CN107341809A - 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 - Google Patents
一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 Download PDFInfo
- Publication number
- CN107341809A CN107341809A CN201710481284.4A CN201710481284A CN107341809A CN 107341809 A CN107341809 A CN 107341809A CN 201710481284 A CN201710481284 A CN 201710481284A CN 107341809 A CN107341809 A CN 107341809A
- Authority
- CN
- China
- Prior art keywords
- coastline
- landsat
- image
- disp
- water body
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/10041—Panchromatic image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种面向长时间序列多源遥感影像数据的海岸线自动提取及偏差纠正方法。对于LANDSAT多波段影像数据,海岸线提取算法主要是结合水体和非水体的光谱特征,采用改进的归一化差异水体指数算法(MNDWI)进行波段运算,通过大律法(Otsu)自适应计算阈值,实现图像二值化,进而自动提取海岸线;对于1960‑1980年代高分辨率的DISP全色波段影像,本算法主要是在去除噪声的基础上,利用基于规则的特征提取算法实现海岸线自动提取。由于遥感数据空间分辨率差异较大,故本发明在评估海岸线偏差的基础上,以高空间分辨率的DISP影像提取结果为参考,对LANDSAT影像提取结果进行偏差纠正。根据所述方法制图,可为分析海岸线变迁提供数据。
Description
技术领域
本发明属于遥感影像处理技术领域,涉及一种面向多源遥感影像的海岸线自动提取及偏差纠正方法,主要面向多源遥感影像,即以不同空间分辨率、不同波段数等为特征的遥感影像的海岸线自动提取、以及纠正因不同空间分辨率引起的偏差的方法。
背景技术
海岸带是人类生产开发活动的主要区域,其丰富的资源优势成为人类的宝贵财富。海岸线作为海岸带最重要的空间要素之一,其变化是海岸带变化的直接表现。遥感以其全天候、大范围、同步观测获取不同尺度时空信息等特点,为监测海岸线的动态变化提供一种方便和重要的方法。通过遥感数据监测海岸线变迁,为现在海岸开发现状的风险评估提供科学依据,也为相关部门实施针对性的防护措施提供数据基础。
LANDSAT是美国国家航空天局(NASA)的陆地卫星计划,主要获取1970年代以后的数据。因其影像数据可以免费获取以及具有较高分辨率等优点,在海岸线变迁等研究中得到广泛应用,然而该数据对更早期的海岸线变迁认识不足。1995年美国解密的第一代高分辨卫星数据--侦查卫星影像(Declassified Intelligence Satellite Photographs,DISP),填补了1960年代的卫星遥感数据空白。基于该多源影像数据,可以对更长时间序列的海岸线变迁规律及演变趋势进行科学研究。
海岸线作为遥感图像的边缘特征,其提取可以通过边缘特征提取算子来实现,如经典的边缘提取算法Sobel、Roberts、Prewitt、Canny、小波、数学形态学等。海岸线作为海陆分界线,对于多波段遥感影像也可以通过波段运算分离水体和非水体,进而得到海岸线,如归一化差异水体指数法(Normalized Difference Water Index,NDWI)、改进的归一化差异水体指数法(Modified Normalized Difference Water Index,MNDWI)等。此外,基于不同地物空间、纹理及光谱等特征,采用面向对象的分类方法进行海岸线提取,也能得到较理想的海岸线结果。
基于LANDSAT影像和DISP影像提取海岸线,由于两者具有不同的空间分辨率、波段特征,即:LANDSAT MSS分辨率为78m,LANDSAT TM/ETM+/OLI为30m的多光谱影像;DISP影像由多个卫星任务获得,其均为空间分辨率高于10m的全色影像,同时由于DISP影像以胶片形式采集,后经扫描后所得的影像噪声较大,所以无法采用单一的方法对两类数据提取高精度的海岸线。此外,两者空间分辨率相差较大,对海岸线提取结果影响较为明显,需要纠正因不同空间分辨率对海岸线结果的影响。融合长时间序列多源遥感影像进行海岸线提取,为后期海岸线变迁提供数据基础。根据两类数据属性特点,客观上需要研发新的面向多源遥感影像的海岸线自动提取及偏差纠正方法,可以稳健、自动地实现海岸线提取。
发明内容
本发明的目的在于提供一种面向多源遥感影像的海岸线自动提取及偏差纠正方法,面向具有不同空间分辨率、不同波段特征的遥感影像,例如DISP影像和LANDSAT影像,提出海岸线自动提取及因不同空间分辨率引起的偏差纠正方法。
为达到上述目的,本发明的解决方案是:
一种面向多源遥感影像的海岸线自动提取及偏差纠正方法,针对不同空间分辨率、不同波段数等为特征的遥感影像可以实现海岸线自动提取,并纠正因不同空间分辨率引起的偏差,为实现长时间序列海岸线变迁分析提供数据支持。主要包括以下内容:
(1)DISP影像海岸线和LANDSAT影像海岸线提取;
(2)对所提取的DISP影像海岸线和LANDSAT影像海岸线进行偏差分析;
(3)根据分析结果纠正偏差。
所述的LANDSAT影像海岸线提取算法设计,具体为:依据LANDSAT影像为多波段数据,利用水体和非水体具有不同的光谱特征,采用MNDWI算法进行波段运算,之后采用大律法(Otsu)进行水体和非水体分割的自适应阈值选取,继而在最佳阈值下对图像二值化,得到水体和非水体,并通过矢量化得到海岸线。
所述的DISP影像海岸线提取算法设计,具体为:采用增强的Frost滤波对DISP影像进行去噪处理,然后基于面向对象的方法自动提取海岸线,即:首先采用边缘提取算子和Full Lambda Schedule算子进行图像分割,经大量实验得出先验值分别为50和90时,可以得到较优的结果;然后根据基于规则的特征提取算法得到水体和非水体,继而提取出海岸线。经验证,构建纹理范围0-10(大于0小于10)的规则,可以正确地分离水体和非水体。
所述的偏差分析及纠正,具体为:为了最小化其它因素的影响,选择在影像中未发生变化区域的人工海岸线用于比较。以预定义为30m的间隔测量、分析DISP所提取海岸线到LANDSAT所提取海岸线的距离。如果LANDSAT海岸线在DISP海岸线的向海一侧,海岸线偏差设置为正,否则为负。经测定及统计分析得出,因空间分辨率差异引起的海岸线偏差均值为6.3m,均方根误差为9.4m。基于此,本发明将LANDSAT所得海岸线沿着垂直于DISP所得海岸线方向偏移平均值(6.3m)作为调整,以纠正来自两个数据集的海岸线偏差。
所述的海岸线提取结果并制图,具体为:该算法可以提取出1960年代后的DISP影像和LANDSAT影像海岸线,并可以根据本发明提到的海岸线偏差纠正方法进行LANDSAT影像提取海岸线结果中的偏差纠正,进而为分析半个多世纪的海岸线变迁提供数据。
由于采用上述方案,本发明的有益效果是:
按照本发明方法,选择覆盖某一区域一段时期的DISP影像和LANDSAT影像为实验数据,在经过高精度的几何纠正及地理配准的基础上,使用该发明算法提取出同一坐标系下的海岸线,并可以根据本发明提到的海岸线偏差纠正方法进行LANDSAT影像提取海岸线结果中的偏差纠正,进而为分析海岸线变迁提供数据,本发明的算法在遥感影像处理技术及海岸线提取中具有重要的应用价值。
附图说明
图1为本发明方法的流程图。
图2(a)为某海岸区域的DISP影像实验数据。
图2(b)为对应于图2(a)所示海岸区域的LANDSAT TM(第五波段即近红外波段)影像实验数据。
图3为对应于图2(a)所示的DISP影像海岸线提取流程图。
图4为对应于图2(a)所示的DISP影像图像分割结果。
图5为对应于图2(a)所示的DISP影像海岸线提取结果。
图6为对应于图2(b)所示的LANDSAT影像波段运算MNDWI影像。
图7为对应于图2(b)所示的LANDSAT影像二值化后图像。
图8为对应于图2(b)所示的LANDSAT影像海岸线提取结果(底图为LANDSAT TM近红外波段数据影像)。
图9(a)为海岸线在1980年DISP影像和1985年LANDSAT影像中未发生变迁的三个典型区域,即区域I,区域II和区域III。
图9(b)为对应于图9(a)所示的区域I中海岸线在DISP影像和LANDSA影像中的提取结果对照。
图9(c)为对应于图9(a)所示的区域II中海岸线在DISP影像和LANDSA影像中的提取结果对照。
图9(d)为对应于图9(a)所示的区域III中海岸线在DISP影像和LANDSA影像中的提取结果对照。
图9(e)为对应于图9(a)所示的区域I,区域II和区域III中海岸线在DISP影像和LANDSA影像中的提取结果的偏差。
图10为上海自1960年代以来12期海岸线数据集。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
一种面向多源遥感影像的海岸线自动提取及偏差纠正,之后对其加以应用获得海岸线数据集的方法,如图1所示,主要包括以下步骤:
(1)DISP影像海岸线提取算法设计;
(2)LANDSAT影像海岸线提取;
(3)偏差分析及纠正;
(4)海岸线提取结果并制图。
具体说明如下:
(1)DISP影像海岸线提取算法设计
DISP全色影像以胶片形式采集存储,经由回收舱降落回地表并通过飞机回收,后经扫描后所得的影像噪声较大。本发明针对该类数据,在几何纠正及地理配准的前提下,采用增强的Frost滤波对影像进行去噪处理,然后基于面向对象的方法自动提取海岸线,详细流程如图3所示,即:首先采用边缘提取算子和Full Lambda Schedule算子进行图像分割,经大量实验得出先验值分别为50和90时,可以得到较优的结果,如图4所示;然后根据基于规则的特征提取算法得到水体和非水体,继而提取出海岸线,如图5所示。经验证,构建纹理范围0-10(大于0小于10)的规则,可以正确地分离水体和非水体。
(2)LANDSAT影像海岸线提取算法设计
本发明依据LANDSAT影像为多波段数据,利用水体和非水体具有不同的光谱特征,采用MNDWI算法进行波段运算,使其表现出不同的亮度。MNDWI数学表达式为:
MNDWI=(Green-MIR)/(Green+MIR)
其中,Green为绿光波段,MIR为中红外波段。在LANDSAT MSS图像中分别为1、4波段,LANDSAT TM/ETM+图像中分别为2、5波段,OLI图像中为3、6波段。
如图6所示,在计算所得MNDWI影像后,本发明采用大律法(Otsu)进行水体和非水体分割的自适应阈值选取,继而在最佳阈值下对图像二值化,得到水体和非水体,如图7所示,并通过矢量化得到海岸线,如图8所示。
需要说明的是:在本发明的方法中由DISP和LANDSAT两者数据提取海岸线的顺序步骤可以交换;本实施例中选择按照出现时间的先后来安排,即先DISP后LANDSAT。
(3)偏差分析及纠正
评估并纠正因不同分辨率遥感影像提取的海岸线偏差。本发明针对DISP影像和LANDSAT影像提取出的海岸线之间的偏差进行分析,为了最小化其它因素的影响,选择在影像中未发生变化区域的人工海岸线用于比较。
图9(图9(a)-图9(e))所示为1980年4m分辨率的DISP影像和1985年30m分辨率的LANDSAT TM影像在三个不变区域中的海岸线偏差评估的例子。
选择该1985年LANDSAT数据的原因为:保证DISP影像和LANDSAT影像存在未发生海岸线变迁的区域,才能借此来评估因空间分辨率提取海岸线的偏差;该数据为30m分辨率LANDSAT TM影像,没有使用LANDSAT更早传感器MSS分辨率为78m的影像,是为了与1985年后LANDSAT TM/ETM+/OLI影像分辨率一致,这样才能对1985年后的LANDSAT海岸线提取结果根据偏差评估结果进行纠正。以预定义为30m(与LANDSAT影像空间分辨率一致)的间隔测量、分析DISP所提取海岸线到LANDSAT所提取海岸线的距离。如果LANDSAT所提取海岸线在DISP所提取海岸线的向海一侧,海岸线偏差设置为正,否则为负。经测定及统计分析得出,因空间分辨率差异引起的海岸线偏差均值为6.3m(选择所述三个典型的区域计算了该数值,并且后期的所有LANDSAT数据的偏差均采用该数值来加以纠正),均方根误差为9.4m。基于此,本发明将LANDSAT所得海岸线沿着垂直于DISP所得海岸线方向偏移平均值(6.3米)作为调整,以纠正来自两个数据集的海岸线偏差。
(4)海岸线提取结果并制图
按照本文提到的发明方法,选择覆盖上海(30°40′N-31°53′N,120°51′E-122°12′E)区域1960-1980年间5期DISP影像和1985-2015年间7期LANDSAT影像为实验数据,在经过高精度的几何纠正及地理配准的基础上,使用该发明算法提取出同一坐标系下的上海海岸线,并可以根据本发明提到的海岸线偏差进行LANDSAT影像提取海岸线结果中的偏差纠正,进而为分析半个多世纪(因为选择的数据是从1960-2015年每隔5年一期数据,共12期,历时55年(注:因为1975年缺乏DISP数据,故使用1974年数据代替)的海岸线变迁提供数据,结果如图10所示。该算法在遥感影像处理技术及海岸线提取中具有重要的应用价值。
上述对实施例的描述是为了便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种面向多源遥感影像的海岸线自动提取及偏差纠正方法,其特征在于:包括以下步骤:
(1)DISP影像海岸线和LANDSAT影像海岸线提取;
(2)对所提取的DISP影像海岸线和LANDSAT影像海岸线进行偏差分析;
(3)根据分析结果纠正偏差。
2.根据权利要求要求1所述的方法,其特征在于,所述的LANDSAT影像海岸线提取,包括:依据LANDSAT影像为多波段数据,利用水体和非水体具有不同的光谱特征,采用MNDWI算法进行波段运算,之后采用大律法进行水体和非水体分割的自适应阈值选取,继而在最佳阈值下对图像二值化,得到水体和非水体,并通过矢量化得到海岸线。
3.根据权利要求要求1所述的方法,其特征在于,所述的DISP影像海岸线提取,包括:采用增强的Frost滤波对DISP影像进行去噪处理,然后基于面向对象的方法自动提取海岸线。
4.根据权利要求要求3所述的方法,其特征在于,首先采用边缘提取算子和FullLambdaSchedule算子进行图像分割,经实验得出先验值分别符合预定标准时得到结果;然后根据基于规则的特征提取算法得到水体和非水体,继而提取出海岸线。
5.根据权利要求要求3所述的方法,其特征在于,构建纹理范围大于0而小于10的规则得以正确地分离水体和非水体。
6.根据权利要求要求4所述的方法,其特征在于,所述先验值分别为50和90。
7.根据权利要求要求1所述的方法,其特征在于,所述的偏差纠正,包括:
(a)选择在影像中未发生变化区域的人工海岸线用于比较,为了最小化其它因素的影响;
(b)以预定义为30m的间隔测量、分析DISP所提取海岸线到LANDSAT所提取海岸线的距离;如果LANDSAT海岸线在DISP海岸线的向海一侧,海岸线偏差设置为正,否则为负。
8.根据权利要求要求7所述的方法,其特征在于,选择所述三个典型的区域计算因空间分辨率差异引起的海岸线偏差均值以及均方根误差,并且在后期的所有LANDSAT数据的偏差均采用该数值来加以纠正。
9.根据权利要求要求8所述的方法,其特征在于,所述根据分析结果纠正偏差,包括:将LANDSAT所得海岸线沿着垂直于DISP所得海岸线方向偏移平均值作为调整,以纠正来自两个数据集的海岸线偏差;优选的,经测定及统计分析得出,因空间分辨率差异引起的海岸线偏差均值为6.3m,均方根误差为9.4m。
10.权利要求1至9中任一所述方法的应用,其特征在于,提取出1960年代后的DISP影像和LANDSAT影像海岸线,根据所述方法进行LANDSAT影像提取海岸线结果中的偏差纠正并制图,进而为分析半个多世纪的海岸线变迁提供数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481284.4A CN107341809B (zh) | 2017-06-22 | 2017-06-22 | 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481284.4A CN107341809B (zh) | 2017-06-22 | 2017-06-22 | 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107341809A true CN107341809A (zh) | 2017-11-10 |
CN107341809B CN107341809B (zh) | 2020-11-20 |
Family
ID=60221127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710481284.4A Active CN107341809B (zh) | 2017-06-22 | 2017-06-22 | 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107341809B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986116A (zh) * | 2018-07-16 | 2018-12-11 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感影像的红树林提取方法及系统 |
CN110705578A (zh) * | 2019-10-15 | 2020-01-17 | 中船(浙江)海洋科技有限公司 | 一种海岸线年际演变分析系统及方法 |
CN111027446A (zh) * | 2019-12-04 | 2020-04-17 | 中国地质环境监测院 | 一种高分辨率影像的海岸线自动提取方法 |
CN114241327A (zh) * | 2021-10-29 | 2022-03-25 | 广东省国土资源测绘院 | 一种海岸线变化高频监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013015A (zh) * | 2010-12-02 | 2011-04-13 | 南京大学 | 一种面向对象的遥感影像海岸线提取方法 |
CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
EP2427752A1 (fr) * | 2009-05-07 | 2012-03-14 | Thales | Procede d'identification d'une scene a partir d'images polarisees multi longueurs d'onde |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
CN104915954A (zh) * | 2015-05-25 | 2015-09-16 | 同济大学 | 基于Landsat OLI多光谱遥感影像的水体自动提取方法 |
-
2017
- 2017-06-22 CN CN201710481284.4A patent/CN107341809B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2427752A1 (fr) * | 2009-05-07 | 2012-03-14 | Thales | Procede d'identification d'une scene a partir d'images polarisees multi longueurs d'onde |
CN102054274A (zh) * | 2010-12-01 | 2011-05-11 | 南京大学 | 一种海岸带水体遥感信息全自动提取方法 |
CN102013015A (zh) * | 2010-12-02 | 2011-04-13 | 南京大学 | 一种面向对象的遥感影像海岸线提取方法 |
CN104217426A (zh) * | 2014-08-18 | 2014-12-17 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 |
CN104915954A (zh) * | 2015-05-25 | 2015-09-16 | 同济大学 | 基于Landsat OLI多光谱遥感影像的水体自动提取方法 |
Non-Patent Citations (2)
Title |
---|
MANOJ KUMERGHOSH 等: "Monitoring the coastline change of Hatiya Island in Bangladesh using remote sensing techniques", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
王诗洋 等: "我国南海沿岸Landsat影像海岸线提取与变化分析", 《物探化探计算技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108986116A (zh) * | 2018-07-16 | 2018-12-11 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感影像的红树林提取方法及系统 |
CN108986116B (zh) * | 2018-07-16 | 2021-08-27 | 中国科学院东北地理与农业生态研究所 | 一种基于遥感影像的红树林提取方法及系统 |
CN110705578A (zh) * | 2019-10-15 | 2020-01-17 | 中船(浙江)海洋科技有限公司 | 一种海岸线年际演变分析系统及方法 |
CN111027446A (zh) * | 2019-12-04 | 2020-04-17 | 中国地质环境监测院 | 一种高分辨率影像的海岸线自动提取方法 |
CN111027446B (zh) * | 2019-12-04 | 2020-09-01 | 中国地质环境监测院 | 一种高分辨率影像的海岸线自动提取方法 |
CN114241327A (zh) * | 2021-10-29 | 2022-03-25 | 广东省国土资源测绘院 | 一种海岸线变化高频监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107341809B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Mapping annual urban dynamics (1985–2015) using time series of Landsat data | |
Chen et al. | Spatially and temporally weighted regression: A novel method to produce continuous cloud-free Landsat imagery | |
CN107341809A (zh) | 一种面向多源遥感影像的海岸线自动提取及偏差纠正方法 | |
CN102609726B (zh) | 利用面向对象技术融合高空间和高时间分辨率数据的遥感图像分类方法 | |
CN105956557B (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN106023133B (zh) | 一种基于多特征联合处理的高分辨率遥感影像水体提取方法 | |
CN108492260B (zh) | 基于张量投票耦合霍夫变换的地质线性体提取方法 | |
CN105787457A (zh) | 一种modis卫星集成dem提高植被分类遥感精度的估算方法 | |
CN105447274B (zh) | 一种利用面向对象分类技术对中等分辨率遥感图像进行滨海湿地制图的方法 | |
CN106650812A (zh) | 一种卫星遥感影像的城市水体提取方法 | |
CN107358161B (zh) | 一种基于遥感影像分类的海岸线提取方法及系统 | |
CN111879292B (zh) | 一种海岸线动态监控方法、监控设备及存储介质 | |
CN111597930A (zh) | 一种基于遥感云平台的海岸线提取方法 | |
CN109977991A (zh) | 基于高清卫星遥感的林业资源采集方法 | |
CN105590316A (zh) | 面向对象的高分辨率遥感影像阴影提取方法 | |
CN107506769A (zh) | 一种城市水体信息的提取方法及系统 | |
CN106778640A (zh) | 一种三维可视化环境下地表植被覆盖模型的生成方法 | |
CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
CN116012723A (zh) | 基于时序遥感影像的湿地类型提取方法、装置及电子设备 | |
Jiang et al. | Unmixing-based spatiotemporal image fusion accounting for complex land cover changes | |
Bagli et al. | Automatic delineation of shoreline and lake boundaries from Landsat satellite images | |
CN112033937B (zh) | 一种水体提取精度的评价方法 | |
Xiao et al. | A Novel Image Fusion Method for Water Body Extraction Based on Optimal Band Combination. | |
Xie et al. | Object-oriented random forest classification for Enteromorpha prolifera detection with SAR images | |
CN115661675A (zh) | 多云地区地震滑坡遥感识别方法、系统、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |