CN106408582A - 一种监测港口的油品及液体化工品堆场的方法及系统 - Google Patents
一种监测港口的油品及液体化工品堆场的方法及系统 Download PDFInfo
- Publication number
- CN106408582A CN106408582A CN201610849409.XA CN201610849409A CN106408582A CN 106408582 A CN106408582 A CN 106408582A CN 201610849409 A CN201610849409 A CN 201610849409A CN 106408582 A CN106408582 A CN 106408582A
- Authority
- CN
- China
- Prior art keywords
- classification
- feature
- image
- chemical product
- standard deviation
- 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
Classifications
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Image Analysis (AREA)
Abstract
一种监测港口的油品及液体化工品堆场的方法,包括:(1)对遥感影像的一个波段使用lee sigma边缘提取算法,创建两个独立的边缘影像;(2)把亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割;(3)把离不包含装卸设备的泊位一定距离的对象分类为类别A;(4)使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出,使用亮度均值特征把类别A中的较暗对象剔出;(5)使用椭圆拟合特征;(6)使用亮度均值特征把类别B中的亮度值较小的对象剔出;(7)合并B类别;(8)对类别A进行小尺度的重新分割;(9)用亮边缘影像强度均值特征提取,而另一小部分背景地物使用紧致度特征来区分;(10)合并A类别。还有系统。
Description
技术领域
本发明涉及图像处理的技术领域,尤其涉及一种监测港口的油品及液体化工品堆场的方法,以及监测港口的油品及液体化工品堆场的系统。
背景技术
港口作为海上运输的重要组成部分,已经越来越受到人们的重视,成为交通规划的一个关键研究方向。而港口的规划建设,需要获取港口的各种地物及其位置。港口的油品及液体化工品堆场的监测是一个非常重要的项目,值得投入大量的研发力量。
但是,目前还没有专门的方法针对港口的油品及液体化工品堆场的监测。已有的方法在监测时,并没有根据数据的特点和港口的油品及液体化工品堆场的特点,因此图像提取不准确,处理效率低。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种监测港口的油品及液体化工品堆场的方法,其根据数据的特点和港口的油品及液体化工品堆场的特点,图像提取准确,处理效率高。
本发明的技术方案是:这种监测港口的油品及液体化工品堆场的方法,该方法包括以下步骤:
(1)对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
(2)把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
(3)在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
(4)使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
(5)使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
(6)使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
(7)合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
(8)对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
(9)用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
(10)合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
本发明要提取的油品及液体化工品堆场指的是已经建成的亮度较高的油罐,其在遥感影像中表现为亮白色调,呈圆形或椭圆形。在提取过程中本发明使用亮度均值、全色波段的标准差、椭圆拟合、亮边缘影像强度均值、面积、长宽比等特征,因此本发明根据数据的特点和港口的油品及液体化工品堆场的特点,图像提取准确,处理效率高。
还提供了一种监测港口的油品及液体化工品堆场的系统,该系统包括:
lee sigma边缘提取算法模块,其配置来对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
多尺度分割算法模块,其配置来把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
第一分类模块,其配置来在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
第二分类模块,其配置来使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
第三分类模块,其配置来使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
第四分类模块,其配置来使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
第一合并模块,其配置来合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
第五分类模块,其配置来对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
第六分类模块,其配置来用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
第二合并模块,其配置来合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
附图说明
图1所示为根据本发明的监测港口的油品及液体化工品堆场的方法的流程图。
具体实施方式
如图1所示,这种监测港口的油品及液体化工品堆场的方法,该方法包括以下步骤:
(1)对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
(2)把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
(3)在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
(4)使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
(5)使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
(6)使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
(7)合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
(8)对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
(9)用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
(10)合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
本发明要提取的油品及液体化工品堆场指的是已经建成的亮度较高的油罐,其在遥感影像中表现为亮白色调,呈圆形或椭圆形。在提取过程中本发明使用亮度均值、全色波段的标准差、椭圆拟合、亮边缘影像强度均值、面积、长宽比等特征,因此本发明根据数据的特点和港口的油品及液体化工品堆场的特点,图像提取准确,处理效率高。
另外,所述步骤(4)中,
标准差是从构成一个影像对象的所有像元的影像层强度值中计算出来的,根据公式(1)计算
取值范围是
其中,σk(v)是构成一个影像对象v的所有像元在影像层k中的强度值标准差,Pv是一个影像对象v的像元集合,#Pv是在Pv中包含的像元总数,(x,y,z,t)是像元坐标,ck(x,y,z,t)是像元(x,y,z,t)的影像层强度值,是影像层k的数据范围,
另外,所述步骤(5)中,
椭圆拟合特征是一个影像对象与其有相似大小和比例的椭圆的拟合程度;椭圆拟合根据公式(2)计算
取值范围是[0,1] (2)
其中,εv(x,y)是一个像元(x,y)的椭圆距离,Pv是一个影像对象v的像元集合,#Pv是在Pv中包含的像元总数。
另外,所述步骤(7)中,长宽比的阈值设置为2。
另外,所述步骤(8)中,尺度设置为20。
另外,所述步骤(9)中,亮边缘影像强度均值阈值设置为1,而紧致度阈值设置为2。
更进一步地,ArcGIS产品线为用户提供一个可伸缩的、全面的GIS平台。ArcObjects包含了大量的可编程组件,从细粒度的对象(例如单个的几何对象)到粗粒度的对象(例如与现有ArcMap文档交互的地图对象)涉及面极广,这些对象为开发者集成了全面的GIS功能。每一个使用ArcObjects建成的ArcGIS产品都为开发者提供了一个应用开发的容器,包括桌面GIS(ArcGIS Desktop),嵌入式GIS(ArcGIS Engine)以及服务GIS(ArcGISServer)。
常规的含有GIS空间的业务数据(主要是目前流行的ArcGIS数据格式)在进行数据维护编辑时(主要是增删改查),目前主要有两种方式进行空间及属性数据的统一管理控制:
一、地理信息系统(Geographic Information System或Geo-Informationsystem,GIS)有时又称为“地学信息系统”。它是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
二、所谓MIS(管理信息系统--MANAGEMENT INFORMATION SYSTEM)系统,主要指的是进行日常事务操作的系统。这种系统主要用于管理需要的记录,并对记录数据进行相关处理,将处理的信息及时反映给管理者的一套网络管理系统。
开发网站的过程中,如果以传统MIS开发方式进行相关服务及接口的设计工作,在设计上由于不对GIS数据的特殊性多加考虑,往往在开发实现过程中会在调用MIS组件的同时调用GIS组件,针对同一对象的操作往往同时将会脱离出事务机制的控制。对最终数据造成不可预知的隐患。
因此,本发明还提供了基于监测港口的油品及液体化工品堆场的方法的一种兼容ArcGIS的空间及属性数据的统一控制方法,其包括数据库层面、数据访问层面、前端展示层面;
在数据库层面,针对具备空间数据的实体,在增加自定义空间类别的同时,增添字符类型的WKT字段,该字段作为自定义空间类别字段的WKT形式的冗余;针对数据信息的创建,通过编写存储过程在包含WKT字段的记录执行创建时,执行WKT与自定义类别数据的同步工作;针对编辑更新操作,通过编写存储过程对自定义类别数据字段进行同步更新;针对删除操作,通过数据库自有功能进行删除;针对查询操作,分为空间查询、属性查询、空间属性混合查询三种形式,其中属性查询是非空间字段的条件查询;
在数据访问层面,通过原生SQL或ORM方式进行数据库操作;
在前端展示层面,将用户绘制的图形转换为WKT形式的字符串传递到数据库。
该方法统一数据库设计,综合考虑GIS与MIS数据存储,在一定要求的前提下以成熟的传统的方式进行数据库设计工作,因此能够避免GIS与MIS数据设计分离的现象;本发明统一数据库访问及操作机制,兼容流行的SQL及ORM访问操作方式,因此支持事务等数据库所有特性;本发明在进行业务数据操作的同时,可以业务事件等方式进行相关业务事件触发,因此增强GIS业务操作业务复杂度,灵活度高;本发明在开发过程中,只需要普通的MIS开发人员在较少的GIS业务知识背景下即可进行GIS及MIS&GIS混合等方式的GIS系统的开发,系统框架无GIS组件及版本依赖;本发明所产生的数据产品与ArcGIS软件产品兼容,因此可通过ArcGIS软件进行数据再次编辑维护、服务发布等工作。
本领域普通技术人员可以理解,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,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种监测港口的油品及液体化工品堆场的系统,该系统通常以与方法各步骤相对应的功能模块的形式表示。使用该方法的系统,该系统包括:
lee sigma边缘提取算法模块,其配置来对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
多尺度分割算法模块,其配置来把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
第一分类模块,其配置来在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
第二分类模块,其配置来使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
第三分类模块,其配置来使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
第四分类模块,其配置来使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
第一合并模块,其配置来合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
第五分类模块,其配置来对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
第六分类模块,其配置来用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
第二合并模块,其配置来合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
另外,所述第一合并模块中,长宽比的阈值设置为2。
另外,所述第五分类模块中,尺度设置为20。
另外,所述第六分类模块中,亮边缘影像强度均值阈值设置为1,而紧致度阈值设置为2。
还提供了基于监测港口的油品及液体化工品堆场的方法的一种兼容ArcGIS的空间及属性数据的统一控制系统,该系统包括:
数据库,其配置来针对具备空间数据的实体,在增加自定义空间类别的同时,增添字符类型的WKT字段,该字段作为自定义空间类别字段的WKT形式的冗余;针对数据信息的创建,通过编写存储过程在包含WKT字段的记录执行创建时,执行WKT与自定义类别数据的同步工作;
针对编辑更新操作,通过编写存储过程对自定义类别数据字段进行同步更新;针对删除操作,通过数据库自有功能进行删除;针对查询操作,分为空间查询、属性查询、空间属性混合查询三种形式,其中属性查询是非空间字段的条件查询;
数据访问模块,其配置来通过原生SQL或ORM方式进行数据库操作;
前端展示模块,其配置来将用户绘制的图形转换为WKT形式的字符串传递到数据库。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (10)
1.一种监测港口的油品及液体化工品堆场的方法,其特征在于:该方法包括以下步骤:
(1)对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
(2)把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
(3)在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
(4)使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
(5)使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
(6)使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
(7)合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
(8)对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
(9)用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
(10)合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
2.根据权利要求1所述的监测港口的油品及液体化工品堆场的方法,其特征在于:所述步骤(4)中,
标准差是从构成一个影像对象的所有像元的影像层强度值中计算出来的,根据公式(1)计算
取值范围是
其中,σk(v)是构成一个影像对象v的所有像元在影像层k中的强度值标准差,Pv是一个影像对象v的像元集合,#Pv是在Pv中包含的像元总数,(x,y,z,t)是像元坐标,ck(x,y,z,t)是像元(x,y,z,t)的影像层强度值,是影像层k的数据范围,
3.根据权利要求2所述的检测港口的油品及液体化工品堆场的方法,其特征在于:所述步骤(5)中,
椭圆拟合特征是一个影像对象与其有相似大小和比例的椭圆的拟合程度;椭圆拟合根据公式(2)计算
取值范围是[0,1] (2)
其中,εv(x,y)是一个像元(x,y)的椭圆距离,Pv是一个影像对象v的像元集合,#Pv是在Pv中包含的像元总数。
4.根据权利要求3所述的监测港口的油品及液体化工品堆场的方法,其特征在于:所述步骤(7)中,长宽比的阈值设置为2。
5.根据权利要求4所述的监测港口的油品及液体化工品堆场的方法,其特征在于:所述步骤(8)中,尺度设置为20。
6.根据权利要求4所述的监测港口的油品及液体化工品堆场的方法,其特征在于:所述步骤(9)中,亮边缘影像强度均值阈值设置为1,而紧致度阈值设置为2。
7.一种监测港口的油品及液体化工品堆场的系统,其特征在于:该系统包括:
lee sigma边缘提取算法模块,其配置来对遥感影像的一个波段使用lee sigma边缘提取算法,该算法使用一个特定的边缘滤波器,从原始影像中创建两个独立的边缘影像:一个亮边缘影像和一个暗边缘影像;
多尺度分割算法模块,其配置来把所述亮边缘影像和暗边缘影像与遥感影像一起参与多尺度分割,得到影像对象;
第一分类模块,其配置来在得到的影像对象中,把离不包含装卸设备的泊位一定距离的对象分类为类别A;
第二分类模块,其配置来使用全色波段的标准差特征,把类别A中的标准差较小的对象剔出出来,使得类别A中的对象有较大的标准差,再使用亮度均值特征把类别A中的较暗对象剔出出来,使得类别A中的对象都是高亮的;
第三分类模块,其配置来使用椭圆拟合特征,把类别A和其他类别中,那些一个对象代表一个油罐的对象分类为B类别;
第四分类模块,其配置来使用亮度均值特征把类别B中的亮度值较小的对象剔出出来;
第一合并模块,其配置来合并B类别,使用面积和长宽比等大小范围特征限定类别B中的对象大小,把面积较大或较小以及长宽比较大的对象从类别B的对象中剔出出去,从而得到油罐类别;
第五分类模块,其配置来对类别A进行小尺度的重新分割,使得每个对象能够表达一个独立的油罐;
第六分类模块,其配置来用亮边缘影像强度均值特征进行提取,以便把大部分背景地物从类别A的对象中剔出出去;而另一小部分背景地物使用紧致度特征来区分;
第二合并模块,其配置来合并A类别,使用面积和长宽比等特征限制A类别的对象大小,把面积较大或较小以及长宽比较大的对象从类别A的对象中剔出出去,从而得到油罐类别。
8.根据权利要求7所述的监测港口的油品及液体化工品堆场的系统,其特征在于:所述第一合并模块中,长宽比的阈值设置为2。
9.根据权利要求8所述的监测港口的油品及液体化工品堆场的系统,其特征在于:所述第六分类模块中,尺度设置为20。
10.根据权利要求9所述的监测港口的油品及液体化工品堆场的系统,其特征在于:所述第六分类模块中,亮边缘影像强度均值阈值设置为1,而紧致度阈值设置为2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610849409.XA CN106408582A (zh) | 2016-09-23 | 2016-09-23 | 一种监测港口的油品及液体化工品堆场的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610849409.XA CN106408582A (zh) | 2016-09-23 | 2016-09-23 | 一种监测港口的油品及液体化工品堆场的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106408582A true CN106408582A (zh) | 2017-02-15 |
Family
ID=57997484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610849409.XA Pending CN106408582A (zh) | 2016-09-23 | 2016-09-23 | 一种监测港口的油品及液体化工品堆场的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408582A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840581A (zh) * | 2010-02-05 | 2010-09-22 | 北京交通大学 | 一种从卫星遥感影像中提取建筑物轮廓的方法 |
CN102915531A (zh) * | 2011-08-05 | 2013-02-06 | 中国科学院地理科学与资源研究所 | 一种面向遥感影像分割的影像对象合并方法 |
CN103679138A (zh) * | 2013-11-15 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 舰船与港口先验知识支持的大型舰船检测方法 |
-
2016
- 2016-09-23 CN CN201610849409.XA patent/CN106408582A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840581A (zh) * | 2010-02-05 | 2010-09-22 | 北京交通大学 | 一种从卫星遥感影像中提取建筑物轮廓的方法 |
CN102915531A (zh) * | 2011-08-05 | 2013-02-06 | 中国科学院地理科学与资源研究所 | 一种面向遥感影像分割的影像对象合并方法 |
CN103679138A (zh) * | 2013-11-15 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 舰船与港口先验知识支持的大型舰船检测方法 |
Non-Patent Citations (4)
Title |
---|
王金亮等: "《基于多种遥感指数综合应用的城市典型地物分类-—以重庆市主城6区为例》", 《地球信息科学学报》 * |
甘甜: "《基于高分辨率遥感影像数据的建筑物震害信息分类提取研究》", 《中国优秀硕士学位论文全文数据库(基础科学辑)》 * |
蔡肖芋等: "《一种显著图分割的遥感油库检测方法》", 《电子科技》 * |
谭玉敏等: "《一种融合边缘信息的面向对象遥感图像分割方法》", 《光谱学与光谱分析》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109154978B (zh) | 用于检测植物疾病的系统和方法 | |
Ke et al. | A review of methods for automatic individual tree-crown detection and delineation from passive remote sensing | |
US10191889B2 (en) | Systems, apparatuses and methods for generating a user interface by performing computer vision and optical character recognition on a graphical representation | |
CN106407940A (zh) | 一种港口水域图像的提取方法及系统 | |
CN101430758B (zh) | 文档识别装置和方法 | |
US20120191723A1 (en) | Query system for a hybrid voxel and feature database | |
CN103294676A (zh) | 一种基于gist全局特征和sift局部特征的网络图片内容重复检测方法 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
Kurtz et al. | Multi-resolution region-based clustering for urban analysis | |
Vogt | User guide of guidos toolbox | |
Zhang et al. | Impervious surface extraction from high-resolution satellite image using pixel-and object-based hybrid analysis | |
Zhang et al. | A multiple feature fully convolutional network for road extraction from high-resolution remote sensing image over mountainous areas | |
KR20230117752A (ko) | 이미지들 내의 주석이 달린 관심 영역들의 검출 | |
Qian et al. | Spatial contextual noise removal for post classification smoothing of remotely sensed images | |
CN110119460A (zh) | 图像检索方法、装置及电子设备 | |
CN106408027A (zh) | 一种提取港口的堆场后方物流仓库图像的方法及系统 | |
CN106407941A (zh) | 基于面向对象影像分析的港口围填海监测的方法及系统 | |
Lizarazo et al. | Fuzzy image segmentation for urban land-cover classification | |
CN106407938A (zh) | 一种利用遥感影像提取港口特定地物的方法及系统 | |
Huang et al. | Multi-feature combined for building shadow detection in GF-2 Images | |
CN106408582A (zh) | 一种监测港口的油品及液体化工品堆场的方法及系统 | |
CN106408572A (zh) | 一种利用遥感影像监测港口的集装箱堆场的方法及系统 | |
CN106485726A (zh) | 一种港口的矿石堆场图像的提取方法及系统 | |
CN110414497A (zh) | 对象电子化的方法、装置、服务器及存储介质 | |
CN112434660B (zh) | 一种基于分割算法的高分遥感影像地类数据集制作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |
|
RJ01 | Rejection of invention patent application after publication |