CN109389570B - 基于envi的优化矢量选取roi遥感影像预处理方法 - Google Patents

基于envi的优化矢量选取roi遥感影像预处理方法 Download PDF

Info

Publication number
CN109389570B
CN109389570B CN201811311994.3A CN201811311994A CN109389570B CN 109389570 B CN109389570 B CN 109389570B CN 201811311994 A CN201811311994 A CN 201811311994A CN 109389570 B CN109389570 B CN 109389570B
Authority
CN
China
Prior art keywords
image
data
remote sensing
module
envi
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
Application number
CN201811311994.3A
Other languages
English (en)
Other versions
CN109389570A (zh
Inventor
吴志成
张郭秋晨
张军锋
王海燕
陈立忠
王鹏
刁立峰
侯风巍
罗彦婷
纪纲
郭姣
吴艳林
王维纲
宁冲
高一鸣
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.)
Spaceflight Haiying Electromechanical Technology Research Institute Co ltd
Original Assignee
Spaceflight Haiying Electromechanical Technology Research Institute Co ltd
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 Spaceflight Haiying Electromechanical Technology Research Institute Co ltd filed Critical Spaceflight Haiying Electromechanical Technology Research Institute Co ltd
Priority to CN201811311994.3A priority Critical patent/CN109389570B/zh
Publication of CN109389570A publication Critical patent/CN109389570A/zh
Application granted granted Critical
Publication of CN109389570B publication Critical patent/CN109389570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

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

Abstract

本发明属于遥感软件设计与应用技术领域，具体涉及一种基于ENVI的优化矢量选取ROI遥感影像预处理方法，适用于各类高光谱、多波段、高分辨的遥感卫星原始影像的预处理操作，为遥感影像的应用及分析节约时间、提高效率。与现有技术相比较，本发明的有益效果是：克服现有常用软件选取矢量图层中矢量图斑的不足，提供一种直接利用ENVI完成全部遥感影像预处理操作方案，利用ENVI自动化完成传统正射校正、图像配准及影像融合工作的同时，强化ENVI矢量文件识别能力，直接提取矢量文件中指定行政区划范围，生成ROI区域进行工程裁剪，省去GIS软件的操作步骤，直接导出成果。

Description

基于ENVI的优化矢量选取ROI遥感影像预处理方法
技术领域
本发明属于遥感软件设计与应用技术领域，尤其涉及一种基于ENVI的优化矢量选取ROI遥感影像预处理方法。
背景技术
随着“3S”技术应用的发展，遥感技术现在已经逐步成为智能化信息系统大数据分析的主要信息数据来源，原始遥感影像的预处理效率直接影响了智能化信息系统中大数据分析的应急能力。
传统做法是回避遥感软件处理矢量数据的短板，结合GIS软件处理矢量数据的强大能力，分阶段完成遥感影像预处理流程。但是，这种做法存在软件间互操作复杂、工作效率低下、中间成果数据冗余、成果数据格式不统一等方面的弊端，非专业人员难以操作，传统操作流程如图1所示，而改进过的商业遥感软件资源获取困难，且不如ENVI使用广泛。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：如何提供一种基于ENVI的优化矢量选取ROI遥感影像预处理方法。
(二)技术方案
为解决上述技术问题，本发明提供一种基于ENVI的优化矢量选取ROI遥感影像预处理方法，所述方法基于预处理系统来实施，所述预处理系统包括：基础信息判读模块、正射校正模块、影像配准模块、图像融合模块、影像镶嵌模块、工程裁剪模块、导出模块；
所述方法包括如下步骤：
步骤1：由基础信息判读模块通过ENVI软件打开获取到的原始遥感影像，查看其影像RPC信息、投影坐标、波段信息内容，判断该影像是否可以进行影像预处理操作；
步骤2：由正射校正模块通过RPC Orthorectification Workflow工具，对通过了基础信息判读的原始遥感影像的多光谱数据和全色数据分别进行正射校正操作；
步骤3：由影像配准模块在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作；
步骤4：由图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合；
步骤5：由影像镶嵌模块利用坐标信息选取需要镶嵌的影像数据及景数，利用Seamless Mosaic工具对图像融合后的影像数据进行影像镶嵌；
步骤6：由工程裁剪模块进行工程裁剪及优化矢量选取ROI；其中，工程裁剪操作的方式为：鼠标点选已导入的全国行政区划矢量文件中指定的省、市、县行政区划图斑，将其转化为ROI感兴趣区，对影像镶嵌模块镶嵌后的遥感影像进行裁剪；
步骤7：由导出模块对裁剪后的数据进行影像数据成果导出工作。
其中，所述步骤1中：
通过查看原始遥感影像数据的RPC信息、投影坐标、波段信息是否完整，识别矢量文件与栅格影像数据投影坐标是否一致，从而判断该影像是否可以进行影像预处理操作。
其中，所述步骤2中，
所采用的正射校正参数，DEM File默认选择全球分辨率900米的DEM数据。
其中，所述步骤2中，
多光谱数据和全色数据的输出象元大小选取原始分辨率的整数位；重采样方法选取Cubic Convolution三次卷积法。
其中，所述图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合，
在该过程的图像融合之前，优化矢量选取ROI遥感影像预处理工具将多光谱数据格式转换为BIL格式存储。
其中，所述步骤5中，
镶嵌参数、匀色方法采用Histogram Matching直方图匹配法；重采样方法选取Cubic Convolution三次卷积法。
其中，所述步骤3中，影像配准模块在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作的过程中，
利用投影坐标信息判断多光谱和全色数据是否已配准。
其中，所述图像融合模块对配准后的影像数据，转换为BIL格式存储，同时调用NNDiffuse Pan Sharpening工具进行图像融合之前。
其中，所述导出模块的所导出的文件为Tiff格式影像数据。
(三)有益效果
本发明针对传统遥感软件处理矢量数据的不足，经过大量实践和操作，综合考虑了遥感软件和GIS软件的优缺点，提出了一种基于ENVI的优化矢量选取ROI遥感影像预处理方案，适用于各类高光谱、多波段、高分辨的遥感卫星原始影像的预处理操作，为遥感影像的应用及分析节约时间、提高效率。操作流程如图2所示。
与现有技术相比较，本发明的有益效果是：克服现有常用软件选取矢量图层中矢量图斑的不足，提供一种直接利用ENVI完成全部遥感影像预处理操作方案，利用ENVI自动化完成传统正射校正、图像配准及影像融合工作的同时，强化ENVI矢量文件识别能力，直接提取矢量文件中指定行政区划范围，生成ROI区域进行工程裁剪，省去GIS软件的操作步骤，直接导出成果。
附图说明
图1为传统方法结合遥感软件和GIS软件共同处理遥感影像预处理流程图。
图2为本发明优化矢量选取ROI遥感影像预处理流程图。
图3为具体实施方式中使用优化矢量选取ROI遥感影像预处理工具完成影像预处理的成果图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
为解决上述技术问题，本发明提供一种基于ENVI的优化矢量选取ROI遥感影像预处理方法，所述方法基于预处理系统来实施，所述预处理系统包括：基础信息判读模块、正射校正模块、影像配准模块、图像融合模块、影像镶嵌模块、工程裁剪模块、导出模块；
所述方法包括如下步骤：
步骤1：由基础信息判读模块通过ENVI软件打开获取到的原始遥感影像，查看其影像RPC信息、投影坐标、波段信息内容，判断该影像是否可以进行影像预处理操作；
步骤2：由正射校正模块通过RPC Orthorectification Workflow工具，对通过了基础信息判读的原始遥感影像的多光谱数据和全色数据分别进行正射校正操作；
步骤3：由影像配准模块在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作；
步骤4：由图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合；
步骤5：由影像镶嵌模块利用坐标信息选取需要镶嵌的影像数据及景数，利用Seamless Mosaic工具对图像融合后的影像数据进行影像镶嵌；
步骤6：由工程裁剪模块进行工程裁剪及优化矢量选取ROI；其中，工程裁剪操作的方式为：鼠标点选已导入的全国行政区划矢量文件中指定的省、市、县行政区划图斑，将其转化为ROI感兴趣区，对影像镶嵌模块镶嵌后的遥感影像进行裁剪；
步骤7：由导出模块对裁剪后的数据进行影像数据成果导出工作。
其中，所述步骤1中：
通过查看原始遥感影像数据的RPC信息、投影坐标、波段信息是否完整，识别矢量文件与栅格影像数据投影坐标是否一致，从而判断该影像是否可以进行影像预处理操作。
其中，所述步骤2中，
所采用的正射校正参数，DEM File默认选择全球分辨率900米的DEM数据。
其中，所述步骤2中，
多光谱数据和全色数据的输出象元大小选取原始分辨率的整数位；重采样方法选取Cubic Convolution三次卷积法。
其中，所述图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合，
在该过程的图像融合之前，优化矢量选取ROI遥感影像预处理工具将多光谱数据格式转换为BIL格式存储。
其中，所述步骤5中，
镶嵌参数、匀色方法采用Histogram Matching直方图匹配法；重采样方法选取Cubic Convolution三次卷积法。
其中，所述步骤3中，影像配准模块在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作的过程中，
利用投影坐标信息判断多光谱和全色数据是否已配准。
其中，所述图像融合模块对配准后的影像数据，转换为BIL格式存储，同时调用NNDiffuse Pan Sharpening工具进行图像融合之前。
其中，所述导出模块的所导出的文件为Tiff格式影像数据。
此外，本发明还提供一种基于ENVI的优化矢量选取ROI遥感影像预处理系统，所述系统包括：基础信息判读模块、正射校正模块、影像配准模块、图像融合模块、影像镶嵌模块、工程裁剪模块、导出模块；
所述基础信息判读模块用于通过ENVI软件打开获取到的原始遥感影像，查看其影像RPC信息、投影坐标、波段信息内容，判断该影像是否可以进行影像预处理操作；
所述正射校正模块用于通过RPC Orthorectification Workflow工具，对通过了基础信息判读的原始遥感影像的多光谱数据和全色数据分别进行正射校正操作；
所述影像配准模块用于在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作；
所述图像融合模块用于对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合；
所述影像镶嵌模块用于利用坐标信息选取需要镶嵌的影像数据及景数，利用Seamless Mosaic工具对图像融合后的影像数据进行影像镶嵌；
所述工程裁剪模块用于进行工程裁剪及优化矢量选取ROI(Region Of Interes，感兴趣区域)；其中，工程裁剪操作的方式为：鼠标点选已导入的全国行政区划矢量文件中指定的省、市、县行政区划图斑，自动将其转化为ROI感兴趣区，对影像镶嵌模块镶嵌后的遥感影像进行裁剪；
所述导出模块用于对裁剪后的数据进行影像数据成果导出工作。
其中，所述基础信息判读模块通过ENVI软件打开获取到的原始遥感影像，查看其影像RPC信息、投影坐标、波段信息，判断该影像是否可以进行影像预处理操作的过程中：
通过查看原始遥感影像数据的RPC信息、投影坐标、波段信息是否完整，识别矢量文件与栅格影像数据投影坐标是否一致，从而判断该影像是否可以进行影像预处理操作。
其中，所述正射校正模块通过RPC Orthorectification Workflow工具，分别对原始遥感影像的多光谱和全色数据进行正射校正操作的过程中，
所采用的正射校正参数，DEM File默认选择全球分辨率900米的DEM数据。
其中，所述正射校正模块通过RPC Orthorectification Workflow工具，分别对原始遥感影像的多光谱和全色数据进行正射校正操作的过程中，
多光谱数据和全色数据的输出象元大小尽可能选取原始分辨率的整数位，当二者分辨率成整数倍时，后续图像融合效率更高；重采样方法默认选取Cubic Convolution三次卷积法。
其中，所述图像融合模块用于对配准后的影像数据，利用NNDiffuse PanSharpening工具进行图像融合，
在该过程的图像融合之前，优化矢量选取ROI遥感影像预处理工具可自动将多光谱数据格式转换为BIL格式存储，经反复测试，BIL格式的多光谱数据比传统BSQ格式的融合速度提高3.3倍左右。
其中，所述影像镶嵌模块用于利用Seamless Mosaic工具进行影像镶嵌的过程中，
其中，镶嵌参数、匀色方法默认采用Histogram Matching直方图匹配法；重采样方法默认选取Cubic Convolution三次卷积法。
其中，所述影像配准模块在正射校正后的影像数据存在未配准的情况下，利用Image Registration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作的过程中，
利用投影坐标信息判断多光谱和全色数据是否已配准。
其中，所述图像融合模块对配准后的影像数据，转换为BIL格式存储，同时调用NNDiffuse Pan Sharpening工具进行图像融合之前。
其中，所述导出模块的所导出的文件为Tiff格式影像数据。
实施例1
如图3所示，本实施例以昆明市呈贡区高分二号遥感卫星原始影像数据为例，利用优化矢量选取ROI遥感影像预处理系统对其进行预处理操作，工作步骤如下：
1、准备工作
使用ENVI软件打开需预处理的多幅影像，并加载云南省行政区划矢量文件。查看其数据的RPC信息、投影坐标、波段信息等是否完整，识别矢量文件与栅格影像数据投影坐标是否一致，判断该影像是否可以进行影像预处理操作。
2、正射校正
调用RPC Orthorectification Workflow工具，分别对原始影像的多光谱和全色数据进行正射校正。
3、影像配准
利用投影坐标信息判断多光谱和全色数据已较好配准，可以进行下一步图像融合操作。
4、图像融合
优化矢量选取ROI遥感影像预处理系统自动将多光谱数据格式转换为BIL格式存储，同时调用NNDiffuse Pan Sharpening工具进行图像融合。
5、影像镶嵌
利用坐标信息选取需要镶嵌的影像数据及景数，确保覆盖整个呈贡县范围，调用Seamless Mosaic工具进行影像镶嵌。
6、工程裁剪及优化矢量选取ROI功能
优化矢量选取ROI遥感影像预处理系统，鼠标在云南省县级行政区划shp文件中直接点选呈贡县行政区划，自动转化为ROI感兴趣区进行影像的工程裁剪。
7、成果输出
工程裁剪后数据自动输出为Tiff影像数据格式，成果图如图3所示。影像预处理输出成果通用于各类遥感软件及GIS软件进行下一步数据分析及展示使用。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述方法基于预处理系统来实施，所述预处理系统包括：基础信息判读模块、正射校正模块、影像配准模块、图像融合模块、影像镶嵌模块、工程裁剪模块、导出模块；
所述方法包括如下步骤：
步骤1：由基础信息判读模块通过ENVI软件打开获取到的原始遥感影像，查看其影像RPC信息、投影坐标、波段信息内容，判断该影像是否可以进行影像预处理操作；
步骤2：由正射校正模块通过RPC Orthorectification Workflow工具，对通过了基础信息判读的原始遥感影像的多光谱数据和全色数据分别进行正射校正操作；
步骤3：由影像配准模块在正射校正后的影像数据存在未配准的情况下，利用ImageRegistration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作；
步骤4：由图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合；
步骤5：由影像镶嵌模块利用坐标信息选取需要镶嵌的影像数据及景数，利用SeamlessMosaic工具对图像融合后的影像数据进行影像镶嵌；
步骤6：由工程裁剪模块进行工程裁剪及优化矢量选取ROI；其中，工程裁剪操作的方式为：鼠标点选已导入的全国行政区划矢量文件中指定的省、市、县行政区划图斑，将其转化为ROI感兴趣区，对影像镶嵌模块镶嵌后的遥感影像进行裁剪；
步骤7：由导出模块对裁剪后的数据进行影像数据成果导出工作。
2.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述步骤1中：
通过查看原始遥感影像数据的RPC信息、投影坐标、波段信息是否完整，识别矢量文件与栅格影像数据投影坐标是否一致，从而判断该影像是否可以进行影像预处理操作。
3.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述步骤2中，
所采用的正射校正参数，DEM File默认选择全球分辨率900米的DEM数据。
4.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述步骤2中，
多光谱数据和全色数据的输出象元大小选取原始分辨率的整数位；重采样方法选取Cubic Convolution三次卷积法。
5.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述图像融合模块对配准后的影像数据，利用NNDiffuse Pan Sharpening工具进行图像融合，
在该过程的图像融合之前，优化矢量选取ROI遥感影像预处理工具将多光谱数据格式转换为BIL格式存储。
6.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述步骤5中，
镶嵌参数、匀色方法采用Histogram Matching直方图匹配法；重采样方法选取CubicConvolution三次卷积法。
7.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述步骤3中，影像配准模块在正射校正后的影像数据存在未配准的情况下，利用ImageRegistration Workflow自动配准工具以全色数据为基准对多光谱数据进行配准，如已配准则进行下一步图像融合操作的过程中，
利用投影坐标信息判断多光谱和全色数据是否已配准。
8.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述图像融合模块对配准后的影像数据，转换为BIL格式存储，同时调用NNDiffuse PanSharpening工具进行图像融合。
9.如权利要求1所述的基于ENVI的优化矢量选取ROI遥感影像预处理方法，其特征在于，所述导出模块的所导出的文件为Tiff格式影像数据。
CN201811311994.3A 2018-11-06 2018-11-06 基于envi的优化矢量选取roi遥感影像预处理方法 Active CN109389570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811311994.3A CN109389570B (zh) 2018-11-06 2018-11-06 基于envi的优化矢量选取roi遥感影像预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811311994.3A CN109389570B (zh) 2018-11-06 2018-11-06 基于envi的优化矢量选取roi遥感影像预处理方法

Publications (2)

Publication Number Publication Date
CN109389570A CN109389570A (zh) 2019-02-26
CN109389570B true CN109389570B (zh) 2021-06-22

Family

ID=65428395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811311994.3A Active CN109389570B (zh) 2018-11-06 2018-11-06 基于envi的优化矢量选取roi遥感影像预处理方法

Country Status (1)

Country Link
CN (1) CN109389570B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738175A (zh) * 2020-06-24 2020-10-02 桂林理工大学 一种基于遥感影像和卷积神经网络的农业干旱监测系统
CN112288641B (zh) * 2020-09-16 2024-05-17 江苏省气候中心 一种高分卫星影像数据批量预处理方法
CN113282695B (zh) * 2021-05-31 2024-03-15 国家基础地理信息中心 一种基于遥感影像的矢量地理信息采集方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933607A (zh) * 2015-05-27 2015-09-23 中国科学院遥感与数字地球研究所 一种卫星遥感数据订购服务系统
CN105096286A (zh) * 2015-06-30 2015-11-25 中国石油天然气股份有限公司 遥感图像的融合方法及装置
CN107016403A (zh) * 2017-02-23 2017-08-04 中国水利水电科学研究院 一种基于夜间灯光数据提取城市建成区阈值的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933607A (zh) * 2015-05-27 2015-09-23 中国科学院遥感与数字地球研究所 一种卫星遥感数据订购服务系统
CN105096286A (zh) * 2015-06-30 2015-11-25 中国石油天然气股份有限公司 遥感图像的融合方法及装置
CN107016403A (zh) * 2017-02-23 2017-08-04 中国水利水电科学研究院 一种基于夜间灯光数据提取城市建成区阈值的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
白金婷.结合高分辨率遥感影像多维特征的森林分类.《中国优秀硕士学位论文全文数据库 基础科学辑》.2016,正文第2章. *

Also Published As

Publication number Publication date
CN109389570A (zh) 2019-02-26

Similar Documents

Publication Publication Date Title
CN109493332B (zh) 基于envi的优化矢量选取roi遥感影像预处理系统
WO2021000702A1 (zh) 图像检测方法、设备以及系统
CN109389570B (zh) 基于envi的优化矢量选取roi遥感影像预处理方法
Adeline et al. Shadow detection in very high spatial resolution aerial images: A comparative study
US20110235939A1 (en) System and Method for Enhancing Registered Images Using Edge Overlays
US20200380653A1 (en) Image processing device and image processing method
EP1306810A1 (en) Triangle identification buffer
CN112100301A (zh) 一种利用高分遥感技术实现水域岸线动态监测的方法
CN112330582A (zh) 一种无人机图像与卫星遥感影像融合算法
CN115856829B (zh) 一种雷达三维数据转换的图像数据识别方法及系统
CN110852207A (zh) 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法
TW202225730A (zh) 基於深度學習之高效率光達物件偵測方法
CN113436071A (zh) 一种多源卫星遥感影像镶嵌方法、系统及存储介质
CN108877030B (zh) 图像处理方法、装置、终端和计算机可读存储介质
CN113706387A (zh) 一种适合低山丘陵地区农作物提取遥感底图的获取方法
CN111091113A (zh) 一种高光谱影像数据融合方法
JP6945772B1 (ja) 学習装置、物体検出装置および学習方法
CN116246272A (zh) 针对国产卫星多光谱图像质量标记的云雪区分方法
Jin ENVI automated image registration solutions
CN112907490A (zh) 像素点提取方法、靶标信息采集方法和顶管机控制系统
Spencer et al. Data integration of exploration data using colour space on an image processor
CN113643244B (zh) 一种光学遥感卫星影像水体耀斑快速检测方法
CN110033460A (zh) 一种基于尺度空间变换的卫星影像中海上养殖区提取方法
CN117972009B (zh) 一种针对天气雷达拼图系统组网产品的数据解析方法
CN111738962B (zh) 光量补偿方法、装置、计算机系统及存储介质

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