CN105956058B - 一种采用无人机遥感影像的变化用地快速发现方法 - Google Patents
一种采用无人机遥感影像的变化用地快速发现方法 Download PDFInfo
- Publication number
- CN105956058B CN105956058B CN201610269607.9A CN201610269607A CN105956058B CN 105956058 B CN105956058 B CN 105956058B CN 201610269607 A CN201610269607 A CN 201610269607A CN 105956058 B CN105956058 B CN 105956058B
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- sub
- plane image
- block
- orthography
- 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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种采用无人机遥感影像的变化用地快速发现方法,首先将旧时相正射影像进行一次特征点的检索,并利用无人机航拍获取地貌的无人机影像并得到搜索比对域,然后过特征点匹配初步确定地貌是否变化,再通过光谱与纹理的双模式综合对比检测法进行对比分析,精确确定是否出现可疑用地。该方法相较于传统技术,不需要布设大量地面控制点、且不需要拼接无人机影像就可以实现可疑地物的快速自动发现,不仅精度高而且省时省力。
Description
技术领域
本发明涉及图像处理领域,特别涉及土地调查中利用无人机影像快速发现变化用地的技术。
背景技术
自古以来,土地就是人类赖以生存和发展的宝贵自然资源,土地的持续利用是人类社会持续发展的基石。我国正处在城镇化和社会转型的关键时刻,土地承受着巨大的压力,人地关系日趋紧张,村镇新增建设用地利用存在诸多突出问题,乱占、乱批、滥用土地现象严重,直接制约着我国经济的可持续发展。为此,党和国家高度重视,采取了一系列的措施,加强土地的管理,制止乱占耕地滥用土地的现象。《中华人民共和国土地管理法》中第二十七条,第三十条明确提出了加强土地监管,建立土地调查制度和国家土地统计制度,建立全国土地管理信息系统,对土地状况进行动态监测。
我国现行的土地监测手段可简单表达为“天上看、地上查、网上管”,“天上看”是指卫星遥感,其优点是覆盖范围大,但由于受到卫星访问周期的限制,不能实时得到待检测地区的卫星影像,且在多云地区以及天气状况欠佳时,往往不能得到清晰的卫星影像,再加上对卫星影像的获取、处理的代价比较高昂,因此遥感监察的效果比较差;“地上查”主要指土地巡查车和人工巡查,与遥感监测相比,其机动性和灵活性都有提高,但是其应用范围受基础道路建设的影响,对于没有道路的地方,如山地、丘陵等地区,往往不能完成监测,对于有道路的地方,还要考虑道路现阶段的路面情况和使用情况,监测效果受到诸多的限制,实时性也难以得到保证;网上举报的土地监测方法,不仅耗费大量的人力物力,且消息的准确性有待考察,从举报到实地考察、确认,再到数据的更新,其周期往往较长,实时性较差,在土地监测方面收效甚微。
现行无人机遥感影像拼接检测技术一般都需要空中飞行、地面布控和室内成图三个步骤,才可能应用于国土资源管理,其中地面布控需要大量专业人员使用专业的测量仪器到现场实测,在山区、河流、森林等地面特征不明显区域,人员无法到达或精确定位,地面控制点的获取往往存在困难或根本不可能,费时费力成效甚微。
发明内容
发明目的:针对上述现有技术的局限性,提出一种采用无人机遥感影像的变化用地快速发现技术,可以实现可疑地物的快速自动发现。
技术方案:一种采用无人机遥感影像的变化用地快速发现方法,包括以下步骤:
步骤1,对旧时相正射影像采用SURF法进行特征点的检索,并将检索到的特征点存入一个匹配库中;
步骤2,利用无人机航拍获取地貌的无人机影像;对于每张无人机影像,利用无人机POS系统提供的地理坐标信息来快速匹配旧时相影像上的地理坐标信息,得到搜索比对域;
步骤3,在搜索比对域内对旧时相正射影像与无人机影像进行特征点精匹配,若匹配精度小于阈值A则进行步骤4,否则判定所述无人机影像对应区域内无可疑用地;
步骤4,通过光谱与纹理的双模式综合对比检测法对旧时相正射影像与无人机影像进行对比分析。
作为本发明的优选方案,所述步骤4包括如下步骤:
a,将无人机影像和旧时相正射影像上的所述搜索比对域均同样划分为若干个子块;
b,分别对无人机影像和旧时相正射影像上对应的每个子块进行测前预判:分别提取无人机影像子块和旧时相影像对应子块的灰度直方图和灰度共生矩阵,并通过比较得到灰度直方图的相似度数据和灰度共生矩的相似度数据,然后将灰度直方图和灰度共生矩阵的相似度数据按照3:7加权得到该子块的总相似度;
c,对无人机影像和旧时相正射影像上对应的每个子块,若任一子块的总相似度均大于等于阈值B,则判定所述无人机影像对应区域内无可疑用地,否则对总相似度均小于阈值B的子块分别进行光谱与纹理分析,包括如下步骤:
c1,对无人机影像和旧时相正射影像的对应子块分别进行光谱变异法,并根据子块的光谱特征得到光谱变化率;
c2,从无人机影像和旧时相正射影像的对应子块选取有效纹理特征,然后经过逐波段差值得到各波段变化的纹理特征,并计算出纹理变化率;
c3,将所述光谱变化率与纹理变化率按照2:8加权得到子块的总变化率,若总变化率大于阈值C,则判定为变化子块;
d,若存在所述变化子块,则判断所述无人机影像对应区域为可疑用地。
作为本发明的优选方案,所述步骤2中,搜索比对域的范围确定方法为:利用无人机POS系统提供的地理坐标信息找到无人机影像对角线上最远的两点的经纬度坐标,计算出旧时相正射影像上这两点的距离D,然后以无人机影像的几何中心为圆心,以D/2长度在旧时相正射影像上作圆,即形成搜索比对域的范围。
作为本发明的优选方案,所述步骤c2中,所述有效纹理特征包括:对比度、相异性、同质性、角二矩、熵、自相关、共生方差。
作为本发明的优选方案,若存在所述变化子块,还包括将所述无人机影像拼接到所述旧时相正射影像的对应区域的步骤。
有益效果:本发明的一种采用无人机遥感影像的变化用地快速发现方法,通过大规模旧时相影像特征点的检索与组织,建立无人机影像与旧时相影像递推匹配模型,设计合理的变化用地检测算法和合适的比对评估系统,其中在对比检测算法中采用双模式综合对比检测法,综合利用光谱和纹理信息,可以有效降低单一信息误判的风险,极大地提高了检测的准确性。
传统的土地执法巡查都是在得到拼接的无人机影像后,通过对比新旧时相影像得到变化区域并判断是否为可疑用地。现行无人机遥感影像拼接检测技术一般都需要空中飞行、地面布控和室内成图三个步骤,才可能应用于国土资源管理,其中空中三角测量是传统无人机影像的拼接方法,由于无人机影像存在像幅小、数量多、影像倾角大而无规律等特点,该方法需要有足够数量且分布良好的地面控制点才能获得较好的影像拼接精度。然而,获取大量控制点的信息,需要使用专业的测量仪器并投入大量的人力物力,尤其在山区、河流、森林等区域,地面特征不明显,人员无法到达或精确定位,地面控制点的获取往往存在困难或根本不可能。本发明采用的方法的最大创新在于不需要布设大量地面控制点、不需要拼接无人机影像就可以实现可疑地物的快速自动发现,不仅精度高而且省时省力,具有重大的理论研究意义及重要的工程应用价值。
附图说明
图1为本发明方法的流程示意图;
图2为对比检测算法示意图。
具体实施方式
下面将结合附图对本发明作进一步描述。
如图1所示,一种采用无人机遥感影像的变化用地快速发现方法,包括以下步骤:
步骤1,对旧时相正射影像采用SURF法进行特征点的检索,并将检索到的特征点存入一个匹配库中。其中,旧时相正射影像如存档在国土局中的测区地图、卫星影像图、无人机影像图等相关的旧时相影像。采用SURF法检测特征点,并将其表示为128维向量,每个特征点都带有各自的地理坐标信息,用便于搜索的K-D树进行存储,并将检索到的特征点以便于匹配的模式存入一个匹配库中,从而完成大规模旧时相影像特征点的检索与组织。
步骤2,利用无人机航拍获取地貌的无人机影像,由于无人机影像相幅较小,而与之匹配的旧时相影像底图非常庞大,为了提高分析速度,对于每张无人机影像,首先利用无人机POS系统提供的地理坐标信息来快速匹配旧时相影像上的地理坐标信息,得到搜索比对域,具体为:利用无人机POS系统提供的地理坐标信息找到无人机影像对角线上最远的两点的经纬度坐标,计算出旧时相正射影像上这两点的距离D,然后以无人机影像的几何中心为圆心,以D/2长度在旧时相正射影像上作圆,即形成搜索比对域的范围。
步骤3,对无人机影像检索出一系列特征点,然后与匹配库中中的旧时相正射影像的特征点进行精匹配,若匹配精度小于阈值A则进行步骤4,否则判定所述无人机影像对应区域内无可疑用地。阈值A的取值可以为99%,即匹配正确率超过99%时可判定该影像所摄区域内地物未发生变化;阈值A的取值可根据经验设定。
步骤4,通过光谱与纹理的双模式综合对比检测法对旧时相正射影像与无人机影像进行对比分析,具体步骤如下:
a,将无人机影像和旧时相正射影像上的搜索比对域均同样划分为若干个子块;该步骤可根据坐标信息将无人机影像和旧时相正射影像相同位置划分为矩形的子块。
b,分别对无人机影像和旧时相正射影像上对应的每个子块进行测前预判:分别提取无人机影像子块和旧时相影像对应子块的灰度直方图和灰度共生矩阵,并通过比较得到灰度直方图的相似度数据和灰度共生矩的相似度数据,然后将灰度直方图和灰度共生矩阵的相似度数据按照3:7加权得到该子块的总相似度。该步骤中,灰度直方图仅能反映图象中每种灰度出现的频率,而灰度共生矩阵还可以反映图像中灰度的空间相关特性,由于对比多时相影像,灰度出现的频率相对灰度的空间相关特性影响较小,所以此处按照3:7加权得到总相似度。
c,对无人机影像和旧时相正射影像上对应的每个子块,若任一子块的总相似度均大于等于阈值B,则判定该无人机影像对应区域内无可疑用地,否则对总相似度均小于阈值B的子块分别进行光谱与纹理分析。其中,阈值B的取值范围在0.95~1之间。
对子块分别进行光谱与纹理分析包括如下步骤:
c1,对无人机影像和旧时相正射影像的对应子块分别进行光谱变异法,并根据子块的光谱特征得到光谱变化率。
c2,从无人机影像和旧时相正射影像的对应子块选取有效纹理特征,然后经过逐波段差值得到各波段变化的纹理特征,并统计出纹理变化区域的像素数量a和该波段的像素数量b,最后通过a/b计算出纹理变化率α。其中,逐波段差值比较的阈值通过滚动条做实验确定。其中,有效纹理特征包括:对比度、相异性、同质性、角二矩、熵、自相关、共生方差。
c3,将光谱变化率与纹理变化率按照2:8加权得到子块的总变化率,若总变化率大于阈值C,则判定为变化子块;阈值C的取值范围在0.1~0.2之间。该步骤中,无人机影像空间分辨率高,地物的结构和纹理信息丰富,而波段较少,光谱分辨率相对不足,在对比多时相影像过程中光谱特征相对纹理特征影响较小,所以此处按照2:8加权得到总变化率。
d,若存在变化子块,则判断所述无人机影像对应区域为可疑用地,然后将该无人机影像拼接到旧时相正射影像的对应区域,即及时更新变化区域,为后续土地执法中特征点的匹配检索提供更有效的信息。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种采用无人机遥感影像的变化用地快速发现方法,其特征在于,包括以下步骤:
步骤1,对旧时相正射影像采用SURF法进行特征点的检索,并将检索到的特征点存入一个匹配库中;
步骤2,利用无人机航拍获取地貌的无人机影像;对于每张无人机影像,利用无人机POS系统提供的地理坐标信息来快速匹配旧时相影像上的地理坐标信息,得到搜索比对域;
步骤3,在搜索比对域内对旧时相正射影像与无人机影像进行特征点精匹配,若匹配精度小于阈值A则进行步骤4,否则判定所述无人机影像对应区域内无可疑用地;
步骤4,通过光谱与纹理的双模式综合对比检测法对旧时相正射影像与无人机影像进行对比分析;
所述步骤4包括如下步骤:
a,将无人机影像和旧时相正射影像上的所述搜索比对域均同样划分为若干个子块;
b,分别对无人机影像和旧时相正射影像上对应的每个子块进行测前预判:分别提取无人机影像子块和旧时相影像对应子块的灰度直方图和灰度共生矩阵,并通过比较得到灰度直方图的相似度数据和灰度共生矩的相似度数据,然后将灰度直方图和灰度共生矩阵的相似度数据按照3:7加权得到该子块的总相似度;
c,对无人机影像和旧时相正射影像上对应的每个子块,若任一子块的总相似度均大于等于阈值B,则判定所述无人机影像对应区域内无可疑用地,否则对总相似度均小于阈值B的子块分别进行光谱与纹理分析,包括如下步骤:
c1,对无人机影像和旧时相正射影像的对应子块分别进行光谱变异法,并根据子块的光谱特征得到光谱变化率;
c2,从无人机影像和旧时相正射影像的对应子块选取有效纹理特征,然后经过逐波段差值得到各波段变化的纹理特征,并计算出纹理变化率;
c3,将所述光谱变化率与纹理变化率按照2:8加权得到子块的总变化率,若总变化率大于阈值C,则判定为变化子块;
d,若存在所述变化子块,则判断所述无人机影像对应区域为可疑用地。
2.根据权利要求1所述的一种采用无人机遥感影像的变化用地快速发现方法,其特征在于,所述步骤2中,搜索比对域的范围确定方法为:利用无人机POS系统提供的地理坐标信息找到无人机影像对角线上最远的两点的经纬度坐标,计算出旧时相正射影像上这两点的距离D,然后以无人机影像的几何中心为圆心,以D/2长度在旧时相正射影像上作圆,即形成搜索比对域的范围。
3.根据权利要求2所述的一种采用无人机遥感影像的变化用地快速发现方法,其特征在于,所述步骤c2中,所述有效纹理特征包括:对比度、相异性、同质性、角二矩、熵、自相关、共生方差。
4.根据权利要求2所述的一种采用无人机遥感影像的变化用地快速发现方法,其特征在于,若存在所述变化子块,还包括将所述无人机影像拼接到所述旧时相正射影像的对应区域的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610269607.9A CN105956058B (zh) | 2016-04-27 | 2016-04-27 | 一种采用无人机遥感影像的变化用地快速发现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610269607.9A CN105956058B (zh) | 2016-04-27 | 2016-04-27 | 一种采用无人机遥感影像的变化用地快速发现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105956058A CN105956058A (zh) | 2016-09-21 |
CN105956058B true CN105956058B (zh) | 2019-05-21 |
Family
ID=56915710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610269607.9A Active CN105956058B (zh) | 2016-04-27 | 2016-04-27 | 一种采用无人机遥感影像的变化用地快速发现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956058B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106595499B (zh) * | 2016-11-21 | 2019-11-01 | 云南电网有限责任公司电力科学研究院 | 导线覆冰厚度测量图像处理系统 |
CN107103610B (zh) * | 2017-04-25 | 2019-12-17 | 自然资源部国土卫星遥感应用中心 | 立体测绘卫星影像匹配可疑区域自动检测方法 |
CN107301658B (zh) * | 2017-05-19 | 2020-06-23 | 东南大学 | 一种无人机影像与大规模旧时相影像快速匹配定位的方法 |
CN107808133B (zh) * | 2017-10-23 | 2021-06-15 | 中石化石油工程地球物理有限公司 | 基于无人机巡线的油气管道安全监测方法、系统及软件存储器 |
CN107808362A (zh) * | 2017-11-15 | 2018-03-16 | 北京工业大学 | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 |
CN108363951B (zh) * | 2018-01-11 | 2022-02-22 | 东南大学 | 遥感影像地类识别对应深度学习样本库的自动获取方法 |
CN108681337B (zh) * | 2018-05-21 | 2021-04-16 | 河北嫦娥智能科技有限公司 | 一种涵洞或桥梁专用巡查无人机及无人机巡查方法 |
CN109240069B (zh) * | 2018-08-14 | 2020-12-01 | 福建易美特电子科技有限公司 | 液晶显示钟表类产品生产自动检测系统 |
CN109636838A (zh) * | 2018-12-11 | 2019-04-16 | 北京市燃气集团有限责任公司 | 一种基于遥感影像变化检测的燃气隐患分析方法及装置 |
CN110458845A (zh) * | 2019-06-25 | 2019-11-15 | 上海圭目机器人有限公司 | 基于图像相似度的无人机航拍图像差异分析方法 |
CN110428146A (zh) * | 2019-07-11 | 2019-11-08 | 陕西华地勘察设计咨询有限公司 | 一种城镇低效用地精准识别与智能规划系统 |
CN111598961B (zh) * | 2020-05-22 | 2022-02-01 | 中国科学院西北生态环境资源研究院 | 地物信息提取方法、装置、电子设备及存储介质 |
CN112113542A (zh) * | 2020-09-14 | 2020-12-22 | 浙江省自然资源征收中心 | 一种无人机航摄建设用地土地专项数据验收的方法 |
CN112268541B (zh) * | 2020-10-16 | 2022-04-15 | 中国有色金属长沙勘察设计研究院有限公司 | 一种三维空间探测的方法 |
CN115439672B (zh) * | 2022-11-04 | 2023-02-24 | 浙江大华技术股份有限公司 | 图像匹配方法、违建检测方法、终端设备以及存储介质 |
CN115424155B (zh) * | 2022-11-04 | 2023-03-17 | 浙江大华技术股份有限公司 | 违建检测方法、违建检测装置以及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729654A (zh) * | 2014-01-22 | 2014-04-16 | 青岛新比特电子科技有限公司 | 基于改进sift算法的图像匹配检索系统 |
CN104517124A (zh) * | 2014-12-25 | 2015-04-15 | 西安电子科技大学 | 基于sift特征点的sar图像变化检测方法 |
CN105069811A (zh) * | 2015-09-08 | 2015-11-18 | 中国人民解放军重庆通信学院 | 一种多时相遥感图像变化检测方法 |
-
2016
- 2016-04-27 CN CN201610269607.9A patent/CN105956058B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729654A (zh) * | 2014-01-22 | 2014-04-16 | 青岛新比特电子科技有限公司 | 基于改进sift算法的图像匹配检索系统 |
CN104517124A (zh) * | 2014-12-25 | 2015-04-15 | 西安电子科技大学 | 基于sift特征点的sar图像变化检测方法 |
CN105069811A (zh) * | 2015-09-08 | 2015-11-18 | 中国人民解放军重庆通信学院 | 一种多时相遥感图像变化检测方法 |
Non-Patent Citations (5)
Title |
---|
基于POS系统的无人机遥感图像拼接技术研究与实现;韩文超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111015(第10期);全文 |
基于多时相遥感影像的土地利用变化检测研究;段赛仙;《中国优秀硕士学位论文全文数据库 基础科学辑》;20140215(第02期);摘要,第3-23,38页 |
基于灰度共生矩阵的纹理特征提取;高程程,惠晓威;《计算机系统应用》;20100615;第19卷(第6期);第195-198页 |
无人机影像拼接关键技术研究;李婷;《中国优秀硕士学位论文全文数据库 基础科学辑》;20150215(第02期);第48-54页 |
无控制点的无人机遥感影像几何校正与拼接方法研究;徐秋辉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130815(第08期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN105956058A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956058B (zh) | 一种采用无人机遥感影像的变化用地快速发现方法 | |
Andrews et al. | Techniques for GIS modeling of coastal dunes | |
CN101566692B (zh) | 利用卫星遥感数据中的云影信息检测云高的方法 | |
CN105516584B (zh) | 全景影像采集系统、基于其的测量天际线的装置和方法 | |
ES2604807B1 (es) | Método y sistema para buscar fugas de agua a través de análisis de imágenes generadas mediante sistemas de detección remota | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
Takahashi et al. | Predicting individual stem volumes of sugi (Cryptomeria japonica D. Don) plantations in mountainous areas using small-footprint airborne LiDAR | |
CN112906455A (zh) | 一种海岸带生态系统遥感识别方法 | |
Yao et al. | Mapping irrigated area at field scale based on the optical TRApezoid Model (OPTRAM) using landsat images and google earth engine | |
CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
Xin et al. | Landslide surface horizontal displacement monitoring based on image recognition technology and computer vision | |
Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
Holland et al. | Evolution of fractures in a highly dynamic thermal, hydraulic, and mechanical system-(II) Remote sensing fracture analysis, Jabal Shams, Oman Mountains | |
Villa | Imperviousness indexes performance evaluation for mapping urban areas using remote sensing data | |
Launspach | Automated sinkhole extraction and morphological analysis in northeast Iowa using high-resolution LiDAR data | |
CN106339423A (zh) | 一种甘蔗种植信息动态更新方法及装置 | |
Manikandan | Spatial and temporal dynamics of urban sprawl Using multi-temporal images and relative Shannon entropy model in Adama, Ethiopia | |
Yue et al. | The extraction of water information based on SPOT5 image using object-oriented method | |
TWI597405B (zh) | System and method for monitoring slope with tree displacement | |
Wu et al. | Voxel-based marked neighborhood searching method for identifying street trees using vehicle-borne laser scanning data | |
Takahashi et al. | Roadside tree extraction and diameter estimation with MMS LIDAR by using point-cloud image | |
Han et al. | The study of land use change detection based on object-oriented analysis | |
Long et al. | Influence of the methodology (pixel-based vs object-based) to extract urban vegetation from VHR images in different urban zones | |
Sun et al. | Spatial-temporal analysis of land surface temperature and its interplay with land use change | |
Lim et al. | Laser scanning surveying of linear features: considerations and applications |
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 |