单元，用于根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例充分利用不同数据源的优势，将各数据源经过归一化处理、城市特征指数构建、多尺度分割以及城市区域阈值确定后有机结合以提取城市区域信息，实现了城市区域信息的快速、准确提取，提高了城市监测的精度，弥补了现有技术采用单一数据源进行城市监测，容易导致城市区域提取错误以及城市监测精度不高的问题，具有较强的易用性和实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的城市监测方法的实现流程图；
图2是本发明第一实施例提供的DMSP/OLS NLI的示例图；
图3是本发明第一实施例提供的MODIS NDVI的示例图；
图4中的图4a、4b是本发明第一实施例提供的MODIS LST的示例图；
图5是本发明第一实施例提供的UI的示例图；
图6是本发明第一实施例提供的城市区域提取结果的示例图；
图7是本发明第二实施例提供的城市监测系统的组成结构图。
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。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
图1示出了第一实施例提供的城市监测方法的实现流程，该方法过程详述如下：
在步骤S101中，获取多个数据源的城市监测数据。
优选的是，所述多个数据源的城市监测数据包括国防气象卫星计划(DefenceMeteorological Satellite Program，DMSP)的夜晚灯光强度(Night Light Intensity，NLI)数据或线性扫描业务系统(Operational LinescanSystem，OLS)的夜晚灯光强度NLI数据（如图2所示），以及中分辨率成像光谱仪（Moderate-resolution ImagingSpectroradiometer，MODIS）的归一化植被指数(Normalize Difference VegetationIndex，NDVI)（如图3所示）和陆表温度（Land Surface Temperature，LST）（如图4a、4b所示）。
在步骤S102中，对获取的所述城市监测数据进行预处理。
在本实施例中，所述预处理包括但不限于数据的拼接、裁剪、提取、投影以及数值转换等，通过预处理后使各数据源的监测数据具有一致的数据格式以及投影方式。
在步骤S103中，对预处理后的城市监测数据进行归一化处理。
在本实施例中，由于数据量纲的差异，不同数据源数据的值域之间相差巨大，为避免大值对小值的掩盖，本实施例对预处理后的MODIS NDVI、LST数据以及DMSP或OLS NLI数据进行范围为[0,1]的归一化处理以消除量纲的影响。其中，所述归一化处理公式为：
其中，X′i表示归一化处理后的数据，Xi为预处理后的MODIS NDVI数据、MODISLST数据、DMSP NLI数据或者OLS NLI数据，Xmax,Xmin分别为预处理后的MODIS NDVI数据、MODISLST数据、DMSP NLI数据或者OLS NLI数据中的最大值和最小值。
在步骤S104中，根据归一化处理后的城市监测数据构建城市特征指数。
在本实施例中，所述根据归一化处理后的城市监测数据构建城市特征指数的公式为：
其中，UI表示城市特征指数，NLI表示夜晚灯光强度，NDVI表示归一化植被指数，LST表示陆表温度。
本实施例所述城市特征指数融合了城市三种主要的遥感特征数据（MODIS NDVI数据、MODISLST数据以及DMSP/OLS NLI数据），可放大城市区域与其他土地覆盖类区域的差异，突出城市区域特征，便于城市区域的提取。
需要说明的是，相对于其他区域，城市区域具有独特的性质，例如较低的植被覆盖、较高的地表温度和较强的夜晚灯光亮度。在MODIS NDVI图像数据上城市区域表现为较低的灰度值，而在MODIS LST和DMSP NLI或OLS NLI图像数据上城市区域表现为较高的灰度值。因此，如果将MODIS NDVI图像数据、MODIS LST图像数据以及DMSP NLI或OLS NLI图像数据按照上述公式构建城市特征指数(Urban index，UI)，可有效突出城市区域。
在步骤S105中，基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割。
具体的是，本实施例将预处理后的MODIS NDVI图像数据、MODIS LST图像数据以及DMSP NLI或OLS NLI图像数据作为输入数据，通过公式进行图像代数运算，获得城市特征指数图像（如图5所示）。
另外，所述对所述城市特征指数图像进行多尺度分割具体包括：
设置多尺度分割所需的尺度参数、形状参数和紧致度参数，基于eCognition对所述城市特征指数图像以及MODIS NDVI、MODIS LST、DMSP/OLS NLI图像进行多尺度分割，将分割后的图像的同质像元组成大小不同的对象，实现图像像元到对象的转换。
需要说明的是，相对于传统的基于像元的图像分类方法，面向对象的方法所处理的对象不再是单个像元，而是图像多尺度分割后的对象，在图像分类时综合考虑了对象的光谱、纹理、几何特征以及对象之间的内在关系，在一定程度上可获得更高的分类精度，提高城市区域提取的准确性。
在步骤S106中，以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数。
具体的是，以陆地卫星专题制图仪(Thematic Mapper，TM)图像为参考，以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本和农田、水体、林地、草地以及裸地样本，获取各样本的城市特征指数UI及NLI频率分布值的直方图。
在步骤S107中，根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
在本实施例中，由于各样本的城市特征指数UI及NLI频率分布规律服从正态分布，绝大多数样本分布在样本均值的两个标准差内。因此，本实施例以UI的样本均值减去样本的两倍标准差（即）作为城市区域的阈值。
所述根据所述城市区域阈值提取城市区域信息具体包括：
当待提取区域满足条件a）且NLIi>NLImin；或者b）Rel.border to城市>0.8and NLIi>NLImin时，确定所述待提取区域为城市区域，提取该区域。通过本发明实施例提取的城市区域结果图如图6所示。
其中，NLImin表示样本中最小夜晚灯光强度，“Rel.border to城市”表示待提取区域的边界长度与城市区域边界长度的比例，表示各样本的平均城市特征指数，n为样本数量，UIi表示第i个样本的城市特征指数，σ表示样本标准差，
本发明实施例为解决单一数据源进行城市监测的不足，结合MODIS植被指数、陆表温度和DMSP/OLS夜晚灯光数据的优势，构建一种融合三种数据源特征的城市指数，实现城市区域的快速识别和提取，有效提高大规模城市监测的精度。
实施例二：
图7示出了本发明第二实施例提供的城市监测系统的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。
该城市监测系统可应用于各种数据处理终端，例如口袋计算机（Pocket PersonalComputer，PPC）、掌上电脑、计算机、笔记本电脑、个人数字助理（Personal DigitalAssistant，PDA）等，可以是运行于这些终端内的软件单元、硬件单元或者软硬件相结合的单元，也可以作为独立的挂件集成到这些终端中或者运行于这些终端的应用系统中。
该城市监测系统包括数据获取单元71、预处理单元72、归一化处理单元73、特征指数构建单元74、多尺度分割单元75、计算单元76以及信息提取单元77。其中，各单元的具体功能如下：
数据获取单元71，用于获取多个数据源的城市监测数据；
预处理单元72，用于对获取的所述城市监测数据进行预处理；
归一化处理单元73，用于对预处理后的城市监测数据进行归一化处理；
特征指数构建单元74，用于根据归一化处理后的城市监测数据构建城市特征指数；
多尺度分割单元75，用于基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割；
计算单元76，用于以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数；
信息提取单元77，用于根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
进一步的，所述多个数据源的城市监测数据包括国防气象卫星计划DMSP的夜晚灯光强度NLI数据或线性扫描业务系统OLS的夜晚灯光强度NLI数据，以及中分辨率成像光谱仪MODIS的归一化植被指数NDVI和陆表温度LST。
进一步的，所述归一化处理单元73具体用于：
对预处理后的城市监测数据进行范围为[0,1]的归一化处理，所述归一化处理公式为：
其中，X′i表示归一化处理后的数据，Xi为预处理后的城市监测数据，Xmax,Xmin分别为预处理后的城市监测数据中的最大值和最小值。
进一步的，所述特征指数构建单元74通过以下公式构建城市特征指数：
其中，UI表示城市特征指数，NLI表示夜晚灯光强度，NDVI表示归一化植被指数，LST表示陆表温度。
进一步的，所述城市区域阈值为
所述信息提取单元77具体用于：
当待提取区域满足且NLIi>NLImin；或者，Rel.border to城市>0.8and NLIi>NLImin时，确定所述待提取区域为城市区域，提取该区域。
其中，NLImin表示样本中最小夜晚灯光强度，“Rel.border to城市”表示待提取区域的边界长度与城市区域边界长度的比例，表示各样本的平均城市特征指数，n为样本数量，UIi表示第i个样本的城市特征指数，σ表示样本标准差，
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元或模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例的对应过程，在此不再赘述。
综上所述，本发明实施例充分利用MODIS植被指数、陆表温度和DMSP/OLS夜晚灯光数据的优势，将各数据源经过归一化处理、城市特征指数构建、多尺度分割以及城市区域阈值确定后有机结合以提取城市区域信息，实现了城市区域信息的快速识别以及准确提取，提高了城市监测的精度，具有较强的易用性和实用性。
本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。
Claims (8)
1.一种城市监测方法，其特征在于，所述方法包括：
获取多个数据源的城市监测数据，所述多个数据源的城市监测数据包括国防气象卫星计划DMSP的夜晚灯光强度NLI数据或线性扫描业务系统OLS的夜晚灯光强度NLI数据，以及中分辨率成像光谱仪MODIS的归一化植被指数NDVI和陆表温度LST；
对获取的所述城市监测数据进行预处理，通过所述预处理使各数据源的监测数据具有一致的数据格式以及投影方式；
对预处理后的城市监测数据进行归一化处理；
根据归一化处理后的城市监测数据构建城市特征指数；
基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割；
以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数；
根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
2.如权利要求1所述的方法，其特征在于，所述对预处理后的城市监测数据进行归一化处理包括：
对预处理后的城市监测数据进行范围为[0,1]的归一化处理，所述归一化处理公式为：
<mrow>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>X</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中，X′i表示归一化处理后的数据，Xi为预处理后的城市监测数据，Xmax,Xmin分别为预处理后的城市监测数据中的最大值和最小值。
3.如权利要求1所述的方法，其特征在于，所述根据归一化处理后的城市监测数据构建城市特征指数的公式为：
<mrow>
<mi>U</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>L</mi>
<mi>S</mi>
<mi>T</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>L</mi>
<mi>I</mi>
</mrow>
<mrow>
<mi>N</mi>
<mi>D</mi>
<mi>V</mi>
<mi>I</mi>
</mrow>
</mfrac>
</mrow>
其中，UI表示城市特征指数，NLI表示夜晚灯光强度，NDVI表示归一化植被指数，LST表示陆表温度。
4.如权利要求3所述的方法，其特征在于，所述城市区域阈值为
所述根据所述城市区域阈值提取城市区域信息包括：
当待提取区域满足且NLIi>NLImin；或者，Rel.border to城市>0.8andNLIi>NLImin时，确定所述待提取区域为城市区域，提取该区域；
其中，NLImin表示样本中最小夜晚灯光强度，“Rel.border to城市”表示待提取区域的边界长度与城市区域边界长度的比例，表示各样本的平均城市特征指数，n为样本数量，UIi表示第i个样本的城市特征指数，σ表示样本标准差，
5.一种城市监测系统，其特征在于，所述系统包括：
数据获取单元，用于获取多个数据源的城市监测数据，所述多个数据源的城市监测数据包括国防气象卫星计划DMSP的夜晚灯光强度NLI数据或线性扫描业务系统OLS的夜晚灯光强度NLI数据，以及中分辨率成像光谱仪MODIS的归一化植被指数NDVI和陆表温度LST；
预处理单元，用于对获取的所述城市监测数据进行预处理，通过所述预处理使各数据源的监测数据具有一致的数据格式以及投影方式；
归一化处理单元，用于对预处理后的城市监测数据进行归一化处理；
特征指数构建单元，用于根据归一化处理后的城市监测数据构建城市特征指数；
多尺度分割单元，用于基于所述预处理后的城市监测数据以及所述城市特征指数获取城市特征指数图像，并对所述城市特征指数图像进行多尺度分割；
计算单元，用于以多尺度分割产生的对象为基元，选择不同大小、位置的城市样本以及农田、水体、林地、草地以及裸地样本，并计算各样本的城市特征指数；
信息提取单元，用于根据各样本的城市特征指数确定城市区域阈值，并根据所述城市区域阈值提取城市区域信息。
6.如权利要求5所述的系统，其特征在于，所述归一化处理单元具体用于：
对预处理后的城市监测数据进行范围为[0,1]的归一化处理，所述归一化处理公式为：
<mrow>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>X</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
其中，X′i表示归一化处理后的数据，Xi为预处理后的城市监测数据，Xmax,Xmin分别为预处理后的城市监测数据中的最大值和最小值。
7.如权利要求5所述的系统，其特征在于，所述特征指数构建单元通过以下公式构建城市特征指数：
<mrow>
<mi>U</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>L</mi>
<mi>S</mi>
<mi>T</mi>
<mo>&times;</mo>
<mi>N</mi>
<mi>L</mi>
<mi>I</mi>
</mrow>
<mrow>
<mi>N</mi>
<mi>D</mi>
<mi>V</mi>
<mi>I</mi>
</mrow>
</mfrac>
</mrow>
其中，UI表示城市特征指数，NLI表示夜晚灯光强度，NDVI表示归一化植被指数，LST表示陆表温度。
8.如权利要求7所述的系统，其特征在于，所述城市区域阈值为
所述信息提取单元具体用于：
当待提取区域满足且NLIi>NLImin；或者，Rel.border to城市>0.8andNLIi>NLImin时，确定所述待提取区域为城市区域，提取该区域；
其中，NLImin表示样本中最小夜晚灯光强度，“Rel.border to城市”表示待提取区域的边界长度与城市区域边界长度的比例，表示各样本的平均城市特征指数，n为样本数量，UIi表示第i个样本的城市特征指数，σ表示样本标准差，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310601320.8A CN104657739B (zh) | 2013-11-22 | 2013-11-22 | 一种城市监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310601320.8A CN104657739B (zh) | 2013-11-22 | 2013-11-22 | 一种城市监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104657739A CN104657739A (zh) | 2015-05-27 |
| CN104657739B true CN104657739B (zh) | 2018-04-13 |
Family
ID=53248839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310601320.8A Active CN104657739B (zh) | 2013-11-22 | 2013-11-22 | 一种城市监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104657739B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104850853B (zh) * | 2015-06-02 | 2019-01-22 | 中国地质大学（武汉） | 城市快速提取方法及装置 |
| CN109598273B (zh) * | 2018-12-03 | 2022-08-19 | 中国矿业大学 | 一种融合地表温度和建筑指数的城市实体边界识别方法 |
| CN109670556B (zh) * | 2018-12-27 | 2023-07-04 | 中国科学院遥感与数字地球研究所 | 基于火点和夜光数据的全球热源重工业区域识别方法 |
| CN109960718A (zh) * | 2019-04-11 | 2019-07-02 | 软通动力信息技术有限公司 | 一种城市运行监测方法、系统及电子设备 |
| CN111862104B (zh) * | 2019-04-26 | 2024-06-21 | 利亚德照明股份有限公司 | 一种基于大规模城市夜景的视频切割方法及系统 |
| CN111144340A (zh) * | 2019-12-30 | 2020-05-12 | 中山大学 | 基于夜间灯光及高分辨率遥感影像的自然保护区人类活动自动监测方法及系统 |
| CN113205042B (zh) * | 2021-04-30 | 2022-07-19 | 武汉大学 | 一种城市多层次边界的识别方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007149250A2 (en) * | 2006-06-19 | 2007-12-27 | Imagetree Corp. | Remote sensing and probabilistic sampling based forest inventory method |
| CN101403796A (zh) * | 2008-11-18 | 2009-04-08 | 北京交通大学 | 城区地面不透水性程度分析制图方法 |
| CN102495412A (zh) * | 2011-11-23 | 2012-06-13 | 中国科学院地理科学与资源研究所 | 一种多尺度不透水地表信息协同遥感反演方法 |
| CN102521273A (zh) * | 2011-11-23 | 2012-06-27 | 中国科学院地理科学与资源研究所 | 一种高分辨率遥感的多功能城市用地空间信息生成方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NZ586188A (en) * | 2007-12-20 | 2012-05-25 | 2245060 Ontario Ltd | Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest |
-
2013
- 2013-11-22 CN CN201310601320.8A patent/CN104657739B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007149250A2 (en) * | 2006-06-19 | 2007-12-27 | Imagetree Corp. | Remote sensing and probabilistic sampling based forest inventory method |
| CN101403796A (zh) * | 2008-11-18 | 2009-04-08 | 北京交通大学 | 城区地面不透水性程度分析制图方法 |
| CN102495412A (zh) * | 2011-11-23 | 2012-06-13 | 中国科学院地理科学与资源研究所 | 一种多尺度不透水地表信息协同遥感反演方法 |
| CN102521273A (zh) * | 2011-11-23 | 2012-06-27 | 中国科学院地理科学与资源研究所 | 一种高分辨率遥感的多功能城市用地空间信息生成方法 |
Non-Patent Citations (1)
| Title |
|---|
| 面向对象的高分辨率遥感影像分类及应用研究;陆美蓉;《中国优秀硕士学位论文全文数据库 农业科技辑》;20110515(第5期);第27-39页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104657739A (zh) | 2015-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104657739B (zh) | 一种城市监测方法及系统 | |
| CN105957079B (zh) | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 | |
| CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
| CN109615008B (zh) | 基于堆叠宽度学习的高光谱图像分类方法和系统 | |
| Yang et al. | Remote sensing of seasonal variability of fractional vegetation cover and its object-based spatial pattern analysis over mountain areas | |
| Zhang et al. | Extraction of tree crowns damaged by Dendrolimus tabulaeformis Tsai et Liu via spectral-spatial classification using UAV-based hyperspectral images | |
| KR101618996B1 (ko) | 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치 | |
| CN110070545B (zh) | 一种城镇纹理特征密度自动提取城镇建成区的方法 | |
| CN102622738A (zh) | 一种Landsat TM/ETM+图像中山体阴影区的光谱信息恢复方法 | |
| Li et al. | Mapping impervious surface area in the Brazilian Amazon using Landsat Imagery | |
| CN116758045B (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
| US11790636B1 (en) | System and method for detection of gas in the atmosphere from a multispectral image | |
| Fan et al. | Understanding spatial-temporal urban expansion pattern (1990–2009) using impervious surface data and landscape indexes: a case study in Guangzhou (China) | |
| CN113156394A (zh) | 基于激光雷达的森林资源监测方法、装置和存储介质 | |
| CN104951765A (zh) | 基于形状先验信息和视觉对比度的遥感图像目标分割方法 | |
| Hao et al. | Methodology for optimizing quadrat size in sparse vegetation surveys: A desert case study from the Tarim Basin | |
| Xu et al. | Vegetation information extraction in karst area based on UAV remote sensing in visible light band | |
| Verma et al. | Development of LR-PCA based fusion approach to detect the changes in mango fruit crop by using landsat 8 OLI images | |
| CN113361407B (zh) | 基于PCANet的空谱特征联合高光谱海冰图像分类方法 | |
| CN114049571A (zh) | 高光谱影像的水体区域提取方法、装置及电子设备 | |
| CN102800101A (zh) | 一种星载红外遥感图像机场roi快速检测方法 | |
| CN115711855B (zh) | 一种不透水面的提取方法、装置、终端设备以及存储介质 | |
| Zhang et al. | A labor-free index-guided semantic segmentation approach for urban vegetation mapping from high-resolution true color imagery | |
| Shi et al. | Building extraction from panchromatic high-resolution remotely sensed imagery based on potential histogram and neighborhood total variation | |
| Vats et al. | Terrain-Informed Self-Supervised Learning: Enhancing Building Footprint Extraction from LiDAR Data with Limited Annotations |
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 |