CN105551028A - 一种基于遥感影像的地理空间数据动态更新的方法及系统 - Google Patents
一种基于遥感影像的地理空间数据动态更新的方法及系统 Download PDFInfo
- Publication number
- CN105551028A CN105551028A CN201510903843.7A CN201510903843A CN105551028A CN 105551028 A CN105551028 A CN 105551028A CN 201510903843 A CN201510903843 A CN 201510903843A CN 105551028 A CN105551028 A CN 105551028A
- Authority
- CN
- China
- Prior art keywords
- image
- change
- data
- region
- remote sensing
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Abstract
本发明公开了一种基于遥感影像的地理空间数据动态更新的方法及系统,其方法包括:影像预处理;识别出变化信息;进行滤波消除噪声;对变化区域的边界进行提取;生成影像变化地物的矢量边界图;对地物的边界进行规整;基于四叉树空间索引原理对更新数据进行分割快速定位变化区域;基于神经决策树的方法识别出要素的变化类型;将变化的类型提取出来;将变化的信息在原有数据库中进行更新入库。通过实施本发明,得到一种简单、快速而准确的变化检测方法,使用四叉树的格网划分方式,提高了检索的速度和精度,结合IGAC的边界提取方法使变化区域的边界更加准确。
Description
技术领域
本发明涉及地理信息技术领域,具体涉及一种基于遥感影像的地理空间数据动态更新的方法及系统。
背景技术
随着城市化进程的快速推进,城市地表形态的变化速度越来越快,地表景观的开发、利用及引起的土地覆盖变化已经成为全球环境变化中的重要组成部分。地表的变化情况与城市的发展息息相关,需要及时将变化信息应用于部门决策中。为满足相关部门对数据的要求,必须对空间数据进行及时动态更新,保证数据的现势性、准确性和适用性。而空间数据更新是维护空间数据库现势性的主要手段,因此进行空间数据更新具有极其重大的意义。“更新数据”的来源多种多样,主要有地形图修补测量、竣工测量或市政测量产生的矢量空间数据以及遥感影像数据等,其中遥感影像使用频率更高。遥感图像成像周期越来越短,图像质量越来越高,大大扩展了遥感的应用范围。遥感技术作为目前为止能够提供大面积范围动态观测的唯一手段,具有空间上的连续性和时间上的序列性,可以提供地物的多时相数据。利用遥感数据的优点进行数据更新可以节约成本,节省人力,使数据更新更加便捷、快速。进行数据更新的前提是寻找变化信息,即进行变化检测。
目前的变化检测方法有多种类型多种检测方式,在一定程度上取得了极大的发展,但仍然存在许多难点,例如数据处理不能满足实际应用标准、算法的检测能力受空间、光谱、时域和专业内容限制而影响到检测精度。尽管如此,目前在变化检测的所有方法中,图像差值和线性变换一般比其他检测方法更为准确。现有技术中提出图像差值法进行变化检测,其基本思想是将两时相的遥感影像各个波段上的像元进行差值运算,从而生成一幅新的差值图像,这一差值图像代表了两时相间像元的光谱变化情况。以及现有的光谱变化向量分析的方法,其原理是基于不同时相影像间的辐射变化,着重分析各个波段间的差异,从而确定变化强度和方向特征。对于不同时期的遥感影像,进行图像的光谱测量,每个像元可以生成一个具有变化方向和变化强度两个特征的变化向量,变化强度通过两个数据点之间的欧氏距离求得。该方法在提取变化像元时通过设定阈值来进行,可以充分利用影像的波段信息,虽然可以利用大部分乃至全部的光谱信息,在一定程度上提高了检测精度,但用于判断像元是否变化所需的阈值难以确定。
在数据更新上,基于事件的时空数据库增量更新方法假设地理时间信息能与变化信息同时被收集,通过地理空间变化事件来确定单一实体变化类型,进而通过单一实体变化类型与动态操作算子之间的关系来确定更新操作以实现时空数据库更新的自动化(或半自动化)。这一方法虽然将自动化的思想引入数据更新,但在实际操作中,由于地理空间变化时间极其复杂,存在许多复合地理事件,因此难以确定复合事件涉及对象的变化类型。基于时空变化类型和数据差的数据库的增量信息表达与建模方法,从理论上阐述了增量信息模型,但该概念模型主要针对地形数据库,其推广后的适用性较差。此外,基于CHT-EUR模型的数据更新方法致力于如何实现多比例尺空间数据的更新,在一定程度上实现了多比例尺数据的联动更新,但这一方法在进行联动更新时未能自动更新小比例尺数据,存在空间叠加分析速度变慢、未考虑要素间的拓扑关系等问题。
发明内容
本发明针对现有变化检测方法不能快速而简单,提供了一种基于遥感影像的地理空间数据动态更新的方法及系统,基于多种方法综合起来使用以提高变化检测的精度,提出将影像代数法与变化矢量分析法相结合的思想,综合了影像代数法和变化矢量分析法的优点,得到一种简单、快速而准确的变化检测方法。
本发明提供了一种基于遥感影像的地理空间数据动态更新的方法,包括如下步骤:
对即将更新入库的遥感影像数据进行影像预处理;
采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;
对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
基于四叉树空间索引原理对更新数据进行分割定位变化区域;
基于神经决策树的方法识别出要素的变化类型;
将变化的类型提取出来;
将变化的信息在原有数据库中进行更新入库。
所述对即将更新入库的遥感影像数据进行影像预处理包括:
用选定的图像、图形或物体,对待处理的图像进行遮挡,控制图像处理的区域或处理过程;
以历史影像作为参考,对现势影像进行重投影,使现势影像的空间参考与历史影像的一致,检查现势影像和历史影像的空间分辨率是否一致,如若不同则以历史影像为基准对现势影像进行重采样,统一现势影像和历史影像的像元大小;
使同一地区不同来源的影像上同名地物能具有相同的坐标进行影像空间配准;
基于直方图匹配的方法进行色彩校正。
所述使同一地区不同来源的影像上同名地物能具有相同的坐标进行影像空间配准包括:
将两个时相的影像进行叠加分析,找出影像的公共区域;
将待纠正区域进行均匀网格划分,两幅影像的相似区域赋予一个相同的编号,一一对应;
在划分好网格的基础上,以每一块网格区域为单元进行控制点对搜索;
使用系统自动生成的控制点对实现空间配准。
所述采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取包括:
进行形态学滤波获得地物的初始位置U0,进而得到初始曲线的曲率k;
根据提取的变化区域生成深度梯度图像T,并计算各点的Fg作为常数c;
计算变化区域的梯度影像Ixy;
根据梯度影像计算边缘停止函数g及边缘停止函数的梯度▽g;
初始化模型参数,利用IGAC模型进行迭代直至稳定,得到变化区域边界。所述采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图包括:
采用高通滤波将栅格图像二值化或者以特殊值标识边界点;
对每个边界弧段由一个节点向另一个节点搜索;
形成完整的拓扑结构并建立与属性数据的联系;
去除多余点及曲线润滑。
所述基于四叉树空间索引原理对更新数据进行分割定位变化区域包括:
对图层进行四叉树剖分,计算区域内的“节点-弧段”特征,并进行层次检索,以快速定位到变化区域,再对区域内的要素进行遍历要素搜索匹配,确定变化类型。
所述基于神经决策树的方法识别出要素的变化类型包括:
在决策树的非叶节点中设置神经网络通过训练建立模型,然后利用模型进行变化信息检测和识别;
变化信息的识别把新旧对象组合的变化特征指标作为一个样本,加至神经网络决策树的根节点;
在分裂节点处对其匹配特征指标进行分类判断,如果样本进入神经网络节点,则根据训练所得到的权重和偏置值进行识别,计算网络的输出量;
依据判别函数判断输出量所属类别。
所述将变化的信息在原有数据库中进行更新入库步骤之前还包括:
进行空间冲突检测消除不符合完整性约束的空间关系。
所述进行空间冲突检测消除不符合完整性约束的空间关系包括:
使用顾及语义特征的拓扑检验方法构建约束条件进行目标搜索,找出不符合完整性约束的空间关系;
利用空间编辑功能对空间冲突涉及的对象进行处理,反复检验直至消除所有冲突后方再进入更新入库环节。
相应的,本发明还提供了一种基于遥感影像的地理空间数据动态更新的系统,所述系统包括:
影像预处理模块,用于对即将更新入库的遥感影像数据进行影像预处理;
影像比对模块,用于采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
滤波消噪模块,用于采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
图像分类模块,用于根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
边界提取模块,用于采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
边界矢量化处理模块,用于采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;
边界规整模块,用于对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
变化区域定位模块,用于基于四叉树空间索引原理对更新数据进行分割定位变化区域;
更新信息识别模块,用于基于神经决策树的方法识别出要素的变化类型;
变化信息提取模块,用于将变化的类型提取出来;
更新入库模块,用于将变化的信息在原有数据库中进行更新入库。
所述系统还包括:
空间冲突检测模块,用于进行空间冲突检测消除不符合完整性约束的空间关系。
本发明实施例实行将多种方法综合起来使用以提高变化检测的精度,提出将影像代数法与变化矢量分析法相结合的思想,综合了影像代数法和变化矢量分析法的优点,得到一种简单、快速而准确的变化检测方法,这种方法能充分利用影像的信息,减少数据来源的限制,具有较广的适应性,克服了传统单一变化检测方法的弱点。在进行影像空间配准时自动生成配准的控制点,代替人工选取的方式,提高控制点的选取速度和空间配准精度,为变化检测实现全面自动化奠定基础。运用改进的GAC模型对生成的变化分布图层进行边界提取,克服传统边界提取方法的弊端,使提取的边界更为准确。在变化信息定位方面,使用四叉树的格网划分方式,将影像划分为各个网格区域,以网格区域为单元进行变化信息的搜索,减少未变化区域的重复检索,提高了检索的速度和精度。
本发明实施例子将影像代数法和变化矢量分析法相结合的思想,得到一种简单、快速而准确的变化检测方法。这种方法能充分利用影像的信息,减少数据来源的限制,具有较广的适应性。同时自动生成控制点,解决了传统人工选取控制点工作量大、耗费时间长、精度难以保证的难题,间接地提高变化检测的速度和精度。
采用基于IGAC模型进行边界提取,在ACM模型的基础上进行改进,克服ACM模型在边界提取中严重依赖曲线参数、无法自适应变化等弊端。IGAC模型能够适应各种边界形状的提取,具有很高的精度水平。此外,为提高所提取的边界与真实地物边界的吻合程度,本方案提出了一种适合于各种类型的边界提取算法,将矢量化后的边界进行圆弧拟合,实现边界规则化,使提取的边界更加准确。
提出基于四叉树划分的变化信息定位方法,在对影像进行空间配准、色彩校正等预处理后,依据四叉树空间信息索引的原理,将新旧图层进行四叉树分割,切割成具有层次的网格,然后对新旧图层进行像元比对或用矢量距离法,可以简单、快速、准确地找出变化区域。四叉树划分较传统要素遍历的变化检测方法速度大大提高,且检测精度较为理想。
运用神经网络决策树方法对变化信息进行定位,充分利用神经网络大规模并行、可自组织、自适应的特点和决策树实现能力强的优势,能够快速查找出变化区域,对比传统的变化检测方法效率和精度有显著提高。由于神经网络结构能自学习、自适应,整个训练过程人为干扰因素很少,可以减少人为因素带来的误差,同时无需过多人工干预,更易实现数据更新自动化。
本方案在进行数据更新的同时力图维护数据完整性和拓扑关系的一致性,对更新数据进行空间冲突检测,消除数据更新过程产生的不合理的空间关系,使更新的数据符合实际地物的变化情况。同时将数据库中原有的数据存入历史库中,更新的数据形成一个现势库,既可以进行最新变化信息的查询,又可以对历史数据进行回溯,新旧数据进行对比分析,更利于相关部门了解地区的发展现状和发展趋势,从而做出更科学、更符合实际的决策行为。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于遥感影像的地理空间数据动态更新的方法流程图;
图2是本发明实施例中的影像预处理的方法流程图;
图3是本发明实施例中的边界提取的结构元素示意图;
图4是本发明实施例中的基于IGAC模型的边界提取流程图;
图5是本发明实施例中的基于四叉树空间索引原理对更新数据进行分割定位变化区域方法流程图;
图6是本发明实施例中的基于要素更新的变化示例图;
图7是本发明实施例中的基于遥感影像的地理空间数据动态更新的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明所提供的基于遥感影像的地理空间数据动态更新的方法,包括如下步骤:对即将更新入库的遥感影像数据进行影像预处理;采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;采用改进的测地线主动轮廓模型IGAC模型对变化区域的边界进行提取;采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;基于四叉树空间索引原理对更新数据进行分割定位变化区域;基于神经决策树的方法识别出要素的变化类型;将变化的类型提取出来;将变化的信息在原有数据库中进行增量更新入库。
本发明实施例以多元多时相遥感影像数据为基础,以历史影像为参考,对现势影像进行重投影、空间配准、色彩校正等预处理,使不同时相的数具有相同的空间参考等,在一定程度上具有可比性。对影像做预处理后,采用影像代数法和变化矢量分析法相结合进行变化检测,并对提取出的变化信息做后续处理,如滤波消噪等,以获得更为准确的变化信息。采用IGAC模型对地物的变化信息进行边界提取,获取变化区域的栅格边界,在此基础上进行矢量化处理,转化为矢量边界并进行矢量边界规则化,准确提取地物变化区域的边界。
基于要素的数据动态更新方法,以要素为基本单元,通过基于四叉树划分的方式进行变化信息的搜索和定位,然后采用神经决策树的方法对变化信息进行识别和提取,最终实现数据增量更新。所谓增量更新是指通过一定的技术,在原有数据的基础上,将发生变化的信息添加到数据库中,以保证数据库的现势性和准确性。要实现数据动态更新,获取变化信息是关键。动态更新的方法是利用对象的空间相似性、几何特征、拓扑特征和语义特征等指标进行变化信息检测,依据检测结果对要素进行添加、删除或属性修改等更新操作。对于在变化信息检测过程中可能产生的不合理的空间关系进行空间冲突检测和处理,以保证检测的准确性。数据的动态更新除了新添数据的录入外还可以对原有的历史数据实现存储、管理和回溯。为了保护原有数据的安全,数据的动态更新过程并不是在已有的数据库中进行,而是建立一个临时库,在临时库中实现。首先对新旧数据进行变化检测处理,当检测到变化信息后,再对原有的数据进行变化处理(要素的添加、删除及修改等),然后进行空间冲突检测,最后将要素的变化信息存入变化过程库,被修改和删除的旧要素存入历史库中,实现数据的动态更新。
图1示出了本发明实施例中的基于遥感影像的地理空间数据动态更新的方法流程图,
S101、对即将更新入库的遥感影像数据进行影像预处理;
由于所用的遥感影像来源不一定相同,影像的获取时间、季节、角度、传感器类型、空间参考都可能各不相同。如果遥感影像没有经过较高精度的图像预处理,则在整个影像范围内都会检测出变化区域,其中一部分变化区域都是因为影像未经过预处理而误检测出来的,一般称之为“伪”变化区域,这些“伪”变化区域是因为不同传感器参数设置、成像时间、观测角度以及投影方式等差异造成的,而不是地物本身发生变化,会给检测结果带来极大干扰。在实施过程中需要对影像进行一系列的预处理,使影像的各条件具有同等的意义和水平。在实施过程中以历史影像作为参考,而对现势影像即即将更新入库的遥感影像进行一系列的预处理。
图2示出了影像预处理的方法流程图,包括如下步骤:
S201、遥感影像掩膜;
遥感影像掩膜是指用选定的图像、图形或物体,对待处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。用于覆盖的特定图像或物体称为掩模或模板。数字图像处理中,掩模为二维矩阵数组,有时也用多值图像。在这里进行影像掩膜处理主要可以提取感兴趣的研究区域,用预先制作的感兴趣区掩膜与待处理图像相乘,得到感兴趣区图像,此时感兴趣区内像元值保持不变而区外图像值都为0,近似于变相的影像裁剪。此外,影像掩膜还具有一定的屏蔽作用,用掩膜对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算,或仅对屏蔽区作处理或统计。可以通过掩膜去除影像上的条带,恢复影像坏死区域,提高影像质量。本技术方案主要是采用掩膜的第一个功能,即提取感兴趣研究区域,用选定的图像、图形或物体,对待处理的图像进行遮挡,控制图像处理的区域或处理过程。
S202、影像重投影、重采样;
不同传感器生成的遥感影像采用的投影方式可能不同,因此在使用多元影像数据之前需要统一各影像数据的空间参考,影像的重投影主要是为解决空间参考不一致这一问题。影像的重投影是指通过对任意视点的参考影像进行投影来产生新的影像。以历史影像作为参考,对现势影像进行重投影,使现势影像的空间参考与历史影像的一致。然后检查现势影像和历史影像的空间分辨率是否一致,即像元大小是否相同,如若不同则以历史影像为基准对现势影像进行重采样,统一现势影像和历史影像的像元大小。本发明实施例中选择最邻近内插法进行影像的重采样,加快图像处理的速度,且保证了重采样的准确性。
以历史影像作为参考,对现势影像进行重投影,使现势影像的空间参考与历史影像的一致,检查现势影像和历史影像的空间分辨率是否一致,如若不同则以历史影像为基准对现势影像进行重采样,统一现势影像和历史影像的像元大小。
S203、使同一地区不同来源的影像上同名地物能具有相同的坐标进行影像空间配准;
遥感影像空间配准是为了使同一地区不同来源的影像上同名地物能具有相同的坐标,即空间位置相同。本发明实施例对遥感影像自动计算生成和选取控制点,最多可生成数百个控制点,均匀分布于整幅影像,克服了人工选取控制点的弊端。同时能保证影像的空间配准误差小于1个像元,提高配准精度。
控制点的自动提取过程如下:
首先要将两个时相的影像进行叠加分析,找出影像的公共区域。因为选取控制点多分布在两幅影像的重叠区域,将重叠区域提出出来作为控制点生成的基础影像,缩小了控制点自动匹配的搜索范围,有利于加快生成速度,降低时间复杂度;将待纠正区域进行均匀网格划分,两幅影像的相似区域赋予一个相同的编号,一一对应起来;特征点搜索:在划分好网格的基础上,以每一块网格区域为单元进行控制点对搜索,整幅影像可生成多达几百个控制点对,每块网格均分布有控制点,保证控制点的数量和分布均匀,提高空间配准精度。
特征点搜索分为特征点提取过程和特征点匹配。
在实施过程中采用SIFT算法进行特征点的提取,SIFT算法能够在较小范围的影像中提取到大量的特征点,且这些特征点具有尺度、旋转不变性;在提取过程中首先建立尺度空间,再进行关键点检测,最终生成特征描述算子。
进行特征点匹配过程,SIFT算法的特征点匹配采用欧氏距离法,利用待配准影像与参考影像的最邻近特征点和次邻近特征点的距离比值是否超过一定的阈值来确定控制点对。依据前面生成的特征点,以划分的具有相同编号的区域为单元,局部搜索参考影像和待配准影像中所包含的所有特征点,计算参考影像区域内每个特征点与待配准影像对应区域中所有特征点的欧氏距离的最小值和次小值,然后求出欧氏距离最小值和次小值的比值,将比值与SIFT设定的阈值比较,找出控制点对。以生成的控制点对进行空间配准,纠正历史影像和现势影像之间的空间差异,确保变化检测的准确性。使用系统自动生成的控制点对实现空间配准。
S204、基于直方图匹配的方法进行色彩校正。
遥感已成为地表实时观测的基本手段,除了太阳辐射、大气状况以及卫星设置参数的影响外,植被随季节变化的特性也会造成影像色彩和明亮度的差异。为了消除不同影像间因成像时间不同而导致的颜色差异,需要对影像进行色彩校正,使图像间颜色外观要一致。本文采用直方图匹配的方法进行色彩校正。通过直方图匹配处理后消除不同时相的遥感影像的色彩视觉差异,使同名地物的色调一致,增强影像地物间的反差,提高视觉分辨效果。
S102、采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
该实施过程中采用影像比对的方式识别出变化信息,具体采用影像代数法和变化矢量分析法相结合的方式,计算出图像上每个像元对应波段的光谱差值以及矢量距离||ΔT||,通过与阈值比较来确定像元是否发生变化。
影像代数法通过计算两个时相的遥感影像中某一波段的差值或比值,生成一幅新的差值或比值图像,这幅图像代表两个时相地物的光谱变化。差值法生成的影像,影像值为正或负时证明该区域光谱值发生了变化,而对于没有发生变化的区域,其影像值均为0。
差值法公式:Yxij=xij k(t2)-xij k(t1);
比值法公式:Yxij=xij k(t2)/xij k(t1)。
变化矢量分析法首先对两个不同时相的影像进行差值运算,求得每个像元在不同时相的变化值,这个变化值称为变化向量。
设t1、t2两个时相的遥感影像某个像元的灰度矢量分别表示为:
A=(a1,a2,...an)T和B=(b1,b2,...b n )T,其中n为选择的波段数。
采用均方根误差计算像元在两个时相的变化强度—矢量距离||ΔT||:
矢量距离||ΔT||代表两个时相遥感影像的全部灰度差异。||ΔT||越大,表明该像元在这两个时相内发生变化的可能性越大。
变化矢量分析法能充分利用影像的波段信息,可以利用较多甚至全部的波段来探测变化像元,因此能有效地避免了单一波段比较所带来的信息不完整,能更准确地反映影像地物在不同时相的变化情况,有利于变化检测精度的提高。
影像一系列预处理操作完成后,依据同一区域、不同时相的两幅遥感影像,计算出所选影像各个波段中每个像元对应的差值图以及矢量距离||ΔT||。依据差值图和矢量距离||ΔT||来判断该像元是否发生变化。
所有像元两个时相相应波段的灰度差值以及矢量距离||ΔT||服从正态分布,可以做出相应的正态分布曲线。在差值图像的分布曲线图形上,有显著变化的像元一般分布在图像的两端,而其他无显著变化的像元则集中分布在均值附近。利用统计学中显著性分析的原理做假设检验,判断像元是否发生变化,即是否落在正态分布曲线阈值范围(左右两个极端)。如果一个像元各个波段的差值以及矢量距离||ΔT||四个参数任意一个落在对应的正态分布曲线(-∞,α)和(α,+∞)的范围内,则说明这个像元发生了变化,由此可以生成一个变化分布图层。
影像代数法与变化矢量分析法相结合,方法原理比较简单,计算过程速度快,能快速找出变化区域,提取出变化信息,且检测精度较高,效果较好。
S103、采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
用影像代数法和变化矢量分析法提取出来的差值图以及矢量距离||ΔT||图像上会产生许多细碎的小斑块,为使地物的边缘信息完整,需要将小斑块去除掉。可以采用消除图像噪声的方法进行处理。
中值滤波是当前应用最为广泛的去噪方法之一,它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。这种滤波器的优点是运算简单而且速度较快,在滤除加性白噪声和长尾噪声方面显示出了极好的性能;并且,它在滤除噪声(尤其是脉冲噪声)的同时还能很好的保护信号的细节信息(例如,边缘、锐角等等)。同时,中值滤波器很容易自适应化,从而可以进一步提高其滤波性能。因此,它就非常适用于一些线性滤波器无法胜任的数字图象处理应用场合。根据中值滤波的特点,本文使用中值滤波的方法进行处理。
中值滤波的定义如下:
y(i)=Med[x(i-N),...,x(i),...x(i+N)]
中值滤波即将N×N的网格区域中N2个像元的灰度值进行从小到大排列,从中找出中间像元值,并以这个中间像元值代替中心像元原有的像元值做为输出的像元值。
对于二维的数字图像而言,中值滤波实际上就是用一个活动窗口沿图像移动,窗口中心位置的像素灰度用窗口内所有的像素灰度的中值代替;在上述的操作中,所有像素采用了统一的处理方法。因而该过程在滤除噪声的同时,也改变了真正信号点的值,造成了图像模糊。二维中值滤波器保护边缘消除噪声的特性与子窗口的选择有相当大的关系,考虑到图像在二维方向上均具有相关性,在选取窗口时,活动窗口一般都选为二维窗口(3x3,5x5或7x7等),窗口的形状常用的有方形、十字形、圆形或X字形等,为了更全面地保护图像的边缘细节而消除噪声,经常采用全方位子窗口选择办法。同时,由于实际的图像信号都具有极其复杂的结构,这些结构(例如线段、锐角等)都可能被窗口较大的中值滤波处理破坏,因为排序过程很可能破坏任意结构和空间的邻域信息,因此为减少中值滤波器的破坏作用,进一步提高滤波效果,人们提出了许多改进的中值滤波器,有极大中值滤波、加权中值滤波等。
中值滤波一般用于消除孤立噪声点。进行中值滤波处理后,差值图像上的细碎部分被有效地去除掉,变化部分较完整,并突出地物边缘,有效地保护了边缘信息。
S104、根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
根据滤波处理后的差值图像,可以确定地物变化的分布区域。为确定地物变化类型,需要由变化分布图回归到遥感影像上。以差值图像为参照,分别对历史遥感影像和现势遥感影像进行裁剪处理,获得变化区域对应的影像数据。分别对变化区域的历史影像和现势影像进行图像分类,这里采用监督分类的方法。根据历史影像和现势影像的分类结果,可以确定地物类型的变化过程。
S105、采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
上述处理过程获得的图像是两个时相的影像地物变化情况的一个分布图,需要进一步提取出变化地物的边界。本文采用一种改进的GAC模型对变化地物的边界进行提取。
改进的GAC模型(IGAC)公式如下:
这一模型是将GAC模型里的收缩力c用Fpg替换掉。Fpg称为深度梯度作用力。由于曲线上任一点都要受除其自身以外的其他点的影响,即会有一个力的作用。在图像中,目标边界的梯度模值较大,对曲线点的作用力就越大,但会随着距离的增大而减小,因此,点p对任一点q的作用力可以定义为:
其中,Dp为点p处的梯度模值,rpq 2则意味着两点距离越远其作用力越小。
进行归一化后Fpg表示为:
Fp为点p对所有点的合力:
为了简化计算,本发明实施例中采用变分水平集方法对IGAC模型进行数值化求解,得到模型的变分水平集形式为:
上式中,第一项为强迫项,能保持水平集为符号距离函数,δε(u)为Heaviside函数的导数(ε为常数),u为图像的每一个像元值,μ为控制强迫项作用大小的参数,一般与曲线演化的时间步长一起考虑。
基于上述提出的IGAC模型,可以进行变化地物边界的提取,图4示出了本发明实施例中的基于IGAC模型的边界提取流程图,具体步骤如下:
(1)进行形态学滤波获得地物的初始位置U0,进而得到初始曲线的曲率k;
(2)根据提取的变化区域生成深度梯度图像T,并计算各点的Fg作为常数c;
(3)计算变化区域的梯度影像Ixy;
(4)根据梯度影像计算边缘停止函数g及边缘停止函数的梯度▽g;
(5)初始化模型参数,利用IGAC模型进行迭代直至稳定,得到变化区域边界。
遥感图像处理中,边界通常被认为是图像灰度发生强烈变化的区域,检测边界常用的方法有Robert、Sobel、Prewitt、Laplace以及Canny等。数学形态学中,也可以利用形态学梯度进行检测。假定图像A中对象的边界为BJ(A),则可以通过结构元素B对A进行腐蚀,进而用A减去腐蚀后的图像:
BJ(A)=A-(AΘB)
由于用上一公式进行形态学边界检测时,边界的粗细会受到结构元素大小的影响,尺寸大的结构元素抗噪能力强但提取到的边界会比较粗,考虑到本文的边界是水平集函数的零水平集,只需要一个像素的边界,因此选择3×3的结构元素进行计算,如图3所示中的边界提取的结构元素示意图。
在实施过程中的初始水平集设置为:
通过采用改进的GAC(IGAC)模型提取变化区域地物的边界,用曲线拟合地物边界,提高边界提取的精度。
S106、采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;
变化信息提取过程生成的差值图像以及影像分类图像均是栅格形式的图像,所提取的变化像元图像也是以栅格的形式展示的,需要将变化像元图和影像分类图转换成矢量的形式,栅格数据向矢量数据转换称为矢量化,利于提取地物变化部分的矢量边界。矢量化的目的是为后面的数据更新入库做准备。本实施例采用面状栅格数据的矢量化方法,对以IGAC提取出来的边界进行处理,生成影像变化区域的矢量边界图。
面状栅格数据的矢量化是提取具有相同属性编码的栅格集合的矢量边界及边界与边界之间拓扑关系的过程。面状地物矢量化的过程一般由几个部分组成:多边形边界提取、边界线追踪、拓扑关系生成和去除冗余点并进行曲线平滑,具体如下:
提取多边形边界:采用高通滤波将栅格图像二值化或者以特殊值标识边界点;
边界追踪:对每个边界弧段由一个节点向另一个节点搜索,通常对每个一直边界点需沿除了沿进入的方向的其他7个方向搜索下一个边界点,直到连成边界弧段;
生成拓扑关系:对于矢量表示的边界弧段数据,判断其与原图上各多边形的空间关系,以形成完整的拓扑结构并建立与属性数据的联系;
去除多余点及曲线润滑:由于搜索是逐个栅格进行的,必须去除由此造成的多余点记录,以减少数据冗余;另外,曲线由于栅格精度的限制可能不够圆滑,需采用一定的插补算法进行光滑处理,常用的算法有:线性迭代算法、分段三次多项式插值法、斜轴抛物线平均加权法和样条函数差值法。本实例采用分段三次多项式差值法。
S107、对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
由于实际地物的边界是可能存在弧段的,上面矢量化后的边界或多或少都会和实际的地物边界有偏差,为了获得更为精确的边界,需要进行边界规则化处理。边界规则化实际上就是对边界轮廓线的长度、走向进行拟合调整,使其更符合实际地物的边界。
本实施例利用相邻直线段的几何关系,将直线段拟合为弧段,使近似弧状的多线段地物边界拟合成圆弧状,与实际地物的弧状边界吻合,提取的边界范围更加精确。
在完成S101至S107之后,需要建立一个临时数据库,暂时存放待更新的变化信息,以保证原有数据的安全。接下来的处理过程都是在临时数据库中进行。全部处理完成之后方可将数据更新至原有数据库。
S108、基于四叉树空间索引原理对更新数据进行分割定位变化区域;
根据四叉树的空间数据索引原理,首先对图层进行四叉树剖分,计算区域内的“节点-弧段”特征,并进行层次检索,以快速定位到变化区域,再对该区域内的要素进行遍历要素搜索匹配,确定其变化类型。从而大大减少遍历要素次数,缩减计算量,提高变化捕捉的效率。
图5示出了本发明实施例中的基于四叉树空间索引原理对更新数据进行分割定位变化区域方法流程图,该方法步骤如下:
(1)找出待更新数据中所有的实体对象集的最小外接矩形,并将最小外接矩形区域作为四叉树的根节点;
(2)计算区域内所包含的各个空间要素的变化情况,要素的节点数和弧段数可以快速获取,并对区域的变化特征具有标识作用。因此,本文结合要素的节点与弧段树,提出区域要素变化特征评估模型:
J(Pv,Nv)=|Jcnt(Nv)-Jcnt(Pv)|/(Jcnt(Nv)+Jcnt(Pv))
H(Pe,Ne)=(|Hlen(Ne)-Hlen(Pe)|)/(Hlen(Ne)-Hlen(Pe))
Pf,Nf分别为该区域范围内原数据和更新数据的集合,F(Pf,Nf)可反映要素的整体变化情况。Nv,Pv是新旧要素的结点集合。Ne,Pe为相应的新旧弧段集合,也可表示为面图层的边界弧段集合。J(Pv,Nv)和H(Pe,Ne)分别用于表示区域内新旧数据集的节点数与弧段长度的变化情况。α1,α2表示结点变化指标与弧段变化指标所占的权重,取值在0-1之间且α1+α2=1。对于点图层,由于无法计算弧段特征,故α2设为0。节点集的总数量通过函数Jcnt())来计算,弧段集的总长度通过Hlen()计算。
(3)判断区域内数据是否发生变化。若F(Pf,Nf)的计算结果大于0说明该区域存在明显的变化信息,需要进行分割。分割的方法为:分别提取区域内新旧要素重心的X,Y坐标,并计算其均值PXa,PYa,NXa,NYa。以点((PXa+PYa)/2,(NXa+NYa)/2)为中心沿X轴,Y轴方向把原区域分划为4个子区域。
(4)重复执行步骤(2)(3),直到划分区域内的要素数目少于阈值为止。结束剖分后,记录区域范围及所包含的对象,以备进行下一步对象的匹配。
(5)根据检索出的变化区域,采用缓冲区叠加分析的方法进行搜索匹配,进行变化捕捉,确定要素变化类型。
该算法结合对象节点数和弧段长度作为指标快速检测变化区域,利用四叉树空间索引原理,对更新数据进行分割,有助于对数据进行分步式并行处理,可以迅速定位到变化区域,提高变化检测的效率。在数据量较大的时空数据更新中可以减少运算量和内存占用量,提高变化信息的检测效率,更能满足工程化数据更新对硬件配置和更新效率的需求。
S109、基于神经决策树的方法识别出要素的变化类型;
本实施例采用神经决策树的方法对更新信息进行识别操作,识别出要素的变化类型,其实施过程如下:
将以往实现更新了的数据进行叠加,从中选取若干新旧样本组合作为神经网络的训练样本;
对选取的训练样本数据进行变化特征指标计算,如几何形状特征、语义相似度等;
将上述计算出的变化特征指标作为输入层,更新分类信息作为输出层,进行神经网络训练,并从中获取模型的阈值和权重矩阵;
对全体数据进行叠加,获取更新对象组合,并进行变化特征指标计算;
把数据的变化特征指标作为输入层,导入建立的神经网络模型进行变化信息检测,获取变化信息的分布结果。
本实施例的算法通过在决策树的非叶节点中设置神经网络通过训练建立模型,然后利用模型进行变化信息检测和识别。变化信息的识别把新旧对象组合的变化特征指标作为一个样本,加至神经网络决策树的根节点。在分裂节点处对其匹配特征指标进行分类判断。如果样本进入神经网络节点,则根据训练所得到的权重和偏置值进行识别,计算网络的输出量。最后依据判别函数判断输出量所属类别,即通过判别函数分析输出向量yk,若yi k的值最接近1,则样本k属于第i类。
S110、将变化的类型提取出来;
基于神经决策树的方法识别出了地物变化的类型,即“新增”、“消失”或“分解”等。根据识别的结果将地物的变化类型主要是“新增”和“消失”提取出来。
S111、进行空间冲突检测消除不符合完整性约束的空间关系;
变化信息提取过程中可能会出现空间关系与实际地物间的关系不符,以致不能正确表达现实地理实体的结构特征。为了消除不符合完整性约束的空间关系,需要进行空间冲突检测。
本发明实施例基于HakimaKadri-Dahmani提出的空间实体完整性约束表达式,在此基础上进行改进,修改了约束对象类的表达方法,并添加了属性约束规则与重要性指标,以六元组的方式表达约束规则。
Spaticalconflictconstrain={ID,C1,C2,TR,AR,Bd,I}
其中,ID是空间冲突约束的编号;C1、C2是受约束的空间对象类;TR表示拓扑约束规则;AR表示属性约束规则;Bd表示规则的执行范围;I是指该规则的重要性,取值在0~1之间。
根据上述空间冲突约束规则,使用顾及语义特征的拓扑检验方法构建约束条件进行目标搜索,找出不符合完整性约束的空间关系。空间冲突的处理主要是利用空间编辑功能对空间冲突涉及的对象进行处理,反复检验直至消除所有冲突后方可进入数据入库环节。
S112、将变化的信息在原有数据库中进行更新入库。
在进行空间冲突检测并将所有可能存在的空间冲突(如居民地冲突、等高线冲突、河流冲突等)进行处理后,确保待更新的数据没有空间冲突且符合实际情况。可以将更新后的数据存入原有的数据库中,实现数据更新入库形成现势库。原有的数据备份形成历史数据库,对历史数据进行存储和管理,可供相关部门进行历史数据回溯查询,与现势库进行对比分析,具体的,图6示出了本发明实施例中的基于要素更新的变化示例图。
相应的,图7示出了本发明实施例中的基于遥感影像的地理空间数据动态更新的系统结构示意图,该系统包括:
影像预处理模块,用于对即将更新入库的遥感影像数据进行影像预处理;
影像比对模块,用于采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
滤波消噪模块,用于采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
图像分类模块,用于根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
边界提取模块,用于采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
边界矢量化处理模块,用于采用面状栅格数据的矢量化方法对以IGAC模型提取的边界进行处理,生成影像变化区域的矢量边界图;
边界规整模块,用于对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
变化区域定位模块,用于基于四叉树空间索引原理对更新数据进行分割定位变化区域;
更新信息识别模块,用于基于神经决策树的方法识别出要素的变化类型;
变化信息提取模块,用于将变化的类型提取出来;
更新入库模块,用于将变化的信息在原有数据库中进行增量更新入库。
需要说明的是,该系统还包括:空间冲突检测模块,用于进行空间冲突检测消除不符合完整性约束的空间关系。
综上,本发明实施例将多种方法综合起来使用以提高变化检测的精度,提出将影像代数法与变化矢量分析法相结合的思想,综合了影像代数法和变化矢量分析法的优点,得到一种简单、快速而准确的变化检测方法,这种方法能充分利用影像的信息,减少数据来源的限制,具有较广的适应性,克服了传统单一变化检测方法的弱点。在进行影像空间配准时自动生成配准的控制点,代替人工选取的方式,提高控制点的选取速度和空间配准精度,为变化检测实现全面自动化奠定基础。运用改进的GAC模型对生成的变化分布图层进行边界提取,克服传统边界提取方法的弊端,使提取的边界更为准确。在变化信息定位方面,使用四叉树的格网划分方式,将影像划分为各个网格区域,以网格区域为单元进行变化信息的搜索,减少未变化区域的重复检索,提高了检索的速度和精度。
本发明实施例子将影像代数法和变化矢量分析法相结合的思想,得到一种简单、快速而准确的变化检测方法。这种方法能充分利用影像的信息,减少数据来源的限制,具有较广的适应性。同时自动生成控制点,解决了传统人工选取控制点工作量大、耗费时间长、精度难以保证的难题,间接地提高变化检测的速度和精度。
采用基于IGAC模型进行边界提取,在ACM模型的基础上进行改进,克服ACM模型在边界提取中严重依赖曲线参数、无法自适应变化等弊端。IGAC模型能够适应各种边界形状的提取,具有很高的精度水平。此外,为提高所提取的边界与真实地物边界的吻合程度,本方案提出了一种适合于各种类型的边界提取算法,将矢量化后的边界进行圆弧拟合,实现边界规则化,使提取的边界更加准确。
提出基于四叉树划分的变化信息定位方法,在对影像进行空间配准、色彩校正等预处理后,依据四叉树空间信息索引的原理,将新旧图层进行四叉树分割,切割成具有层次的网格,然后对新旧图层进行像元比对或用矢量距离法,可以简单、快速、准确地找出变化区域。四叉树划分较传统要素遍历的变化检测方法速度大大提高,且检测精度较为理想。
运用神经网络决策树方法对变化信息进行定位,充分利用神经网络大规模并行、可自组织、自适应的特点和决策树实现能力强的优势,能够快速查找出变化区域,对比传统的变化检测方法效率和精度有显著提高。由于神经网络结构能自学习、自适应,整个训练过程人为干扰因素很少,可以减少人为因素带来的误差,同时无需过多人工干预,更易实现数据更新自动化。
本方案在进行数据更新的同时力图维护数据完整性和拓扑关系的一致性,对更新数据进行空间冲突检测,消除数据更新过程产生的不合理的空间关系,使更新的数据符合实际地物的变化情况。同时将数据库中原有的数据存入历史库中,更新的数据形成一个现势库,既可以进行最新变化信息的查询,又可以对历史数据进行回溯,新旧数据进行对比分析,更利于相关部门了解地区的发展现状和发展趋势,从而做出更科学、更符合实际的决策行为。
本领域普通技术人员可以理解上述实施例的各种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,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁盘或光盘等。
以上对本发明实施例所提供的基于遥感影像的地理空间数据动态更新的方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种基于遥感影像的地理空间数据动态更新的方法,其特征在于,包括如下步骤:
对即将更新入库的遥感影像数据进行影像预处理;
采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;
对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
基于四叉树空间索引原理对更新数据进行分割定位变化区域;
基于神经决策树的方法识别出要素的变化类型;
将变化的类型提取出来;
将变化的信息在原有数据库中进行更新入库。
2.如权利要求1所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述对即将更新入库的遥感影像数据进行影像预处理包括:
用选定的图像、图形或物体,对待处理的图像进行遮挡,控制图像处理的区域或处理过程;
以历史影像作为参考,对现势影像进行重投影,使现势影像的空间参考与历史影像的一致,检查现势影像和历史影像的空间分辨率是否一致,如若不同则以历史影像为基准对现势影像进行重采样,统一现势影像和历史影像的像元大小;
使同一地区不同来源的影像上同名地物能具有相同的坐标,进行影像空间配准;
基于直方图匹配的方法进行色彩校正。
3.如权利要求2所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述使同一地区不同来源的影像上同名地物能具有相同的坐标,进行影像空间配准包括:
将两个时相的影像进行叠加分析,找出影像的公共区域;
将待纠正区域进行均匀网格划分,两幅影像的相似区域赋予一个相同的编号,一一对应;
在划分好网格的基础上,以每一块网格区域为单元进行控制点对搜索;
使用系统自动生成的控制点对实现空间配准。
4.如权利要求1所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取包括:
进行形态学滤波获得地物的初始位置U0,进而得到初始曲线的曲率k;
根据提取的变化区域生成深度梯度图像T,并计算各点的Fg作为常数c;
计算变化区域的梯度影像Ixy;
根据梯度影像计算边缘停止函数g及边缘停止函数的梯度▽g;
初始化模型参数,利用IGAC模型进行迭代直至稳定,得到变化区域边界。
5.如权利要求1所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图包括:
采用高通滤波将栅格图像二值化或者以特殊值标识边界点;
对每个边界弧段由一个节点向另一个节点搜索;
形成完整的拓扑结构并建立与属性数据的联系;
去除多余点及曲线润滑。
6.如权利要求1所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述基于四叉树空间索引原理对更新数据进行分割定位变化区域包括:
对图层进行四叉树剖分,计算区域内的“节点-弧段”特征,并进行层次检索,以快速定位到变化区域,再对区域内的要素进行遍历要素搜索匹配,确定变化类型。
7.如权利要求1所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述基于神经决策树的方法识别出要素的变化类型包括:
在决策树的非叶节点中设置神经网络通过训练建立模型,然后利用模型进行变化信息检测和识别;
变化信息的识别把新旧对象组合的变化特征指标作为一个样本,加至神经网络决策树的根节点;
在分裂节点处对其匹配特征指标进行分类判断,如果样本进入神经网络节点,则根据训练所得到的权重和偏置值进行识别,计算网络的输出量;
依据判别函数判断输出量所属类别。
8.如权利要求1至7任一项所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述将变化的信息在原有数据库中进行更新入库步骤之前还包括:
进行空间冲突检测消除不符合完整性约束的空间关系。
9.如权利要求8所述的基于遥感影像的地理空间数据动态更新的方法,其特征在于,所述进行空间冲突检测消除不符合完整性约束的空间关系包括:
使用顾及语义特征的拓扑检验方法构建约束条件进行目标搜索,找出不符合完整性约束的空间关系;
利用空间编辑功能对空间冲突涉及的对象进行处理,反复检验直至消除所有冲突后方再进入更新入库环节。
10.一种基于遥感影像的地理空间数据动态更新的系统,其特征在于,所述系统包括:
影像预处理模块,用于对即将更新入库的遥感影像数据进行影像预处理;
影像比对模块,用于采用影像代数法和变化矢量分析法相结合的方式识别出变化信息;
滤波消噪模块,用于采用中值滤波的方法对识别出的变化信息进行滤波消除噪声;
图像分类模块,用于根据滤波处理后的差值图像确定地物变化的分布区域,分别对变化区域的历史影像和现势影像进行图像分类;
边界提取模块,用于采用改进的测地线主动轮廓模IGAC模型对变化地物的边界进行提取;
边界矢量化处理模块,用于采用面状栅格数据的矢量化方法对以IGAC模型提取处理的边界进行处理,生成影像变化区域的矢量边界图;
边界规整模块,用于对地物的边界进行规整,使近似弧状的多线段地物边界拟合成圆弧状;
变化区域定位模块,用于基于四叉树空间索引原理对更新数据进行分割定位变化区域;
更新信息识别模块,用于基于神经决策树的方法识别出要素的变化类型;
变化信息提取模块,用于将变化的类型提取出来;
更新入库模块,用于将变化的信息在原有数据库中进行更新入库。
11.如权利要求10所述的基于遥感影像的地理空间数据动态更新的系统,其特征在于,所述系统还包括:
空间冲突检测模块,用于进行空间冲突检测消除不符合完整性约束的空间关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510903843.7A CN105551028B (zh) | 2015-12-09 | 2015-12-09 | 一种基于遥感影像的地理空间数据动态更新的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510903843.7A CN105551028B (zh) | 2015-12-09 | 2015-12-09 | 一种基于遥感影像的地理空间数据动态更新的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105551028A true CN105551028A (zh) | 2016-05-04 |
CN105551028B CN105551028B (zh) | 2018-02-23 |
Family
ID=55830204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510903843.7A Active CN105551028B (zh) | 2015-12-09 | 2015-12-09 | 一种基于遥感影像的地理空间数据动态更新的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105551028B (zh) |
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106326890A (zh) * | 2016-08-24 | 2017-01-11 | 深圳市虚拟现实技术有限公司 | 基于图像识别的空间定位方法及系统 |
CN106371013A (zh) * | 2016-11-08 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种基于图片识别的gis开关故障自动识别系统 |
CN106844739A (zh) * | 2017-02-14 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种基于神经网络协同训练的遥感图像变化信息检索方法 |
CN107240087A (zh) * | 2016-11-01 | 2017-10-10 | 北京深鉴智能科技有限公司 | 目标检测系统和方法 |
CN107729138A (zh) * | 2017-09-14 | 2018-02-23 | 北京天耀宏图科技有限公司 | 一种高性能分布式矢量空间数据的分析方法和装置 |
CN107818303A (zh) * | 2017-10-23 | 2018-03-20 | 中石化石油工程地球物理有限公司 | 无人机油气管线影像自动对比分析方法、系统及软件存储器 |
CN107833280A (zh) * | 2017-11-09 | 2018-03-23 | 交通运输部天津水运工程科学研究所 | 一种基于地理网格与图像识别相结合的户外移动增强现实方法 |
CN108053409A (zh) * | 2017-12-11 | 2018-05-18 | 中南大学 | 一种遥感影像分割基准库自动构建方法及其系统 |
CN108376232A (zh) * | 2018-01-04 | 2018-08-07 | 北京星衡科技有限公司 | 一种用于遥感影像的自动解译的方法与装置 |
CN108388590A (zh) * | 2018-01-30 | 2018-08-10 | 中国科学院计算机网络信息中心 | 一种landsat影像数据的自适应格网剖分组织方法和装置 |
CN108898172A (zh) * | 2018-06-25 | 2018-11-27 | 深圳市中电数通智慧安全科技股份有限公司 | 一种消防网格更新方法、装置及设备 |
CN109062679A (zh) * | 2018-08-01 | 2018-12-21 | 中国科学院遥感与数字地球研究所 | 一种面向并行处理的矢量数据通用划分方法 |
CN109145173A (zh) * | 2018-07-26 | 2019-01-04 | 浙江省测绘科学技术研究院 | 一种基于相似度的矢量要素变化比对方法 |
CN109241846A (zh) * | 2018-08-06 | 2019-01-18 | 广州市城市规划勘测设计研究院 | 遥感影像的时空变化估测方法、装置与存储介质 |
CN109285134A (zh) * | 2018-10-10 | 2019-01-29 | 泉州市敏匠智能科技有限公司 | 一种无人机影像智能采集系统和方法 |
CN109523516A (zh) * | 2018-10-19 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于双重约束条件的对象级土地覆盖变化检测方法 |
CN109584207A (zh) * | 2018-10-19 | 2019-04-05 | 华南理工大学 | 一种测量高密度柔性印制基板线宽或线距最小距离的方法 |
CN110083637A (zh) * | 2019-04-23 | 2019-08-02 | 华东理工大学 | 一种面向桥梁病害评级数据的去噪方法 |
CN110163139A (zh) * | 2019-05-14 | 2019-08-23 | 苏州嘉奕晟中小企业科技咨询有限公司 | 城市三维数字化信息采集更新扫描系统 |
CN110287869A (zh) * | 2019-06-25 | 2019-09-27 | 吉林大学 | 基于深度学习的高分辨率遥感影像农作物分类方法 |
CN110348483A (zh) * | 2019-06-06 | 2019-10-18 | 重庆工商大学融智学院 | 基于空间信息与统计学习的空间信息变化检测与分类方法 |
CN110415287A (zh) * | 2019-07-11 | 2019-11-05 | Oppo广东移动通信有限公司 | 深度图的滤波方法、装置、电子设备和可读存储介质 |
CN110543863A (zh) * | 2019-07-04 | 2019-12-06 | 自然资源部第一海洋研究所 | 一种基于邻域保边水平集的绿潮遥感自动探测方法及系统 |
CN110956207A (zh) * | 2019-11-22 | 2020-04-03 | 苏州中科天启遥感科技有限公司 | 一种光学遥感影像全要素变化检测方法 |
CN111063003A (zh) * | 2019-11-08 | 2020-04-24 | 中国自然资源航空物探遥感中心 | 矿山分布图的制作方法和系统 |
CN111339236A (zh) * | 2020-02-28 | 2020-06-26 | 广东电网有限责任公司电力科学研究院 | 一种输电线路廊道多源空间数据库构建方法和装置 |
CN111353665A (zh) * | 2018-12-21 | 2020-06-30 | 北京航天泰坦科技股份有限公司 | 一种基于遥感数据的城市扩展时空演变特征的评价方法 |
CN111652932A (zh) * | 2020-04-20 | 2020-09-11 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
CN112149753A (zh) * | 2020-10-07 | 2020-12-29 | 智博云信息科技(广州)有限公司 | 一种遥感影像数据处理方法、系统和云平台 |
CN112215863A (zh) * | 2020-10-13 | 2021-01-12 | 北京易控智驾科技有限公司 | 露天矿装载区多台阶作业场景检测方法和系统 |
CN112465714A (zh) * | 2020-11-24 | 2021-03-09 | 北京航天泰坦科技股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
CN112749245A (zh) * | 2021-01-07 | 2021-05-04 | 北京码牛科技有限公司 | 一种一标三实信息管理方法、装置和电子设备 |
CN112966164A (zh) * | 2021-05-19 | 2021-06-15 | 航天宏图信息技术股份有限公司 | 一种用于海量遥感影像目标提取的快速定位方法及装置 |
CN113628291A (zh) * | 2021-08-02 | 2021-11-09 | 电子科技大学 | 基于边界提取与合并的多形状目标栅格数据矢量化方法 |
CN114549259A (zh) * | 2022-02-23 | 2022-05-27 | 中科海慧(北京)科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法 |
CN114581498A (zh) * | 2022-05-05 | 2022-06-03 | 环球数科集团有限公司 | 一种矢量数据与栅格影像结合的迭代模型配准系统 |
CN114646305A (zh) * | 2022-03-03 | 2022-06-21 | 湖南省测绘科技研究所 | 一种无人机测绘行为的智能识别方法 |
CN114972440A (zh) * | 2022-06-21 | 2022-08-30 | 江西省国土空间调查规划研究院 | 用于国土调查的es数据库图斑对象链式追踪方法 |
CN115035340A (zh) * | 2022-06-13 | 2022-09-09 | 电子科技大学 | 遥感影像分类结果验证方法 |
CN115578607A (zh) * | 2022-12-08 | 2023-01-06 | 自然资源部第三航测遥感院 | 一种遥感影像有效像元覆盖范围快速提取方法 |
CN116028588A (zh) * | 2023-03-27 | 2023-04-28 | 中南大学 | 基于拓扑关系的增量复杂多边形更新方法 |
CN117036715A (zh) * | 2023-10-09 | 2023-11-10 | 南京北斗创新应用科技研究院有限公司 | 一种基于卷积神经网络的形变区边界自动提取方法 |
CN117036621A (zh) * | 2023-10-08 | 2023-11-10 | 山东瑞鑫时空信息科技有限公司 | 基于物联网的地理信息测绘仪数据管理方法 |
CN112465714B (zh) * | 2020-11-24 | 2024-05-07 | 航天科工(北京)空间信息应用股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646027A (zh) * | 2013-10-30 | 2014-03-19 | 广东省数字广东研究院 | 一种地理空间数据库更新方法及系统 |
CN103942331A (zh) * | 2014-04-30 | 2014-07-23 | 中南大学 | 一种土地利用矢量数据库增量更新处理的自动化方法 |
-
2015
- 2015-12-09 CN CN201510903843.7A patent/CN105551028B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646027A (zh) * | 2013-10-30 | 2014-03-19 | 广东省数字广东研究院 | 一种地理空间数据库更新方法及系统 |
CN103942331A (zh) * | 2014-04-30 | 2014-07-23 | 中南大学 | 一种土地利用矢量数据库增量更新处理的自动化方法 |
Non-Patent Citations (4)
Title |
---|
C.ARMENAKIS ET AL.: "《CHANGE DETECTION METHODS FOR THE REVISION OF TOPOGRAPHIC DTABASES》", 《SYMPOSIUM ON GEOSPATIAL THEORY,PROCESSING AND APPLICATIONS》 * |
张新长等: "《影像增量动态更新与融合技术研究》", 《测绘学报》 * |
郭泰圣等: "《神经网络决策树的矢量数据变化信息快速识别方法》", 《测绘学报》 * |
陈军等: "《基础地理信息动态更新技术体系初探》", 《地理信息世界》 * |
Cited By (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257497A (zh) * | 2016-07-27 | 2016-12-28 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106257497B (zh) * | 2016-07-27 | 2020-05-08 | 中测高科(北京)测绘工程技术有限责任公司 | 一种图像同名点的匹配方法及装置 |
CN106326890A (zh) * | 2016-08-24 | 2017-01-11 | 深圳市虚拟现实技术有限公司 | 基于图像识别的空间定位方法及系统 |
CN107240087B (zh) * | 2016-11-01 | 2020-04-24 | 北京深鉴智能科技有限公司 | 目标检测系统和方法 |
CN107240087A (zh) * | 2016-11-01 | 2017-10-10 | 北京深鉴智能科技有限公司 | 目标检测系统和方法 |
CN106371013A (zh) * | 2016-11-08 | 2017-02-01 | 广东电网有限责任公司电力科学研究院 | 一种基于图片识别的gis开关故障自动识别系统 |
CN106844739B (zh) * | 2017-02-14 | 2020-05-05 | 中国科学院遥感与数字地球研究所 | 一种基于神经网络协同训练的遥感图像变化信息检索方法 |
CN106844739A (zh) * | 2017-02-14 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种基于神经网络协同训练的遥感图像变化信息检索方法 |
CN107729138A (zh) * | 2017-09-14 | 2018-02-23 | 北京天耀宏图科技有限公司 | 一种高性能分布式矢量空间数据的分析方法和装置 |
CN107729138B (zh) * | 2017-09-14 | 2020-11-20 | 北京天耀宏图科技有限公司 | 一种高性能分布式矢量空间数据的分析方法和装置 |
CN107818303A (zh) * | 2017-10-23 | 2018-03-20 | 中石化石油工程地球物理有限公司 | 无人机油气管线影像自动对比分析方法、系统及软件存储器 |
CN107818303B (zh) * | 2017-10-23 | 2021-06-15 | 中石化石油工程地球物理有限公司 | 无人机油气管线影像自动对比分析方法、系统及软件存储器 |
CN107833280A (zh) * | 2017-11-09 | 2018-03-23 | 交通运输部天津水运工程科学研究所 | 一种基于地理网格与图像识别相结合的户外移动增强现实方法 |
CN107833280B (zh) * | 2017-11-09 | 2021-05-11 | 交通运输部天津水运工程科学研究所 | 一种基于地理网格与图像识别相结合的户外移动增强现实方法 |
CN108053409A (zh) * | 2017-12-11 | 2018-05-18 | 中南大学 | 一种遥感影像分割基准库自动构建方法及其系统 |
CN108053409B (zh) * | 2017-12-11 | 2022-05-13 | 中南大学 | 一种遥感影像分割基准库自动构建方法及其系统 |
CN108376232A (zh) * | 2018-01-04 | 2018-08-07 | 北京星衡科技有限公司 | 一种用于遥感影像的自动解译的方法与装置 |
CN108388590B (zh) * | 2018-01-30 | 2021-12-10 | 中国科学院计算机网络信息中心 | 一种landsat影像数据的自适应格网剖分组织方法和装置 |
CN108388590A (zh) * | 2018-01-30 | 2018-08-10 | 中国科学院计算机网络信息中心 | 一种landsat影像数据的自适应格网剖分组织方法和装置 |
CN108898172A (zh) * | 2018-06-25 | 2018-11-27 | 深圳市中电数通智慧安全科技股份有限公司 | 一种消防网格更新方法、装置及设备 |
CN109145173A (zh) * | 2018-07-26 | 2019-01-04 | 浙江省测绘科学技术研究院 | 一种基于相似度的矢量要素变化比对方法 |
CN109062679A (zh) * | 2018-08-01 | 2018-12-21 | 中国科学院遥感与数字地球研究所 | 一种面向并行处理的矢量数据通用划分方法 |
CN109241846A (zh) * | 2018-08-06 | 2019-01-18 | 广州市城市规划勘测设计研究院 | 遥感影像的时空变化估测方法、装置与存储介质 |
CN109241846B (zh) * | 2018-08-06 | 2020-10-23 | 广州市城市规划勘测设计研究院 | 遥感影像的时空变化估测方法、装置与存储介质 |
CN109285134A (zh) * | 2018-10-10 | 2019-01-29 | 泉州市敏匠智能科技有限公司 | 一种无人机影像智能采集系统和方法 |
CN109584207B (zh) * | 2018-10-19 | 2023-01-06 | 华南理工大学 | 一种测量高密度柔性印制基板线宽或线距最小距离的方法 |
CN109584207A (zh) * | 2018-10-19 | 2019-04-05 | 华南理工大学 | 一种测量高密度柔性印制基板线宽或线距最小距离的方法 |
CN109523516A (zh) * | 2018-10-19 | 2019-03-26 | 中国科学院遥感与数字地球研究所 | 一种基于双重约束条件的对象级土地覆盖变化检测方法 |
CN111353665A (zh) * | 2018-12-21 | 2020-06-30 | 北京航天泰坦科技股份有限公司 | 一种基于遥感数据的城市扩展时空演变特征的评价方法 |
CN110083637A (zh) * | 2019-04-23 | 2019-08-02 | 华东理工大学 | 一种面向桥梁病害评级数据的去噪方法 |
CN110083637B (zh) * | 2019-04-23 | 2023-04-18 | 华东理工大学 | 一种面向桥梁病害评级数据的去噪方法 |
CN110163139A (zh) * | 2019-05-14 | 2019-08-23 | 苏州嘉奕晟中小企业科技咨询有限公司 | 城市三维数字化信息采集更新扫描系统 |
CN110348483A (zh) * | 2019-06-06 | 2019-10-18 | 重庆工商大学融智学院 | 基于空间信息与统计学习的空间信息变化检测与分类方法 |
CN110287869A (zh) * | 2019-06-25 | 2019-09-27 | 吉林大学 | 基于深度学习的高分辨率遥感影像农作物分类方法 |
CN110287869B (zh) * | 2019-06-25 | 2022-03-18 | 吉林大学 | 基于深度学习的高分辨率遥感影像农作物分类方法 |
CN110543863B (zh) * | 2019-07-04 | 2023-02-03 | 自然资源部第一海洋研究所 | 一种基于邻域保边水平集的绿潮遥感自动探测方法及系统 |
CN110543863A (zh) * | 2019-07-04 | 2019-12-06 | 自然资源部第一海洋研究所 | 一种基于邻域保边水平集的绿潮遥感自动探测方法及系统 |
CN110415287B (zh) * | 2019-07-11 | 2021-08-13 | Oppo广东移动通信有限公司 | 深度图的滤波方法、装置、电子设备和可读存储介质 |
CN110415287A (zh) * | 2019-07-11 | 2019-11-05 | Oppo广东移动通信有限公司 | 深度图的滤波方法、装置、电子设备和可读存储介质 |
CN111063003B (zh) * | 2019-11-08 | 2023-06-09 | 中国自然资源航空物探遥感中心 | 矿山分布图的制作方法和系统 |
CN111063003A (zh) * | 2019-11-08 | 2020-04-24 | 中国自然资源航空物探遥感中心 | 矿山分布图的制作方法和系统 |
CN110956207A (zh) * | 2019-11-22 | 2020-04-03 | 苏州中科天启遥感科技有限公司 | 一种光学遥感影像全要素变化检测方法 |
CN110956207B (zh) * | 2019-11-22 | 2023-09-19 | 苏州中科天启遥感科技有限公司 | 一种光学遥感影像全要素变化检测方法 |
CN111339236A (zh) * | 2020-02-28 | 2020-06-26 | 广东电网有限责任公司电力科学研究院 | 一种输电线路廊道多源空间数据库构建方法和装置 |
CN111339236B (zh) * | 2020-02-28 | 2024-03-19 | 广东电网有限责任公司电力科学研究院 | 一种输电线路廊道多源空间数据库构建方法和装置 |
CN111652932B (zh) * | 2020-04-20 | 2023-05-02 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
CN111652932A (zh) * | 2020-04-20 | 2020-09-11 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
CN112149753A (zh) * | 2020-10-07 | 2020-12-29 | 智博云信息科技(广州)有限公司 | 一种遥感影像数据处理方法、系统和云平台 |
CN112215863A (zh) * | 2020-10-13 | 2021-01-12 | 北京易控智驾科技有限公司 | 露天矿装载区多台阶作业场景检测方法和系统 |
CN112215863B (zh) * | 2020-10-13 | 2023-08-29 | 北京易控智驾科技有限公司 | 露天矿装载区多台阶作业场景检测方法和系统 |
CN112465714B (zh) * | 2020-11-24 | 2024-05-07 | 航天科工(北京)空间信息应用股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
CN112465714A (zh) * | 2020-11-24 | 2021-03-09 | 北京航天泰坦科技股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
CN112749245A (zh) * | 2021-01-07 | 2021-05-04 | 北京码牛科技有限公司 | 一种一标三实信息管理方法、装置和电子设备 |
CN112966164A (zh) * | 2021-05-19 | 2021-06-15 | 航天宏图信息技术股份有限公司 | 一种用于海量遥感影像目标提取的快速定位方法及装置 |
CN113628291A (zh) * | 2021-08-02 | 2021-11-09 | 电子科技大学 | 基于边界提取与合并的多形状目标栅格数据矢量化方法 |
CN113628291B (zh) * | 2021-08-02 | 2023-03-07 | 电子科技大学 | 基于边界提取与合并的多形状目标栅格数据矢量化方法 |
CN114549259A (zh) * | 2022-02-23 | 2022-05-27 | 中科海慧(北京)科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法 |
CN114646305A (zh) * | 2022-03-03 | 2022-06-21 | 湖南省测绘科技研究所 | 一种无人机测绘行为的智能识别方法 |
CN114646305B (zh) * | 2022-03-03 | 2024-04-02 | 湖南省测绘科技研究所 | 一种无人机测绘行为的智能识别方法 |
CN114581498A (zh) * | 2022-05-05 | 2022-06-03 | 环球数科集团有限公司 | 一种矢量数据与栅格影像结合的迭代模型配准系统 |
CN114581498B (zh) * | 2022-05-05 | 2022-07-29 | 环球数科集团有限公司 | 一种矢量数据与栅格影像结合的迭代模型配准系统 |
CN115035340A (zh) * | 2022-06-13 | 2022-09-09 | 电子科技大学 | 遥感影像分类结果验证方法 |
CN114972440B (zh) * | 2022-06-21 | 2024-03-08 | 江西省国土空间调查规划研究院 | 用于国土调查的es数据库图斑对象链式追踪方法 |
CN114972440A (zh) * | 2022-06-21 | 2022-08-30 | 江西省国土空间调查规划研究院 | 用于国土调查的es数据库图斑对象链式追踪方法 |
CN115578607A (zh) * | 2022-12-08 | 2023-01-06 | 自然资源部第三航测遥感院 | 一种遥感影像有效像元覆盖范围快速提取方法 |
CN116028588B (zh) * | 2023-03-27 | 2023-10-10 | 中南大学 | 基于拓扑关系的增量复杂多边形更新方法 |
CN116028588A (zh) * | 2023-03-27 | 2023-04-28 | 中南大学 | 基于拓扑关系的增量复杂多边形更新方法 |
CN117036621B (zh) * | 2023-10-08 | 2024-02-09 | 山东瑞鑫时空信息科技有限公司 | 基于物联网的地理信息测绘仪数据管理方法 |
CN117036621A (zh) * | 2023-10-08 | 2023-11-10 | 山东瑞鑫时空信息科技有限公司 | 基于物联网的地理信息测绘仪数据管理方法 |
CN117036715A (zh) * | 2023-10-09 | 2023-11-10 | 南京北斗创新应用科技研究院有限公司 | 一种基于卷积神经网络的形变区边界自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105551028B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105551028B (zh) | 一种基于遥感影像的地理空间数据动态更新的方法及系统 | |
Huang et al. | Multi-level monitoring of subtle urban changes for the megacities of China using high-resolution multi-view satellite imagery | |
CN103400151B (zh) | 一体化的光学遥感影像与gis自动配准与水体提取方法 | |
US9070018B1 (en) | Automated roof identification systems and methods | |
CN103337052B (zh) | 面向宽幅遥感影像的自动几何纠正方法 | |
Ehrlich et al. | Extracting building stock information from optical satellite imagery for mapping earthquake exposure and its vulnerability | |
CN112381013B (zh) | 基于高分辨率遥感影像的城市植被反演方法及系统 | |
CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
CN114463623A (zh) | 一种基于多尺度遥感影像的耕地变化检测方法及装置 | |
Louw et al. | Object-based land surface segmentation scale optimisation: An ill-structured problem | |
Sahu et al. | Conceptual framework of combined pixel and object-based method for delineation of debris-covered glaciers | |
CN115019163A (zh) | 基于多源大数据的城市要素识别方法 | |
Zhao et al. | CNN, RNN, or ViT? An evaluation of different deep learning architectures for spatio-temporal representation of Sentinel time series | |
Cai et al. | Improving agricultural field parcel delineation with a dual branch spatiotemporal fusion network by integrating multimodal satellite data | |
Hazaymeh et al. | A cascaded data fusion approach for extracting the rooftops of buildings in heterogeneous urban fabric using high spatial resolution satellite imagery and elevation data | |
Xiao et al. | Individual tree detection and crown delineation with 3D information from multi-view satellite images | |
Sui et al. | Processing of multitemporal data and change detection | |
KR102156085B1 (ko) | 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 방법 | |
Eken et al. | An automated technique to determine spatio-temporal changes in satellite island images with vectorization and spatial queries | |
Jung et al. | Progressive modeling of 3D building rooftops from airborne Lidar and imagery | |
Yu et al. | Abnormal crowdsourced data detection using remote sensing image features | |
Ruiz-Lendínez et al. | Deep learning methods applied to digital elevation models: state of the art | |
Widyaningrum et al. | Tailored features for semantic segmentation with a DGCNN using free training samples of a colored airborne point cloud | |
Lv et al. | An improved watershed algorithm on multi-directional edge detection for road extraction in remote images | |
Abderrahim et al. | Deep convolution neural network for automated method of road extraction on aerial imagery |
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 |