CN104992150A - 一种基于高分辨率遥感图像城市道路的自动提取方法 - Google Patents
一种基于高分辨率遥感图像城市道路的自动提取方法 Download PDFInfo
- Publication number
- CN104992150A CN104992150A CN201510365181.2A CN201510365181A CN104992150A CN 104992150 A CN104992150 A CN 104992150A CN 201510365181 A CN201510365181 A CN 201510365181A CN 104992150 A CN104992150 A CN 104992150A
- Authority
- CN
- China
- Prior art keywords
- correction
- remote sensing
- image
- urban road
- resolution remote
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims description 61
- 238000012952 Resampling Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及高分辨率遥感技术领域，特别涉及一种基于高分辨率遥感图像城市道路的自动提取方法。本发明的一种基于高分辨率遥感图像城市道路的自动提取方法，其本发明通过直方图均衡化、自适应滤波、统计滤波对遥感图像进行操作，然后通过建模对图像进行处理得到道路信息，最后通过卷积增强对结果图像进行优化，从而生成高清的城市道路显示。高分辨率遥感图像道路提取的过程中考虑道路信息的几何特征、辐射特征、拓扑特征、上下文特征，提高了道路提取的精确度。
Description
技术领域
本发明涉及高分辨率遥感技术领域，特别涉及一种基于高分辨率遥感图像城市道路的自动提取方法。
背景技术
随着遥感技术的发展，高分辨率遥感图像已不再是军方的专利，近几年来高分辨率的遥感图像逐渐应用到商业领域中。几乎涉及国土普查、地质调查、水利建设、石油勘探、地图测绘、环境监测、地震预报、铁路及公路选址、考古研究等各个领域。由于遥感图像能够迅速获取数据，缩短地图更新周期，使得人们实时采集数据、处理信息、更新数据以及分析数据成为可能，高分辨率的遥感图像成为测绘界越来越重要的数据源。如果能够研究相应的算法，从中提取能够满足一定要求的地物目标，对城市规划、路网建设、土地检测与利用、抗灾减灾、国防等都用重要意义。因此，遥感图像地物目标的自动提取有重要的实践意义。
而道路作为一种典型的地物目标，很自然成为遥感技术关注的重点。从上个世纪七十年代开始，各国纷纷投入大量的人力物力，试图对遥感影像中的道路进行自动解译，虽然取得了一系列的研究成果，但是由于问题本省难度很大，到目前为止仍然没有一种成熟可靠的自动道路提取方法。因此，进一步研究高分辨率遥感图像的道路提取具有重要的理论和实践意义。
发明内容
为了解决现有技术的问题，本发明提供了一种基于高分辨率遥感图像城市道路的自动提取方法，其本发明通过直方图均衡化、自适应滤波、统计滤波对遥感图像进行操作，然后通过建模对图像进行处理得到道路信息，最后通过卷积增强对结果图像进行优化，从而生成高清的城市道路显示。
本发明所采用的技术方案如下：
一种基于高分辨率遥感图像城市道路的自动提取方法，包括如下步骤：
A、对遥感图像进行校正；
B、根据校正后的遥感图像，进行城市道路信息提取，所述提取的具体步骤是：
B1、利用自适应滤波功能进行处理；
B2、利用直方图均衡化功能进行处理；
B3、利用统计滤波功能进行处理；
B4、对经过统计滤波处理后的图像进行建模计算处理；
最后，对建模处理后的图像进行卷积增强处理，得到道路提取信息图。
步骤A中，所述的校正步骤具体包括辐射校正、几何粗校正和几何精校正。
辐射校正包括条纹和斑点的判定和消除、大气校正、传感器的辐射校正及照度校正，其中，判定条纹的方法是用相邻行间像元的量度差值是否超过某个预定阈值，消除条纹的方法是将条纹上下相邻两扫描行对应像元亮度值取平均值，用最邻近点法或三次卷积法确定条纹上相应像元亮度值；斑点判定的方法是通过将像元亮度值与其邻近像元亮度值比较，消除斑点的方法是平均值滤波法或三次卷积法校正；大气校正根据大气状况对遥感图像测量值进行调整，消除大气影响，大气状况是标准的模式大气或地面实测资料；传感器的辐射校正通过辐射定标将记录的原始DN值转换为大气外层表面反射率以消除传感器本身产生的误差，辐射定标是将传感器记录的电压或数字值转换为绝对辐射亮度的过程；照度校正是校正不同太阳高度角所引起的辐射失真以及地形起伏引起的地形阴影等的辐射失真，包括（1）太阳高度角校正；（2）不同像副的照度校正。
几何粗校正是针对引起畸变的原因而进行的校正，具体步骤包括：
1.1、数据准备：包括资源大地测量成果、卫星影像数据、航空影像数据、航天器轨道参数和传感器姿态参数的收集和分析，所需控制点的选择和量测；
1.2、输入并显示遥感影像：将遥感数据读入计算机并在计算机的屏幕上显示出来；
1.3、确定校正变换模型：校正变换模型是用来改变输入计算机中的影像的坐标关系；
1.4、确定输出影像范围；
1.5、像元空间坐标变换；
1.6、像元的灰度重采样：用原始图像的像元值生成一副校正图像。
几何精校正是利用地面控制点进行的几何校正，实现步骤包括：
2.1、显示影像文件，启动几何校正模块；
2.2、启动控制点工具；
2.3、采集地面控制点；
2.4、采集地面检查点；
2.5、影响重采样；
2.6、校正检查结果，可以通过目视对比的方式检查几何校正的结果。
重采样包括四种方式：分别是1、最邻近像元法、2、双线性插值法、3、双三次卷积法4、双像素重采样法。
本发明提供的技术方案带来的有益效果是：
高分辨率遥感图像道路提取的过程中考虑道路信息的几何特征、辐射特征、拓扑特征、上下文特征，提高了道路提取的精确度。
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的前提下，还可以根据这些附图获得其他的附图。
附图1为本发明的遥感图像数据预处理流程图；
附图2为本发明的遥感图像几何粗校正步骤流程图；
附图3为本发明的遥感图像几何精校正流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
一、对遥感图像进行校正，如图1所示：
A、辐射校正包括条纹和斑点的判定和消除、大气校正、传感器的辐射校正、及照度校正。判定条纹的方法是用相邻行间像元的量度差值是否超过某个预定阈值，消除条纹的方法是将条纹上下相邻两扫描行对应像元亮度值取平均值，用最邻近点法或三次卷积法确定条纹上相应像元亮度值。斑点判定的方法是通过将像元亮度值与其邻近像元亮度值比较，消除斑点的方法是平均值滤波法或三次卷积法校正。大气校正根据大气状况对遥感图像测量值进行调整，消除大气影响，大气状况是标准的模式大气或地面实测资料。传感器的辐射校正通过辐射定标将记录的原始DN值转换为大气外层表面反射率以消除传感器本身产生的误差，辐射定标是将传感器记录的电压或数字值转换为绝对辐射亮度的过程。照度校正主要是校正不同太阳高度角所引起的辐射失真以及地形起伏引起的地形阴影等的辐射失真，包括（1）太阳高度角校正；（2）不同像副的照度校正。
B、几何粗校正是针对引起畸变的原因而进行的校正，我们得到的卫星遥感数据一般都是经过几何粗校正处理的，步骤如图2所示，图中各步骤详细如下：
数据准备：包括资源大地测量成果、卫星影像数据、航空影像数据、航天器轨道参数和传感器姿态参数的收集和分析，所需控制点的选择和量测等。
输入并显示遥感影像：将遥感数据读入计算机并在计算机的屏幕上显示出来。
确定校正变换模型：校正变换模型是用来改变输入计算机中的影像的坐标关系。校正方法有很多种，一般有多项式法、随机场内的插值法、共线方程法等。由于多项式法原理比较直观，可以应用在很多的校正模型，使用上比较方便，因而多项式法是最常用的遥感图像几何校正的空间变换方法遥。通过地面上的控制点，可以得到校正变换函数中的相关系数。这些参数也可以利用航空影像的内外方位元素、卫星轨道参数、传感器姿态参数等。
确定输出影像范围：输出的影像的范围一定要正确，只有这样，校正后的影像才能在定义的范围中，并且这样空白影像的面积就会尽可能小。否则会造成该范围没有全部包括校正后的影像，输出影像空白过多。
像元空间坐标变换：像元空间坐标变换是把原始的影像上的每个像元逐个的变换到输出影像的相应的像元上，这个过程中，要按照一定的校正函数进行。变换方法分为直接校正和间接校正。直接校正中，用灰度重匹配获取校正后像元，它求出原始图像中像元在标准图像中的正确位置，并把原始图像的像元亮度值移到正确位置上。而间接法称为灰度重采样，它通过标准图像空间中的每个待输出像元点反求出其在原始畸变图像空间中的共轭位置，同时利用内插方法确定这一共轭位置的亮度值，并把此位置的像元亮度值填入校正图像的空间位置。这一方法能够保证图像空间中的像元呈均匀分布，因而是最常用的几何精校正的方法。
像元的灰度重采样：用原始图像的像元值生成一副校正图像。原图像中所有栅格数据层将进行重采样。常用的方法有最邻近插值法、双线性内插法、三次卷积内插方法。
C、几何精校正是利用地面控制点进行的几何校正，它是用一种数学模型来近似描述遥感图像的几何畸变过程，并利用标准图像与畸变的遥感图像之间的一些对应点（地面控制点数据对）求得这几个几何畸变模型，然后利用此模型进行几何畸变的校正，流程如图3所示，本实施例的实现步骤如下：
C1、显示影像文件，启动几何校正模块。
C2、启动控制点工具。
C3、采集地面控制点。
C4、采集地面检查点。
C5、影响重采样。
通过控制点确定了多项式变换的系数，就可以通过几何变换和重采样输出校正图像，有四种重采样方式可供选择，分别是Nearest Neighbor最邻近像元法、Bilinear Interpolation双线性插值法、Cubic Convolution双三次卷积法、Bicubic Spline双像素重采样法，选择默认的最邻近像元法，设置好输出文件名后，就可以输出纠正后的影像。
C6、校正检查结果，可以通过目视对比的方式检查几何校正的结果。
二、根据校正后的遥感图像，进行城市道路信息提取：
利用自适应滤波功能进行处理。
利用直方图均衡化功能进行处理。
利用统计滤波功能进行处理。
对经过统计滤波处理后的图像进行建模计算处理。
最后，对建模处理后的图像进行卷积增强处理，得到道路提取信息图。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于高分辨率遥感图像城市道路的自动提取方法，包括如下步骤：
A、对遥感图像进行校正；
B、根据校正后的遥感图像，进行城市道路信息提取，所述提取的具体步骤是：
B1、利用自适应滤波功能进行处理；
B2、利用直方图均衡化功能进行处理；
B3、利用统计滤波功能进行处理；
B4、对经过统计滤波处理后的图像进行建模计算处理；
最后，对建模处理后的图像进行卷积增强处理，得到道路提取信息图。
2.根据权利要求1所述的一种基于高分辨率遥感图像城市道路的自动提取方法，其特征在于，所述的步骤A中，所述的校正步骤具体包括辐射校正、几何粗校正和几何精校正。
3.根据权利要求2所述的一种基于高分辨率遥感图像城市道路的自动提取方法，其特征在于，所述的辐射校正包括条纹和斑点的判定和消除、大气校正、传感器的辐射校正及照度校正，其中，判定条纹的方法是用相邻行间像元的量度差值是否超过某个预定阈值，消除条纹的方法是将条纹上下相邻两扫描行对应像元亮度值取平均值，用最邻近点法或三次卷积法确定条纹上相应像元亮度值；斑点判定的方法是通过将像元亮度值与其邻近像元亮度值比较，消除斑点的方法是平均值滤波法或三次卷积法校正；大气校正根据大气状况对遥感图像测量值进行调整，消除大气影响，大气状况是标准的模式大气或地面实测资料；传感器的辐射校正通过辐射定标将记录的原始DN值转换为大气外层表面反射率以消除传感器本身产生的误差，辐射定标是将传感器记录的电压或数字值转换为绝对辐射亮度的过程；照度校正是校正不同太阳高度角所引起的辐射失真以及地形起伏引起的地形阴影等的辐射失真，包括（1）太阳高度角校正；（2）不同像副的照度校正。
4.根据权利要求2所述的一种基于高分辨率遥感图像城市道路的自动提取方法，其特征在于，所述的几何粗校正是针对引起畸变的原因而进行的校正，具体步骤包括：
1.1、数据准备：包括资源大地测量成果、卫星影像数据、航空影像数据、航天器轨道参数和传感器姿态参数的收集和分析，所需控制点的选择和量测；
1.2、输入并显示遥感影像：将遥感数据读入计算机并在计算机的屏幕上显示出来；
1.3、确定校正变换模型：校正变换模型是用来改变输入计算机中的影像的坐标关系；
1.4、确定输出影像范围；
1.5、像元空间坐标变换；
1.6、像元的灰度重采样：用原始图像的像元值生成一副校正图像。
5.根据权利要求2所述的一种基于高分辨率遥感图像城市道路的自动提取方法，其特征在于，所述的几何精校正是利用地面控制点进行的几何校正，实现步骤包括：
2.1、显示影像文件，启动几何校正模块；
2.2、启动控制点工具；
2.3、采集地面控制点；
2.4、采集地面检查点；
2.5、影响重采样；
2.6、校正检查结果，可以通过目视对比的方式检查几何校正的结果。
6.根据权利要求5所述的一种基于高分辨率遥感图像城市道路的自动提取方法，其特征在于，所述的重采样包括四种方式：分别是1、最邻近像元法、2、双线性插值法、3、双三次卷积法4、双像素重采样法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510365181.2A CN104992150A (zh) | 2015-06-29 | 2015-06-29 | 一种基于高分辨率遥感图像城市道路的自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510365181.2A CN104992150A (zh) | 2015-06-29 | 2015-06-29 | 一种基于高分辨率遥感图像城市道路的自动提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104992150A true CN104992150A (zh) | 2015-10-21 |
Family
ID=54303963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510365181.2A Pending CN104992150A (zh) | 2015-06-29 | 2015-06-29 | 一种基于高分辨率遥感图像城市道路的自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104992150A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184270A (zh) * | 2015-09-18 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 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 |
| CN106501454A (zh) * | 2016-10-31 | 2017-03-15 | 塔里木大学 | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 |
| CN107871124A (zh) * | 2017-11-15 | 2018-04-03 | 陕西师范大学 | 一种基于深度神经网络的遥感图像目标检测方法 |
| CN111353441A (zh) * | 2020-03-03 | 2020-06-30 | 成都大成均图科技有限公司 | 基于位置数据融合的道路提取方法和系统 |
| CN114235148A (zh) * | 2022-02-25 | 2022-03-25 | 南京信息工程大学 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101364311A (zh) * | 2008-07-23 | 2009-02-11 | 上海同盛工程建设配套管理有限公司 | 大规模城市仿真中快速自动建立模型的方法 |
| CN101763512A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 高分辨率遥感图像中道路目标的半自动检测方法 |
| CN101783009A (zh) * | 2010-03-25 | 2010-07-21 | 中国科学院对地观测与数字地球科学中心 | 可扩展的多卫星多传感器遥感图像几何校正构建方法 |
| CN101968885A (zh) * | 2010-09-25 | 2011-02-09 | 西北工业大学 | 一种基于边缘和灰度的遥感图像变化检测方法 |
| CN104599285A (zh) * | 2015-02-27 | 2015-05-06 | 浪潮集团有限公司 | 一种基于遥感图像的水体信息提取方法及装置 |
-
2015
- 2015-06-29 CN CN201510365181.2A patent/CN104992150A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101364311A (zh) * | 2008-07-23 | 2009-02-11 | 上海同盛工程建设配套管理有限公司 | 大规模城市仿真中快速自动建立模型的方法 |
| CN101763512A (zh) * | 2009-12-11 | 2010-06-30 | 西安电子科技大学 | 高分辨率遥感图像中道路目标的半自动检测方法 |
| CN101783009A (zh) * | 2010-03-25 | 2010-07-21 | 中国科学院对地观测与数字地球科学中心 | 可扩展的多卫星多传感器遥感图像几何校正构建方法 |
| CN101968885A (zh) * | 2010-09-25 | 2011-02-09 | 西北工业大学 | 一种基于边缘和灰度的遥感图像变化检测方法 |
| CN104599285A (zh) * | 2015-02-27 | 2015-05-06 | 浪潮集团有限公司 | 一种基于遥感图像的水体信息提取方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184270A (zh) * | 2015-09-18 | 2015-12-23 | 中国科学院遥感与数字地球研究所 | 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 |
| CN105184270B (zh) * | 2015-09-18 | 2019-06-18 | 深圳市数字城市工程研究中心 | 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 |
| CN106501454A (zh) * | 2016-10-31 | 2017-03-15 | 塔里木大学 | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 |
| CN107871124A (zh) * | 2017-11-15 | 2018-04-03 | 陕西师范大学 | 一种基于深度神经网络的遥感图像目标检测方法 |
| CN111353441A (zh) * | 2020-03-03 | 2020-06-30 | 成都大成均图科技有限公司 | 基于位置数据融合的道路提取方法和系统 |
| CN114235148A (zh) * | 2022-02-25 | 2022-03-25 | 南京信息工程大学 | 一种基于夜光遥感数据的道路夜间照明质量监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104992150A (zh) | 一种基于高分辨率遥感图像城市道路的自动提取方法 | |
| CN102565778B (zh) | 一种自动提取伪不变特征的遥感图像相对辐射校正方法 | |
| CN102073874B (zh) | 附加几何约束的航天三线阵ccd相机多影像立体匹配方法 | |
| CN105224908A (zh) | 一种基于正射投影的道路标线采集方法及装置 | |
| CN105550681A (zh) | 一种基于稳定映射点夜间灯光影像间相互辐射校正方法 | |
| CN108319923A (zh) | 一种云阴影识别方法及系统 | |
| CN103383773A (zh) | 一种动态提取图像控制点的遥感卫星图像自动正射纠正的框架和方法 | |
| CN102855628B (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
| CN110032963B (zh) | 互花米草新生斑块的动态监测方法 | |
| CN114092835B (zh) | 基于不同时空分辨率的归一化植被指数数据时空融合方法 | |
| Sola et al. | Synthetic images for evaluating topographic correction algorithms | |
| CN103902802A (zh) | 一种顾及空间信息的植被指数时间序列数据重建方法 | |
| Kassner et al. | Analysis of the solar potential of roofs by using official lidar data | |
| JP2010539621A (ja) | 停止メトリックのある修復を提供する地理空間的モデリング・システムおよび関係する方法 | |
| CN109671038A (zh) | 一种基于伪不变特征点分类分层的相对辐射校正方法 | |
| Hu et al. | Modeling the spatiotemporal dynamics of global electric power consumption (1992–2019) by utilizing consistent nighttime light data from DMSP-OLS and NPP-VIIRS | |
| CN104180794B (zh) | 数字正射影像拉花区域的处理方法 | |
| CN103400343A (zh) | 一种补偿夜间红外下视图像亮度不均匀的方法 | |
| CN117611978A (zh) | 一种土地资源测绘数据库的构建方法及系统 | |
| CN104599285A (zh) | 一种基于遥感图像的水体信息提取方法及装置 | |
| Nex et al. | 3D Solarweb: A solar cadaster in the Italian Alpine landscape | |
| CN113096047A (zh) | 广义云驱动与辐射协同遥感影像几何精校正方法及系统 | |
| CN105631849A (zh) | 多边形目标的变化检测方法及装置 | |
| CN111915694A (zh) | 一种顾及时空特征的云覆盖像元地表温度重建方法 | |
| CN101908211A (zh) | 一种基于变分方法的高光谱图像融合方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151021 |
|
| WD01 | Invention patent application deemed withdrawn after publication |