CN110348483B - 基于空间信息与统计学习的空间信息变化检测与分类方法 - Google Patents
基于空间信息与统计学习的空间信息变化检测与分类方法 Download PDFInfo
- Publication number
- CN110348483B CN110348483B CN201910494904.7A CN201910494904A CN110348483B CN 110348483 B CN110348483 B CN 110348483B CN 201910494904 A CN201910494904 A CN 201910494904A CN 110348483 B CN110348483 B CN 110348483B
- Authority
- CN
- China
- Prior art keywords
- module
- spatial information
- classification
- elements
- change
- 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
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于空间信息与统计学习的空间信息变化检测与分类方法，通过全面采集空间信息，分析确定矢量图层中各类空间要素的变化特征与分类规则，并结合统计学习理论，使用支持向量机模型进行样本训练，进而对空间信息变化进行检测与分类；通过上述方式，本发明能够实现对空间信息变化的全面、快速检测与分类，提高检测精度，且方法简便，能适用于样本数量较少的情况，应用范围较广。
Description
技术领域
本发明涉及空间信息变化检测领域，特别是涉及一种基于空间信息与统计学习的空间信息变化检测与分类方法。
背景技术
空间信息作为反映地理实体空间分布特征的信息，是重要的基础设施资源，其数据的及时、准确更新关系着地理信息系统的可持续发展，目前空间信息的更新方式可以分为批量更新和增量更新两种：其中批量更新指删除研究范围内全部旧数据，用新数据替代，这种更新方式需要生产全部数据，不仅工作量大、耗时较长，且重复存储了未发生变化的数据，产生大量冗余数据，增加管理和维护难度；增量更新则是通过新旧数据匹配后，检查并提取出发生变化的部分作为增量信息，只针对变化部分进行局部更新操作，从而避免重复劳动、提高更新效率，而对空间信息的全面采集以及对其变化的准确检测和分类则是增量更新的前提；同时，对空间信息的变化检测与分类也更有助于分析变化情况并预测未来趋势。
在空间信息的采集方面，尽管各地都十分重视，并建成了大量基础地理信息数据库，但当前对空间信息的采集主要是针对地上的实体分布，对地下的信息则主要局限于城市地下工程的分布，对其他地下信息则涉及较少，其中，地下水的分布是地下信息的关键要素之一，地下水不仅是一种宝贵的淡水资源，其对岩石的冲刷、溶蚀也与地质灾害密切相关，因此，充分采集地下水的分布信息，并对其进行变化检测与分类，不仅有助于地质灾害的预测，而且对于弥补我国淡水资源的不足有重要意义。
基于所采集的空间信息，在进行空间信息变化检测与分类时，按照数据形式不同可以分为遥感影像和矢量数据两个主要方向，其中遥感影像变化检测与分类技术的研究比较成熟，已提出了多种变化检测模型方法，可根据不同需求选择适用的方法；而矢量数据由于具有几何信息和属性信息，其变化检测与遥感影像相比难度更大，现有的变化检测与分类方法数量较少，且在实际变化检测过程中漏检问题普遍存在，检测的精度较低；人工复检则工作量大、检测时间较长，而传统机器学习方法对训练样本数量要求较大，实际应用时具有一定局限性，目前仍缺乏精确、高效的变化检测模型和基础理论。
发明内容
基于现有空间信息中地下空间信息缺乏、空间信息变化检测与分类方法在矢量数据检测方面存在的精度较低、耗时较长、整体效率不高等问题，本发明提供一种基于空间信息与统计学习的空间信息变化检测与分类方法，通过全面采集空间信息，分析确定矢量图层中各类空间要素的变化特征与分类规则，并结合统计学习理论，使用支持向量机模型进行样本训练，从而实现对空间信息变化的快速检测与分类，并提高检测精度。
为实现上述目的，本发明提供了一种基于空间信息与统计学习的空间信息变化检测与分类方法，包括如下步骤：
(1)空间信息采集：对同一研究区域的新、旧空间信息进行采集；
(2)数据预处理：对所得空间信息数据进行统一化处理；
(3)制定空间信息变化检测与分类规则：对变化前后各空间要素进行匹配，根据空间要素的特征制定对应的变化检测与分类规则；
(4)样本训练与检测分类：通过样本训练构建支持向量机分类器，并对待测数据进行变化检测与分类。
进一步地，所述步骤(1)中的空间信息可分为地上信息和地下信息，其中，地上信息由对应数据库直接获取，地下信息需进行实地采集，以探测地下水分布为主，步骤如下：
a、选定探测区域，按方形回线的方式布置发射线圈；
b、选定数据采集点，铺设方形接收线圈；
c、启动探测装置，通过电磁信号的发射与接收对地下水的分布情况进行探测；
d、使用上位机中的反演软件对所接收的信息进行反演解译，获得该采集点不同深度下的含水率；
e、重复上述步骤，对同一直线上多个数据采集点进行采集，并将所得解译结果导入GIS系统进行矢量化，根据剖面内含水量进行分区，获得对应剖面的水分布矢量图层。
其中，所述探测装置由用于发射电磁信号的发射系统、用于接收反射的电磁信号的接收系统和用于仪器控制及数据通信的通信系统组成；所述发射系统包括控制模块、驱动模块、功率发射模块、发射天线模块和蓄电池；所述接收系统包括信号采集模块、磁共振调节模块、瞬变电磁调节模块和接收天线模块；所述通信系统包括端口扩展模块、接口转换模块以及用于数据处理和显示的上位机。
所述上位机经接口转换模块依次连接储能电源模块、功率发射模块和发射天线模块；所述上位机还经接口转换模块依次连接控制模块、驱动模块、功率发射模块和发射天线模块，所述控制模块分别与信号采集模块和储能电源模块连接，所述上位机经端口扩展模块、信号采集模块和磁共振调节模块与接收天线模块相连。
进一步地，所述功率发射模块、发射天线模块、信号采集模块和接收天线模块内都包含磁共振和瞬变电磁两种工作模式，使用时根据需要通过开关、继电器或通信接口进行模式切换。
进一步地，所述步骤(2)中的统一化处理指的是对变化前后的空间信息数据进行数据格式统一、属性格式统一以及坐标系统统一，便于进行匹配比较。
进一步地，所述步骤(3)中空间要素的匹配包括属性匹配和几何匹配，其中，空间要素按研究目的不同可以分为点要素、线要素和面要素，需根据其几何特征分别制定检测分类规则：
对于空间点要素，其几何变化类型可分为移动、新增和消失：将属性相同但几何位置不同的点要素定义为移动；将属性不同且仅属于新图层中的点要素定义为新增；将属性不同且仅属于旧图层中的点要素定义为消失；
对于空间线要素，其几何变化类型可分为移动、新增、消失、延长、缩短和变形：将属性相同、形状和长度相同、仅位置不同的线要素定义为移动；将属性不同且仅属于新图层中的线要素定义为新增；将属性不同且仅属于旧图层中的线要素定义为消失；将属性相同、形状和位置相同、仅长度增加的线要素定义为延长；将属性相同、形状和位置相同、仅长度减少的线要素定义为缩短；将属性相同、长度和位置相同、仅形状不同的线要素定义为变形；
对于空间面要素，其几何变化类型可分为移动、新增、消失、扩大、缩小和变形：将属性相同、面积和形状相同、仅位置改变的要素定义为移动；将属性不同且仅属于新图层中的面要素定义为新增；将属性不同且仅属于旧图层中的面要素定义为消失；将属性相同、面积增加的面要素定义为扩大；将属性相同、面积减小的面要素定义为缩小；将属性相同、面积相同但形状不同的面要素定义为变形。
进一步地，所述步骤(4)中支持向量机分类器的构建指的是基于上述分类规则，选取相应的特征因子，依次进行匹配，对每种变化类型各提取部分样本作为训练集，使用支持向量机进行样本训练，生成分类模型；剩余样本则作为测试集，使用生成的分类模型进行检测与分类；
其中，对空间点要素的分类选择属性和点坐标作为特征因子；对空间线要素的分类选择属性、形状、线长和端点坐标作为特征因子；对空间面要素的分类选择属性、面积、形状和中心坐标作为特征因子。
本发明的有益效果是：
1、本发明通过全面采集空间信息，分析矢量图层中各类空间要素的变化特征与分类规则，并结合统计学习理论，使用支持向量机模型进行样本训练，实现了对空间信息变化的快速检测与分类，并提高检测精度；
2、本发明采用探测装置对地下水分布进行探测，通过对水分布情况的变化检测，拓展了空间信息变化检测与分类在地质灾害预测及淡水资源开发方面的应用，弥补了地下空间信息的数据空缺；
3、本发明基于统计学习理论，采用具有良好泛化性能的支持向量机分类模型，能适用于样本数量较少的情况，且方法简便，应用范围较广。
附图说明
图1是本发明提供的基于空间信息与统计学习的空间信息变化检测与分类方法的流程图；
图2是本发明实施例1中空间线要素的变化匹配与分类示意图；
图3是本发明实施例2中探测装置的系统结构图；
图4是本发明实施例2中测得的不同深度下的含水率分布图；
图5是本发明实施例2中空间面要素的变化匹配与分类示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本实施例以道路信息为例，提供了一种基于空间信息与统计学习的空间信息变化检测与分类方法，包括如下步骤：
(1)空间信息采集：对同一研究区域的新、旧道路信息进行采集；
(2)数据预处理：对所得新、旧道路信息数据进行统一化处理；
其中，所述统一化处理指的是对变化前后的道路信息数据进行数据格式统一、属性格式统一以及坐标系统一，以便进行匹配比较。
(3)制定空间信息变化检测与分类规则：对变化前后各空间要素进行匹配，根据空间要素的特征制定对应的变化检测与分类规则；
其中，所述空间要素的匹配包括属性匹配和几何匹配；在道路信息变化检测中，把道路作为空间线要素进行分析，其几何变化类型可分为移动、新增、消失、延长、缩短和变形：将属性相同、形状和长度相同、仅位置不同的线要素定义为移动；将属性不同且仅属于新图层中的线要素定义为新增；将属性不同且仅属于旧图层中的线要素定义为消失；将属性相同、形状和位置相同、仅长度增加的线要素定义为延长；将属性相同、形状和位置相同、仅长度减少的线要素定义为缩短；将属性相同、长度和位置相同、仅形状不同的线要素定义为变形。
(4)样本训练与检测分类：通过样本训练构建支持向量机分类器，并对待测数据进行变化检测与分类，具体步骤如下：
首先，按照步骤(3)中的分类规则，选取属性、形状、线长和端点坐标作为特征因子，依次进行匹配，如图2所示：先对属性是否相同进行匹配，得出属性变化则根据该要素属于新道路图层或旧道路图层将其分类为新增或消失；得出属性不变则继续对形状是否发生变化进行匹配，对于形状变化的要素则分类为变形；而形状不变的要素则继续对其线长进行匹配，对于线长变化的按其变长或变短将其分类为延长或缩短；对于线长不变的仍继续对其线段的端点坐标进行匹配，坐标变化则分类为移动，坐标不变则视为未发生变化。
再从新增、消失、变形、延长、缩短、移动和未变化的七类中各提取部分样本作为训练集，使用支持向量机进行样本训练，生成分类模型；剩余样本则作为测试集，使用生成的分类模型进行检测与分类，输出道路变化及分类情况，对其各类变化个数进行统计，并与实际变化数据进行对比，结果如表1所示：
表1道路各类变化统计表
| 变化类型 | 新增 | 消失 | 变形 | 延长 | 缩短 | 移动 | 未变化 |
| 测得变化数量 | 189 | 43 | 17 | 59 | 21 | 0 | 311 |
| 实际变化数量 | 192 | 41 | 18 | 59 | 20 | 0 | 310 |
| 准确率/％ | 98.4 | 95.3 | 94.4 | 100 | 95.2 | 100 | 99.7 |
由表1中结果可以得出，检测结果准确率平均为97.6％，即使对于样本数量较少的情况也能适用，检测精度较高。
实施例2
本实施例以地下水分布信息为例，提供了一种基于空间信息与统计学习的空间信息变化检测与分类方法，包括如下步骤：
(1)空间信息采集：对同一研究区域的新、旧地下水信息进行采集；
利用探测装置，对研究区域地下水信息进行采集，具体步骤如下：
a、选定探测区域，按方形回线的方式布置发射线圈；
b、选定数据采集点，铺设方形接收线圈；
c、启动探测装置，通过电磁信号的发射与接收对地下水的分布情况进行探测；
d、使用上位机中的反演软件对所接收的信息进行反演解译，获得该采集点不同深度下的含水率，结果如图3所示；
e、重复上述步骤，对同一直线上多个数据采集点进行采集，并将所得解译结果导入GIS系统进行矢量化，根据剖面内含水量进行分区，获得对应剖面的水分布矢量图层。
参照图3，所述探测装置由用于发射电磁信号的发射系统、用于接收反射的电磁信号的接收系统和用于仪器控制及数据通信的通信系统组成；所述发射系统包括控制模块、驱动模块、功率发射模块、发射天线模块和蓄电池；所述接收系统包括信号采集模块、磁共振调节模块、瞬变电磁调节模块和接收天线模块；所述通信系统包括端口扩展模块、接口转换模块以及用于数据处理和显示的上位机。
上位机经接口转换模块依次连接储能电源模块、功率发射模块和发射天线模块；所述上位机还经接口转换模块依次连接控制模块、驱动模块、功率发射模块和发射天线模块，所述控制模块分别与信号采集模块和储能电源模块连接，所述上位机经端口扩展模块、信号采集模块和磁共振调节模块与接收天线模块相连。
同时，功率发射模块、发射天线模块、信号采集模块和接收天线模块内都包含磁共振和瞬变电磁两种工作模式，使用时根据需要通过开关、继电器或通信接口进行模式切换。
(2)数据预处理：对所得空间信息数据进行统一化处理；
其中，所述统一化处理指的是对变化前后的地下水分布信息数据进行数据格式统一、属性格式统一以及坐标系统一，以便进行匹配比较。
(3)制定空间信息变化检测与分类规则：对变化前后各空间要素进行匹配，根据空间要素的特征制定对应的变化检测与分类规则；
其中，所述空间要素的匹配包括属性匹配和几何匹配；在地下水信息变化检测中，把各区域的含水量分布作为空间面要素进行分析，其几何变化类型可分为移动、新增、消失、扩大、缩小和变形：将属性相同、面积和形状相同、仅位置改变的要素定义为移动；将属性不同且仅属于新图层中的面要素定义为新增；将属性不同且仅属于旧图层中的面要素定义为消失；将属性相同、面积增加的面要素定义为扩大；将属性相同、面积减小的面要素定义为缩小；将属性相同、面积相同但形状不同的面要素定义为变形。
(4)样本训练与检测分类：通过样本训练构建支持向量机分类器，并对待测数据进行变化检测与分类，具体步骤如下：
首先，按照步骤(3)中的分类规则，选取属性、面积、形状和中心坐标作为特征因子，依次进行匹配，如图4所示：先对属性是否相同进行匹配，得出属性变化则根据该要素属于新图层或旧图层将其分类为新增或消失；得出属性不变则继续对面积是否发生变化进行匹配，对于面积变化的要素按其变大或变小将其分类为扩大或缩小；而面积不变的要素则继续对其形状进行匹配，对于形状变化将其分类为变形；对于形状不变的仍继续对其中心点的坐标进行匹配，坐标变化则分类为移动，坐标不变则视为未发生变化。
再从新增、消失、扩大、缩小、变形、移动和未变化的七类中各提取部分样本作为训练集，使用支持向量机进行样本训练，生成分类模型；剩余样本则作为测试集，使用生成的分类模型进行检测与分类，输出地下水分布的变化及分类情况，对其各类变化个数进行统计，结果如表2所示：
表2地下水分布变化统计表
| 变化类型 | 新增 | 消失 | 扩大 | 缩小 | 变形 | 移动 | 未变化 |
| 测得变化数量 | 79 | 18 | 137 | 26 | 5 | 0 | 75 |
| 实际变化数量 | 78 | 19 | 135 | 28 | 6 | 0 | 74 |
| 准确率/％ | 98.7 | 94.7 | 98.5 | 92.9 | 83.3 | 100 | 98.7 |
由表2中结果可以看出，除变化数量特别少时因个别样本误差会导致准确率相对较低，其余情况下准确率都在98％左右，测试精度较高，对一般样本数量相对较少的情况均能适用。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于空间信息与统计学习的空间信息变化检测与分类方法，其特征在于，包括如下步骤：
(1)空间信息采集：对同一研究区域的新、旧空间信息进行采集；
(2)数据预处理：对所得空间信息数据进行统一化处理；
(3)制定空间信息变化检测与分类规则：对变化前后各空间要素进行匹配，根据空间要素的特征制定对应的变化检测与分类规则；
(4)样本训练与检测分类：通过样本训练构建支持向量机分类器，并对待测数据进行变化检测与分类；
所述步骤(2)中的统一化处理包括对变化前后的空间信息数据进行数据格式统一、属性格式统一以及坐标系统一；
所述步骤(3)中空间要素的匹配包括属性匹配和几何匹配，其中，空间要素按研究目的不同分为点要素、线要素和面要素；
所述步骤(4)中支持向量机分类器的构建指的是基于各空间要素的分类规则，选取相应的特征因子，依次进行匹配，对每种变化类型各提取部分样本作为训练集，使用支持向量机进行样本训练，生成分类模型；剩余样本则作为测试集，通过生成的分类模型进行检测与分类；
空间点要素的几何变化类型分为移动、新增和消失；空间线要素的几何变化类型分为移动、新增、消失、延长、缩短和变形；空间面要素的几何变化类型分为移动、新增、消失、扩大、缩小和变形；
对空间点要素的分类选择属性和点坐标作为特征因子；对空间线要素的分类选择属性、形状、线长和端点坐标作为特征因子；对空间面要素的分类选择属性、面积、形状和中心坐标作为特征因子；
所述步骤(1)中的空间信息分为地上信息和地下信息，其中，地上信息由对应数据库直接获取，地下信息需进行实地采集，以探测地下水分布，步骤如下：
a、选定探测区域，按方形回线的方式布置发射线圈；
b、选定数据采集点，铺设方形接收线圈；
c、启动探测装置，通过电磁信号的发射与接收对地下水的分布情况进行探测；
d、使用上位机中的反演软件对所接收的信息进行反演解译，获得该采集点不同深度下的含水率；
e、重复上述步骤，对同一直线上多个数据采集点进行采集，并将所得解译结果导入GIS系统进行矢量化，根据剖面内含水量进行分区，获得对应剖面的水分布矢量图层。
2.根据权利要求1所述的一种基于空间信息与统计学习的空间信息变化检测与分类方法，其特征在于：所述探测装置由用于发射电磁信号的发射系统、用于接收反射的电磁信号的接收系统和用于仪器控制及数据通信的通信系统组成；所述发射系统包括控制模块、驱动模块、功率发射模块、发射天线模块和蓄电池；所述接收系统包括信号采集模块、磁共振调节模块、瞬变电磁调节模块和接收天线模块；所述通信系统包括端口扩展模块、接口转换模块以及用于数据处理和显示的上位机。
3.根据权利要求2所述的一种基于空间信息与统计学习的空间信息变化检测与分类方法，其特征在于：所述上位机经接口转换模块依次连接储能电源模块、功率发射模块和发射天线模块；所述上位机还经接口转换模块依次连接控制模块、驱动模块、功率发射模块和发射天线模块，所述控制模块分别与信号采集模块和储能电源模块连接，所述上位机经端口扩展模块、信号采集模块和磁共振调节模块与接收天线模块相连。
4.根据权利要求3所述的一种基于空间信息与统计学习的空间信息变化检测与分类方法，其特征在于：所述功率发射模块、发射天线模块、信号采集模块和接收天线模块内都包含磁共振和瞬变电磁两种工作模式，使用时根据需要通过开关、继电器或通信接口进行模式切换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910494904.7A CN110348483B (zh) | 2019-06-06 | 2019-06-06 | 基于空间信息与统计学习的空间信息变化检测与分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910494904.7A CN110348483B (zh) | 2019-06-06 | 2019-06-06 | 基于空间信息与统计学习的空间信息变化检测与分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110348483A CN110348483A (zh) | 2019-10-18 |
| CN110348483B true CN110348483B (zh) | 2021-09-21 |
Family
ID=68181643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910494904.7A Active CN110348483B (zh) | 2019-06-06 | 2019-06-06 | 基于空间信息与统计学习的空间信息变化检测与分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110348483B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113033494B (zh) * | 2021-04-28 | 2021-09-24 | 温州中纬测绘有限公司 | 基于地理空间信息数据测绘的测绘数据采集系统 |
| CN115238800B (zh) * | 2022-07-27 | 2023-04-28 | 湖北省地质环境总站 | 一种基于ocsvm的矢量面状要素匹配方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104049245A (zh) * | 2014-06-13 | 2014-09-17 | 中原智慧城市设计研究院有限公司 | 基于LiDAR点云空间差异分析的城市建筑物变化检测方法 |
| CN104280780A (zh) * | 2014-10-28 | 2015-01-14 | 吉林大学 | 核磁共振与瞬变电磁联用仪及工作方法 |
| CN104899897A (zh) * | 2015-05-27 | 2015-09-09 | 中国科学院地理科学与资源研究所 | 一种基于历史数据挖掘的高分遥感影像土地覆盖变化检测方法 |
| CN106683112A (zh) * | 2016-10-10 | 2017-05-17 | 中国交通通信信息中心 | 一种基于高分辨率图像的道路路域建筑物变化提取方法 |
| JP2018186375A (ja) * | 2017-04-25 | 2018-11-22 | Kddi株式会社 | 移動体制御システム、プログラム、及び制御方法 |
| CN109146876A (zh) * | 2018-09-14 | 2019-01-04 | 四川省安全科学技术研究院 | 一种基于高分遥感影像的矿山环境变化检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593201A (zh) * | 2009-05-27 | 2009-12-02 | 武汉大学 | 地理空间数据增量信息的提取方法 |
| CN102799621B (zh) * | 2012-06-25 | 2015-03-25 | 国家测绘局卫星测绘应用中心 | 矢量时空数据变化检测方法及其系统 |
| CN105551028B (zh) * | 2015-12-09 | 2018-02-23 | 中山大学 | 一种基于遥感影像的地理空间数据动态更新的方法及系统 |
| CN108846832B (zh) * | 2018-05-30 | 2021-06-15 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
-
2019
- 2019-06-06 CN CN201910494904.7A patent/CN110348483B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104049245A (zh) * | 2014-06-13 | 2014-09-17 | 中原智慧城市设计研究院有限公司 | 基于LiDAR点云空间差异分析的城市建筑物变化检测方法 |
| CN104280780A (zh) * | 2014-10-28 | 2015-01-14 | 吉林大学 | 核磁共振与瞬变电磁联用仪及工作方法 |
| CN104899897A (zh) * | 2015-05-27 | 2015-09-09 | 中国科学院地理科学与资源研究所 | 一种基于历史数据挖掘的高分遥感影像土地覆盖变化检测方法 |
| CN106683112A (zh) * | 2016-10-10 | 2017-05-17 | 中国交通通信信息中心 | 一种基于高分辨率图像的道路路域建筑物变化提取方法 |
| JP2018186375A (ja) * | 2017-04-25 | 2018-11-22 | Kddi株式会社 | 移動体制御システム、プログラム、及び制御方法 |
| CN109146876A (zh) * | 2018-09-14 | 2019-01-04 | 四川省安全科学技术研究院 | 一种基于高分遥感影像的矿山环境变化检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 结合空间信息的PTSVM的遥感图像变化检测;高桂荣 等;《信息技术及图像处理》;20160430;第39卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110348483A (zh) | 2019-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
| CN112287807B (zh) | 一种基于多分支金字塔神经网络的遥感影像道路提取方法 | |
| CN111651545A (zh) | 一种基于多源数据融合的城市边缘区提取方法 | |
| CN111062361B (zh) | 一种河湖岸线采砂监测分析的方法及装置 | |
| CN106228808B (zh) | 基于浮动车时空网格数据的城市快速路旅行时间预测方法 | |
| CN109493119B (zh) | 一种基于poi数据的城市商业中心识别方法及系统 | |
| CN102332210A (zh) | 基于手机定位数据的实时城市道路交通流数据提取方法 | |
| CN110348483B (zh) | 基于空间信息与统计学习的空间信息变化检测与分类方法 | |
| CN107656987A (zh) | 一种基于lda模型的地铁站点功能挖掘方法 | |
| CN112199758A (zh) | 基于bim技术的基坑工程设计与动态风险分析方法及系统 | |
| CN116720984B (zh) | 一种基于卫星地图技术的智慧电力审计方法 | |
| CN107979817A (zh) | 一种移动终端二维指纹定位方法 | |
| CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
| CN103995944A (zh) | 一种空间异常极值无偏等值图绘制方法 | |
| CN116628462B (zh) | 城市三维空间用地功能属性识别与时空变化监测分析方法 | |
| Li et al. | Automated bridge crack detection based on improving encoder–decoder network and strip pooling | |
| CN114612800A (zh) | 一种核算城市群建筑物质存量及时空变化的方法、系统 | |
| CN111475598A (zh) | 一种电力工程设计中的配电网综合规划系统及方法 | |
| Tran et al. | A spatial co-location pattern mining algorithm without distance thresholds | |
| CN112926260A (zh) | 一种岩土材料物理力学参数准确估值新方法 | |
| CN103136424B (zh) | 面向通用设计结构发掘的装配模型定量描述方法 | |
| CN114037695B (zh) | 一种基于ct扫描图像的复杂裂缝网络开度分析方法 | |
| CN117541928B (zh) | 一种基于卷积神经网络的城市建筑物质存量估算方法及系统 | |
| CN117951239B (zh) | 街道空间破碎度确定方法及装置、电子设备 | |
| CN114363825B (zh) | 一种基于mr常驻地的建筑物属性识别方法及系统 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 401320 No. 906, Shangwen Avenue, Longzhouwan street, Banan District, Chongqing Patentee after: Chongqing University of Finance and Economics Address before: 401320 No. 906, Shangwen Avenue, Longzhouwan street, Banan District, Chongqing Patentee before: RONGZHI COLLEGE OF CHONGQING TECHNOLOGY AND BUSINESS University |