CN107680094A - 一种水环境遥感数据处理方法及装置 - Google Patents
一种水环境遥感数据处理方法及装置 Download PDFInfo
- Publication number
- CN107680094A CN107680094A CN201710963299.4A CN201710963299A CN107680094A CN 107680094 A CN107680094 A CN 107680094A CN 201710963299 A CN201710963299 A CN 201710963299A CN 107680094 A CN107680094 A CN 107680094A
- Authority
- CN
- China
- Prior art keywords
- water environment
- remote sensing
- data
- environment remote
- sensing image
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 184
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 241001269238 Data Species 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 9
- 239000000284 extract Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种水环境遥感数据处理方法及装置。该方法包括：通过遥感器获取水环境监测区域的两期水环境遥感图像数据；对异常像素进行平滑滤波；对去除异常像素的水环境遥感图像数据进行校正；将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；对两期数据中编号对应的图像特征信息分别进行均值处理；建立存储数据库的超链接索引。本发明通过将两期水环境遥感图像数据相结合用于进行水环境遥感监测数据处理，同时，对异常像素进行平滑滤波和对去除异常像素的水环境遥感图像数据进行校正，提高了监测数据结果的精确度，保证了水环境后期的可靠分析。
Description
技术领域
本发明涉及遥感领域，更具体的涉及一种水环境遥感数据处理方法及装置。
背景技术
传统的江河流域水环境监测主要是设置定点监测站、抽样调查、现场观察和测量等方法，这些监测手段和方法有利于准确反映局部的微观水体特征，如果从宏观上映射江河流域水环境状况，采取此类方法不仅耗费人力、物力、财力资源而且效率也十分低下。
随着遥感技术的不断进步和相关理论模型的不断完善，遥感监测技术在水环境监测中的应用越来越多。由于水环境监测的遥感数据为点云数据，且这些数据需要经过一系列的复杂处理，才能获得为人们所需的数据，但是，通常是对一组点云数据进行处理，且没有考虑原始图像数据中的异常像素点，从而使得监测结果精确度不高，不能作为水环境后期分析的可靠保证。
综上所述，现有技术中的水环境遥感监测数据，存在监测结果精确度不高，不能作为水环境后期分析的可靠保证的问题。
发明内容
本发明实施例提供一种水环境遥感数据处理方法及装置，用以解决现有技术中存在监测结果精确度不高，不能作为水环境后期分析的可靠保证的问题。
本发明实施例提供一种水环境遥感数据处理方法，包括：
通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据；
查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波；
根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正；
根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2；
将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号；
对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线；
建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引；
通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
优选地，所述查寻水环境遥感图像数据中的异常像素，具体包括：
选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；
判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；
重复上述步骤，直到遍历水环境遥感图像数据中的像素。
本发明实施例提供的一种水环境遥感数据处理装置，包括：服务器；
所述服务器，
用于通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据；
用于查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波；
用于根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正；
用于根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2；
用于将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号；
用于对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线；
用于建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引；
用于通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
优选地，所述服务器，还包括：
用于选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；
用于判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；
用于重复上述步骤，直到遍历水环境遥感图像数据中的像素。
本发明实施例中，提供一种水环境遥感数据处理方法及装置，与现有技术相比，其有益效果如下：
本发明通过将两期水环境遥感图像数据(即原始点云数据)相结合用于进行水环境遥感监测数据处理，同时，对水环境遥感图像数据中的异常像素进行平滑滤波和对去除异常像素的水环境遥感图像数据进行校正，提高了监测数据结果的精确度，保证了水环境后期的可靠分析。
本发明通过对两期水环境遥感图像数据按照水环境特性类型进行划分，并将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块，然后进行特征信息提取，进一步提高了监测数据结果的准确度。
本发明通过对水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储的数据库建立超链接索引，即对从原始数据到过程数据和结果数据进行关联超链接索引，便于后期对水环境数据进行查询。
附图说明
图1为本发明实施例提供的一种水环境遥感数据处理方法流程图；
图2为本发明实施例提供的一种水环境遥感数据处理装置结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种水环境遥感数据处理方法流程图。如图1所示，该方法包括：
步骤S1，通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据；
步骤S2，查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波。
较佳地，步骤S2中，查寻水环境遥感图像数据中的异常像素，具体包括：
选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；重复上述步骤，直到遍历水环境遥感图像数据中的像素。
步骤S3，根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正。
需要说明的是，本发明通过将两期水环境遥感图像数据(即原始点云数据)相结合用于进行水环境遥感监测数据处理，同时，对水环境遥感图像数据中的异常像素进行平滑滤波和对去除异常像素的水环境遥感图像数据进行校正，提高了监测数据结果的精确度，保证了水环境后期的可靠分析。
步骤S4，根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2。
步骤S5，将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号。
步骤S6，对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线。
步骤S7，建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引。
步骤S8，通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
需要说明的是，本发明通过对两期水环境遥感图像数据按照水环境特性类型进行划分，并将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块，然后进行特征信息提取，进一步提高了监测数据结果的准确度。
进一步地，本发明通过对水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储的数据库建立超链接索引，即对从原始数据到过程数据和结果数据进行关联超链接索引，便于后期对水环境数据进行查询。
图2为本发明实施例提供的一种水环境遥感数据处理装置结构示意图。如图2所示，该装置包括：服务器1。
服务器1，包括：
原始数据获取模块101，用于通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据。
异常像素处理模块102，用于查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波。
上述异常像素查寻模块102，具体用于选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；用于判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；以及用于重复上述步骤，直到遍历水环境遥感图像数据中的像素。
数据校正模块103，用于根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正。
数据分类模块104，用于根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2。
特征提取模块105，用于将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号。
均值处理模块106，用于对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线。
索引建立模块107，用于建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引。
GIS管理模块108，用于通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
基于同一发明构思，本发明实施例提供了一种水环境遥感数据处理装置，由于该装置解决技术问题的原理与一种水环境遥感数据处理方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
以上公开的仅为本发明的几个具体实施例，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种水环境遥感数据处理方法，其特征在于，包括：
通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据；
查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波；
根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正；
根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2；
将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号；
对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线；
建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引；
通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
2.如权利要求1所述的水环境遥感数据处理方法，其特征在于，所述查寻水环境遥感图像数据中的异常像素，具体包括：
选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；
判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；
重复上述步骤，直到遍历水环境遥感图像数据中的像素。
3.一种水环境遥感数据处理装置，其特征在于，包括：服务器；
所述服务器，
用于通过遥感器获取水环境监测区域的水环境遥感图像数据；其中，所述水环境遥感图像数据包括：前期水环境遥感图像数据和后期水环境遥感图像数据；
用于查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波；
用于根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正；
用于根据水环境特性将校正后的两期水环境遥感图像数据均划分为N个类型，且N>＝2；
用于将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；将水环境遥感图像数据与从水环境遥感图像数据中提取的图像特征信息进行关联，并对每个图像特征信息进行编号；
用于对两期数据中编号对应的图像特征信息分别进行均值处理，并对同一类型的均值图像特征信息进行保存并绘制图线；
用于建立水环境遥感图像数据、异常像素、水环境遥感图像数据、平滑滤波后数据、校正后数据、类型分类后数据、均分区域块数据、图像特征信息和均值处理后数据及上述数据的关联关系所存储数据库的超链接索引；
用于通过GIS分析对上述数据和上述数据的关联关系进行分析管理，并建立水环境遥感监测质量报告。
4.如权利要求3所述的水环境遥感数据处理装置，其特征在于，所述服务器，还包括：
用于选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；
用于判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；
用于重复上述步骤，直到遍历水环境遥感图像数据中的像素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963299.4A CN107680094A (zh) | 2017-10-17 | 2017-10-17 | 一种水环境遥感数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963299.4A CN107680094A (zh) | 2017-10-17 | 2017-10-17 | 一种水环境遥感数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107680094A true CN107680094A (zh) | 2018-02-09 |
Family
ID=61140510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710963299.4A Pending CN107680094A (zh) | 2017-10-17 | 2017-10-17 | 一种水环境遥感数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107680094A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110412228A (zh) * | 2019-08-01 | 2019-11-05 | 广西壮族自治区环境保护科学研究院 | 一种基于遥感的水环境监测服务系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102721957B (zh) * | 2012-06-21 | 2014-04-02 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感监测校正检验方法及装置 |
| CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
| EP2786694A1 (en) * | 2011-11-30 | 2014-10-08 | Olympus Corporation | Image processing device, image processing method, and image processing program |
| CN105469068A (zh) * | 2015-12-04 | 2016-04-06 | 成都理工大学 | 基于图像特征分解的高空间分辨率遥感图像找矿方法 |
| CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
-
2017
- 2017-10-17 CN CN201710963299.4A patent/CN107680094A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2786694A1 (en) * | 2011-11-30 | 2014-10-08 | Olympus Corporation | Image processing device, image processing method, and image processing program |
| CN102721957B (zh) * | 2012-06-21 | 2014-04-02 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感监测校正检验方法及装置 |
| CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
| CN105469068A (zh) * | 2015-12-04 | 2016-04-06 | 成都理工大学 | 基于图像特征分解的高空间分辨率遥感图像找矿方法 |
| CN106845452A (zh) * | 2017-02-23 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 基于北斗的高分遥感数据处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张玉娟等: "《遥感数字图像处理》", 31 July 2016 * |
| 杜根远: "图像高层特征提取", 《空间数据检索及快速处理技术研究》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110412228A (zh) * | 2019-08-01 | 2019-11-05 | 广西壮族自治区环境保护科学研究院 | 一种基于遥感的水环境监测服务系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107169426B (zh) | 一种基于深度神经网络的人群情绪异常检测和定位方法 | |
| CN105787937B (zh) | 一种基于osm的高分辨遥感影像道路变化检测方法 | |
| CN109493320B (zh) | 基于深度学习的遥感影像道路提取方法及系统、存储介质、电子设备 | |
| CN107346420A (zh) | 一种基于深度学习的自然场景下文字检测定位方法 | |
| CN106356757A (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN110929607A (zh) | 一种城市建筑物施工进度的遥感识别方法和系统 | |
| CN108732465A (zh) | 一种基于小波变换和cnn的配电网故障定位方法 | |
| CN109544501A (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
| CN103489191B (zh) | 一种遥感图像显著目标变化检测方法 | |
| CN112465006B (zh) | 一种图神经网络目标跟踪方法及装置 | |
| CN103090946B (zh) | 果树单树产量测量的方法和系统 | |
| CN111368690A (zh) | 基于深度学习的海浪影响下视频图像船只检测方法及系统 | |
| CN108121945A (zh) | 一种多目标检测跟踪方法、电子设备及存储介质 | |
| CN107993488A (zh) | 一种基于鱼眼相机的车位识别方法、系统及介质 | |
| CN114998744B (zh) | 基于运动与视觉双特征融合的农机轨迹田路分割方法及装置 | |
| CN106326932A (zh) | 一种基于神经网络的电力巡线图像自动识别方法、装置 | |
| CN104809724A (zh) | 多波段遥感影像的自动精配准方法 | |
| Özcan et al. | Tree crown detection and delineation in satellite images using probabilistic voting | |
| CN111767826A (zh) | 一种定时定点场景异常检测方法 | |
| CN103871089B (zh) | 一种基于融合的图像超像素网格化方法 | |
| CN111239131A (zh) | 一种ai智能水环保实时监测平台 | |
| CN103902798A (zh) | 数据预处理方法 | |
| CN114004950A (zh) | 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法 | |
| CN104050674A (zh) | 一种显著性区域检测方法及装置 | |
| CN107680094A (zh) | 一种水环境遥感数据处理方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
| RJ01 | Rejection of invention patent application after publication |