CN109801242A - 一种基于改进漫水填充算法的栅格图像矢量化方法 - Google Patents
一种基于改进漫水填充算法的栅格图像矢量化方法 Download PDFInfo
- Publication number
- CN109801242A CN109801242A CN201910064027.XA CN201910064027A CN109801242A CN 109801242 A CN109801242 A CN 109801242A CN 201910064027 A CN201910064027 A CN 201910064027A CN 109801242 A CN109801242 A CN 109801242A
- Authority
- CN
- China
- Prior art keywords
- image
- origin
- algorithm
- denoted
- stack
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于改进漫水填充算法的栅格图像矢量化方法,包括以下步骤:步骤S10:取原始图像,对其进行图像锐化,得到包含边缘信息的图像;步骤S20:点击原始图像,以步骤S10得到的图像作为掩模,通过漫水填充算法,对相应图块进行填充;步骤S30:利用空洞填充算法对步骤S20得到的图块进行修补;步骤S40:根据步骤S30得到的图像,利用Freeman链码轮廓跟踪算法,找到图块轮廓的坐标点集合;步骤S50:根据步骤S40得到的坐标点集合,利用多边形拟合算法,对坐标点数目抽稀,得到关键坐标点集合,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果,且相比于人工多处描点的栅格矢量化过程。
Description
技术领域
本发明涉及于图像处理技术领域,具体为一种基于改进漫水填充算法的栅格图像矢量化方法,主要应用于土地调查的工作中。
背景技术
在第二次全国土地调查成果基础上,正在开展的第三次全国土地调查要求在全国范围内利用遥感、测绘、地理信息、互联网等技术,以正射影像图为基础,实地调查土地的地类、面积和权属,全面掌握地类分布及利用状况。其中,以建立互联共享的集影像、地类、范围、面积和权属为一体的土地调查数据库等工作最为关键。
而上述这些工作的基础,是建立在对一块块土地位置与轮廓信息的高效准确记录之上的。于是,一种朴素的做法是,让工作人员手动地标定土地的轮廓点来确定土地的轮廓(即,将土地看作栅格图像上的栅格阵列,对该栅格阵列进行人为的矢量化操作)。这样做,虽然可以将工作开展起来,可是却存在着诸多的问题,如人工描点的准确率不高,人工描点的效率低等问题。且就效率这个问题而言,当处理对象是一块形状极其复杂不规则的土地时,需要工作人员大量地描点,这种效率的低下就更明显地暴露出来了。
针对上述问题,本发明提出了一种基于改进漫水填充算法的栅格图像矢量化方法,旨在通过对栅格图像的一次点击将土地的矢量点与轮廓呈现出来,实现自动的栅格矢量化,提升工作效率。
发明内容
一种基于改进漫水填充算法的栅格图像矢量化方法,包括以下步骤,步骤S10:取原始图像,对其进行图像锐化,得到包含边缘信息的图像;步骤S20:点击原始图像,以步骤S10得到的图像作为掩模,通过漫水填充算法,对相应图块进行填充;步骤S30:利用空洞填充算法对步骤S20得到的图块进行修补;步骤S40:根据步骤S30得到的图像,利用Freeman链码轮廓跟踪算法,找到图块轮廓的坐标点集合;步骤S50:根据步骤S40得到的坐标点集合,利用多边形拟合算法,对坐标点数目抽稀,得到关键坐标点集合,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果,且相比于人工多处描点的栅格矢量化过程,结合改进的漫水填充方法与其他多种图像处理算法,实现了自动的栅格图像矢量化。
其总体模型的算法步骤为
第(1)步:读取原始图像记作origin.并且读出图像高度记作h,图像宽度记作w.
第(2)步:将origin转为灰度图像gray.计算公式为
第(3)步:对gray进行高斯模糊,得到的图像记作guass.计算公式为
第(4)步:利用索贝尔算子,对guass进行运算,获取边缘信息,得到的图像记作sobel.计算公式为
第(5)步:将sobel作为掩模,对origin进行漫水填充,得到的图像记作rawBlock;
第(6)步:对rawBlock进行空洞填充,得到的图像记作processedBlock;
第(7)步:利用Freeman链码轮廓跟踪算法,找到processedBlock轮廓的坐标点集合,记作rawCoords;
第(8)步:利用多边形拟合算法,对rawCoords数目抽稀,得到关键坐标点集合,记作processedCoords,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。
以上表达式中各参数和算符的意义为
gray(y,x)表示灰度图像gray第y行第x列的像素值。
origin(y,x,0)表示真彩图像origin第y行第x列第0通道像素值。origin(y,x,1)、origin(y,x,2)以此类推。
w1、w2、w3是利用大量图片计算出得出的经验值。
表示图像的卷积运算。
需要进一步说明的是,上述步骤中,第(5)步与第(6)步相结合构成了一种改进的漫水填充算法。该算法利用空洞填充的办法,能够对漫水填充后不理想的结果,进行二次填充,达到图像修补的作用。
该算法漫水填充部分的详细步骤为:
第(1)步:设值val等于15;
第(2)步:将sobel作为掩模图像,并获取点击原始图像origin后的起始坐标点,记作(seedX,seedY);
第(3)步:建立一张空白图像rawBlock;
第(4)步:建立空栈stack,并将(seedX,seedY)压入栈中;
第(5)步:如果stack为空栈,则转到第(13)步;否则,转到第(6)步;
第(6)步:从stack栈顶弹出一个坐标点,记作(x,y);
第(7)步:rawBlock(y,x)填充;
第(8)步:如果origin(seedY,seedX)与origin(y,x-1)像素值差小于val,将(x-1,y)压入stack;
第(9)步:如果origin(seedY,seedX)与origin(y,x+1)像素值差小于val,将(x+1,y)压入stack;
第(10)步:如果origin(seedY,seedX)与origin(y-1,x)像素值差小于val,将(x,y-1)压入stack;
第(11)步:如果origin(seedY,seedX)与origin(y+1,x)像素值差小于val,将(x,y+1)压入stack;
第(12)步:返回第(5)步;
第(13)步:结束。
该算法空洞填充部分的详细步骤为:
第(1)步:设计数值i等于0,设值ratio为0.2;
第(2)步:用最小的矩形去裁剪rawBlock中的图块,得到的图像记做block,图像高记做blockH;
第(3)步:如果i小于blockH,则转到第(4)步;否则,转到第(8)步;
第(4)步:找到图像第i行里,第一个白色像素索引记做start,最后一个白色像素索引记做end;
第(5)步:取出start和之end间这一段,记做line,表达式为
line=block(i,j),j∈[start,end]ΙZ
第(6)步:找出line中的所有一段段的黑色像素集合,记做blackSet,对于blackSet中每一个元素blackElement,若其长度与line长度比值小于ratio,则将其填充为白色;否则不做操作。
第(7)步:计数值i增加1,并返回第(3)步;
第(8)步:结束。
附图说明
图1为本方法步骤流程图。
图2为总体模型算法第(1)步所提到的原始图像origin。
图3为总体模型算法第(4)步所得到的,包含边缘信息的图像sobel。
图4为总体模型算法第(5)步中,对一块土地,漫水填充后的结果rawBlock。
图5为总体模型算法第(6)步中,对漫水填充图块进一步空洞填充的结果processedBlock。
图6为总体模型算法第(7)步中,利用Freeman链码得到的轮廓点集合rawCoords。
图7为总体模型算法第(8)步中,多边形拟合后最终呈现的矢量化结果processedCoords。
图8为漫水填充算法的流程图。
图9为空洞填充算法的流程图。
图10为实验中所用到测试图像,图中黑色部分表示所选取的十块土地。
图11为实验中十块土地的标准图块形状,即st。
图12为实验中利用本文算法填充得到的十块土地的图块形状,即ex。
图13为实验中人工标注填充得到的十块土地的图块形状,即hu。
图14为十组数据准确率比较的柱状图。
图15为十组数据操作复杂度比较的柱状图(以操作次数作为度量标准)。
图16为漫水填充算法改进前后矢量化效果对比。
具体实施方式
本文选取了一张从工作现场发回来的图像,该图像中所出现的所有土地都已经被准确地人工栅格矢量化。随机选取十块土地,再通过一系列处理,得到十块土地的标准图块形状,将此记做st.然后,利用本发明所提出的算法,对未矢量化的原始图像进行栅格矢量化测试,得到的十块土地的填充图块形状,记做ex.
需要说明的是st和ex里的图像都是二值图像,即用黑色表示背景,白色表示图块形状。为了测试算法的效果,本文构造出如下的判别函数:
accuracy=correct-error
其中exWhite和stWhite分别表示ex和st白色像素点的坐标集合;len表示求集合里元素的个数;exWhite-stWhite是集合的运算,表示存在于exWhite但不存在于stWhite的元素。三个式子中,correct表示填充正确率,它表征了算法所填充的图块与标准图块的重合程度,即,算法所正确填充的白色像素所占的比例;error表示填充失误率,它表征了算法所错误填充的白色像素所占的比例;accuracy为前两者之差,表征了准确率。
除此之外,实验还将记录矢量化后每块土地的矢量点数目,以及实际操作时的操作次数(主要体现在鼠标点击次数上)。
以下是实验测试得到的数据:
表一:测试算法所得到的实验数据
为了进行对照实验,现让一位未处理过该图片的工作人员,进行人工的标注,并按照上述方法获取人工标注十块土地得到的图块形状,记作hu.
以下是测试得到的数据:
实验区域编号 | 填充正确率 | 填充失误率 | 准确率 | 矢量点数 | 操作次数 |
1 | 85.7% | 1.10% | 84.6% | 10 | 10 |
2 | 93.2% | 2.20% | 91.0% | 5 | 5 |
3 | 90.0% | 1.30% | 88.7% | 8 | 8 |
4 | 89.2% | 3.10% | 86.1% | 8 | 8 |
5 | 93.6% | 1.20% | 92.4% | 19 | 19 |
6 | 92.7% | 1.50% | 91.2% | 9 | 9 |
7 | 91.8% | 1.10% | 90.7% | 6 | 6 |
8 | 89.5% | 1.50% | 88.0% | 10 | 10 |
9 | 96.5% | 0.10% | 96.4% | 5 | 5 |
10 | 89.4% | 0.90% | 88.5% | 9 | 9 |
表二:人工标注矢量化得到的实验数据
对照两张表格,结果表明:本文的算法能够在一定程度上提升栅格矢量化的准确率,且人工进行一块土地的栅格矢量化操作,所需操作次数(即,点击次数)等于需要点选的矢量点的个数,而利用本文的算法进行一次栅格矢量化操作所需的操作次数恒定为1,由此可见,工作效率的明显提升。
Claims (2)
1.一种基于改进漫水填充算法的栅格图像矢量化方法,其特征在于:包括以下步骤,步骤S10:取原始图像,对其进行图像锐化,得到包含边缘信息的图像;步骤S20:点击原始图像,以步骤S10得到的图像作为掩模,通过漫水填充算法,对相应图块进行填充;步骤S30:利用空洞填充算法对步骤S20得到的图块进行修补;步骤S40:根据步骤S30得到的图像,利用Freeman链码轮廓跟踪算法,找到图块轮廓的坐标点集合;步骤S50:根据步骤S40得到的坐标点集合,利用多边形拟合算法,对坐标点数目抽稀,得到关键坐标点集合,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。本发明具有良好的栅格图像矢量化的效果,且相比于人工多处描点的栅格矢量化过程,结合了改进的漫水填充方法与其他多种图像处理算法,实现了自动的栅格图像矢量化。
其总体模型的算法步骤为:
第(1)步:读取原始图像记作origin.并且读出图像高度记作h,图像宽度记作w.
第(2)步:将origin转为灰度图像gray.计算公式为
gray(y,x)=w1·origin(y,x,0)+w2·origin(y,x,1)+w3·origin(y,x,2),
第(3)步:对gray进行高斯模糊,得到的图像记作guass.计算公式为
第(4)步:利用索贝尔算子,对guass进行运算,获取边缘信息,得到的图像记作sobel.计算公式为
第(5)步:将sobel作为掩模,对origin进行漫水填充,得到的图像记作rawBlock;
第(6)步:对rawBlock进行空洞填充,得到的图像记作processedBlock;
第(7)步:利用Freeman链码轮廓跟踪算法,找到processedBlock轮廓的坐标点集合,记作rawCoords;
第(8)步:利用多边形拟合算法,对rawCoords数目抽稀,得到关键坐标点集合,记作processedCoords,并将其之间的连线有序绘制出来,形成轮廓,得到最终的矢量化图像。
以上表达式中各参数和算符的意义为:
gray(y,x)表示灰度图像gray第y行第x列的像素值。
origin(y,x,0)表示真彩图像origin第y行第x列第0通道像素值。origin(y,x,1)、origin(y,x,2)以此类推。
w1、w2、w3是利用大量图片计算出得出的经验值。
表示图像的卷积运算。
2.根据权利要求1所述的一种基于改进漫水填充算法的栅格图像矢量化方法,其特征在于:第(5)步与第(6)步相结合构成了一种改进的漫水填充算法。该算法利用空洞填充的办法,能够对漫水填充后不理想的结果,进行二次填充,达到图像修补的作用。
该算法漫水填充部分的详细步骤为:
第(1)步:设值val等于15;
第(2)步:将sobel作为掩模图像,并获取点击原始图像origin后的起始坐标点,记作(seedX,seedY);
第(3)步:建立一张空白图像rawBlock;
第(4)步:建立空栈stack,并将(seedX,seedY)压入栈中;
第(5)步:如果stack为空栈,则转到第(13)步;否则,转到第(6)步;
第(6)步:从stack栈顶弹出一个坐标点,记作(x,y);
第(7)步:rawBlock(y,x)填色;
第(8)步:如果origin(seedY,seedX)与origin(y,x-1)像素值差小于val,将(x-1,y)压入stack;
第(9)步:如果origin(seedY,seedX)与origin(y,x+1)像素值差小于val,将(x+1,y)压入stack;
第(10)步:如果origin(seedY,seedX)与origin(y-1,x)像素值差小于val,将(x,y-1)压入stack;
第(11)步:如果origin(seedY,seedX)与origin(y+1,x)像素值差小于val,将(x,y+1)压入stack;
第(12)步:返回第(5)步;
第(13)步:结束。
该算法空洞填充部分的详细步骤为:
第(1)步:设计数值i等于0,设值ratio为0.2;
第(2)步:用最小的矩形去裁剪rawBlock中的图块,得到的图像记作block,图像高记作blockH;
第(3)步:如果i小于blockH,则转到第(4)步;否则,转到第(8)步;
第(4)步:找到图像第i行里,第一个白色像素索引记作start,最后一个白色像素索引记作end;
第(5)步:取出start和之end间这一段,记作line,表达式为
line=block(i,j),j∈[start,end]ΙZ
第(6)步:找出line中的所有一段段的黑色像素集合,记作blackSet,对于blackSet中每一个元素blackElement,若其长度与line长度比值小于ratio,则将其填充为白色;否则不做操作。
第(7)步:计数值i增加1,并返回第(3)步;
第(8)步:结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064027.XA CN109801242B (zh) | 2019-01-23 | 2019-01-23 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064027.XA CN109801242B (zh) | 2019-01-23 | 2019-01-23 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801242A true CN109801242A (zh) | 2019-05-24 |
CN109801242B CN109801242B (zh) | 2022-09-02 |
Family
ID=66559988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064027.XA Active CN109801242B (zh) | 2019-01-23 | 2019-01-23 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801242B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766625A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN110955743A (zh) * | 2019-11-29 | 2020-04-03 | 农业农村部规划设计研究院 | 为矢量要素建立空间索引文件的方法和装置 |
CN111598769A (zh) * | 2020-04-27 | 2020-08-28 | 北京吉威时代软件股份有限公司 | 基于轮廓跟踪与影像分块的快速栅格转矢量方法 |
CN112487642A (zh) * | 2020-11-27 | 2021-03-12 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1852389A (zh) * | 2006-04-29 | 2006-10-25 | 北京北大方正电子有限公司 | 一种在排版过程中进行图像勾边的方法 |
US20080192986A1 (en) * | 2005-10-31 | 2008-08-14 | Sony United Kingdom Limited | Video Motion Detection |
CN101968888A (zh) * | 2010-09-08 | 2011-02-09 | 东莞电子科技大学电子信息工程研究院 | 一种适用于移动终端的矢量图形填充方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
CN102930540A (zh) * | 2012-10-26 | 2013-02-13 | 中国地质大学(武汉) | 城市建筑物轮廓检测的方法及系统 |
CN103927727A (zh) * | 2014-04-22 | 2014-07-16 | 成都品果科技有限公司 | 一种标量图像转化为矢量图的方法 |
CN107273608A (zh) * | 2017-06-13 | 2017-10-20 | 中国石油大学(华东) | 一种油藏地质剖面图矢量化方法 |
CN107330979A (zh) * | 2017-06-30 | 2017-11-07 | 电子科技大学中山学院 | 建筑户型的矢量图生成方法、装置及终端 |
CN107507193A (zh) * | 2017-08-04 | 2017-12-22 | 国家海洋环境监测中心 | 高分三号合成孔径雷达影像围填海信息自动提取方法 |
CN107657639A (zh) * | 2017-08-09 | 2018-02-02 | 武汉高德智感科技有限公司 | 一种快速定位目标的方法和装置 |
CN108010047A (zh) * | 2017-11-23 | 2018-05-08 | 南京理工大学 | 一种结合样本一致性和局部二值模式的运动目标检测方法 |
-
2019
- 2019-01-23 CN CN201910064027.XA patent/CN109801242B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080192986A1 (en) * | 2005-10-31 | 2008-08-14 | Sony United Kingdom Limited | Video Motion Detection |
CN1852389A (zh) * | 2006-04-29 | 2006-10-25 | 北京北大方正电子有限公司 | 一种在排版过程中进行图像勾边的方法 |
CN101968888A (zh) * | 2010-09-08 | 2011-02-09 | 东莞电子科技大学电子信息工程研究院 | 一种适用于移动终端的矢量图形填充方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
CN102930540A (zh) * | 2012-10-26 | 2013-02-13 | 中国地质大学(武汉) | 城市建筑物轮廓检测的方法及系统 |
CN103927727A (zh) * | 2014-04-22 | 2014-07-16 | 成都品果科技有限公司 | 一种标量图像转化为矢量图的方法 |
CN107273608A (zh) * | 2017-06-13 | 2017-10-20 | 中国石油大学(华东) | 一种油藏地质剖面图矢量化方法 |
CN107330979A (zh) * | 2017-06-30 | 2017-11-07 | 电子科技大学中山学院 | 建筑户型的矢量图生成方法、装置及终端 |
CN107507193A (zh) * | 2017-08-04 | 2017-12-22 | 国家海洋环境监测中心 | 高分三号合成孔径雷达影像围填海信息自动提取方法 |
CN107657639A (zh) * | 2017-08-09 | 2018-02-02 | 武汉高德智感科技有限公司 | 一种快速定位目标的方法和装置 |
CN108010047A (zh) * | 2017-11-23 | 2018-05-08 | 南京理工大学 | 一种结合样本一致性和局部二值模式的运动目标检测方法 |
Non-Patent Citations (4)
Title |
---|
RUCHIN KANSAL · SUBODH KUMAR: "A vectorization framework for constant and linear gradient filled regions", 《THE VISUAL COMPUTER》 * |
SHRIRAM OKA等: "Vectorization of contour lines from scanned topographic maps", 《AUTOMATION IN CONSTRUCTION》 * |
李文庆等: "基于用户交互的光栅图像局部矢量化方法", 《杭州电子科技大学学报》 * |
李雪超: "基于矢量化的雷达图像研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766625A (zh) * | 2019-10-15 | 2020-02-07 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN110766625B (zh) * | 2019-10-15 | 2022-04-19 | 中国科学院光电技术研究所 | 一种数字图像掩模的快速填充方法 |
CN110955743A (zh) * | 2019-11-29 | 2020-04-03 | 农业农村部规划设计研究院 | 为矢量要素建立空间索引文件的方法和装置 |
CN111598769A (zh) * | 2020-04-27 | 2020-08-28 | 北京吉威时代软件股份有限公司 | 基于轮廓跟踪与影像分块的快速栅格转矢量方法 |
CN112487642A (zh) * | 2020-11-27 | 2021-03-12 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
CN112487642B (zh) * | 2020-11-27 | 2024-02-13 | 成都大学 | 一种基于漫水填充算法的疲劳断口形貌特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109801242B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801242A (zh) | 一种基于改进漫水填充算法的栅格图像矢量化方法 | |
CN104820991B (zh) | 一种基于代价矩阵的多重软约束立体匹配方法 | |
CN111353969B (zh) | 道路可行驶区域的确定方法、装置及计算机设备 | |
CN103544711B (zh) | 遥感影像的自动配准方法 | |
CN107610131A (zh) | 一种图像裁剪方法和图像裁剪装置 | |
CN110310292B (zh) | 一种手腕部参照骨分割方法 | |
CN111833237B (zh) | 基于卷积神经网络和局部单应性变换的图像配准方法 | |
US20120146991A1 (en) | Rendering personalized text on curved image surfaces | |
CN109583483A (zh) | 一种基于卷积神经网络的目标检测方法和系统 | |
CN106484692A (zh) | 一种三维模型检索方法 | |
US9626761B2 (en) | Sampling method and image processing apparatus of CS-RANSAC for estimating homography | |
CN110596008B (zh) | 基于地块的中国洪积平原农业区土壤养分数字制图方法 | |
Tianqi et al. | Development and application of a new algorithm for automated pit removal for grid DEMs | |
CN109035289B (zh) | 基于切比雪夫不等式h阈值的紫色土图像分割提取方法 | |
CN104217436A (zh) | 基于多特征联合稀疏图的sar图像分割方法 | |
CN105447452A (zh) | 一种基于地物空间分布特征的遥感亚像元制图方法 | |
CN111161274A (zh) | 腹部图像分割方法、计算机设备 | |
CN115641415A (zh) | 基于卫星影像生成三维场景的方法、装置、设备及介质 | |
CN110533713A (zh) | 桥梁裂缝宽度高精度测量方法及测量装置 | |
CN103854282B (zh) | 基于修正遗传算法的高光谱亚像元定位方法 | |
US8098926B2 (en) | Method and system for evaluating an evaluated pattern of a mask | |
CN104809336A (zh) | 一种考虑空间相关性的区域要素抽样方法 | |
CN114821192A (zh) | 一种结合语义信息的遥感影像高程预测方法 | |
CN114842326A (zh) | 一种免定标檀香树植株缺苗定位方法 | |
CN109086655A (zh) | 基于对称初始化和聚集度优化的亚像元定位方法和系统 |
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 |