CN110378316A - 一种提取遥感影像地物识别样本的方法及系统 - Google Patents

一种提取遥感影像地物识别样本的方法及系统 Download PDF

Info

Publication number
CN110378316A
CN110378316A CN201910688046.XA CN201910688046A CN110378316A CN 110378316 A CN110378316 A CN 110378316A CN 201910688046 A CN201910688046 A CN 201910688046A CN 110378316 A CN110378316 A CN 110378316A
Authority
CN
China
Prior art keywords
rectangle
module
history
preset threshold
remote sensing
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
Application number
CN201910688046.XA
Other languages
English (en)
Other versions
CN110378316B (zh
Inventor
张竹林
姚凌
王喆
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.)
Apocalypse Remote Sensing Science And Technology Ltd Of Section In Suzhou
Original Assignee
Apocalypse Remote Sensing Science And Technology Ltd Of Section In Suzhou
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 Apocalypse Remote Sensing Science And Technology Ltd Of Section In Suzhou filed Critical Apocalypse Remote Sensing Science And Technology Ltd Of Section In Suzhou
Priority to CN201910688046.XA priority Critical patent/CN110378316B/zh
Publication of CN110378316A publication Critical patent/CN110378316A/zh
Application granted granted Critical
Publication of CN110378316B publication Critical patent/CN110378316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明揭示了一种提取遥感影像地物识别样本的方法及系统,方法包括:获取历史GIS矢量数据及历史遥感影像,对历史GIS矢量数据进行栅格化获得标记影像;遍历历史GIS矢量数据中的要素,判断要素的面积是否大于预设阈值,并在大于时获取要素外接的矩形的中心点;判断中心点是否位于要素内部,当中心点在内部时判断矩形的大小是否在预设阈值范围内,当中心点不在内部时重新构造矩形后判断矩形的大小是否在预设阈值范围内;当矩形的大小在预设阈值范围内时以矩形为裁切范围裁切历史遥感影像和标记影像,生成遥感影像地物识别样本。本发明无需人工参与即可自动地从遥感影像中的提取出大量的地物识别样本,节省时间及人工成本。

Description

一种提取遥感影像地物识别样本的方法及系统
技术领域
本发明涉及遥感影像处理技术领域,尤其是涉及一种提取遥感影像地物识别样本的方法及系统。
背景技术
随着遥感技术的飞速发展,遥感影像被广泛应用于军事侦察、农业侦测及城乡规划等领域。遥感影像含有丰富的地物信息,如何快速、准确地识别和提取遥感影像中的地物信息已成为当前遥感影像应用面临的巨大挑战。对于遥感影像中地物信息的识别及提取常通过样本进行识别提取。为从遥感影像中识别及提取地物信息,需先建立大量的地物识别样本。现有技术中,人工标绘方法仍是当前提取遥感影像地物识别样本的主流方法,也即需要哪个类型的样本,则通过人工将相应的地物从遥感影像中重新标绘出,最终形成样本数据。
然而,由于遥感影像中地物类型的专业性,影像中存在大量同谱异物、同物异谱现象,对于缺乏实际工作经验或缺乏相应专业知识的人员难以从遥感影像中准确的识别地物并将其标绘出。同时,由于地物形状的复杂性,同种地物在影像中的表现形态千差万别,相对于人脸、汽车等形状规格相对统一的样本标绘难度更高、耗时更长,成本更高,因此,制作质量较高的样本需投入大量有丰富生产经验的专业人员,使人力成本和时间成本大大增加。
另外,现有技术中,提取样本的方法还包括从历史矢量数据中提取样本的方法。由于矢量要素形状的复杂性,在历史矢量数据中人工需选择一批形状规则的要素生成样本,如偏矩形或圆形的要素,对于其他不规则形状,如凸多边形或凹多边形的要素,则无法提取样本,最终导致最终样本数量较少,并且人工选取样本,费时费力。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种无需人工参与即可自动地从遥感影像中提取出大量地物识别样本,并节省时间及人工成本的提取遥感影像地物识别样本的方法及系统。
为实现上述目的,本发明提出如下技术方案:一种提取遥感影像地物识别样本的方法,包括步骤:
S100,获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像;
S200,对所述历史GIS矢量数据进行栅格化,获得标记影像;
S300,遍历所述历史GIS矢量数据中的每个要素,并判断要素是否为多部件,若是,则选取多部件中面积最大的部件作为要素,并执行步骤S400,否则,直接执行步骤S400;
S400,判断要素的面积是否大于第一预设阈值,若是,则获取要素外接的矩形的中心点,并执行步骤S500;
S500,判断所述中心点是否位于要素内部,若是,则直接执行步骤S600,否则,根据所述中心点、要素及要素外接的矩形重新构造出矩形,并执行步骤S600;
S600,判断矩形的长度和宽度是否均在第二预设阈值范围内,若是,则以矩形为裁切范围裁剪所述历史遥感影像和标记影像,生成遥感影像地物识别样本。
优选地,在步骤S400中,第一预设阈值为300像素。
优选地,在步骤S500中,根据所述中心点、要素及要素外接的矩形重新构造出矩形包括:
S501,以中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;
S502,获取四个第一线段与要素相交所形成的数个第二线段;
S503,作数个所述第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;
S504,根据长度最长的第二线段及第三线段构造矩形。
优选地,在步骤S600中,第二预设阈值的范围为10~400像素。
优选地,在步骤S600中,若矩形的长度和宽度均大于最大第二预设阈值,则将矩形的长度和宽度均缩小至最大第二预设阈值后以矩形为裁切范围裁剪历史遥感影像和标记影像。
本发明还揭示了一种提取遥感影像地物识别样本的系统,包括
数据获取模块,用于获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像;
栅格化模块,与所述数据获取模块相连,用于对历史GIS矢量数据进行栅格化,获得标记影像;
第一判断模块,与所述数据获取模块相连,用于遍历历史GIS矢量数据中的每个要素,并判断要素是否为多部件;
选择模块,与所述第一判断模块相连,用于在第一判断模块判断要素为多部件时选取面积最大的部件作为要素;
第二判断模块,与所述第一判断模块和选择模块均相连,用于判断要素的面积是否大于第一预设阈值;
中心点获取模块,与所述第二判断模块相连,用于在第二判断模块判断要素的面积大于第一预设阈值时获取要素外接的矩形的中心点;
第三判断模块,与所述中心点获取模块相连,用于判断中心点是否位于要素内部;
矩形重构模块,与所述第三判断模块相连,用于在第三判断模块判断中心点不在要素内部时根据所述中心点、要素及要素外接的矩形重新构造出矩形;
第四判断模块,与所述第三判断模块和矩形重构模块均相连,用于判断矩形的长度和宽度是否在第二预设阈值范围内;
样本生成模块,与所述第四判断模块相连,用于在第四判断模块判断矩形的面积在第二预设范围内时,以所述矩形为裁切范围裁剪所述历史遥感影像和标记影像,形成遥感影像地物识别样本。
优选地,所述第一预设阈值为300像素。
优选地,所述矩形重构模块包括
第一构造模块,用于以所述中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;
第二构造模块,用于获取四个第一线段与要素相交所形成的数个第二线段;
第三构造模块,用于作所述数个第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;
第四构造模块,用于根据长度最长的第二线段及第三线段重新构造矩形。
优选地,所述第二预设阈值的范围为10~400像素。
优选地,系统还包括缩放模块,所述缩放模块用于在矩形的长度和宽度均大于最大第二预设阈值时将矩形的长度和宽度均缩小至最大第二预设阈值。
本发明的有益效果是:
本发明能够从形状复杂的要素,如形状为凸多边形或者凹多边形的要素中提取出遥感影像地物识别样本,使样本的数量大大增加,并且样本提取过程无需人工参与,省去人工筛选的时间,节约人工成本。
附图说明
图1是本发明的流程图示意图;
图2是形状为凸多边形的要素示意图;
图3是形状为凹多边形的要素一示意图;
图4是形状为凹多边形的要素二示意图;
图5是形状为凹多边形的要素三示意图;
图6是本发明的结构框图示意图。
具体实施方式
下面将结合本发明的附图,对本发明实施例的技术方案进行清楚、完整的描述。
本发明所揭示的一种提取遥感影像地物识别样本的方法,无需人工参与即可自动地从遥感影像中的提取出大量的地物识别样本,节省时间及人工成本。
如1所示,为本发明所揭示的一种提取遥感影像地物识别样本的方法,包括步骤:
S100,获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像,
S200,对所述历史GIS矢量数据进行栅格化,获得标记影像;
具体地,GIS(Geographic Information System,地理信息系统)中空间数据组织通常包括两种方式,分别为GIS矢量数据和GIS栅格数据,其中,GIS矢量数据是一种图形数据结构,它是在假定描述区域为连续空间的基础上,通过记录坐标,对空间对象进行点、线、面数据处理和表达的方式,而GIS栅格数据是以规则像元阵列表示空间对象的数据结构,阵列中每个数据表示空间对象的属性特征,或者说GIS栅格数据就是像元阵列,每个像元的行号、列号用于确定位置,而像元包含的信息值用于表示空间对象的类型、等级等特征。
本发明基于历史GIS矢量数据及历史遥感影像提取地物识别样本,因此需先获取历史GIS矢量数据及与其对应的历史遥感影像,并且历史GIS矢量数据和与其对应的历史遥感影像需时相一致和几何配准,时相一致和几何配准可确保历史GIS矢量数据是基于历史遥感影像获得的,其中,时相一致是指随着环境条件的周期性变化,地表自然区域(天然植被、农田等)也表现出周期性变化,而对于建设区域(城镇和农村居民点),表现出持续的非周期性变化,从而同一区域时相不同的遥感数据,可能表现为不同类型的地物;几何配准是指将不同时间、不同空间、不同视觉、不同场景、不同传感器或不同成像条件下的两幅或多幅图像进行叠加、拼接、对准、匹配等操作,以校正图像之间的平移、缩放、旋转、偏扭等几何差异和灰度差异。
进一步地,GIS矢量数据与GIS栅格数据之间可相互转换,将GIS矢量数据栅格化后获得标记影像。实施时,栅格化方法为栅格GIS矢量数据左上角坐标、x方向分辨率、y方向分辨率、x方向像素数、y方向像素数与历史遥感影像完全一致,即保证历史遥感影像和标记影像在空间上是完全对齐的,其中,标记影像是历史遥感影像作为样本的样本标记数据。
S300,遍历所述历史GIS矢量数据中的每个要素,并判断要素是否为多部件,若是,则选取多部件中面积最大的部件作为要素并执行步骤S400,否则,直接执行步骤S400;
S400,判断要素的面积是否大于第一预设阈值,若是,则获取要素外接的矩形的中心点,并执行步骤S500;
S500,判断中心点是否位于要素内部,若是,则直接执行步骤S600,否则,根据所述中心点、要素及要素外接的矩形重新构造出矩形,并执行步骤S600;
S600,判断矩形的长度和宽度是否均在第二预设阈值范围内,若是,则以矩形为裁切范围裁剪历史遥感影像和标记影像,形成遥感影像地物识别样本。
具体地,GIS矢量数据中包含数个要素,每个要素的形状不同,如要素为圆形或者为矩形,又或者要素为凸多边形或凹多边形。与现有技术相比,本发明可以从形状为凸多边形,或者为凹多边形的要素中提取地物识别样本。具体实施时,首先遍历历史GIS矢量数据中的每个要素,判断要素是否为多部件,若要素为多部件,则选取面积最大的部件作为要素,并进一步判断要素的面积是否大于第一预设阈值,当面积大于第一预设阈值时,则进一步获取该要素外接的矩形的中心点,否则,对要素进行放弃。本实施例中,第一预设阈值优选300像素,当然,也可根据实际需求进行设定。
对于面积大于第一预设阈值的要素,其形状可能为凸多边形或者凹多边形。为从形状为凸多边形或者凹多边形的要素中提取地物识别样本,首先获取要素外接的矩形的中心点,其次判断该中心点是否位于要素的内部,当中心点位于要素的内部时,进一步判断要素外接的矩形的长度和宽度是否均在第二预设阈值范围内,并在要素外接的矩形的长度和宽度均在第二预设阈值范围内时,以该外接的矩形为裁切范围裁切裁剪历史遥感影像和标记影像,形成遥感影像地物识别样本,本实施例中,第二预设阈值的范围为10~400像素。如图2所示,要素a为凸多边形并且凸多边形外接的矩形b的长度和宽度均在第二预设阈值范围内,则要素a外接的矩形b可作为裁切范围,并以矩形b裁剪历史遥感影像和标记影像。又如图3所示,要素c为凹多边形,其外接的矩形d的中心点e在要素c的内部并且凹多边形外接的矩形d的长度和宽度均在第二预设阈值范围内,则要素c外接的矩形d可作为裁切范围,并以矩形d裁剪历史遥感影像和标记影像。
对于中心点在要素的内部,且要素外接的矩形的长度和宽度均大于最大第二预设阈值时,则进一步对要素外接的矩形进行缩小处理,以缩小后的矩形为裁切范围裁剪历史遥感影像和标记影像,具体实施时,将矩形的长度和宽度缩小至最大第二预设阈值。如图4所示,要素f为凹多边形,其外接的矩形g的中心点h在要素f的内部,但外接的矩形g的长度和宽度均大于最大第二预设阈值,此时对外接的矩形g进行缩小处理,以缩小后的矩形j为裁切范围裁剪历史遥感影像和标记影像。
当中心点不在要素的内部时,则需根据中心点、要素及要素外接的矩形重新构造出矩形,构造出矩形后进一步判断该矩形的长度和宽度是否均在第二预设阈值范围内,并在第二预设阈值范围内时以当前矩形为裁切范围裁剪历史遥感影像和标记影像,形成遥感影像地物识别样本。对于构造出矩形的长度和宽度均不在第二预设阈值范围内时,对要素进行放弃。
进一步地,根据中心点、要素及要素外接的矩形重新构造出矩形包括如下步骤:
以所述中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;
获取四个第一线段与要素相交所形成的数个第二线段;
作所述数个第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;
根据长度最长的第二线段及第三线段重新构造矩形。
具体地,如图5所示,要素p为凹多边形,其外接的矩形的中心点o不在凹多边形p内。以中心点o为起点,在方位角为0°、90°、180°和270°四个方向分别作4条射线,4条射线与要素p相交形成四个第一线段q。进一步地,四个第一线段q与要素p相交形成两个第二线段m,进一步选取两个第二线段m中长度最长的一个,并作该第二线段m的垂直平分线,该垂直平分线与要素p相交形成第三线段n。进一步地,以长度最长的第二线段m与第三线段n的交点,及第二线段与第三线段的4个顶点重新构造出矩形s。
如图6所示,本发明还揭示了一种提取遥感影像地物识别样本的系统,包括数据获取模块、栅格化模块、第一判断模块、选择模块、第二判断模块、中心点获取模块、第三判断模块、矩形重构模块、第四判断模块和样本生成模块。其中,数据获取模块用于获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像;栅格化模块与数据获取模块相连,用于对历史GIS矢量数据进行栅格化,获得标记影像;第一判断模块与数据获取模块相连,用于遍历历史GIS矢量数据中的每个要素,并判断要素是否为多部件;选择模块与第一判断模块相连,用于在第一判断模块判断要素为多部件时,选取面积最大的部件作为要素;第二判断模块与第一判断模块和选择模块均相连,用于判断要素的面积是否大于第一预设阈值;中心点获取模块与第二判断模块相连,用于在第二判断模块判断要素的面积大于第一预设阈值时获取要素外接的矩形的中心点;第三判断模块与中心点获取模块相连,用于判断中心点是否位于要素内部;矩形重构模块与第三判断模块相连,用于在第三判断模块判断中心点不在要素内部时根据所述中心点、要素及要素外接的矩形重新构造出矩形;第四判断模块与第三判断模块和矩形重构模块均相连,用于判断矩形的长度和宽度是否在第二预设阈值范围内;样本生成模块与第四判断模块相连,用于在第四判断模块判断矩形的长度和宽度在第二预设阈值范围内时,以所述矩形为裁切范围裁剪所述历史遥感影像和标记影像,形成遥感影像地物识别样本。
具体实施时,数据获取模块获取历史GIS矢量数据及与其对应的历史遥感影像,栅格化模块进一步将历史GIS矢量数据栅格化后获得标记影像。第一判断模块遍历历史GIS矢量数据中的每个要素,并判断要素是否为多部件,若为多部件,则选择模块选取面积最大的部件作为要素,并通过第二判断模块判断要素的面积是否大于第一预设阈值,否则,直接通过第二判断模块判断要素的面积是否大于第一预设阈值。本实施例中,第一预设阈值优选300像素,当然,也可根据实际需求进行设定。
对于面积大于第一预设阈值的要素,其形状可能为凸多边形或者凹多边形,中心点获取模块获取要素外接的矩形的中心点,第三判断模块进一步判断中心点是否位于要素的内部。当中心点位于要素的内部时,第四判断模块进一步判断要素外接的矩形的长度和宽度是否均在第二预设阈值范围内,并在要素外接的矩形的长度和宽度均在第二预设阈值范围内时,样本生成模块以该外接的矩形为裁切范围裁切裁剪历史遥感影像和标记影像,形成遥感影像地物识别样本。本实施例中,第二预设阈值范围优选10~400像素,当然,也可根据实际需求进行设定。
当中心点不在要素的内部时,则矩形重构模块需根据中心点、要素及要素外接的矩形重新构造出矩形,构造出矩形后进一步通过第四判断模块判断该矩形的长度和宽度是否均在第二预设阈值范围内。
进一步地,矩形重构模块包括第一构造模块、第二构造模块、第三构造模块及第四构造模块,其中,第一构造模块用于以所述中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;第二构造模块用于获取四个第一线段与要素相交所形成的数个第二线段;第三构造模块用于作所述数个第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;第四构造模块用于根据长度最长的第二线段及第三线段重新构造矩形。具体地,要素p为凹多边形,其外接的矩形的中心点o不在要素p内。以中心点o为起点,在方位角为0°、90°、180°和270°四个方向分别作4条射线,4条射线与要素p相交形成四个第一线段q。进一步地,四个第一线段q与要素p相交形成两个第二线段m,进一步选取两个第二线段m中长度最长的一个,并作该第二线段m的垂直平分线,该垂直平分线与要素p相交形成第三线段n。进一步地,以长度最长的第二线段m与第三线段n的交点,及第二线段与第三线段的4个顶点重新构造出矩形s。
本发明所述的提取遥感影像地物识别样本的方法及系统,能够从形状复杂的要素,如形状为凸多边形或者凹多边形的要素中提取出地物识别样本,使样本的数量大大增加,并且样本提取过程无需人工参与,省去人工筛选的时间,节约人工成本。
本发明的技术内容及技术特征已揭示如上,然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰,因此,本发明保护范围应不限于实施例所揭示的内容,而应包括各种不背离本发明的替换及修饰,并为本专利申请权利要求所涵盖。

Claims (10)

1.一种提取遥感影像地物识别样本的方法,其特征在于,包括步骤:
S100,获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像;
S200,对所述历史GIS矢量数据进行栅格化,获得标记影像;
S300,遍历所述历史GIS矢量数据中的每个要素,并判断要素是否为多部件,若是,则选取多部件中面积最大的部件作为要素,并执行步骤S400,否则,直接执行步骤S400;
S400,判断要素的面积是否大于第一预设阈值,若是,则获取要素外接的矩形的中心点,并执行步骤S500;
S500,判断所述中心点是否位于要素内部,若是,则直接执行步骤S600,否则,根据所述中心点、要素及要素外接的矩形重新构造出矩形,并执行步骤S600;
S600,判断矩形的长度和宽度是否均在第二预设阈值范围内,若是,则以矩形为裁切范围裁剪所述历史遥感影像和标记影像,生成遥感影像地物识别样本。
2.根据权利要求1所述的方法,其特征在于,在步骤S400中,第一预设阈值为300像素。
3.根据权利要求1所述的方法,其特征在于,在步骤S500中,根据所述中心点、要素及要素外接的矩形重新构造出矩形包括:
S501,以中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;
S502,获取四个第一线段与要素相交所形成的数个第二线段;
S503,作数个所述第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;
S504,根据长度最长的第二线段及第三线段构造矩形。
4.根据权利要求1所述的方法,其特征在于,在步骤S600中,第二预设阈值的范围为10~400像素。
5.根据权利要求1所述的方法,其特征在于,在步骤S600中,若矩形的长度和宽度均大于最大第二预设阈值,则将矩形的长度和宽度均缩小至最大第二预设阈值后以矩形为裁切范围裁剪历史遥感影像和标记影像。
6.一种提取遥感影像地物识别样本的系统,其特征在于,包括
数据获取模块,用于获取历史GIS矢量数据,及与所述历史GIS矢量数据相对应的历史遥感影像;
栅格化模块,与所述数据获取模块相连,用于对历史GIS矢量数据进行栅格化,获得标记影像;
第一判断模块,与所述数据获取模块相连,用于遍历历史GIS矢量数据中的每个要素,并判断要素是否为多部件;
选择模块,与所述第一判断模块相连,用于在第一判断模块判断要素为多部件时选取面积最大的部件作为要素;
第二判断模块,与所述第一判断模块和选择模块均相连,用于判断要素的面积是否大于第一预设阈值;
中心点获取模块,与所述第二判断模块相连,用于在第二判断模块判断要素的面积大于第一预设阈值时获取要素外接的矩形的中心点;
第三判断模块,与所述中心点获取模块相连,用于判断中心点是否位于要素内部;
矩形重构模块,与所述第三判断模块相连,用于在第三判断模块判断中心点不在要素内部时根据所述中心点、要素及要素外接的矩形重新构造出矩形;
第四判断模块,与所述第三判断模块和矩形重构模块均相连,用于判断矩形的长度和宽度是否在第二预设阈值范围内;
样本生成模块,与所述第四判断模块相连,用于在第四判断模块判断矩形的面积在第二预设范围内时,以所述矩形为裁切范围裁剪所述历史遥感影像和标记影像,形成遥感影像地物识别样本。
7.根据权利要求6所述的系统,其特征在于,所述第一预设阈值为300像素。
8.根据权利要求6所述的系统,其特征在于,所述矩形重构模块包括
第一构造模块,用于以所述中心点为起点,分别在方位角为0°、90°、180°、270°四个方向构造与要素外接的矩形相交的四个射线,所述射线与要素外接的矩形相交形成四个第一线段;
第二构造模块,用于获取四个第一线段与要素相交所形成的数个第二线段;
第三构造模块,用于作所述数个第二线段中长度最长的第二线段的垂直平分线,所述垂直平分线与要素相交后形成第三线段;
第四构造模块,用于根据长度最长的第二线段及第三线段重新构造矩形。
9.根据权利要求6所述的系统,其特征在于,所述第二预设阈值的范围为10~400像素。
10.根据权利要求6所述的系统,其特征在于,系统还包括缩放模块,所述缩放模块用于在矩形的长度和宽度均大于最大第二预设阈值时将矩形的长度和宽度均缩小至最大第二预设阈值。
CN201910688046.XA 2019-07-29 2019-07-29 一种提取遥感影像地物识别样本的方法及系统 Active CN110378316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910688046.XA CN110378316B (zh) 2019-07-29 2019-07-29 一种提取遥感影像地物识别样本的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910688046.XA CN110378316B (zh) 2019-07-29 2019-07-29 一种提取遥感影像地物识别样本的方法及系统

Publications (2)

Publication Number Publication Date
CN110378316A true CN110378316A (zh) 2019-10-25
CN110378316B CN110378316B (zh) 2023-06-27

Family

ID=68256580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910688046.XA Active CN110378316B (zh) 2019-07-29 2019-07-29 一种提取遥感影像地物识别样本的方法及系统

Country Status (1)

Country Link
CN (1) CN110378316B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1790052A (zh) * 2005-12-19 2006-06-21 武汉大学 基于遥感影像和gis数据的面状地物变化检测方法
CN101661497A (zh) * 2009-09-10 2010-03-03 北京农业信息技术研究中心 遥感土地利用变化检测方法及系统
US20180300549A1 (en) * 2017-04-12 2018-10-18 Baidu Online Network Technology (Beijing) Co., Ltd. Road detecting method and apparatus
CN109657728A (zh) * 2018-12-26 2019-04-19 江苏省基础地理信息中心 样例生产方法及模型训练方法
CN109727279A (zh) * 2018-06-04 2019-05-07 南京师范大学 一种矢量数据与遥感影像的自动配准方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1790052A (zh) * 2005-12-19 2006-06-21 武汉大学 基于遥感影像和gis数据的面状地物变化检测方法
CN101661497A (zh) * 2009-09-10 2010-03-03 北京农业信息技术研究中心 遥感土地利用变化检测方法及系统
US20180300549A1 (en) * 2017-04-12 2018-10-18 Baidu Online Network Technology (Beijing) Co., Ltd. Road detecting method and apparatus
CN109727279A (zh) * 2018-06-04 2019-05-07 南京师范大学 一种矢量数据与遥感影像的自动配准方法
CN109657728A (zh) * 2018-12-26 2019-04-19 江苏省基础地理信息中心 样例生产方法及模型训练方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姜春雪等: "地形图要素辅助下的影像面状地物提取", 《测绘科学》 *

Also Published As

Publication number Publication date
CN110378316B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN111598823B (zh) 多源移动测量点云数据空地一体化融合方法、存储介质
CN105180890B (zh) 融合激光点云和数字影像的岩体结构面产状测量方法
CN108491757B (zh) 基于多尺度特征学习的光学遥感图像目标检测方法
CN106327532B (zh) 一种单幅图像的三维配准方法
CN111986099A (zh) 基于融合残差修正的卷积神经网络的耕地监测方法及系统
KR101165534B1 (ko) 수관 식물점 그룹에 대해 시뮬레이트된 나무 줄기 및 나무 가지를 제공하는 지리공간 모델링 시스템
CN108830844B (zh) 一种基于多时相高分辨率遥感影像的设施蔬菜提取方法
CN107016403B (zh) 一种基于夜间灯光数据提取城市建成区阈值的方法
CN102704215B (zh) 基于dst文件解析与机器视觉结合的绣布自动切割方法
CN103295199B (zh) 古壁画的裂缝智能修复辅助系统
CN102930561A (zh) 一种基于Delaunay三角网的栅格地图矢量化方法
CN106530345B (zh) 一种同机影像辅助下的建筑物三维激光点云特征提取方法
CN110379004B (zh) 一种对倾斜摄影成果进行地物分类及单体化提取的方法
CN108268527B (zh) 一种检测土地利用类型变化的方法
CN112287838B (zh) 基于静止气象卫星影像序列的云雾自动判识方法及系统
CN112990086A (zh) 遥感影像建筑物检测方法、装置及计算机可读存储介质
CN113223042B (zh) 一种遥感影像深度学习样本智能采集方法及设备
CN102855485B (zh) 一种小麦抽穗的自动检测方法
CN103700110B (zh) 全自动影像匹配方法
CN109614513A (zh) 一种面向区域覆盖的遥感影像数据选取方法和系统
US8917912B2 (en) Object identification system and method of identifying an object using the same
CN114067206A (zh) 一种基于深度图像的球形果实识别定位方法
CN113033386B (zh) 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统
CN117079125A (zh) 一种基于改进型YOLOv5的猕猴桃授粉花朵识别方法
CN110378316A (zh) 一种提取遥感影像地物识别样本的方法及系统

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