CN109190585B - 一种佤族居住区域判别方法 - Google Patents
一种佤族居住区域判别方法 Download PDFInfo
- Publication number
- CN109190585B CN109190585B CN201811091443.0A CN201811091443A CN109190585B CN 109190585 B CN109190585 B CN 109190585B CN 201811091443 A CN201811091443 A CN 201811091443A CN 109190585 B CN109190585 B CN 109190585B
- Authority
- CN
- China
- Prior art keywords
- image
- user
- area
- data
- service center
- 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.)
- Active
Links
Images
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
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Abstract
本发明涉及一种佤族居住区域判别方法,属于图像识别技术领域。首先,针对该区域内的所有用户进行统一的编号,建立用户信息数据库;其次,采集佤族房屋图像,提取房屋特征,建立图像识别模板库;然后,利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行综合处理后,最后,根据图像识别模板库对采集的图像进行识别判断,判断是否为佤族居住地区,根据判断的结果对用户编号进行分类。本发明专利为区分佤族聚居区提供一种科学、合理的解决方案,不仅节约了人力资源,大幅度提高了工作效率,而且有利于保护民族地区的文化特色。
Description
技术领域
本发明涉及一种佤族居住区域判别方法,属于民族区域识别技术领域。
背景技术
现今,随着深度学习、计算机视觉的成熟,国家对民族文化资源传承、保护与发展的高度重视,对民族文化数据的研究具有重大意义。
目前,在民族文化资源挖掘方面,由于长期生活在少数民族聚居区的数据积累,风俗文化的积淀,形成有自己特色的文化。由于各少数民族居住在山区,对其进行统计十分不易,对民族地区的发展不利。因此,本发明利用航拍机对居住在少数民族地区的房屋进行巡检,不仅提高了工作效率,耗资小且危险性低,有利于大范围有效开展。
发明内容
本发明要解决的技术问题是提供一种佤族居住区域判别方法,用以解决上述问题。
本发明的技术方案是:一种佤族居住区域判别方法,首先,针对该区域内的所有用户进行统一的编号,建立用户信息数据库;其次,采集佤族房屋图像,提取房屋特征,建立图像识别模板库;然后,利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行综合处理后,最后,根据图像识别模板库对采集的图像进行识别判断,判断是否为佤族居住地区,根据判断的结果对用户编号进行分类。
具体步骤为:
Step1:建立用户信息数据库:收集该区域内所有用户的信息,并进行统一编码表示,对所有编码表示的用户的地理位置、周边用户、用户信息建立用户信息数据库;
Step2:建立图像识别模板库:首先,采集该区域内所有佤族房屋建筑的图像,对图像进行分割预处理;然后,用Matlab软件平台,依次对采集的图像提取图像特征信息,并对提取的数字特征处理的结果进行标识存储综合服务中心;登记存储以上信息,建立图像识别模板库;
Step3:现场图像采集;利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行图像预处理、图像分割、图像特征提取后,并将处理后的图像数据存储在综合服务中心;
Step4:建立房屋分析模型:
Step4.1:构建三维空间模型:首先,对采集的每张图片进行规范化,固定长宽,再分别以上边距、矩形的面积、矩形的长宽比作为三维空间中的三个维度,构造一个三维空间;其次,数据中心调出图像处理结果的所有特征参数;然后,依次将每一个特征参数中的上边距、矩形的面积、矩形的长宽比的值分别对应三维空间的三个维度,记为:
z=f(x,y)+b
其中,x为x方向的向量、y为y方向的向量、z为z方向的向量,b为平移参数;
Step4.2:聚类分析:采用canopy算法对构建的三维空间模型中的所有点进行聚类分析,记为:V=[V1,V2,V3,...,Vi](i=1,2,3,...);
Step4.3:矩形标识:提取聚类分析簇的矩形,记为:S=[S1,S2,S3,...,Si](i=1,2,3,...);
Step5:佤族所在区域图像采集:综合服务中心调用用户信息数据库、采集的样本图像数据库中的数据,并将数据发送给卫星系统,卫星系统接收到数据后,以用户的编码作为唯一标识,并按照编码的顺序依次对区域内所有用户房屋进行图像采集;
Step6:卫星采集图像处理:对卫星采集的所在区域图像进行图像预处理、图像分割、图像特征提取,并将图像数字化处理的结果储存至综合服务中心;
Step7:房屋识别判断:调用数据服务中心的存储数据,将Step6中所有的用户房屋的特征参数映射到所建立的房屋分析模型中,并逐一计算判断每个特征区域的特征参数是否属于V的某一子类Vi:
1、判断为“是”,则提取该特征区域的特征参数所在图像所对应的用户的编码,并以此为标识对判断结果进行存储;
2、判断为“否”,选取下一个标记区域的特征参数继续判断;直到遍历所有标记区域的特征参数;
Step8:用户类别标识;综合数据服务中心调出Step7中的存储结果,依据其存储的标识,并结合查询Step1中用户信息数据库,依次将该区域类所有用户被识别判断的分类结果在卫星地图上进行标识;
所述卫星图像采集方法具体为:
(1)数据中心调用Step1中建立的用户信息数据库、Step2中建立的图像识别模板库中的数据,并将数据传输给卫星系统;卫星系统收到数据中心发送的数据后,对数据进行分析处理后,根据Step1中对用户的编码顺序,随机选取一个编码所对应的用户作为当前识别用户,以距离最短路径的方式寻找下一个用户;
(2)卫星系统利用当前用户的位置信息进行定位,定位成功后,通过调用Step1中建立的用户信息数据库中的数据对当前用户房屋进行图像采集,并将采集后的图像以及当前用户的编码一起发送回数据中心;
(3)数据中心成功接收后,首先,以当前用户的编码为主键对所接收图像进行存储;然后,查询判断当前用户的编码i是否在Step1中用户信息编码中的编码:
判断为“是”,数据中心向卫星系统发出“成功接收”指令,卫星接接收到指令后,结束对该用户的图像采集任务,并按照距离最短路径方式选取一个编码的用户作为当前用户;
判断为“否”,综合数据服务中心向卫星系统发出“结束”指令,卫星接收到指令后,结束对当前用户的图像采集;
(4)重复(2)、(3)步骤,查询该区域内所有用户编码,直到用户编码都被标识且不再step1编码范围内。
所述图像预处理的具体步骤为:
对原始输入图像f(x,y),用灰度级变换T将产生一个像素点对应的输出图像g(x,y);
采用高通滤波法,增强边缘等高频信号,使模糊的图片变得清晰,便于图像轮廓的识别。
所述图像分割采用Canny算子对预处理后的图像进行边缘检测,其具体步骤如下:
用高斯滤波器平滑图像;
用一阶偏导有限差分计算梯度幅值和方向;
对梯度幅值进行非极大值抑制;
用双阈值算法检测和连接边缘。
所述图像特征提取具体步骤为:
对图像中的每一个区域进行标记;
计算图像中每一个标记区域的特征参数,包括:上边距、矩形的面积、矩形的长宽比,并将图像中每一个标记区域的特征参数存储到数据服务中心。
本发明的有益效果是:本发明专利为区分佤族聚居区提供一种科学、合理的解决方案,不仅节约了人力资源,大幅度提高了工作效率,而且有利于保护民族地区的文化特色。
附图说明
图1是本发明步骤流程图;
图2是本发明实施例2分析结果图。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
实施例1:如图1所示:
Step1:建立用户信息数据库:收集该区域内所有用户的信息,并进行统一编码表示[U1、U2、U3、......、Uj](j=1,2,3,......),采用MySQL数据库对所有编码表示的用户的地理位置,周边用户,用户信息等建立用户信息数据库;
Step2:建立图像识别模板库:首先,采集该区域内所有佤族房屋建筑的图像,对图像进行分割预处理;然后,用Matlab软件平台,依次对采集的图像提取图像特征信息,并对提取的数字特征处理的结果进行标识存储综合服务中心,建立图像识别模板库,登记存储以上信息;
Step3:现场图像采集;利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行图像预处理、图像分割、图像特征提取后,并将处理后的图像数据存储在综合服务中心;
Step3.1图像预处理:
Step3.1.1对原始输入图像f(x,y),用灰度级变换T将产生一个像素点对应的输出图像g(x,y),其计算公式为:
g(x,y)=T(f(x,y))
Step3.1.2采用高通滤波法,增强边缘等高频信号,使模糊的图片变得清晰,便于图像轮廓的识别
Step3.2图像分割:采用Canny算子对预处理后的图像进行边缘检测;其具体步骤如下:
Step3.2.1用高斯滤波器平滑图像;
Step3.2.2用一阶偏导有限差分计算梯度幅值和方向;
Step3.2.3对梯度幅值进行非极大值抑制;
Step3.2.4用双阈值算法检测和连接边缘;
Step3.3图像特征提出:
Step3.3.1对图像中的每一个区域进行标记;
Step3.3.2计算图像中每一个标记区域的特征参数,包括:上边距、矩形的面积、矩形的长宽比,并将图像中每一个标记区域的特征参数存储到数据服务中心。
Step4:建立房屋分析模型:
Step4.1:构建三维空间模型:首先,对采集的每张图片进行规范化,固定长宽,再
分别以上边距、矩形的面积、矩形的长宽比作为三维空间中的三个维度,构造一个三维空间;其次,数据中心调出图像处理结果的所有特征参数;然后,依次将每一个特征参数中的上边距、矩形的面积、矩形的长宽比的值分别对应三维空间的三个维度,记为:
z=f(x,y)+b
其中x为x方向的向量、y为y方向的向量、z为z方向的向量,b为平移参数;
Step4.2:聚类分析:采用canopy算法对构建的三维空间模型中的所有点进行聚类分析,记为:V=[V1,V2,V3,...,Vi](i=1,2,3,...);
Step4.3:矩形标识:提取聚类分析簇的矩形,记为:S=[S1,S2,S3,...,Si](i=1,2,3,...);
Step5:佤族所在区域图像采集:综合服务中心调用用户信息数据库、采集的样本图像数据库中的数据,并将数据发送给卫星系统,卫星系统接收到数据后,以用户的编码作为唯一标识,并按照编码的顺序依次对区域内所有用户房屋进行图像采集;
Step6:卫星采集图像处理:对卫星采集的所在区域图像进行图像预处理、图像分割、图像特征提取,并将图像数字化处理的结果储存至综合服务中心;
Step6.1图像预处理:
Step6.1.1对原始输入图像f(x,y),用灰度级变换T将产生一个像素点对应的输出图像g(x,y),其计算公式为:
g(x,y)=T(f(x,y))
Step6.1.2采用高通滤波法,增强边缘等高频信号,使模糊的图片变得清晰,便于图像轮廓的识别
Step6.2图像分割:采用Canny算子对预处理后的图像进行边缘检测;其具体步骤如下:
Step6.2.1用高斯滤波器平滑图像.
Step6.2.2用一阶偏导有限差分计算梯度幅值和方向.
Step6.2.3对梯度幅值进行非极大值抑制.
Step6.2.4用双阈值算法检测和连接边缘
Step6.3图像特征提出:
Step6.3.1对图像中的每一个区域进行标记;
Step7:房屋识别判断:调用数据服务中心的存储数据,将Step6中所有的用户房屋的特征参数映射到所建立的房屋分析模型中,并逐一计算判断每个特征区域的特征参数是否属于V的某一子类Vi:
1、判断为“是”,则提取该特征区域的特征参数所在图像所对应的用户的编码,并以此为标识对判断结果进行存储;
2、判断为“否”,选取下一个标记区域的特征参数继续判断;直到遍历所有标记区域的特征参数;
Step8:用户类别标识;综合数据服务中心调出Step7中的存储结果,依据其存储的标识,并结合查询Step1中用户信息数据库,依次将该区域类所有用户被识别判断的分类结果在卫星地图上进行标识;
所述卫星图像采集方法具体为:
(1)数据中心调用Step1中建立的用户信息数据库、Step2中建立的图像识别模板库中的数据,并将数据传输给卫星系统;卫星系统收到数据中心发送的数据后,对数据进行分析处理后,根据Step1中对用户的编码顺序,随机选取一个编码所对应的用户作为当前识别用户,以距离最短路径的方式寻找下一个用户;
(2)卫星系统利用当前用户的位置信息进行定位,定位成功后,通过调用Step1中建立的用户信息数据库中的数据对当前用户房屋进行图像采集,并将采集后的图像以及当前用户的编码一起发送回数据中心;
(3)数据中心成功接收后,首先,以当前用户的编码为主键对所接收图像进行存储;然后,查询判断当前用户的编码i是否在Step1中用户信息编码中的编码:
判断为“是”,数据中心向卫星系统发出“成功接收”指令,卫星接接收到指令后,结束对该用户的图像采集任务,并按照距离最短路径方式选取一个编码的用户作为当前用户;
判断为“否”,综合数据服务中心向卫星系统发出“结束”指令,卫星接收到指令后,结束对当前用户的图像采集;
(4)重复(2)、(3)步骤,查询该区域内所有用户编码,直到用户编码都被标识且不再step1编码范围内。
Step9:区域内佤族用户标识:综合服务中心调用房屋标识结果,查询step1建立的用心信息数据库,将划分结果标识在卫星地图上,建立佤族居住识别区。
实施例2:在实施例1的基础上,如图2所示,已知新华村内有30家用户,其中佤族用户26家,采集8家佤族2家非佤族用户的房屋图像共为50张;
首先,对新华村内有30家用户进行编码标识[U1,U2,U3,.....,U30];采用MySQL建立U1~U30用户的地理位置,周边用户,用户信息;
其次,记录每一张采集的房屋图像对应的用户编码信息,建立图像数据库,并存储到数据中心;对采集的50张图像进行预处理,再采用Matlab软件对图像数字化提取特征;并根据图像处理的结果建立裂纹分析模型,通过采用canopy算法进行聚类分析后,得到:V=[V1,V2];
然后,采用航拍的方式采集所在区域的所有用户房屋的图像,并基于Matlab软件平台,对采集的图像进行图像处理;
最后,通过判断采用航拍方式采集的所在区域的所有用户图像经过图像处理后得到的特征属于V的某一子类Vi(i=1,2)实现对用户的判断;并将识别判断的结果在卫星地图对应的用户进行标识。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (4)
1.一种佤族居住区域判别方法,其特征在于:
首先,针对该区域内的所有用户进行统一的编号,建立用户信息数据库;
其次,采集佤族房屋图像,提取房屋特征,建立图像识别模板库;
然后,利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行综合处理后;
最后,根据图像识别模板库对采集的图像进行识别判断,判断是否为佤族居住地区,根据判断的结果对用户编号进行分类;
Step1:建立用户信息数据库:收集该区域内所有用户的信息,并进行统一编码表示,对所有编码表示的用户的地理位置、周边用户、用户信息建立用户信息数据库;
Step2:建立图像识别模板库:首先,采集该区域内所有佤族房屋建筑的图像,对图像进行分割预处理;然后,用Matlab软件平台,依次对采集的图像提取图像特征信息,并对提取的数字特征处理的结果进行标识存储综合服务中心;登记存储以上信息,建立图像识别模板库;
Step3:现场图像采集;利用航拍的方式,现场图像采集,并将采集的图像传送给综合服务中心,综合服务中心对采集的图片进行图像预处理、图像分割、图像特征提取后,并将处理后的图像数据存储在综合服务中心;
Step4:建立房屋分析模型:
Step4.1:构建三维空间模型:首先,对采集的每张图片进行规范化,固定长宽,再分别以上边距、矩形的面积、矩形的长宽比作为三维空间中的三个维度,构造一个三维空间;其次,数据中心调出图像处理结果的所有特征参数;然后,依次将每一个特征参数中的上边距、矩形的面积、矩形的长宽比的值分别对应三维空间的三个维度,记为:
z=f(x,y)+b
其中,x为x方向的向量、y为y方向的向量、z为z方向的向量,b为平移参数;
Step4.2:聚类分析:采用canopy算法对构建的三维空间模型中的所有点进行聚类分析,记为:V=[V1,V2,V3,...,Vi],i=1,2,3,...;
Step4.3:矩形标识:提取聚类分析簇的矩形,记为:S=[S1,S2,S3,...,Si],i=1,2,3,...;
Step5:佤族所在区域图像采集:综合服务中心调用用户信息数据库、采集的样本图像数据库中的数据,并将数据发送给卫星系统,卫星系统接收到数据后,以用户的编码作为唯一标识,并按照编码的顺序依次对区域内所有用户房屋进行图像采集;
Step6:卫星采集图像处理:对卫星采集的所在区域图像进行图像预处理、图像分割、图像特征提取,并将图像数字化处理的结果储存至综合服务中心;
Step7:房屋识别判断:调用数据服务中心的存储数据,将Step6中所有的用户房屋的特征参数映射到所建立的房屋分析模型中,并逐一计算判断每个特征区域的特征参数是否属于V的某一子类Vi:
1、判断为“是”,则提取该特征区域的特征参数所在图像所对应的用户的编码,并以此为标识对判断结果进行存储;
2、判断为“否”,选取下一个标记区域的特征参数继续判断;直到遍历所有标记区域的特征参数;
Step8:用户类别标识;综合数据服务中心调出Step7中的存储结果,依据其存储的标识,并结合查询Step1中用户信息数据库,依次将该区域类所有用户被识别判断的分类结果在卫星地图上进行标识;
所述卫星图像采集方法具体为:
(1)数据中心调用Step1中建立的用户信息数据库、Step2中建立的图像识别模板库中的数据,并将数据传输给卫星系统;卫星系统收到数据中心发送的数据后,对数据进行分析处理后,根据Step1中对用户的编码顺序,随机选取一个编码所对应的用户作为当前识别用户,以距离最短路径的方式寻找下一个用户;
(2)卫星系统利用当前用户的位置信息进行定位,定位成功后,通过调用Step1中建立的用户信息数据库中的数据对当前用户房屋进行图像采集,并将采集后的图像以及当前用户的编码一起发送回数据中心;
(3)数据中心成功接收后,首先,以当前用户的编码为主键对所接收图像进行存储;然后,查询判断当前用户的编码i是否在Step1中用户信息编码中的编码:
判断为“是”,数据中心向卫星系统发出“成功接收”指令,卫星接接收到指令后,结束对该用户的图像采集任务,并按照距离最短路径方式选取一个编码的用户作为当前用户;
判断为“否”,综合数据服务中心向卫星系统发出“结束”指令,卫星接收到指令后,结束对当前用户的图像采集;
(4)重复(2)、(3)步骤,查询该区域内所有用户编码,直到用户编码都被标识且不再step1编码范围内。
2.根据权利要求1所述的佤族居住区域判别方法,其特征在于:所述图像预处理的具体步骤为:
对原始输入图像f(x,y),用灰度级变换T将产生一个像素点对应的输出图像g(x,y);
采用高通滤波法,增强边缘等高频信号,使模糊的图片变得清晰,便于图像轮廓的识别。
3.根据权利要求1所述的佤族居住区域判别方法,其特征在于:所述图像分割采用Canny算子对预处理后的图像进行边缘检测,其具体步骤如下:
用高斯滤波器平滑图像;
用一阶偏导有限差分计算梯度幅值和方向;
对梯度幅值进行非极大值抑制;
用双阈值算法检测和连接边缘。
4.根据权利要求1所述的佤族居住区域判别方法,其特征在于:所述图像特征提取具体步骤为:
对图像中的每一个区域进行标记;
计算图像中每一个标记区域的特征参数,包括:上边距、矩形的面积、矩形的长宽比,并将图像中每一个标记区域的特征参数存储到数据服务中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091443.0A CN109190585B (zh) | 2018-09-19 | 2018-09-19 | 一种佤族居住区域判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091443.0A CN109190585B (zh) | 2018-09-19 | 2018-09-19 | 一种佤族居住区域判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190585A CN109190585A (zh) | 2019-01-11 |
CN109190585B true CN109190585B (zh) | 2021-09-03 |
Family
ID=64908174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811091443.0A Active CN109190585B (zh) | 2018-09-19 | 2018-09-19 | 一种佤族居住区域判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190585B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489605B (zh) * | 2019-07-31 | 2023-06-06 | 云南师范大学 | 一种数据偏斜分布下的Hilbert编码和解码方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7200243B2 (en) * | 2002-06-28 | 2007-04-03 | The United States Of America As Represented By The Secretary Of The Army | Spectral mixture process conditioned by spatially-smooth partitioning |
CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
CN107871125A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 违章建筑识别方法、装置及电子设备 |
CN207198847U (zh) * | 2017-06-27 | 2018-04-06 | 徐桐 | 一种基于图像对比识别的建筑信息导览的系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110085728A (ko) * | 2010-01-21 | 2011-07-27 | 삼성전자주식회사 | 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법 |
WO2018058044A1 (en) * | 2016-09-23 | 2018-03-29 | Aon Benfield Inc. | Platform, systems, and methods for identifying property characteristics and property feature maintenance through aerial imagery analysis |
-
2018
- 2018-09-19 CN CN201811091443.0A patent/CN109190585B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7200243B2 (en) * | 2002-06-28 | 2007-04-03 | The United States Of America As Represented By The Secretary Of The Army | Spectral mixture process conditioned by spatially-smooth partitioning |
CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
CN207198847U (zh) * | 2017-06-27 | 2018-04-06 | 徐桐 | 一种基于图像对比识别的建筑信息导览的系统 |
CN107871125A (zh) * | 2017-11-14 | 2018-04-03 | 深圳码隆科技有限公司 | 违章建筑识别方法、装置及电子设备 |
Non-Patent Citations (5)
Title |
---|
Using multi-modal topic modeling in national culture resources:methods and applications;Lin Tang et al;《2017 9th International conference on intelligent human-machine systems and cybernetics》;20170921;全文 * |
北京大栅栏地区院落空间现状的特征及构成要素分析;楚东旭;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20180215;第2018年卷(第2期);C038-3203 * |
基于MOOC的佤族文化大众教育网络学堂构建研究;李艳红;《民族论坛》;20141231;全文 * |
基于民族可识别性的乡村建筑设计;梁明明;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170215;C038-856 * |
安多藏区传统聚落与民居建筑研究;王宇倩;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160115;第2016年卷(第1期);C038-352 * |
Also Published As
Publication number | Publication date |
---|---|
CN109190585A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103996036B (zh) | 一种地图数据采集方法及装置 | |
CN109389163B (zh) | 一种基于地形图的无人机影像分类系统及方法 | |
CN105510344B (zh) | 一种区域内输电铁塔新增裂纹检测方法 | |
CN108846402B (zh) | 基于多源数据的梯田田坎自动化提取方法 | |
CN110781711A (zh) | 目标对象识别方法、装置、电子设备及存储介质 | |
US10685443B2 (en) | Cloud detection using images | |
CN109766891B (zh) | 获取设备设施信息的方法及计算机可读存储介质 | |
CN105208528A (zh) | 一种用于识别同行人员的系统及方法 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN111643014A (zh) | 智能清洁方法、装置、智能清洁设备和存储介质 | |
CN113627299B (zh) | 一种基于深度学习的导线漂浮物智能识别方法及装置 | |
CN116386090B (zh) | 一种基于扫描图谱的浮游生物识别方法、系统及介质 | |
CN107016394A (zh) | 一种交叉纤维特征点匹配方法 | |
CN111190595A (zh) | 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备 | |
CN109190585B (zh) | 一种佤族居住区域判别方法 | |
CN109165611B (zh) | 一种基于机器视觉和神经网络的碗碟识别智能结算方法 | |
CN110084587B (zh) | 一种基于边缘上下文的餐盘自动结算方法 | |
CN109187548A (zh) | 一种岩体裂隙识别方法 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
CN112070035A (zh) | 基于视频流的目标跟踪方法、装置及存储介质 | |
CN112581495A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113723833B (zh) | 造林实绩质量评价方法、系统、终端设备及存储介质 | |
JP7104252B2 (ja) | 学習データセット生成装置および方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Gan Jianhou Inventor after: Lei Ming Inventor after: Wang Jun Inventor after: Zhou Juxiang Inventor after: Zhang Yaming Inventor before: Lei Ming Inventor before: Gan Jianhou Inventor before: Wang Jun Inventor before: Zhou Juxiang Inventor before: Zhang Yaming |
|
GR01 | Patent grant | ||
GR01 | Patent grant |