CN109165272A - 面向高分遥感影像的地理信息可视化分析系统 - Google Patents
面向高分遥感影像的地理信息可视化分析系统 Download PDFInfo
- Publication number
- CN109165272A CN109165272A CN201810957193.8A CN201810957193A CN109165272A CN 109165272 A CN109165272 A CN 109165272A CN 201810957193 A CN201810957193 A CN 201810957193A CN 109165272 A CN109165272 A CN 109165272A
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- information
- map
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种面向高分遥感影像的地理信息可视化分析系统,包括,整体系统搭建,遥感数据处理模块、目标检测模块;符合海量遥感数据可视化及对存储与共享高效和可靠性的要求的系统架构,建立一个功能的可视化共享系统;针对遥感卫星影像大数据化引发的海量信息处理与遥感数据的关键目标位置信息提取问题,在保证检测速度的条件下,提供了一个精确捕捉关键目标位置信息的目标检测算法。
Description
技术领域
本发明特别涉及一种面向高分遥感数据的可视化分析系统,涉及WebGIS技术领域。
背景技术
21世纪以来,智慧地球、感知地球等概念的提出,推动了遥感(Remote Sensing,RS)产业和地理信息系统技术的发展。合成孔径雷达(Synthetic Aperture Radar,SAR)能够不受气候、天气光照等条件影响,获得高分辨率的雷达影像,与光学遥感相比,SAR在侦查、监视等军事领域更具优势。2014年,全球共发射11颗高分辨率对地观测卫星,对地观测卫星与应用进入“高分时代”。高分辨率对地观测系统工程作为我国重大专项之一,包括7颗不同类型的高分辨对地观测卫星,形成能够支持大功率、高分辨率SAR载荷的卫星平台,遥感数据量大幅增长,进入遥感大数据时代,发展其相关应用产业对促进该领域的研发自主化、国产化、推动我国信息化建设具有重要的意义。对地观测系统数据的分辨率(空间分辨率、光谱分辨率和时间分辨率)不断提升,在军用、民用领域同时推进,卫星分辨率逐步提升到亚米级,推动了行业基础技术的提升与发展。高分辨率的遥感影像为研究者提供更加精确、丰富的地理信息数据,同时对数据的存储、处理和分析能力提出了越来越高的要求。由于大数据具有数据规模大、数据种类多、处理速度快、价值密度低等特点,如何高效精确地实现目标检测从而提取关键信息成为亟待解决的问题。
随着计算机技术和网络的发展,基于万维网的地理信息系统WebGIS应运而生,引起GIS技术的重大变革。WebGIS的跨平台、易访问、负载均衡等特性以及强大的空间信息处理能力,为遥感卫星数据的共享提供了新的途径,其开放性、易用性、低成本、大众化以及良好的可扩展性是本阶段GIS发展的主流方向。遥感影像是地理信息系统的重要数据来源之一,用过遥感影像可以快速、连续地捕捉到大面积、连续的、综合的各种地理信息。GIS最大优势在于其空间数据库的现势性,且随着WebGIS技术的发展这一特性的优势更为突出。航天遥感技术能够提供周期性的观测成果,为GIS提供更加丰富的动态信息。遥感卫星数据应用产业支撑着我国的科技发展和信息化建设,遥感技术与地理信息系统结合,能够高效集成与共享海量的遥感数据,实现遥感数据可视化,从而提高遥感数据资源的利用效率。现有的遥感数据应用平台主要有以下不足:功能不全面,数据格式不统一,国外软件使用受到网络限制,且部分数据涉密,需要限制使用权限等。
随着国家对遥感技术的高度重视及大力投入,相关部门和机构均在不断推进各自的遥感分析平台的建设工作,这已渐渐成为国家重要相关部门系统智能化提升的一个重要方式和手段,这种数据智能化和平台化建设和完善也必将成为现代管理理念和方式的客观要求。遥感数据流的海量增长,导致遥感数据大数据化,对数据的存储、可视化与共享能力提出了较高的要求。如何实现高效的数据收发管理与共享是遥感应用产业存在的关键问题。海量遥感数据的大数据特征导致的信息价值密度低的特点,导致获取有效信息困难,且随着数据量的不断增大,对获取信息的效率提出了较高的要求,如何从海量遥感信息中精确提取关键目标成为遥感信息处理的关键问题。
因此,需要针对海量遥感数据导致高效数据收发管理与共享困难的问题,设计适应遥感数据的海量增长趋势,符合海量遥感数据可视化及对存储与共享高效和可靠性的要求的系统架构,建立一个功能的可视化共享系统;针对遥感卫星影像大数据化引发的海量信息处理与遥感数据的关键目标位置信息提取问题,在保证检测速度的条件下,研发一个精确捕捉关键目标位置信息的目标检测算法。并通过该算法检测到的目标信息,计算坐标信息,生成适用于前端显示,能够与遥感数据信息、矢量地图信息融合的位置文件信息,通过导入数据库,在系统中实现提取关键目标的可视化。故面向高分遥感数据的可视化分析系统的研发是一个新颖的、可行的、有价值的项目发明。
发明内容:
针对现有技术存在的问题,本发明的面向高分遥感影像的地理信息可视化分析系统,包括,整体系统搭建,遥感数据处理模块、目标检测模块:
整体系统搭建流程:由Web浏览器向Web服务器发送HTTP请求;Web服务器将有关GIS功能的请求转发到瓦片缓存服务器;若请求数据为预缓存数据,则直接将结果返回给Web服务器;若请求数据不是预缓存数据,则将请求转发给GIS服务器,GIS服务器向目标检测模块发送请求;
遥感数据处理模块:对目标检测模块输入的数据用Global Mapper软件对遥感数据进行处理,采用PostGIS实现本地磁盘存储数据;以GeoServer地图服务解析系统为地图服务器、PostgreSQL数据库服务器为数据库管理系统、Jetty为Web服务器,对大量遥感大数据进行存储;基于OpenLayers API的前端展示框架,以OGC的WMS规范为技术标准,HTML5/DIV+CSS为基本架构,采用JavaScript的浏览器方式搭建完整的WebGIS可视化系统;
采用Global Mapper软件对遥感数据进行去背景、画面增强处理,并使用EDARS进行投影转换,将WGS 84坐标系转换为Web墨卡托投影坐标系,转换公式如下:
x,y是WGS 84坐标系下的经纬度,x',y'是Web墨卡托投影坐标系下的经纬度;将得到的遥感数据载入PostGIS数据库中同时将格式渲染为GeoTiff格式;通过GeoServer发布空间数据,得到地图图层或组合成图层组,利用OpenLayers进行图层预览;GeoServer的WMS提供地图服务,通过WMS将发布的地图加载到浏览器显示;该采用JavaScript脚本语言编写函数,实现遥感影像的加载与移除。
GIS服务器从遥感数据处理模块中PostGIS数据库中读取所需的数据,对请求进行相应的处理并将结果反馈到Web浏览器中显示;
目标检测模块:接收整体系统搭建模块发送的请求,对目标区域进行检测;对遥感影像信息进行基于像素的CFAR进行关键信息提取,获得的高分遥感卫星数据,在给定一个虚警概率值T的情况下,通过滑动窗口法审查像素均值进行初步判读:
y(t)为审查窗口像素均值,x(t)为目标信号返回值高于背景区域信号差值。将低于初始虚警概率值的视为杂波区域,基于瑞利分布模型进行杂波建模,求解CFAR阈值,并重新审查像素,将像素值大于阈值的输出为白色像素,其他输出为黑色像素;
将得到的结果制作数据集,在有监督的条件下训练数据集;采用两层卷积层进行特征提取,并将特征图的尺寸进行上采样,将图像放大至原来的两倍,然后合并两张特征图信息,提取更多的特征信息。然后增加卷积层融合多尺寸的特征图特征信息,能够适应多尺度的舰船图像特性,对小目标具有较好的适用性。得到权重文件进行目标检测;检测时采用滑动窗口法计算置信度C;
P(o)为存在目标的概率,boxtruth为窗口内含有目标的真实值,boxpred为窗口内含有目标的经验值;把每个窗口的置信度与类别概率相乘得到最后的检测分数;
P(S)=P(C|O)*C
P(S)为检测分数,P(C|O)为类别概率,将P(S)大于50%的视为目标,输出其检测边框信息;
通过检测得到的边框位置信息计算坐标信息并生成shapefile文件,导入到数据库中,并将检测信息传输到遥感数据处理模块;
进一步地,在GeoServer的基础上WebGIS方式提供地图服务;在GeoServer创建Workplace、PostGIS数据源,连接数据库中的地理数据信息;可通过编写SDL文件对地图图形进行渲染,确定地图元素的样式;以OpenLayers实现GeoServer发布的地图服务的解析和显示;建立工程后利用WMS服务实现地图的加载功能;并设置加载离线地图模块。
进一步地,该系统采用瓦片金字塔模型存储数据信息,通过调用OpenLayer框架实现一系列常用GIS功能,为后续算法功能的实现提供图层信息;通过拖动导航条上滑块可实现缩放操作;比例尺控件,用于显示缩放级数;鹰眼图中心框的可视范围大,可同时观测主图周边概况;全屏显示可将视图内容放大到满屏,扩大视野范围;测量控件是地理应用系统的重要功能,能够测量地图上任意点到点、点到线的距离,或某块特定区域面积。
进一步地,RS要素的可视化表示形式,系统采用两种标记方法:(1)点对象标记法:通过在地图上放置图标标记要素信息,如机场、港口、仓库、加油站、学校、医院等;(2)图形标记法:通过绘制相应的图形(点、折线、圆形、多边形等)或圈定特定的区域标记要素信息,如标记热点等。系统通过特定图标标记能够快速识别要素信息,便于对相应的要素信息进行统计。
进一步地,利用可见光遥感图像进行舰船检测结合YOLOv3算法实时实现目标检测功能,基于像素的CFAR算法提取SAR的像素信息。
有益效果
本地理信息可视化分析系统是一个基于WebGIS技术和B/S架构的,开源的、面向海量增长的高分遥感影像数据的、符合数据源海量增长趋势的简洁实用、交互性良好、功能全面的遥感影像数据共享系统,为地学研究者提供综合解释的科学背景依据和基础信息。通过这个平台能够将遥感卫星采集到的数据信息整合起来放到坐标系中,并通过网络地图服务(Web Map Service,WMS)实现遥感数据的可视化展示,更加直观的为用户提供遥感数据信息,提高原始数据的利用效率,将详细的GIS数据库静态信息与RS和GIS提供的精确及时的动态信息相结合,并实现统一的数据管理和集成可视化应用,提升了数据管理与共享的效率。基于OpenLayers框架,建立多种功能模块,能够实现载入多种在线,便于用户分析数据,并为涉密数据提供适用于内网使用的离线方案,保证了数据的安全性;同时,引入丰富的标注模式,以满足不同的用户需求,增强用户体验;对遥感影像数据进行处理,投影转换,实现精确的导入与配准,是本发明设计其他功能的基础,海量增长的遥感数据源,存储在分布式HDFS系统中,提升了数据的管理效率,增强了可靠性与容错性;在此基础上,通过改进的舰船检测算法,提高检测精度,并使用轻量级的shapefile加载到前端显示,降低了时间复杂度,提升了检测精度与实时性。
附图说明
图一为本发明提供的一种面向高分遥感数据的可视化分析系统设计思路图。
图二为本发明提供的一种面向高分遥感数据的可视化分析系统系统搭建流程图。
图三为本发明提供的一种面向高分遥感数据的可视化分析系统遥感数据处理流程图。
图四为本发明提供的一种面向高分遥感数据的可视化分析系统舰船检测流程图。
图五为本发明提供的一种面向高分遥感数据的可视化分析系统实现结果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细说明:
本发明的面向高分遥感影像的地理信息可视化分析系统,包括,整体系统搭建,遥感数据处理模块、目标检测模块,本例对舰船进行检测,其过程如图4;具体流程为:
如图2:本发明的整体系统搭建如下:
用户使用Web浏览器向Web服务器发送HTTP请求;
Web服务器将有关GIS功能的请求转发到瓦片缓存服务器;若请求数据为预缓存数据,则直接将结果返回给Web服务器;若请求数据不是预缓存数据,则将请求转发给GIS服务器;
GIS服务器从GIS数据库中读取所需的数据,对请求进行相应的处理并将结果反馈到Web浏览器中显示。
如图3所示,本发明的遥感数据处理技术结构如下:
数据处理:使用Global Mapper软件对遥感数据进行处理,采用PostGIS实现本地磁盘存储数据;
基础设施:高性能的工作站和服务器能实现对海量遥感大数据的存储,以GeoServer地图服务解析系统为地图服务器、PostgreSQL数据库服务器为数据库管理系统、Jetty为Web服务器;
前端显示:基于OpenLayers API的前端展示框架,以OGC的WMS规范为技术标准,HTML5/DIV+CSS为基本架构,采用JavaScript的浏览器方式搭建完整的WebGIS可视化系统。
遥感影像数据的处理及可视化流程如下:
使用Global Mapper软件对遥感数据进行去背景、画面增强处理,并使用EDARS进行投影转换,将WGS 84坐标系转换为Web墨卡托投影坐标系,转换公式如下:
x,y是WGS 84坐标系下的经纬度,x',y'是Web墨卡托投影坐标系下的经纬度。将得到的遥感数据载入特定存储区域同时将格式渲染为GeoTiff格式。通过GeoServer发布空间数据,得到地图图层或组合成图层组,利用OpenLayers进行图层预览。GeoServer的WMS提供地图服务,通过WMS将发布的地图加载到浏览器显示。为实现遥感数据的可视化,本系统采用JavaScript脚本语言编写函数,实现遥感影像的加载与移除。
目标检测的具体流程如下:
由于SAR影像相对于光学遥感影响具有较少的有效特征信息,在进行特征提取前首先对遥感影像信息进行基于像素的CFAR进行关键信息提取,将获得的高分遥感卫星数据,在给定一个虚警概率值T的情况下,通过滑动窗口法审查像素均值进行初步判读:
y(t)为审查窗口像素均值,x(t)为目标信号返回值高于背景区域信号差值。将低于初始虚警概率值的视为杂波区域,基于瑞利分布模型进行杂波建模,求解CFAR阈值,并重新审查像素,将像素值大于阈值的输出为白色像素(255,255),其他输出为黑色像素(0,0)。
然后将得到的结果制作数据集,在有监督的条件下训练数据集。采用两层卷积层进行特征提取,并将特征图的尺寸进行上采样,将图像放大至原来的两倍,然后合并两张特征图信息,提取更多的特征信息。然后增加卷积层融合多尺寸的特征图特征信息,能够适应多尺度的舰船图像特性,对小目标具有较好的适用性。得到权重文件进行目标检测。检测时采用滑动窗口法首先计算置信度C。
P(o)为存在目标的概率,boxtruth为窗口内含有目标的真实值,boxpred为窗口内含有目标的经验值。
然后把每个窗口的置信度与类别概率相乘的到最后的检测分数。
P(S)=P(C|O)*C (5)
P(S)为检测分数,P(C|O)为类别概率,将P(S)大于50%的视为目标,输出其检测边框信息。
通过检测得到的边框位置信息计算坐标信息并生成shapefile文件,导入到数据库中。相对于tiff文件,轻量级的shapefile文件降低了时间复杂度,增强了实时性。
将高分三号遥感影像数据分别进行去除边框、投影转换等预处理和检测关键目标位置信息,得到的数据存储到分布式文件管理系统HDFS中,建立HDFS数据库与PostGIS数据库之间的连接,通过GeoServer发布图层或图层组信息,最后实现多种图层数据信息融合,并显示到前端,得到检测图,如图5所示。
如图1所示,本发明设计的系统整体实现分为前端显示和后端处理两部分。前端显示部分主要实现数据可视化、共享等功能,后端作为前端的支撑,主要实现数据预处理、分布式存储及目标检测模型的构建等。该系统实现遥感数据底图栅格的导入与配准,并从遥感数据中提取关键信息,同时可通过敏感点标记,将其转化为便于观察的矢量信息。该系统将采用全开源的设计方案,便于用户根据自己的实际需求进行修改和个性化,并允许在离线状态下使用,实现一个结构完整、功能完善的遥感数据可视化分析系统。
Claims (5)
1.面向高分遥感影像的地理信息可视化分析系统,其特征在于,包括整体系统搭建、遥感数据处理模块、目标检测模块:
整体系统搭建:由Web浏览器向Web服务器发送HTTP请求;Web服务器将有关GIS功能的请求转发到瓦片缓存服务器;若请求数据为预缓存数据,则直接将结果返回给Web服务器;若请求数据不是预缓存数据,则将请求转发给GIS服务器,GIS服务器向目标检测模块发送请求;
遥感数据处理模块:对目标检测模块输入的数据用Global Mapper软件对遥感数据进行处理,采用PostGIS实现本地磁盘存储数据;以GeoServer地图服务解析系统为地图服务器、PostgreSQL数据库服务器为数据库管理系统、Jetty为Web服务器,对大量遥感大数据进行存储;基于OpenLayers API的前端展示框架,以OGC的WMS规范为技术标准,HTML5/DIV+CSS为基本架构,采用JavaScript的浏览器方式搭建完整的WebGIS可视化系统;
采用Global Mapper软件对遥感数据进行去背景、画面增强处理,并使用EDARS进行投影转换,将WGS 84坐标系转换为Web墨卡托投影坐标系,转换公式如下:
x,y是WGS 84坐标系下的经纬度,x',y'是Web墨卡托投影坐标系下的经纬度;将得到的遥感数据载入PostGIS数据库中同时将格式渲染为GeoTiff格式;通过GeoServer发布空间数据,得到地图图层或组合成图层组,利用OpenLayers进行图层预览;GeoServer的WMS提供地图服务,通过WMS将发布的地图加载到浏览器显示;该采用JavaScript脚本语言编写函数,对遥感影像实现加载与移除;
GIS服务器从遥感数据处理模块中PostGIS数据库中读取所需的数据,对请求进行相应的处理并将结果反馈到Web浏览器中显示;
目标检测模块:接收整体系统搭建模块发送的请求,对目标区域进行检测;对遥感影像信息进行基于像素的CFAR进行关键信息提取,获得的高分遥感卫星数据,在给定一个虚警概率值T的情况下,通过滑动窗口法审查像素均值进行初步判读:
y(t)为审查窗口像素均值,x(t)为目标信号返回值高于背景区域信号差值,将低于初始虚警概率值的视为杂波区域,基于瑞利分布模型进行杂波建模,求解CFAR阈值,并重新审查像素,将像素值大于阈值的输出为白色像素,其他输出为黑色像素;
将得到的结果制作数据集,在有监督的条件下训练数据集;采用两层卷积层进行特征提取,并将特征图的尺寸进行上采样,将图像放大至原来的两倍,然后合并两张特征图信息,提取更多的特征信息,然后增加卷积层融合多尺寸的特征图特征信息,能够适应多尺度的舰船图像特性,对小目标具有较好的适用性,得到权重文件进行目标检测;检测时采用滑动窗口法计算置信度C;
P(o)为存在目标的概率,boxtruth为窗口内含有目标的真实值,boxpred为窗口内含有目标的经验值;把每个窗口的置信度与类别概率相乘的到最后的检测分数;
P(S)=P(C|O)*C
P(S)为检测分数,P(C|O)为类别概率,将P(S)大于50%的视为目标,输出其检测边框信息;
通过检测得到的边框位置信息计算坐标信息并生成shapefile文件,导入到数据库中,并将检测信息传输到遥感数据处理模块。
2.根据权利要求1所述面向高分遥感影像的地理信息可视化分析系统,其特征在于,在GeoServer的基础上WebGIS方式提供地图服务;在GeoServer创建Workplace、PostGIS数据源,连接数据库中的地理数据信息;可通过编写SDL文件对地图图形进行渲染,确定地图元素的样式;以OpenLayers实现GeoServer发布的地图服务的解析和显示;建立工程后利用WMS服务实现地图的加载功能;并设置加载离线地图模块。
3.根据权利要求1所述面向高分遥感影像的地理信息可视化分析系统,其特征在于,该系统采用瓦片金字塔模型存储数据信息,通过调用OpenLayer框架实现一系列常用GIS功能,为后续算法功能的实现提供图层信息;通过拖动导航条上滑块可实现缩放操作;比例尺控件,用于显示缩放级数;鹰眼图中心框的可视范围大,可同时观测主图周边概况;全屏显示可将视图内容放大到满屏,扩大视野范围;测量控件是地理应用系统的重要功能,能够测量地图上任意点到点、点到线的距离,或某块特定区域面积。
4.根据权利要求1所述面向高分遥感影像的地理信息可视化分析系统,其特征在于,RS要素的可视化表示形式,系统采用两种标记方法:(1)点对象标记法:通过在地图上放置图标标记要素信息,如机场、港口、仓库、加油站、学校、医院等;(2)图形标记法:通过绘制相应的图形或圈定特定的区域标记要素信息,如标记热点等,系统通过特定图标标记能够快速识别要素信息,便于对相应的要素信息进行统计。
5.根据权利要求1所述面向高分遥感影像的地理信息可视化分析系统,其特征在于,利用可见光遥感图像进行舰船检测结合YOLOv3算法实时实现目标检测功能,基于像素的CFAR算法提取SAR的像素信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957193.8A CN109165272B (zh) | 2018-08-21 | 2018-08-21 | 面向高分遥感影像的地理信息可视化分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957193.8A CN109165272B (zh) | 2018-08-21 | 2018-08-21 | 面向高分遥感影像的地理信息可视化分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109165272A true CN109165272A (zh) | 2019-01-08 |
CN109165272B CN109165272B (zh) | 2021-02-19 |
Family
ID=64896406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810957193.8A Active CN109165272B (zh) | 2018-08-21 | 2018-08-21 | 面向高分遥感影像的地理信息可视化分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165272B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136053A (zh) * | 2019-05-16 | 2019-08-16 | 洛阳众智软件科技股份有限公司 | 基于WebGIS的栅格图片的配准方法及设备 |
CN111208990A (zh) * | 2019-12-27 | 2020-05-29 | 苏州数设科技有限公司 | 一种对象分析方法与装置 |
CN111538853A (zh) * | 2020-04-24 | 2020-08-14 | 高崟 | 遥感影像数据光谱管理方法、装置和服务器 |
CN111914031A (zh) * | 2020-08-11 | 2020-11-10 | 中国科学院地质与地球物理研究所 | 一种基于大数据的星载磁场数据处理系统 |
CN112462366A (zh) * | 2020-10-10 | 2021-03-09 | 深圳大学 | 一种sar数据点可视化方法、智能终端及存储介质 |
CN113033577A (zh) * | 2021-03-26 | 2021-06-25 | 山东科技大学 | 一种基于伴方差修正模型的海洋目标特征提取方法 |
JP2021532497A (ja) * | 2019-04-11 | 2021-11-25 | 平安科技(深▲せん▼)有限公司Ping An Technology (Shenzhen) Co., Ltd. | マルチソース地球観測画像処理の可視化方法、機器及び記録媒体 |
CN113761012A (zh) * | 2020-06-05 | 2021-12-07 | 义乌市时空人工智能有限公司 | 遥感数据的分析可视化方法、服务器及存储介质 |
CN114158242A (zh) * | 2021-12-30 | 2022-03-08 | 广西九维正链信息科技有限公司 | 九维遥感影像智能分析系统 |
CN115859414A (zh) * | 2023-02-27 | 2023-03-28 | 中国铁路设计集团有限公司 | 一种全球尺度地理信息底图跨坐标系使用方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120328161A1 (en) * | 2011-06-22 | 2012-12-27 | Palenychka Roman | Method and multi-scale attention system for spatiotemporal change determination and object detection |
CN106570127A (zh) * | 2016-11-02 | 2017-04-19 | 中国科学院深圳先进技术研究院 | 基于对象属性关联规则的遥感图像检索方法及系统 |
CN108133044A (zh) * | 2018-01-12 | 2018-06-08 | 适普远景遥感信息技术(北京)有限公司 | 基于属性分离的空间大数据三维可视化方法及平台 |
-
2018
- 2018-08-21 CN CN201810957193.8A patent/CN109165272B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120328161A1 (en) * | 2011-06-22 | 2012-12-27 | Palenychka Roman | Method and multi-scale attention system for spatiotemporal change determination and object detection |
CN106570127A (zh) * | 2016-11-02 | 2017-04-19 | 中国科学院深圳先进技术研究院 | 基于对象属性关联规则的遥感图像检索方法及系统 |
CN108133044A (zh) * | 2018-01-12 | 2018-06-08 | 适普远景遥感信息技术(北京)有限公司 | 基于属性分离的空间大数据三维可视化方法及平台 |
Non-Patent Citations (1)
Title |
---|
李鹤元等: "基于改进Web墨卡托投影的瓦片地图服务设计与实现", 《测绘工程》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021532497A (ja) * | 2019-04-11 | 2021-11-25 | 平安科技(深▲せん▼)有限公司Ping An Technology (Shenzhen) Co., Ltd. | マルチソース地球観測画像処理の可視化方法、機器及び記録媒体 |
JP7264989B2 (ja) | 2019-04-11 | 2023-04-25 | 平安科技(深▲せん▼)有限公司 | マルチソース地球観測画像処理の可視化方法、機器及び記録媒体 |
CN110136053A (zh) * | 2019-05-16 | 2019-08-16 | 洛阳众智软件科技股份有限公司 | 基于WebGIS的栅格图片的配准方法及设备 |
CN111208990A (zh) * | 2019-12-27 | 2020-05-29 | 苏州数设科技有限公司 | 一种对象分析方法与装置 |
CN111208990B (zh) * | 2019-12-27 | 2024-05-24 | 苏州数设科技有限公司 | 一种对象分析方法与装置 |
CN111538853A (zh) * | 2020-04-24 | 2020-08-14 | 高崟 | 遥感影像数据光谱管理方法、装置和服务器 |
CN113761012A (zh) * | 2020-06-05 | 2021-12-07 | 义乌市时空人工智能有限公司 | 遥感数据的分析可视化方法、服务器及存储介质 |
CN111914031B (zh) * | 2020-08-11 | 2021-03-16 | 中国科学院地质与地球物理研究所 | 一种基于大数据的星载磁场数据处理系统 |
CN111914031A (zh) * | 2020-08-11 | 2020-11-10 | 中国科学院地质与地球物理研究所 | 一种基于大数据的星载磁场数据处理系统 |
CN112462366A (zh) * | 2020-10-10 | 2021-03-09 | 深圳大学 | 一种sar数据点可视化方法、智能终端及存储介质 |
CN112462366B (zh) * | 2020-10-10 | 2023-08-08 | 深圳大学 | 一种sar数据点可视化方法、智能终端及存储介质 |
CN113033577A (zh) * | 2021-03-26 | 2021-06-25 | 山东科技大学 | 一种基于伴方差修正模型的海洋目标特征提取方法 |
CN114158242A (zh) * | 2021-12-30 | 2022-03-08 | 广西九维正链信息科技有限公司 | 九维遥感影像智能分析系统 |
CN114158242B (zh) * | 2021-12-30 | 2023-03-31 | 广西九维正链信息科技有限公司 | 九维遥感影像智能分析系统 |
CN115859414A (zh) * | 2023-02-27 | 2023-03-28 | 中国铁路设计集团有限公司 | 一种全球尺度地理信息底图跨坐标系使用方法 |
CN115859414B (zh) * | 2023-02-27 | 2023-06-16 | 中国铁路设计集团有限公司 | 一种全球尺度地理信息底图跨坐标系使用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109165272B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165272A (zh) | 面向高分遥感影像的地理信息可视化分析系统 | |
Huang et al. | Big spatial data for urban and environmental sustainability | |
CN112115198B (zh) | 一种城市遥感智能服务平台 | |
CN106127771B (zh) | 基于激光雷达lidar点云数据获取隧道正射影像系统及方法 | |
CN104978743B (zh) | 一种多核并行sar图像变化信息实时提取方法 | |
Shi et al. | UGS-1m: Fine-grained urban green space mapping of 34 major cities in China based on the deep learning framework | |
NL2027073B1 (en) | Automatic urban three-dimensional skyline contour generation and diagnosis method based on occlusion rate | |
Wang et al. | BANet: Small and multi-object detection with a bidirectional attention network for traffic scenes | |
US20200098189A1 (en) | System and Methods for Data Transmission and Rendering of Virtual Objects for Display | |
CN111949817A (zh) | 基于遥感影像的农作物信息展示系统、方法、设备及介质 | |
Kulawiak et al. | Web-based GIS as a tool for supporting marine research | |
Psarros et al. | INFORMATION TECHNOLOGY AND ARCHAEOLOGICAL EXCAVATIONS: A BRIEF OVERVIEW. | |
CN111260182A (zh) | 自然资源资产审计实地核查取证的方法、装置及存储介质 | |
CN112668461A (zh) | 一种具有野生动物识别的智能监管系统 | |
CN116343103A (zh) | 一种基于三维gis场景与视频融合的自然资源监管方法 | |
Dias et al. | Model assumptions and data characteristics: Impacts on domain adaptation in building segmentation | |
Li et al. | Urban infrastructure audit: an effective protocol to digitize signalized intersections by mining street view images | |
Huang et al. | Urban Building Classification (UBC) V2-A Benchmark for Global Building Detection and Fine-grained Classification from Satellite Imagery | |
Lv et al. | Research on ship dynamic map based on AIS | |
Lu et al. | Webvrgis: Webgis based interactive online 3d virtual community | |
Wei et al. | [Retracted] Adoption of Convolutional Neural Network Algorithm Combined with Augmented Reality in Building Data Visualization and Intelligent Detection | |
Lyu et al. | Four seasonal composite Sentinel-2 images for the large-scale estimation of the number of stories in each individual building | |
Wang et al. | Museum Relic Image Detection and Recognition Based on Deep Learning | |
Magalhães Carneiro | Extraction of urban environmental quality indicators using LiDAR-based Digital Surface Models | |
Shi et al. | Development of web-based epidemiological reporting system for tasmania utilizing a google maps add-on |
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 |