CN109508397A - 一种基于样图库的遥感影像处理方法 - Google Patents
一种基于样图库的遥感影像处理方法 Download PDFInfo
- Publication number
- CN109508397A CN109508397A CN201811366070.3A CN201811366070A CN109508397A CN 109508397 A CN109508397 A CN 109508397A CN 201811366070 A CN201811366070 A CN 201811366070A CN 109508397 A CN109508397 A CN 109508397A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- sensing image
- band
- processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 4
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000003595 mist Substances 0.000 claims description 4
- 235000017166 Bambusa arundinacea Nutrition 0.000 claims description 3
- 235000017491 Bambusa tulda Nutrition 0.000 claims description 3
- 235000015334 Phyllostachys viridis Nutrition 0.000 claims description 3
- 239000011425 bamboo Substances 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 2
- 244000082204 Phyllostachys viridis Species 0.000 claims 1
- 240000008866 Ziziphus nummularia Species 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 7
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 241001330002 Bambuseae Species 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005433 ionosphere Substances 0.000 description 2
- 244000126002 Ziziphus vulgaris Species 0.000 description 1
- IRERQBUNZFJFGC-UHFFFAOYSA-L azure blue Chemical compound [Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[Al+3].[S-]S[S-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-].[O-][Si]([O-])([O-])[O-] IRERQBUNZFJFGC-UHFFFAOYSA-L 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于样图库的遥感影像处理方法，技术步骤包括：建立遥感影像样图库，选取模板对中低分辨率遥感影像进行处理，选取模板对高分辨率遥感影像进行处理，制作选区并且进行选区的交集、并集、补集运算，采用三波段S型曲线与反S型曲线以及C型曲线与反C型曲线对选区内影像的色差和偏色进行处理，采用多通道处理对选区内影像的植被、裸露地表、城市和水体进行微调，三波段处理与多通道处理的交替运用。本发明提出的基于样图库的遥感影像处理方法，能够高效处理遥感影像的偏色和色差，得到高质量的影像成果，提高影像处理成果的标准化程度。
Description
技术领域
本发明涉及遥感影像处理技术，特别是涉及一种基于样图库的遥感影像处理方法。
背景技术
随着空间地理信息技术的蓬勃发展，遥感影像数据的获取不再成为瓶颈，与此同时，遥感影像数据的应用日益广泛，带来的问题是数据处理效率、质量以及标准化的问题。在遥感影像处理，特别是需要制作选区的处理过程中，行之有效的处理方法尤其重要。
由于传感器在获取遥感影像时受到气象条件、电离层辐射等影响，数据出现偏色情况普遍；另外，在多源数据的镶嵌过程中，不同种类、不同时相的遥感数据存在明显色差，严重影响遥感影像质量和成果的标准化程度。
发明内容
针对当前遥感影像处理遇到的问题，本发明提出一种基于样图库的遥感影像处理方法，其目的在于，依据样图库提高影像处理质量和处理效率，并且使成果更容易进行标准化。本发明立足多年遥感影像处理实践，形成典型样图库，对遥感影像色差、偏色进行快速处理，收效良好。
本发明涉及的一种基于样图库的遥感影像处理方法，技术步骤包括：建立遥感影像样图库，低分辨率遥感影像处理，中高分辨率遥感影像处理，制作选区并且进行选区运算，影像三波段处理，影像多通道处理，三波段处理与多通道处理的交替运用。
S1、建立遥感影像样图库
样图库的文件命名采用英文字母加阿拉伯数字编码。数据种类包括：MODIS数据(L1)、Landsat_TM数据(L2)、SPOT数据(H1)、ALOS数据(H2)、DigitalGlobe数据(H3)、QuickBird数据(H4)、ADS40数据(H5)、DMC数据(H6)以及网络瓦片地图数据(H7)。植被覆盖率分类：植被丰富(G1)、植被一般(G2)、植被稀少(G3)；地貌特征分类：山地(M)、丘陵(Q)、平原(P)、滨海(B)、岛屿(D)。结合影像种类和植被覆盖特征将低分辨率影像分为6个子类，结合影像种类、植被覆盖率和地貌特征将中高分辨率影像分为105个子类，共形成具有典型特征的遥感影像样图121类。样图库存储每一类遥感影像图的处理参数。
S2、低分辨率遥感影像处理
低分辨率遥感影像处理是指MODIS数据和Landsat_TM数据的处理。首先根据待处理影像的植被覆盖类型，在样图库中选择适当的样图模板；再根据底图处理要求，修改以及建立曲线及选取颜色图层，对待处理影像进行微调处理。
S3、中高分辨率遥感影像处理
中高分辨率遥感影像处理是指SPOT数据、ALOS数据、DigitalGlobe数据、QuickBird数据、ADS40数据、DMC数据以及网络瓦片地图数据的处理。首先根据待处理影像的数据种类、植被覆盖类型和地貌特征，在样图库中选择适当的样图模板；再根据底图处理要求，修改以及建立曲线及选取颜色图层，对待处理影像进行微调处理。
S4、制作选区并且进行选区运算
根据待处理遥感影像的特点，对存在色差和偏色的区域进行选取，并将具有相关光谱特性的区载进行求交集、并集、补集运算，保证影像图内同一选区具有相同的光谱特征。选区的具体操作包括替换、载入、合并、相加、相减、求交集。选区制作顺序：在色块不突出时采用剥笋模型，即先制作大选区，减弱大范围色块之间的色差，再在大色块内部分割子选区，使整个色块内部色彩均匀；在色块突出时采用枣糕模型，即先选中影像内部最突出的色块，减弱小范围色块与周边影像的色差，再选中较大范围的色块，最终使整个影像内部色彩均匀。
S5、影像三波段处理
采用混合三波段S型曲线提高对比度过低的区域，采用混合三波段反S型曲线降低对比度过高的区域，采用混合波段C型曲线提高影像亮度，采用混合波段反C型曲线降低影像亮度，采用绿波段C型曲线增益植被不突出的区域，采用绿波段反C型曲线压抑植被过分丰富区域，采用红波段C型曲线增益裸露地表不突出区域，采用红波段反C型曲线压抑裸露地表过分突出区域，采用蓝波段反C型曲线降低影像采集时薄雾的影响，采用蓝波段C型曲线限制影像偏黄的区域。
S6、影像多通道处理
采用多通道中的红色、绿色、蓝色、青色、品红色、黄色、白色、黑色、中性色对植被、裸露地表、城市、水体地面特征进行微调，降低影像采集时气象条件和电离层辐射的影响；处理假彩色合成影像时，采用红色通道、品红色通道、绿色通道、青色通道。
S7、三波段处理与多通道处理的交替运用
待处理影像整体亮度及对比度较低时先采用三波段处理再使用多通道处理，而待处理影像整体亮度及对比度较高时先采用多通道处理再采用三波段处理；根据待处理影像的特征采用三波段的S型曲线与C型曲线重复、叠加，三波段和多通道处理交替运用。
本发明涉及的一种基于样图库的遥感影像处理方法，能够快速、高效处理影像色差和偏色，成果标准化程度高。
附图说明
图1一种基于样图库的遥感影像处理方法的流程图。
图中标记说明：
S1、建立遥感影像样图库
S2、低分辨率遥感影像处理
S3、中高分辨率遥感影像处理
S4、制作选区并且进行选区运算
S5、影像三波段处理
S6、影像多通道处理
S7、三波段处理与多通道处理的交替运用
具体实施方式
本发明涉及的一种基于样图库的遥感影像处理方法，技术步骤包括：建立遥感影像样图库S1，低分辨率遥感影像处理S2，中高分辨率遥感影像处理S3，制作选区并且进行选区运算S4，影像三波段处理S5，影像多通道处理S6,三波段处理与多通道处理的交替运用S7。
S1、建立遥感影像样图库
按低分辨率影像的6个子类，中高分辨率影像的105个子类收集遥感影像图，共形成具有典型特征的遥感影像样图121类。以PSD格式存储样图，保留原始处理图层；以TXT格式存储文件处理说明。收集低分辨率的6个子类具有典型特征的遥感影像样图时，由于假彩色遥感影像的居民地颜色多表现为品红色，植被的绿色被严重夸大，而且由于气象条件的不同，图像特征差异较大，因此同一子类要收集多张样典型样图。中高分辨率影像的105个子类中，瓦片地图数据包含数据种类包括：谷歌地图、微软地图、天地图、百度地图、高德地图5种，因此瓦片地图数据(H7)要收集5种地图样图文件。例如某H7G1S山地植被丰富的瓦片地图数据，图内有薄雾，记录的处理步骤如下：
①RGB混合波段S型曲线增益影像图对比度，采用S型曲线高点输入161，高点输出182，低点输入84，低点输出78；采用G波段反S型曲线压抑植被的绿色，反S型曲线高点输入184，高点输出177，低点输入84，低点输出84。
②选择多通道中的红色通道M值增加12，K值增加16，微调裸露地表以及红色屋顶颜色；选择多通道中的蓝色通道C值减小10，微调有薄雾的区域，选择多通道中的青色通道C值增加12，微调工业厂房屋顶颜色。
③交替利用RGB三波段工具与多通道工具，继续采用RGB混合波段C型曲线提高亮度，输入155，输出170；采用多通道中的黄色通道M值增加8，微调裸露地表颜色。
S2、低分辨率遥感影像处理
某Landsat_TM影像涵盖区域植被覆盖稀少，全图对比度高，先选取对应样图。再根据实际情况修改参数如下：
修改多通道中的品红通道压抑影像内居民地，M值减小20；增益RGB波段中的绿波段：高点输入195，高点输出204，低点输入80，低点输出75，修改RGB波段中的蓝波段C型曲线，适当增益蓝波段，使输出值从168增加至174。最终获得对比度适中，无偏色的影像成果。
S3、中高分辨率遥感影像处理
某H6G2P植被覆盖一般的平原DMC影像拍摄时水气较大，青色和蓝色突出。在样图库中选择对应的样图模板，根据底图处理要求(用于三维场景制作)，需要得到对比适中，色彩纯度较高的成果。而原始影像较暗，因此，先增加RGB混合通道C型曲线，提高全图亮度，其次，修改RGB混合波段S型曲线参数：高点输入177，高点输出194，低点输入95，低点输出90。最终获得对比度适中，无偏色的DMC影像。
S4、制作选区并且进行选区运算
某待处理瓦片地图数据色块不突出，因此采用剥笋模型，先制作大选区，保证图内选中区域具有相同的光谱特征。经过图像处理的大选区内部暴露出一些较小范围的色块，此时需要逐一选中这些较小范围的色块并且进行图像处理，如此类推，直至消除所有级别色块间的色差。在选择具有相同光谱特征的不相邻色块时，利用选区的补集运算来添加新建选区。
S5、影像三波段处理
某待处理瓦片数据对比度过低，亮度过高，拍摄时空气含水量大，在地势较低处偏蓝。全图选区已经制作完成，首先增加RGB混合波段S型曲线：高点输入170，高点输出188，低点输入87，低点输出80，提高对比度；增加反C型曲线：输入115，输出103，降低亮度；再增加蓝波段反C型曲线压抑蓝波段：输入121，输出112，降低影像采集时水气的影响；最后微调样图库曲线，使原有的S型曲线，高点输入168，高点输出172，低点输入82，低点输出80，提高全图对比度。
S6、影像多通道处理
以影像三波段处理S5处理过的影像为例，利用已经制作完成的选区，激活植被不明显选区，选取多通道中的绿通道微调植被颜色，修改M值为-47，修改K值为10；激活偏青蓝色选区，选取多通道中的青通道微调局部偏蓝、紫颜色，修改M值为-38，修改C值为-15；最后修改多通道图层，黄色通道M值调整为8，C值调整为11，压抑裸露地表的黄色。
S7、三波段处理与多通道处理的交替运用
在S5与S6处理的基础上，对偏红选区，增加RGB中的红波段反C型曲线，压抑偏红区域，再增加多通道选取绿通道，M值设置为-39；再一次对同一选区增加RGB绿波段S型曲线，突显植被；对同一选区增加多通道选取黄通道，Y值设置为22。最终得到无色差、无偏色而且对比度适中的遥感影像成果。
Claims (8)
1.一种基于样图库的遥感影像处理方法，其特征在于，技术步骤包括：建立遥感影像样图库(S1)，低分辨率遥感影像处理(S2)，中高分辨率遥感影像处理(S3)，制作选区并进行选区运算(S4)，影像三波段处理(S5)，影像多通道处理(S6)，三波段处理与多通道处理交替运用(S7)；
所述的建立遥感影像样图库(S1)：按植被覆盖率将遥感影像分为植被丰富、植被一般、植被稀少三大类，按地貌特征将遥感影像分为山地、丘陵、平原、滨海、岛屿五大类，将典型样例数据存入遥感影像样图库；
所述的低分辨率遥感影像处理(S2)：从样图库中选取低分辨率遥感影像模板，再根据遥感影像特征对整幅影像进行色差和偏色处理；
所述的中高分辨率遥感影像处理(S3)：从样图库中选取中高分辨率遥感影像模板，再根据遥感影像特征对整幅影像进行色差和偏色处理；
所述的制作选区并进行选区运算(S4)：根据待处理遥感影像的特点，对存在色差和偏色的区域进行选取，并将具有相关光谱特性的区载进行求交集、并集、补集运算，使影像图内同一选区具有相同的光谱特征；
所述的影像三波段处理(S5)：采用混合三波段S型与反S型曲线调节影像对比度，采用混合波段C型曲线与反C型曲线调节影像亮度，采用单波段C型曲线对地面光谱特征进行增益，采用单波段反C型曲线对地面光谱特征进行压抑；
所述的影像多通道处理(S6)：采用多通道对植被、裸露地表、城市和水体的颜色进行微调，降低影像采集时气象条件的影响以及镶嵌时多源数据间的光谱差异；
所述的三波段处理与多通道处理的交替运用(S7)：交替运用影像三波段处理(S5)步骤与影像多通道处理(S6)步骤消除色块之间的色差，重复影像三波段处理(S5)步骤大幅度、快速增益以及压抑影像内的植被和裸露地表，重复影像多通道处理(S6)步骤对植被和裸露地表进行微调。
2.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的建立遥感影像样图库(S1)建立的样图库将分辨率大于等于30米的遥感影像定义为低分辨率遥感影像，将分辨率小于30米的遥感影像定义为中高分辨率遥感影像；数据种类包括MODIS数据、Landsat_TM数据、SPOT数据、ALOS数据、DigitalGlobe数据、QuickBird数据、ADS40数据、DMC数据以及网络瓦片地图数据，植被覆盖率分类为植被丰富、植被一般、植被稀少，地貌特征分类为山地、丘陵、平原、滨海、岛屿；结合影像种类和植被覆盖特征将低分辨率影像分为6个子类，结合影像种类、植被覆盖率和地貌特征将中高分辨率影像分为105个子类，共形成具有典型特征的遥感影像样图121类；样图库存储每一类遥感影像的处理参数。
3.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的低分辨率遥感影像处理(S2)涵盖MODIS数据和Landsat_TM数据。
4.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的中高分辨率遥感影像处理(S3)涵盖SPOT数据、ALOS数据、DigitalGlobe数据、QuickBird数据、ADS40数据、DMC数据以及网络瓦片地图数据。
5.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的制作选区并且进行选区运算(S4)在色块不突出时采用剥笋模型，即先制作大选区，减弱大范围色块之间的色差，再在大色块内部分割子选区，使整个色块内部色彩均匀；在色块突出时采用枣糕模型，即先选中影像内部最突出的色块，减弱小范围色块与周边影像的色差，再选中较大范围的色块，最终使整个影像内部色彩均匀。
6.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的影像三波段处理的运用(S5)采用混合三波段S型曲线提高对比度过低的区域，采用混合三波段反S型曲线降低对比度过高的区域；采用混合波段C型曲线提高影像亮度，采用混合波段反C型曲线降低影像亮度；采用绿波段C型曲线增益植被不突出的区域，采用绿波段反C型曲线压抑植被过分丰富区域；采用红波段C型曲线增益裸露地表不突出区域，采用红波段反C型曲线压抑裸露地表过分突出区域；采用蓝波段反C型曲线降低影像采集时薄雾的影响，采用蓝波段C型曲线限制影像偏黄的区域。
7.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的影像多通道处理的运用(S6)采用多通道中的红色、绿色、蓝色、青色、品红色、黄色、白色、黑色、中性色对植被、裸露地表、城市、水体地面特征进行微调，降低影像采集时气象条件和电离层辐射的影响。
8.如权利要求1所述的一种基于样图库的遥感影像处理方法，其特征在于：所述的三波段处理与多通道处理的交替运用(S7)是指在待处理影像整体亮度及对比度较低时先采用三波段处理再使用多通道处理，而待处理影像整体亮度及对比度较高时先采用多通道处理再采用三波段处理；根据待处理影像的特征采用三波段的S型曲线与C型曲线适当重复、叠加，三波段和多通道处理交替运用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811366070.3A CN109508397B (zh) | 2018-11-16 | 2018-11-16 | 一种基于样图库的遥感影像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811366070.3A CN109508397B (zh) | 2018-11-16 | 2018-11-16 | 一种基于样图库的遥感影像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109508397A true CN109508397A (zh) | 2019-03-22 |
| CN109508397B CN109508397B (zh) | 2021-04-30 |
Family
ID=65748699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811366070.3A Active CN109508397B (zh) | 2018-11-16 | 2018-11-16 | 一种基于样图库的遥感影像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109508397B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040075667A1 (en) * | 2002-10-17 | 2004-04-22 | Lockheed Martin Corporation | System and related methods for synthesizing color imagery |
| CN1509895A (zh) * | 2001-06-22 | 2004-07-07 | ��Τ����˹ | 彩色复制方法 |
| CN1831868A (zh) * | 2005-03-10 | 2006-09-13 | 中国煤炭地质总局航测遥感局 | 用于遥感图像色彩调整的处理方法 |
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102222238A (zh) * | 2011-05-17 | 2011-10-19 | 中国科学院遥感应用研究所 | 一种高空间分辨率遥感影像自然色产品自动模拟方法 |
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN106355625A (zh) * | 2016-08-31 | 2017-01-25 | 甘宗平 | 一种单极化sar假彩色影像生成方法 |
| CN107507151A (zh) * | 2017-09-02 | 2017-12-22 | 首都师范大学 | 一种多光谱遥感图像真实色彩还原方法及系统 |
-
2018
- 2018-11-16 CN CN201811366070.3A patent/CN109508397B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1509895A (zh) * | 2001-06-22 | 2004-07-07 | ��Τ����˹ | 彩色复制方法 |
| US20040075667A1 (en) * | 2002-10-17 | 2004-04-22 | Lockheed Martin Corporation | System and related methods for synthesizing color imagery |
| CN1831868A (zh) * | 2005-03-10 | 2006-09-13 | 中国煤炭地质总局航测遥感局 | 用于遥感图像色彩调整的处理方法 |
| CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
| CN102222238A (zh) * | 2011-05-17 | 2011-10-19 | 中国科学院遥感应用研究所 | 一种高空间分辨率遥感影像自然色产品自动模拟方法 |
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN106355625A (zh) * | 2016-08-31 | 2017-01-25 | 甘宗平 | 一种单极化sar假彩色影像生成方法 |
| CN107507151A (zh) * | 2017-09-02 | 2017-12-22 | 首都师范大学 | 一种多光谱遥感图像真实色彩还原方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| MICHELL_Q: "PS曲线工具怎么调色？", 《PHOTOSHOP教程_脚本之家》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109508397B (zh) | 2021-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112179854B (zh) | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 | |
| US8493264B2 (en) | Terrestrial object information judging image producing method and program | |
| CN113240758B (zh) | 基于融合衍生指数的遥感影像融合方法、系统、设备及介质 | |
| CN113222054B (zh) | 基于特征比值指数的遥感影像融合方法、系统、设备及介质 | |
| CN109993237A (zh) | 基于高分卫星光学遥感数据的水体快速提取方法及系统 | |
| CN106023130B (zh) | 基于梯度滤波和pca的无人机影像与多光谱影像融合方法 | |
| CN104851113A (zh) | 多分辨率遥感影像的城市植被自动提取方法 | |
| CN101088277A (zh) | 电子彩色图像饱和度处理方法 | |
| CN104182949A (zh) | 基于直方图特征点配准的影像匀色与融合方法及系统 | |
| CN108681715A (zh) | 海南热带天然林植被型组分类方法 | |
| CN103400121A (zh) | 基于彩色二值化图像的车牌定位方法 | |
| CN104361602B (zh) | 一种基于modis图像的水体颜色检测方法及装置 | |
| CN102063700A (zh) | 卫星遥感图像生成方法及其系统 | |
| CN117237770A (zh) | 基于指数幂函数的遥感影像融合方法、系统、设备及介质 | |
| CN111079637B (zh) | 田间图像中分割油菜花的方法、装置、设备及存储介质 | |
| CN108491869A (zh) | 一种全色波段灰度值自适应反转的主成分变换遥感图像融合方法 | |
| CN117475272A (zh) | 基于指数函数空间的特征曲线的遥感影像融合方法及系统 | |
| CN103152511B (zh) | 一种面向印刷出版的数字影像图印刷色彩校正方法 | |
| CN109508397A (zh) | 一种基于样图库的遥感影像处理方法 | |
| CN100417180C (zh) | 创建颜色映射查找表的方法和使用该表的颜色映射方法 | |
| KR100891643B1 (ko) | 색체계변환모델을 활용한 항공라이다 자료의 경사기복도 제작방법 | |
| JP2001357380A (ja) | 画像処理による森林地域の評価方法及びこの評価に関するプログラムを記憶した記憶媒体 | |
| CN112927252A (zh) | 一种新增建设用地监测方法及装置 | |
| US10242461B1 (en) | Method to improve overlay mapping of out-of-gamut | |
| JPH10221093A (ja) | ナビゲーションシステム |
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 |