CN108985281A - 一种基于时序遥感影像的建设用地与农田区分方法及系统 - Google Patents
一种基于时序遥感影像的建设用地与农田区分方法及系统 Download PDFInfo
- Publication number
- CN108985281A CN108985281A CN201811092267.2A CN201811092267A CN108985281A CN 108985281 A CN108985281 A CN 108985281A CN 201811092267 A CN201811092267 A CN 201811092267A CN 108985281 A CN108985281 A CN 108985281A
- Authority
- CN
- China
- Prior art keywords
- farmland
- remote sensing
- image
- pixel
- vegetation index
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 230000007774 longterm Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 6
- 238000012892 rational function Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于时序遥感影像的建设用地与农田区分方法及系统。该方法包括：获取研究区域的时序遥感影像；对时序遥感影像进行预处理后得到像元的植被指数曲线数据；逐像元比较植被指数值与预设的植被指数阈值，根据像元的植被指数值与植被指数阈值的比较结果确定像元的农田状态；得到农田特征提取结果图；利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；对时间序列进行处理获得建设用地特征提取结果图。本发明的方法及系统能够精确的将建设用地与农田区分开来。
Description
技术领域
本发明涉及环境变化遥感解析领域，特别是一种基于时序遥感影像的建设用地与农田区分方法及系统。
背景技术
随着遥感技术的发展与成熟，基于遥感影像的计算方法也变得越来越多，遥感数据可用于对地观测研究，众多的遥感数据为多源信息协同处理提供应用潜力。数据融合技术能够在不增加成本的基础上，提高最终信息量，达到精确提取目标的目的。
目前建设用地、山体阴影等有着相似的反射特征，当前农田提取使用的数据基本为中高分辨率的极轨卫星图像，如Landsat系列卫星影像，这些卫星的重访周期较长，且通常在一天中的固定时间拍摄，无法利用短期时间序列数据进行农田信息提取。
城镇建筑用地是一个复杂的区域，是人类文明发展的基础，具有增长性和动态性，因此增加了认知识别的复杂度和难度。某些地区常年多云多雨。虽然目前在轨运行的光学传感器的遥感卫星已具备每天的重复对地观测，但仍然易受到云雨影响不能成像，导致现有的遥感技术中很难快速高效的将建设用地与农田区分开来。
发明内容
本发明的目的是提供了一种基于时序遥感影像的建设用地与农田区分方法及系统，能精确的将建设用地与农田区分开来。
为实现上述目的，本发明提供了如下方案：
一种基于时序遥感影像的建设用地与农田区分方法，包括：
获取研究区域的时序遥感影像；
对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
对所述时间序列进行处理获得建设用地特征提取结果图。
可选的，所述植被指数曲线数据包括由多个特定时期顺序组成的时间序列和与所述特定时期对应的植被指数值。
可选的，对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据，具体包括：
通过有理函数模型对所述时序遥感影像进行几何校正；
选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准。
可选的，逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图，具体包括：
在所述像元的植被指数值大于或等于所述种植作物农田阈值时，确定所述像元为农田状态；
在所述时期的植被指数值小于所述种植作物农田阈值时，确定所述像元为非农田状态；
确定所述像元的农田状态，生成农田提取结果图。
可选的，所述利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征，具体包括：
将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
可选的，所述对所述时间序列影像分类获得建设用地特征提取结果图，具体包括：
计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。
一种基于时序遥感影像的建设用地与农田区分系统，包括：
获取模块，用于获取研究区域的时序遥感影像；
处理模块，对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
农田特征提取模块，用于逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
时空端元提取模块，用于采用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
建设用地特征提取模块，用于对所述时间序列进行处理获得建设用地特征提取结果图。
可选的，所述处理模块具体包括：
几何校正单元，用于通过有理函数模型对所述时序遥感影像进行几何校正；
图像配准单元，用于选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准。
可选的，所述农田特征提取模块，具体包括：
比较单元，用于逐像元比较植被指数值与预设的植被指数阈值；
农田特征提取单元，用于根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图。
可选的，所述时空端元提取模块，具体包括：
时空端元提取单元，用于将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
可选的，所述建设用地特征提取模块，具体包括：
角度阈值计算单元，用于计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；
建设用地特征提取单元，用于依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于时序遥感影像的建设用地与农田区分方法及系统，准确地获取了不同像元农田与建筑用地反映在遥感影像上的显著差异，实现高精度的农田状态与建筑用地状态监测，成本低、精度高，且实施的流程标准，简单易行，具有推广性，通过光谱角制图，构建时空端元光谱角的定量规则，对时间序列SAR影像分类获得建设用地特征，精确的将建设用地与农田区分开来。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于时序遥感影像的建设用地与农田区分方法的方法流程图；
图2为本发明实施例一种基于时序遥感影像的建设用地与农田区分系统的系统结构图。
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。
本发明的目的是提供了一种基于时序遥感影像的建设用地与农田区分方法及系统，能精确的将建设用地与农田区分开来。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种基于时序遥感影像的建设用地与农田区分方法的方法流程图。
如图1所示，一种基于时序遥感影像的建设用地与农田区分方法，包括：
步骤101：获取研究区域的时序遥感影像；
步骤102：对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
步骤103：逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
步骤104：利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
步骤105：对所述时间序列进行处理获得建设用地特征提取结果图。
步骤102中所述植被指数曲线数据包括由多个特定时期顺序组成的时间序列和与所述特定时期对应的植被指数值；
步骤102中对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据，具体包括：
通过有理函数模型对所述时序遥感影像进行几何校正；
选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准；
步骤103中逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图，具体包括：
在所述像元的植被指数值大于或等于所述种植作物农田阈值时，确定所述像元为农田状态；
在所述时期的植被指数值小于所述种植作物农田阈值时，确定所述像元为非农田状态；
确定所述像元的农田状态，生成农田提取结果图。
步骤104中所述利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征，具体包括：
将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
步骤105中所述对所述时间序列影像分类获得建设用地特征提取结果图，具体包括：
计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。具体的，采用公式：
计算光谱角θ。其中，Endmember表示时空端元；SAR表示时间序列；谱角θ计算公式为i和n为对应的时间序列日期。
图2为本发明实施例一种基于时序遥感影像的建设用地与农田区分系统的系统结构图。
如图2所示，一种基于时序遥感影像的建设用地与农田区分系统，包括：
获取模块201，用于获取研究区域的时序遥感影像；
处理模块202，对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
农田特征提取模块203，用于逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
时空端元提取模块204，用于采用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
建设用地特征提取模块205，用于对所述时间序列进行处理获得建设用地特征提取结果图。
所述处理模块202具体包括：
几何校正单元，用于通过有理函数模型对所述时序遥感影像进行几何校正；
图像配准单元，用于选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准。
所述农田特征提取模块203，具体包括：
比较单元，用于逐像元比较植被指数值与预设的植被指数阈值；
农田特征提取单元，用于根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图。
所述时空端元提取模块204，具体包括：
时空端元提取单元，用于将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
所述建设用地特征提取模块205，具体包括：
角度阈值计算单元，用于计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；
建设用地特征提取单元，用于依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，包括：
获取研究区域的时序遥感影像；
对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
对所述时间序列进行处理获得建设用地特征提取结果图。
2.根据权利要求1所述的一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，所述植被指数曲线数据包括由多个特定时期顺序组成的时间序列和与所述特定时期对应的植被指数值。
3.根据权利要求1所述的一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据，具体包括：
通过有理函数模型对所述时序遥感影像进行几何校正；
选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准。
4.根据权利要求1所述的一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图，具体包括：
在所述像元的植被指数值大于或等于所述种植作物农田阈值时，确定所述像元为农田状态；
在所述时期的植被指数值小于所述种植作物农田阈值时，确定所述像元为非农田状态；
确定所述像元的农田状态，生成农田提取结果图。
5.根据权利要求1所述的一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，所述利用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征，具体包括：
将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
6.根据权利要求1所述的一种基于时序遥感影像的建设用地与农田区分方法，其特征在于，所述对所述时间序列影像分类获得建设用地特征提取结果图，具体包括：
计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。
7.一种基于时序遥感影像的建设用地与农田区分系统，其特征在于，包括：
获取模块，用于获取研究区域的时序遥感影像；
处理模块，对所述时序遥感影像进行预处理后得到像元的植被指数曲线数据；
农田特征提取模块，用于逐像元比较植被指数值与预设的植被指数阈值，根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图；
时空端元提取模块，用于采用高光谱遥感影像数据处理技术对非农田特征进行处理，提取出表示建设用地特征变化趋势的时空特征；
建设用地特征提取模块，用于对所述时间序列进行处理获得建设用地特征提取结果图。
8.根据权利要求7所述的一种基于时序遥感影像的建设用地与农田区分系统，其特征在于，所述处理模块具体包括：
几何校正单元，用于通过有理函数模型对所述时序遥感影像进行几何校正；
图像配准单元，用于选定一个时相的遥感图像为基准图像，剩余时相的遥感图像作为待校准图像，利用与待校准图像上的同名点建立基准图像和待校准图像之间的几何畸变模型进行几何校正，实现不同时相遥感图像的图像配准。
9.根据权利要求7所述的一种基于时序遥感影像的建设用地与农田区分系统，其特征在于，所述农田特征提取模块，具体包括：
比较单元，用于逐像元比较植被指数值与预设的植被指数阈值；
农田特征提取单元，用于根据所述像元的植被指数值与植被指数阈值的比较结果确定所述像元的农田状态；得到农田特征提取结果图。
10.根据权利要求7所述的一种基于时序遥感影像的建设用地与农田区分系统，其特征在于，所述时空端元提取模块，具体包括：
时空端元提取单元，用于将所述时间序列数据集进行预处理操作，构建SAR影像时间序列，通过高光谱遥感影像处理，采用凸锥几何体混合像元分解的方法从非农田特征中提取出具有地物时空特征的时空端元。
11.根据权利要求7所述的一种基于时序遥感影像的建设用地与农田区分系统，其特征在于，所述建设用地特征提取模块，具体包括：
角度阈值计算单元，用于计算所述时空端元之间相互的光谱角θ，将所述光谱角数值作为角度阈值；
建设用地特征提取单元，用于依据时间序列上雷达散射信号的变化，获得建设用地特征提取结果图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811092267.2A CN108985281A (zh) | 2018-09-19 | 2018-09-19 | 一种基于时序遥感影像的建设用地与农田区分方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811092267.2A CN108985281A (zh) | 2018-09-19 | 2018-09-19 | 一种基于时序遥感影像的建设用地与农田区分方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108985281A true CN108985281A (zh) | 2018-12-11 |
Family
ID=64546402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811092267.2A Pending CN108985281A (zh) | 2018-09-19 | 2018-09-19 | 一种基于时序遥感影像的建设用地与农田区分方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108985281A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840553A (zh) * | 2019-01-17 | 2019-06-04 | 苏州中科天启遥感科技有限公司 | 耕地作物类型的提取方法及系统、存储介质、电子设备 |
| CN109886207A (zh) * | 2019-02-25 | 2019-06-14 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN112711793A (zh) * | 2021-03-26 | 2021-04-27 | 中国测绘科学研究院 | 一种削山建设识别方法及装置 |
| CN112946643A (zh) * | 2021-01-28 | 2021-06-11 | 华东师范大学 | 基于时序雷达遥感的海上风电提取方法及系统 |
| CN113033477A (zh) * | 2021-04-19 | 2021-06-25 | 遥相科技发展(北京)有限公司 | 基于遥感的农耕用地沙化监测和预警方法、系统及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
-
2018
- 2018-09-19 CN CN201811092267.2A patent/CN108985281A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 颜秉军 等: "《基于遥感影像的土地利用信息提取研究》", 《鲁东大学学报（自然科学版）》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840553A (zh) * | 2019-01-17 | 2019-06-04 | 苏州中科天启遥感科技有限公司 | 耕地作物类型的提取方法及系统、存储介质、电子设备 |
| CN109886207A (zh) * | 2019-02-25 | 2019-06-14 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN109886207B (zh) * | 2019-02-25 | 2023-01-06 | 上海交通大学 | 基于图像风格迁移的广域监测系统及方法 |
| CN112946643A (zh) * | 2021-01-28 | 2021-06-11 | 华东师范大学 | 基于时序雷达遥感的海上风电提取方法及系统 |
| CN112711793A (zh) * | 2021-03-26 | 2021-04-27 | 中国测绘科学研究院 | 一种削山建设识别方法及装置 |
| CN113033477A (zh) * | 2021-04-19 | 2021-06-25 | 遥相科技发展(北京)有限公司 | 基于遥感的农耕用地沙化监测和预警方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108985281A (zh) | 一种基于时序遥感影像的建设用地与农田区分方法及系统 | |
| Malenovský et al. | Unmanned aircraft system advances health mapping of fragile polar vegetation | |
| Huang et al. | Automated extraction of surface water extent from Sentinel-1 data | |
| Kuras et al. | Hyperspectral and lidar data applied to the urban land cover machine learning and neural-network-based classification: A review | |
| Paul et al. | Glacier remote sensing using Sentinel-2. Part II: Mapping glacier extents and surface facies, and comparison to Landsat 8 | |
| Liao et al. | Deep learning for fusion of APEX hyperspectral and full-waveform LiDAR remote sensing data for tree species mapping | |
| Faridatul et al. | Automatic classification of major urban land covers based on novel spectral indices | |
| Verhoeven | Are we there yet? A review and assessment of archaeological passive airborne optical imaging approaches in the light of landscape archaeology | |
| Lee et al. | Exploring Land Cover Classification Accuracy of Landsat 8 Image Using Spectral Index Layer Stacking in Hilly Region of South Korea. | |
| Wang et al. | Image fusion-based land cover change detection using multi-temporal high-resolution satellite images | |
| CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
| Liu et al. | Mapping coastal wetlands using transformer in transformer deep network on China ZY1-02D hyperspectral satellite images | |
| Agapiou et al. | Orthogonal equations of multi-spectral satellite imagery for the identification of un-excavated archaeological sites | |
| CN107688003B (zh) | 一种消除植被冠层结构和地表背景影响的叶片反射率卫星遥感提取方法 | |
| Guerra-Hernández et al. | Assessing a novel modelling approach with high resolution UAV imagery for monitoring health status in priority riparian forests | |
| Im et al. | An automated binary change detection model using a calibration approach | |
| Dominici et al. | High resolution satellite images for instantaneous shoreline extraction using new enhancement algorithms | |
| Elfadaly et al. | SAR sentinel 1 imaging and detection of palaeo-landscape features in the mediterranean area | |
| Fontanelli et al. | Agricultural crop mapping using optical and SAR multi-temporal seasonal data: A case study in Lombardy region, Italy | |
| Jia et al. | Study of SAR image texture feature extraction based on GLCM in Guizhou Karst mountainous region | |
| Lemenkova et al. | Satellite image processing by python and R using Landsat 9 OLI/TIRS and SRTM DEM Data on Côte d’Ivoire, West Africa | |
| Choi et al. | UAV-based land cover mapping technique for monitoring coastal sand dunes | |
| CN105139369A (zh) | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 | |
| Song et al. | Remote sensing image spatiotemporal fusion via a generative adversarial network with one prior image pair | |
| Sonnemann et al. | Semi-automatic detection of indigenous settlement features on Hispaniola through remote sensing data |
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: 20181211 |
|
| RJ01 | Rejection of invention patent application after publication |