CN108305301A - 一种基于遥感影像的月表多尺度纹理生成方法 - Google Patents

一种基于遥感影像的月表多尺度纹理生成方法 Download PDF

Info

Publication number
CN108305301A
CN108305301A CN201810073084.XA CN201810073084A CN108305301A CN 108305301 A CN108305301 A CN 108305301A CN 201810073084 A CN201810073084 A CN 201810073084A CN 108305301 A CN108305301 A CN 108305301A
Authority
CN
China
Prior art keywords
menology
neighborhood
texture
remote sensing
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.)
Granted
Application number
CN201810073084.XA
Other languages
English (en)
Other versions
CN108305301B (zh
Inventor
李勃
凌宗成
张江
倪宇恒
陈剑
刘长卿
毕向宇
刘莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201810073084.XA priority Critical patent/CN108305301B/zh
Publication of CN108305301A publication Critical patent/CN108305301A/zh
Application granted granted Critical
Publication of CN108305301B publication Critical patent/CN108305301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于遥感影像的月表多尺度纹理生成方法，包括：多尺寸邻域生成：按照先行后列的顺序遍历月表遥感影像数据中的每一个单元，以该单元为中心生成不同尺度的正方形邻域；邻域灰度矩函数计算；邻域粗糙度和熵值纹理生成；月表纹理图像生成：输出生成的粗糙度和熵值纹理图。本发明基于月表遥感影像数据单元的邻域生成能够反映月表光度变化的粗糙度和熵值纹理，是对现有通过DEM数据生成地形纹理方法的补充；本发明生成的粗糙度和熵值纹理对邻域内各方向上由于物质成分不同引起的光度变化都敏感，是对现有DEM数据生成的仅对剖面方向的地形纹理敏感结果的有益改进。

Description

一种基于遥感影像的月表多尺度纹理生成方法
技术领域
本发明涉及行星遥感学和数字图像处理与分析技术领域，特别是涉及一种基于遥感影像的月表多尺度纹理生成方法。
背景技术
纹理被认为是物体表面复杂要素(或对象)的样式和形态按照一定规则的重复出现。月表经历了多样的地质过程(比如撞击事件、空间风化、火山和构造作用等)，形成了具有不同尺度、形态和分布特征的纹理单元。月表纹理对于研究月球表面岩浆作用、沉降和隆升等构造过程，揭示月表地貌形态特征及其演化过程具有重要的意义。此外，月表粗糙度是影响月球表面热辐射状况的重要因素，因而也成为光学与微波遥感关注的焦点。因此，对月表不同尺度纹理的生成、提取、形态和分布研究有着非常重要科学意义和应用价值。
现有月表纹理的生成数据主要来源于绕月卫星搭载的激光高度计得到的数字高程模型(Digital Elevation Model，DEM)数据。DEM数据存储月表一定分辨率的离散点格网(通常是规则格网)顶点的高程值，能够反映月表地形起伏和地貌变化的情况。现有生成月表纹理的方法主要是基于剖面(通常是南北方向，因为绕月卫星的轨道多是南北环绕)计算，来获得区域的均方根高程、均方根偏差、均方根坡度和Hurst指数等。均方根高程反映了地表高度偏离平均高度的程度，是垂直方向上的度量；均方根偏差引入结构函数，能够表达高度在水平方向上的变化。Hurst指数可以度量复杂的自仿射形体的不规则性，通常用于间接获取分形维数，是地表粗糙度的直观表达。
以上方法虽然能够根据月表DEM数据生成几种参数不同的月表纹理，但是其实现过程和结果仍然存在以下两个问题：
(1)现有方法多基于DEM数据提取的月表高程剖面来生成描述起伏变化的地形纹理，然而月表遥感影像数据中也包含丰富的地貌、成分和年代信息。月表除了具有地形起伏的特征之外，还有非常明显的成分引起的光度变化现象。比如，黑色、光滑的月海玄武岩和明亮、粗糙的高地斜长岩之间的差异；撞击事件撞掘出的下伏基岩于周围月壤光度不同，在撞击坑周围的成环状分布；月海不同期次的玄武岩的可以使用光度变化来区分出来。前人研究只使用了DEM数据进行月表地形纹理的分析，忽视了遥感影像数据中隐含的由于成分等因素引起的光度纹理；
(2)现有方法获得的月表纹理依赖于地形剖面长度、方向和采样间距。绕月卫星的轨道多为近南北方向，因此，现有方法对南北形态分布的纹理比较敏感，对其他方向分布的纹理特征难以发现和研究，不能生成一种综合描述月表区域各个方向变化的纹理。
发明内容
为了解决现有技术的不足，本发明提供了一种基于遥感影像的月表多尺度纹理生成方法，该方法以月表遥感影像(灰度)数据为数据源来获得一种描述月表区域各方向光度变化特征的纹理，通过该纹理的值域、形态和分布，来研究月表地质和地貌单元及地质作用的区分和特点。
一种基于遥感影像的月表多尺度纹理生成方法,包括：
多尺寸邻域生成：获取月表遥感影像数据，利用循环遍历生成邻域算法，按照先行后列的顺序，遍历获取的月表遥感影像数据中的每一个单元，以该单元为中心生成不同尺度的邻域；
邻域灰度矩函数计算：对上述步骤生成的每一个邻域进行灰度直方图的矩函数计算，计算出该邻域中的灰度随机变量z的平均值及关于均值的第n阶矩函数μn(z)；
邻域纹理生成：基于邻域的灰度矩函数来计算粗糙度和熵值纹理；
月表纹理图像生成：输出生成的粗糙度纹理图及生成的熵值纹理图。
进一步的，所述多尺寸邻域生成步骤中，当月表遥感影像数据的纬度范围超过南北纬75度，则对月表遥感影像数据进行裁剪至南北纬75度之间。
进一步的，所述月表遥感影像数据存储为栅格格式，该存储格式将月表空间分割成有规律的网格，每一个网格称为一个单元或像素，各单元上赋予的灰度值表示月表的光度。
进一步的，每一个单元的位置由它的行列号定义，所表示的实体位置隐含在栅格行列位置中，单元的长度或者能够表示真实月表地物的大小，称为遥感影像数据的分辨率r。
进一步的，所述邻域为正方形邻域，该正方形邻域的边长定义为邻域的长度，即单元的个数。
进一步的，在多尺寸邻域生成步骤中，如果月表遥感影像数据中的某一单元在月表遥感影像的边界上或其周围单元不足以产生边长为L的邻域时，则空缺部分由该单元补充。
进一步的，月表纹理图像生成步骤中，输出纹理图像的行列数与输入遥感影像的行列数一致，其尺度与输入遥感影像的分辨率和输出纹理图像的邻域尺寸有关，为S＝L*r。
进一步的，根据设置邻域初始尺寸集合和循环次数n，生成不同尺度的月表粗糙度和熵值纹理图。
进一步的，基于月表遥感影像数据生成的粗糙度和熵值纹理均为南北纬75°之间的月表区域，输出图像格式为栅格图像。
上述一种基于遥感影像的月表多尺度纹理生成方法也可以应用于太阳系其他行星和小行星表面的纹理生成。
与现有技术相比，本发明的有益效果是：
1、本发明能够基于月表遥感影像数据生成由于月表物质成分不同而引起光度变化造成的月表粗糙度和熵值纹理，是对现有通过DEM数据生成地形纹理方法和结果的有力补充。
2、本发明通过描述遥感影像单元正方形邻域光度变化的矩函数生成对邻域内各方向光度变化都敏感的月表纹理，是对现有DEM数据生成的剖面地形纹理的有益改进和补充。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为月表遥感影像数据，空间分辨率为100m，覆盖月表南北纬75度之间范围；
图2(a)-图2(f)分别对应于尺寸为15、25、50、100、200和400的邻域，其尺度分别为1.5、2.5、5、10、20和40km；
图3(a)-图3(f)分别对应于尺寸为15、25、50、100、200和400的邻域，其尺度分别为1.5、2.5、5、10、20和40km；
图4(a)为月表新鲜开普勒撞击坑的遥感影像图，空间分辨率为100m；
图4(b)为使用DEM数据生成的开普勒撞击坑的地形纹理，其尺度为1.9km；
图5(a)-图5(b)分别对应于5km尺度的光度粗糙度和熵值纹理。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在根据月表DEM数据生成的月表地形纹理的不足，为了解决如上的技术问题，本申请提出了一种基于遥感影像的月表多尺度纹理生成方法。
本申请利用邻域生成纹理，邻域是一个n*n的格网，求这个格网的矩函数，这个矩函数反映的是整个格网的灰度变化，而不仅仅是南北方向上的，为一个区域的光度变化，对每个方向都敏感，因此本申请的撞击坑纹理是环形的一圈。
本申请的一种典型的实施方式中，如图1所示，提供了一种基于遥感影像的月表多尺度纹理生成方法。
本发明的基于遥感影像的月表光度纹理生成方法，输入数据为月表光度域Z，包括以下步骤：
步骤一：输入图像处理
a.获取信息，分析输入的月表光度域IZ，获得光度域IZ的行数INrow和列数INcol，空间分辨率r；
b.裁剪图像，分析输入月表光度域IZ的月表纬度范围，如果纬度范围超过南北纬75度，则将光度域IZ进行裁剪到南北纬75度之间，生成新的月表光度域Z，其行号和列数分别为Nrow和Ncol；
需要说明的是：输入数据为月表遥感影像数据，其存储为栅格格式。存储格式是将月表空间分割成有规律的(正方形)网格，每一个网格称为一个单元(像素)，各单元上的灰度值来表示月表光度。每一个单元的位置由它的行列号定义，所表示的实体位置隐含在栅格行列位置中，单元的长度或者能够表示真实月表地物的大小，称为遥感影像数据的分辨率r。
步骤二：邻域生成
月表纹理具有分形特征，即不同尺度(邻域大小)的纹理具有不同的形态特征和分布。本发明生成能反映区域各个方向上遥感影像光度特征的纹理，首先要确定邻域的大小，该邻域的大小也决定了最终生成的月表纹理的尺度。
为了生成月表遥感影像中每一个单元的多尺度、连续的月表邻域纹理，本发明使用循环遍历算法，连续生成一系列的邻域边长，然后基于不同边长来生成每一个单元的不同尺寸的邻域。本发明的循环遍历生成邻域算法，按照先行后列的顺序，遍历月表遥感影像中的每一个单元，以该单元为中心生成边长为L的正方形邻域。如果该单元在遥感影像的边界上或其周围单元不足以产生边长为L的邻域时，则该邻域的空缺部分由该单元补充。
邻域生成算法中参数和含义如下：
遥感影像的分辨率：r；
遥感影像的行数：Nrow；
遥感影像的列数：Ncol；
遥感影像的单元：Z(i,j),其中正整数i为该单元的行号，j为该单元的列号。i<＝Nrow，j<＝Ncol；
邻域的边长：L，L为整数，且L>＝2，L<＝min(Nrow,Ncol)；
正方形邻域：Nei(i,j,L)，其边长为L，由L*L个单元组成，邻域的中心位于遥感影像的单元Z(i,j)；
正方形邻域的单元：Nei(m,n)，其中正整数m，n为改邻域的行列号。m<＝L，n<＝L；
月表纹理的尺度：S＝L*r；
邻域尺寸集合：Li＝{L1,L2,…,Ln},i＝1,2,…,n。集合中共有n个不相同邻域的边长且每个边长都是大于1的整数；
邻域生成的循环次数：n；
循环遍历生成邻域算法的具体流程为：
根据邻域尺寸Li，对光度域Z中的Z(i,j)进行邻域Nei(i,j,Li)生成。如果当前要生成邻域的单元Z(i，j)位于遥感影像的边缘位置或其周围单元不足以产生边长为L的邻域时，即i<L，或i>Nrow-L，或j<L，或j>Ncol-L，那么生成邻域时的空缺部分由该单元补充。比如，i<0时，单元Z(i,j)位于影像的上边缘，其生成邻域上面的(L-i)行，L列个单元使用Z(i,j)单元的值进行填充。
本申请中关于邻域矩函数计算：
对上一步生成的每一个邻域进行灰度直方图的矩函数计算。矩函数在图像分析中有着广泛的应用。一幅栅格图像的矩函数，可以描述图像形状的全局特征，并能够提供关于该图像的几何特征信息。设z为代表邻域单元Nei(i,j,L)内像素(灰度)值的随机变量，令zi，i＝0,1,2,…,L-1表示该邻域中所有可能的灰度值。则在给定邻域中灰度值zi出现的概率p(zi)可计算为：
p(zi)＝ni/(L*L) 式1
其中，ni是灰度值zi在图像中出现的次数，L*L是邻域中的单元总数。根据不同灰度值zk出现的概率p(zk)可以计算出该邻域中的灰度平均值ave:
随机变量z关于均值的第n阶矩函数μn(z)定义为：
本发明基于邻域的矩函数来计算粗糙度和熵值纹理。邻域Nei(i,j,L)的二阶矩，即方差(σ2)，计算公式为：
步骤三：邻域矩函数计算：具体的操作步骤为：
a.统计邻域Nei(i,j,Li)所有单元内灰度值并根据公式(1)计算其中每一种灰度值出现的概率；
b.根据不同灰度值出现的概率，由公式(2)计算出该邻域中的灰度平均值ave；
c.根据公式(3)和(4)计算出邻域Nei(i,j,Li)的二阶矩。
其中，二阶矩是邻域内灰度值对比度的度量，可以用于邻域灰度粗糙度纹理R的计算：
粗糙度纹理反映邻域内单元灰度值的变化情况。粗糙度纹理对于恒定灰度邻域的值为0，反之，邻域内灰度的变化越剧烈，R值越大，直到最大值R＝1。
反映邻域包含的信息量度量的熵值E可以如下计算：
熵值是邻域内灰度值所包含的信息量或者取值不确定性的度量。对恒定灰度值的邻域，其值为0。
具体的步骤四：邻域纹理生成
a.根据邻域Nei(i,j,Li)的二阶矩，由公式(5)计算出邻域的粗糙度纹理值；
b.根据公式(6)计算出邻域Nei(i,j,Li)的熵值纹理；
步骤五：生成纹理图
具体的步骤为：对每一个图像单元重做步骤二到步骤四，将每一个单元U(i,j)生成的邻域Nei(i,j,Li)计算出的粗糙度R(i,j,Li)和熵值E(i,j,Li)存储在，遍历结束后，将对应行列号(i,j)的粗糙度和熵值分别写入到图像文件中，生成尺度为S＝Li*r的粗糙度纹理图RMap(Nrow,Ncol,Li)和熵值纹理图EMap(Nrow,Ncol,Li)；
本申请中，月球卫星在绕月过程中，携带的载荷相机对月表拍照获得遥感影像数据。在月球高纬度地区(±75°之外)受到复杂地形的影响，影像数据中出现大片的阴影区域，难以体现出栅格单元的真正光度信息。因此，本发明中基于影像数据灰度值统计生成的粗糙度和和熵值纹理的生成区域均为南北纬75°之间的月表。
需要说明的是，本发明的输出结果是栅格图像，其中输出生成的粗糙度纹理图为RMap(Nrow,Ncol,L)，生成的熵值纹理图为EMap(Nrow,Ncol,L)。输出纹理图像的行列数与输入遥感影像的行列数一样，其尺度与输入遥感影像的分辨率和输出纹理图像的邻域尺寸有关，为S＝L*r。
步骤六：循环重做
根据设置邻域初始尺寸集合和循环次数n，对每一个邻域尺寸Li重做步骤五，生成不同尺度的粗糙度纹理图和熵值纹理图。
本申请的另一具体的实施方式中，以美国月球轨道勘测器上搭载的宽角相机获得的全月影像数据为例，其分辨率为100m/pixel，其中南北纬75°之间的数据的行列数分别为45485和109164，其单元中存储的月表的光度值，存储格式为无符号整形，值域为[0，255]，如图1所示。根据以上陈述的发明方法，在纹理的生成过程中，邻域尺寸集合设置为L＝{15，25，50，100，200，400}，其邻域边长分别为15、25、50、100、200和400像元个数，对应于1.5、2.5、5、10、20和40km尺度的纹理图像。生成的月表粗糙度纹理和熵值纹理结果见图2(a)-图2(f)和图3(a)-图3(f)，小尺度粗糙度纹理图2(a)和图2(b)的分布杂乱无序，大尺度纹理图2(c)、图2(d)、图2(e)和图2(f)则反映大的地形或地貌单元的分布，比如月海和高地的分界线。
因此，本发明能够基于月表光度遥感影像单元邻域的矩函数生成反映月表光度变化的粗糙度和熵值纹理，是对现有通过DEM数据生成地形纹理方法和结果的有力补充。
撞击坑是月表最常见的环形地貌对象。新鲜的简单撞击坑(直径小于20Km)具有外缓内陡的环形或弧形周壁(碗状结构)并且坑外具有明显的溅射物分布。溅射物是撞击事件开挖的月壤下覆的物质，其物质成分、粒径大小和地貌特征与撞击坑内部具有明显不同。以月表新鲜开普勒撞击坑为例，图4(a)为月表新鲜开普勒撞击坑的遥感影像图，空间分辨率为100m；图4(b)为使用DEM数据生成的开普勒撞击坑的地形纹理，其尺度为1.9km；图5(a)-图5(b)为本发明生成的5km尺度的光度粗糙度和熵值纹理。
通过图4(a)-图4(b)和图5(a)-图5(b)对应位置的对比可以看出，本发明的光度熵值纹理对撞击坑的溅射物非常敏感，能够分辨出撞击坑外连续的溅射物毯；本发明的光度粗糙度图则能够生成连续的沿撞击坑缘的环状纹理，而DEM数据生成的光度纹理只对南北方向的地形变化比较敏感，对环形构造识别难以完整的识别出来。因此，本发明能够生成对区域内各方向光度变化都敏感的月表纹理，是对现有DEM数据生成的地形纹理的有益改进和补充。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于遥感影像的月表多尺度纹理生成方法，其特征是，包括：
多尺寸邻域生成：获取月表遥感影像数据，利用循环遍历生成邻域算法，按照先行后列的顺序，遍历获取的月表遥感影像数据中的每一个单元，以该单元为中心生成不同尺度的邻域；
邻域灰度矩函数计算：对上述步骤生成的每一个邻域进行灰度直方图的矩函数计算，计算出该邻域中的灰度随机变量z的平均值及关于均值的第n阶矩函数μn(z)；
邻域纹理生成：基于邻域的灰度矩函数来计算粗糙度和熵值纹理；
月表纹理图像生成：输出生成的粗糙度纹理图及生成的熵值纹理图。
2.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，所述多尺寸邻域生成步骤中，当月表遥感影像数据的纬度范围超过南北纬75度，则对月表遥感影像数据进行裁剪至南北纬75度之间。
3.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，所述月表遥感影像数据存储为栅格格式，该存储格式将月表空间分割成有规律的网格，每一个网格称为一个单元或像素，各单元上的灰度值表示月表的光度。
4.如权利要求3所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，每一个单元的位置由它的行列号定义，所表示的实体位置隐含在栅格行列位置中，单元的长度或者能够表示真实月表地物的大小，称为遥感影像数据的分辨率*r。
5.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，所述邻域为正方形邻域，该正方形邻域的边长定义为邻域的长度，即单元的个数。
6.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，在多尺寸邻域生成步骤中，如果月表遥感影像数据中的某一单元在月表遥感影像的边界上或其周围单元不足以产生边长为L的邻域时，则空缺部分由该单元补充。
7.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，月表纹理图像生成步骤中，输出纹理图像的行列数与输入遥感影像的行列数一致，其尺度与输入遥感影像的分辨率和输出纹理图像的邻域尺寸有关，为S＝L*r。
8.如权利要求7所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，根据设置邻域初始尺寸集合和循环次数n，生成不同尺度的月表粗糙度和熵值纹理图。
9.如权利要求1所述的一种基于遥感影像的月表多尺度纹理生成方法，其特征是，基于月表遥感影像数据生成的粗糙度和熵值纹理均为南北纬75°之间的月表，输出图像格式为栅格图像。
10.一种应用，上述权利要求1-9任一所述的一种基于遥感影像的月表多尺度纹理生成方法应用于太阳系其他行星和小行星表面的纹理生成。
CN201810073084.XA 2018-01-25 2018-01-25 一种基于遥感影像的月表多尺度纹理生成方法 Active CN108305301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810073084.XA CN108305301B (zh) 2018-01-25 2018-01-25 一种基于遥感影像的月表多尺度纹理生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810073084.XA CN108305301B (zh) 2018-01-25 2018-01-25 一种基于遥感影像的月表多尺度纹理生成方法

Publications (2)

Publication Number Publication Date
CN108305301A true CN108305301A (zh) 2018-07-20
CN108305301B CN108305301B (zh) 2020-11-06

Family

ID=62866258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810073084.XA Active CN108305301B (zh) 2018-01-25 2018-01-25 一种基于遥感影像的月表多尺度纹理生成方法

Country Status (1)

Country Link
CN (1) CN108305301B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111536982A (zh) * 2020-05-06 2020-08-14 北京工业大学 一种光照不良条件下小行星探测器光学导航图像生成方法
CN114964176A (zh) * 2022-04-08 2022-08-30 同济大学 一种月球永久阴影区域地形测绘方法
CN115272769A (zh) * 2022-08-10 2022-11-01 中国科学院地理科学与资源研究所 基于机器学习的月球撞击坑自动提取方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110026832A1 (en) * 2009-05-20 2011-02-03 Lemoigne-Stewart Jacqueline J Automatic extraction of planetary image features
CN103578110A (zh) * 2013-11-12 2014-02-12 河海大学 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法
CN106408009A (zh) * 2016-09-08 2017-02-15 哈尔滨工业大学 一种基于深度置信网络的邻域加权平均高光谱图像分类方法
CN107146281A (zh) * 2017-03-13 2017-09-08 浙江工业大学 一种月球表面高分辨率dem提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110026832A1 (en) * 2009-05-20 2011-02-03 Lemoigne-Stewart Jacqueline J Automatic extraction of planetary image features
CN103578110A (zh) * 2013-11-12 2014-02-12 河海大学 基于灰度共生矩阵的多波段高分辨率遥感影像分割方法
CN106408009A (zh) * 2016-09-08 2017-02-15 哈尔滨工业大学 一种基于深度置信网络的邻域加权平均高光谱图像分类方法
CN107146281A (zh) * 2017-03-13 2017-09-08 浙江工业大学 一种月球表面高分辨率dem提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张华: "遥感数据可靠性分类方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111536982A (zh) * 2020-05-06 2020-08-14 北京工业大学 一种光照不良条件下小行星探测器光学导航图像生成方法
CN111536982B (zh) * 2020-05-06 2023-09-19 北京工业大学 一种光照不良条件下小行星探测器光学导航图像生成方法
CN114964176A (zh) * 2022-04-08 2022-08-30 同济大学 一种月球永久阴影区域地形测绘方法
CN115272769A (zh) * 2022-08-10 2022-11-01 中国科学院地理科学与资源研究所 基于机器学习的月球撞击坑自动提取方法和装置

Also Published As

Publication number Publication date
CN108305301B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Enge et al. From outcrop to reservoir simulation model: Workflow and procedures
Platz et al. Crater-based dating of geological units on Mars: Methods and application for the new global geological map
Van Westen et al. Multi-hazard risk assessment: Distance education course-Risk City Exercise book 2011
Mitasova et al. Scientific visualization of landscapes and landforms
CN102346923B (zh) 一种基于经纬网格的数据分级组织方法
CN108416820B (zh) 一种基于遥感数据的月表撞击坑地质填图方法
Addink et al. A comparison of conventional and geostatistical methods to replace clouded pixels in NOAA-AVHRR images
Kennelly et al. General sky models for illuminating terrains
CN108305301A (zh) 一种基于遥感影像的月表多尺度纹理生成方法
CN105426881B (zh) 山体背景热场模型约束的地下热源昼间遥感探测定位方法
Jiang et al. Fusion of photogrammetric and photoclinometric information for high-resolution DEMs from Mars in-orbit imagery
BR112014019836B1 (pt) Método de produção de um modelo de elevação digital de resolução melhorada
Liu et al. Effects of illumination differences on photometric stereo shape-and-albedo-from-shading for precision lunar surface reconstruction
Drüe et al. High‐resolution maps of the sea‐ice concentration from MODIS satellite data
Lai et al. Visual enhancement of 3D images of rock faces for fracture mapping
Beyer et al. Layering stratigraphy of eastern Coprates and northern Capri Chasmata, Mars
Pronk et al. DeltaDTM: A global coastal digital terrain model
Kreslavsky et al. Low-amplitude topographic features and textures on the Moon: Initial results from detrended Lunar Orbiter Laser Altimeter (LOLA) topography
Putzig Thermal inertia and surface heterogeneity on Mars
Boucher et al. Integrating fine scale information in super-resolution land-cover mapping
Miliaresis Quantification of terrain processes
Cao et al. Measuring multiresolution surface roughness using V-system
Kaldor et al. Role of advanced statistical techniques in cancer mapping
Wyatt et al. Analysis of surface compositions in the Oxia Palus region on Mars from Mars global surveyor thermal emission spectrometer observations
Li et al. Lunar textural analysis based on WAC-derived kilometer-scale roughness and entropy maps

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