CN110796113B - 一种基于WorldView-2影像的城市蓝色地物检测方法 - Google Patents

一种基于WorldView-2影像的城市蓝色地物检测方法 Download PDF

Info

Publication number
CN110796113B
CN110796113B CN201911072998.5A CN201911072998A CN110796113B CN 110796113 B CN110796113 B CN 110796113B CN 201911072998 A CN201911072998 A CN 201911072998A CN 110796113 B CN110796113 B CN 110796113B
Authority
CN
China
Prior art keywords
blue
image
characteristic
vegetation
difference
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
CN201911072998.5A
Other languages
English (en)
Other versions
CN110796113A (zh
Inventor
刘怀鹏
吴洁琼
蒋琳
方明
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.)
Luoyang Normal University
Original Assignee
Luoyang Normal University
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 Luoyang Normal University filed Critical Luoyang Normal University
Priority to CN201911072998.5A priority Critical patent/CN110796113B/zh
Publication of CN110796113A publication Critical patent/CN110796113A/zh
Application granted granted Critical
Publication of CN110796113B publication Critical patent/CN110796113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种基于WorldView‑2影像的城市蓝色地物检测方法，首先，对待检测的WorldView‑2影像进行辐射定标、融合和大气校正，获得地物去除大气影响后的地表反射特征值影像，然后对地表反射特征值影像中的蓝色地物和与蓝色地物较难区分的其他干扰地物分别采集一定像元数的样本并生成反射光谱曲线；依据反射光谱曲线，构建一种能增强蓝色地物信息和弱化其他干扰地物信息的新光谱指数；利用拟合反射光谱曲线中的蓝色地物的样本，在新构建的光谱指数中进行统计，获得初始阈值，再结合目视观察调整阈值，最终获得提取蓝色地物最合适的阈值范围，检测出影像中的蓝色地物。

Description

一种基于WorldView-2影像的城市蓝色地物检测方法
技术领域
本发明属于遥感技术领域，具体涉及一种基于WorldView-2影像的城市蓝色地物检测方法。
背景技术
通过遥感图像对地面物体进行检测是区域环境变化监测的重要基础，屋顶为蓝色的建筑物是城市环境中蓝色地物的典型代表，数量较多、分布广，是监测的重要目标之一。目前，尚缺少只针对蓝色地物进行检测的具体有效方法。通过影像分类法、波段阈值法和简单的谱间运算阈值法在一定程度上可对城市影像中的蓝色地物进行检测和提取，但在速度、精度方面效果欠佳。分类法须经过地物种类确定、不同类型地物训练样本选择、执行分类和非蓝色地物掩膜等步骤，才能最终获得影像中的蓝色地物，过程繁杂、耗时较多，在单颜色地物的提取中不具便捷性；波段阈值法和简单的谱间运算阈值法容易将在蓝光波段具有高反射的地物以及植被、绿色塑胶操场等地物误提取为蓝色地物，常规采用的阈值法精度低，提取结果不稳健。因此，急需提出一种高效、快捷、实用的新方法来检测城市影像中的蓝色地物。
发明内容
本发明的目的是提供一种基于WorldView-2影像的城市蓝色地物检测方法，以克服现有分类法检测蓝色地物过程繁杂、耗时较多以及简单波段阈值法检测该类地物精度得不到保证等问题。
为了达到上述目的，本发明所采用的技术方案是：一种基于WorldView-2影像的城市蓝色地物检测方法，包括以下步骤：
步骤一、对待检测的WorldView-2影像进行辐射定标、融合和大气校正，提高多光谱影像的空间分辨率，获得地物去除大气影响后的地表反射特征值影像；
步骤二、对地表反射特征值影像中的蓝色地物和与蓝色地物较难区分的植被、绿色塑胶操场分别采集一定像元数的样本，然后分别利用采集到的每种地类样本的像元均值拟合出三种地物的反射光谱曲线；
步骤三、在反射光谱曲线中，锁定蓝色地物与所述的植被、绿色塑胶操场的光谱反射特征值差异最大的波段和最小的波段，利用特征值差异最大的波段、最小的波段和其他波段的减、加和比值运算构建一种能增强蓝色地物信息和弱化植被、绿色塑胶操场信息的新光谱指数；
步骤四、利用步骤二所拟合的反射光谱曲线中蓝色地物的样本，在步骤三所构建的新光谱指数中进行统计，获得初始阈值，再结合目视观察并调整阈值，最终获得提取蓝色地物最合适的阈值范围，检测出影像中的蓝色地物。
进一步的，在反射光谱曲线中，锁定的蓝色地物与所述的植被、绿色塑胶操场的光谱反射特征值差异最大的波段和最小的波段分别用bmax和bmin表示，利用bmax、bmin和其他波段的减、加和比值运算，构建一种能增强蓝色地物信息和弱化植被、绿色塑胶操场信息的新光谱指数。
进一步的，构建一种能增强蓝色地物信息和弱化植被和绿色塑胶操场信息的新光谱指数的过程，具体包括以下步骤：
S1：首先定义第一类特征波段，第一类特征波段的特征在于蓝色地物在该第一类特征波段中与在bmax中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第一类特征波段中与在bmax中的光谱反射特征值差异较小，然后将bmax与所有波段进行对比，将所有波段中符合第一类特征波段的波段筛选出来，利用bmax与筛选出来的波段做差，以增强蓝色地物信息，减弱植被和绿色塑胶操场的信息，获得差值图像；
S2：首先定义第二类特征波段，第二类特征波段的特征在于蓝色地物与植被和绿色塑胶操场中任意一种地物在该第二类特征波段中及在bmax中的反射特征值差异均比较大，且蓝色地物和植被或绿色塑胶操场在第二类特征波段和bmax中的反射特征值点连线互相交叉，然后将bmax与所有波段做对比，将所有波段中符合第二类特征波段的波段筛选出来，利用bmax与筛选出来的波段做差，正向增强蓝色地物信息，减弱或负向增强植被和绿色塑胶操场信息，获得差值图像；
S3：首先定义第三类特征波段，第三类特征波段的特征在于蓝色地物在该第三类特征波段中与在bmin中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第三类特征波段中与在bmin中的光谱反射特征值差异较小，将bmin与所有波段做对比，将所有波段中符合第三类特征波段的波段筛选出来，利用bmin与筛选出来的波段做差，凸显蓝色地物信息，弱化植被和绿色塑胶操场信息，获得差值图像；
S4：将步骤S1至S3所获得的所有差值图像相加，以综合增强蓝色地物信息，弱化植被和绿色塑胶操场信息，再除以bmin，降低累加图像的像元DN值，凸显阴影下蓝色地物信息，减弱道路运行车辆产生的异常像元影响蓝色地物的提取，最后即可获得能增强和可提取蓝色地物的光谱指数。
进一步的，所述的WorldView-2影像为八波段WorldView-2影像。
与现有技术相比，本发明的有益效果是：
(1)本发明通过关键波段之间的差值运算，累加差值图像并进行比值处理，在新特征中增强蓝色地物信息，减弱与蓝色地物较难区分的植被和绿色塑胶操场信息，降低异常像元干扰，创建可检测蓝色地物的光谱指数，利于通过阈值法检测、提取出影像中的蓝色地物；
(2)本发明可有效检测到复杂城市环境中的蓝色地物，对该类地物的检测过程较分类法简单、方便、快捷，较单纯的波段阈值法检测效果好、精度高。
附图说明
图1是大气校正后的地表反射特征值影像；
图2是利用采集到的样本的像元均值拟合出的蓝色地物、植被以及绿色塑胶操场的反射光谱曲线；
图3是本发明创建的一种能增强蓝色地物信息、减弱干扰地物信息的新光谱指数图；
图4是采用本发明的方法所检测出的影像中的蓝色地物的结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，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作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。
一种基于WorldView-2影像的城市蓝色地物检测方法，包括以下步骤：
步骤一、对待检测的WorldView-2影像进行辐射定标、融合和大气校正，提高多光谱影像的空间分辨率，获得地物去除大气影响后的地表反射特征值影像；
步骤二、对地表反射特征值影像中的蓝色地物和与蓝色地物较难区分的植被、绿色塑胶操场分别采集一定像元数的样本，然后分别利用采集到的每种地类样本的像元均值拟合出三种地物的反射光谱曲线；
步骤三、在反射光谱曲线中，锁定蓝色地物与所述的植被、绿色塑胶操场的光谱反射特征值差异最大的波段和最小的波段，利用特征值差异最大的波段、最小的波段和其他波段的减、加和比值运算构建一种能增强蓝色地物信息和弱化植被、绿色塑胶操场信息的新光谱指数；
步骤四、利用步骤二所拟合的反射光谱曲线中蓝色地物的样本，在步骤三所构建的新光谱指数中进行统计，获得初始阈值，再结合目视观察并调整阈值，最终获得提取蓝色地物最合适的阈值范围，检测出影像中的蓝色地物。
进一步的，在反射光谱曲线中，锁定的蓝色地物与所述的植被、绿色塑胶操场的光谱反射特征值差异最大的波段和最小的波段分别用bmax和bmin表示，利用bmax、bmin和其他波段的减、加和比值运算，构建一种能增强蓝色地物信息和弱化植被、绿色塑胶操场信息的新光谱指数。
进一步的，构建一种能增强蓝色地物信息和弱化植被和绿色塑胶操场信息的新光谱指数的过程，具体包括以下步骤：
S1：首先定义第一类特征波段，第一类特征波段的特征在于蓝色地物在该第一类特征波段中与在bmax中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第一类特征波段中与在bmax中的光谱反射特征值差异较小，然后将bmax与所有波段进行对比，将所有波段中符合第一类特征波段的波段筛选出来，利用bmax与筛选出来的波段做差，以增强蓝色地物信息，减弱植被和绿色塑胶操场的信息，获得差值图像；
S2：首先定义第二类特征波段，第二类特征波段的特征在于蓝色地物与植被和绿色塑胶操场中任意一种地物在该第二类特征波段中及在bmax中的反射特征值差异均比较大，且蓝色地物和植被或绿色塑胶操场在第二类特征波段和bmax中的反射特征值点连线互相交叉，然后将bmax与所有波段做对比，将所有波段中符合第二类特征波段的波段筛选出来，利用bmax与筛选出来的波段做差，正向增强蓝色地物信息，减弱或负向增强植被和绿色塑胶操场信息，获得差值图像；
S3：首先定义第三类特征波段，第三类特征波段的特征在于蓝色地物在该第三类特征波段中与在bmin中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第三类特征波段中与在bmin中的光谱反射特征值差异较小，将bmin与所有波段做对比，将所有波段中符合第三类特征波段的波段筛选出来，利用bmin与筛选出来的波段做差，凸显蓝色地物信息，弱化植被和绿色塑胶操场信息，获得差值图像；
S4：将步骤S1至S3所获得的所有差值图像相加，以综合增强蓝色地物信息，弱化植被和绿色塑胶操场信息，再除以bmin，降低累加图像的像元DN值，凸显阴影下蓝色地物信息，减弱道路运行车辆产生的异常像元影响蓝色地物的提取，最后即可获得能增强和可提取蓝色地物的光谱指数。
进一步的，所述的WorldView-2影像为八波段WorldView-2影像。
实施例1
以下结合附图对本发明做进一步的解释说明：
1、利用ENVI4.5软件对八波段(参数如下表1所示)WorldView-2影像进行辐射定标、融合和快速大气校正，然后裁剪出一个测试区(面积为2.45km2)，如图1所示。
Figure BDA0002261546870000081
表1
2、对测试区影像中的蓝色地物和与蓝色地物较难区分的植被、绿色塑胶操场分别采集一定像元数的样本(蓝色地物776个像元，植被769个像元，绿色塑胶操751个像元)，分别利用采集到的每种地类样本的像元均值拟合出三种地物的反射光谱曲线，如图2所示。
3、从光谱曲线中，锁定蓝色地物与植被、绿色塑胶操场光谱反射特征值差异最大的波段bmax(2波段)和最小的波段bmin(7波段)，利用bmax、bmin和其他波段的减、加和比值运算，构建一种能增强蓝色地物信息和弱化植被和绿色塑胶操场信息的新光谱指数BOSI，该新建光谱指数BOSI影像如图3所示。
BOSI的计算方法如下：
1)、将bmax与所有波段做对比，筛选出具有下述特征的波段，该特征波段的特征在于蓝色地物在该波段中与在bmax中的反射特征值差异较大，但植被和绿色塑胶操场在该波段中与在bmax中的反射特征值差异较小。利用bmax与筛选出来的波段做差，以增强蓝色地物的信息，减弱植被和绿色塑胶操场信息，获得差值图像b2-b1、b2-b3、b2-b4、b2-b5；
2)、将bmax与所有波段做对比，筛选出具有下述特征的波段，特征波段的特征在于蓝色地物与植被和绿色塑胶操场中任意一种地物在该波段中及在bmax中的反射特征值差异均比较大，且蓝色地物和植被或绿色塑胶操场在该类特征波段和bmax中的反射特征值点连线互相交叉。利用bmax与筛选出来的波段做差，正向增强蓝色地物信息，减弱或负向增强植被和绿色塑胶操场的信息，获得差值图像b2-b6；
3)、将bmin与所有波段做对比，筛选出具有下述特征的波段，特征波段的特征在于蓝色地物在该波段中与在bmin中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该波段中与在bmin中的光谱反射特征值差异较小。利用bmin与筛选出来的波段做差，凸显蓝色地物信息，弱化植被和绿色塑胶操场信息，获得差值图像b7-b6；
4)、将获得的所有差值图像相加，综合增强蓝色地物信息，弱化植被和绿色塑胶操场信息。再除以bmin，降低累加图像的像元DN值，凸显阴影下蓝色地物信息，减弱道路运行车辆产生的异常像元影响蓝色地物提取，最后获得能增强和可提取蓝色地物信息的光谱指数，如下式所示：
BOSI＝[5×b2+b7-(b1+b3+b4+b5+2×b6)]/b7
4、利用所拟合的反射光谱曲线中蓝色地物样本在BOSI影像中进行统计，获得初始阈值，结合目视观察并调整阈值，最后获得提取蓝色地物最适的BOSI阈值范围[0.762707，2.0184]，检测出影像中的蓝色地物，如图4所示。
通过上述实施例可知：本发明提出的基于WorldView-2影像的蓝色地物检测方法简单、便捷，能很好地检测出影像中的蓝色地物，因此本发明提出的基于WorldView-2卫星影像的蓝色地物检测方法具有很好的性能。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (2)

1.一种基于WorldView-2影像的城市蓝色地物检测方法，其特征在于，包括以下步骤：
步骤一、对待检测的WorldView-2影像进行辐射定标、融合和大气校正，提高多光谱影像的空间分辨率，获得地物去除大气影响后的地表反射特征值影像；
步骤二、对地表反射特征值影像中的蓝色地物和与蓝色地物较难区分的植被、绿色塑胶操场分别采集一定像元数的样本，然后分别利用采集到的每种地类样本的像元均值拟合出三种地物的反射光谱曲线；
步骤三、在反射光谱曲线中，锁定蓝色地物与所述的植被、绿色塑胶操场的光谱反射特征值差异最大的波段和最小的波段分别用b max和b min表示，利用利用b max、b min和其他波段的减、加和比值运算构建一种能增强蓝色地物信息和弱化植被、绿色塑胶操场信息的新光谱指数，具体包括以下步骤：
S1：首先定义第一类特征波段，第一类特征波段的特征在于蓝色地物在该第一类特征波段中与在b max中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第一类特征波段中与在b max中的光谱反射特征值差异较小，然后将b max与所有波段进行对比，将所有波段中符合第一类特征波段的波段筛选出来，利用b max与筛选出来的波段做差，以增强蓝色地物信息，减弱植被和绿色塑胶操场的信息，获得差值图像；
S2：首先定义第二类特征波段，第二类特征波段的特征在于蓝色地物与植被和绿色塑胶操场中任意一种地物在该第二类特征波段中及在b max中的反射特征值差异均比较大，且蓝色地物和植被或绿色塑胶操场在第二类特征波段和b max中的反射特征值点连线互相交叉，然后将b max与所有波段做对比，将所有波段中符合第二类特征波段的波段筛选出来，利用b max与筛选出来的波段做差，正向增强蓝色地物信息，减弱或负向增强植被和绿色塑胶操场信息，获得差值图像；
S3：首先定义第三类特征波段，第三类特征波段的特征在于蓝色地物在该第三类特征波段中与在b min中的光谱反射特征值差异较大，但植被和绿色塑胶操场在该第三类特征波段中与在b min中的光谱反射特征值差异较小，将b min与所有波段做对比，将所有波段中符合第三类特征波段的波段筛选出来，利用b min与筛选出来的波段做差，凸显蓝色地物信息，弱化植被和绿色塑胶操场信息，获得差值图像；
S4：将步骤S1至S3所获得的所有差值图像相加，以综合增强蓝色地物信息，弱化植被和绿色塑胶操场信息，再除以b min，降低累加图像的像元DN值，凸显阴影下蓝色地物信息，减弱道路运行车辆产生的异常像元影响蓝色地物的提取，最后即可获得能增强和可提取蓝色地物的光谱指数；
步骤四、利用步骤二所拟合的反射光谱曲线中蓝色地物的样本，在步骤三所构建的新光谱指数中进行统计，获得初始阈值，再结合目视观察并调整阈值，最终获得提取蓝色地物最合适的阈值范围，检测出影像中的蓝色地物。
2.根据权利要求1所述的一种基于WorldView-2影像的城市蓝色地物检测方法，其特征在于：所述的WorldView-2影像为八波段WorldView-2影像。
CN201911072998.5A 2019-11-05 2019-11-05 一种基于WorldView-2影像的城市蓝色地物检测方法 Active CN110796113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911072998.5A CN110796113B (zh) 2019-11-05 2019-11-05 一种基于WorldView-2影像的城市蓝色地物检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911072998.5A CN110796113B (zh) 2019-11-05 2019-11-05 一种基于WorldView-2影像的城市蓝色地物检测方法

Publications (2)

Publication Number Publication Date
CN110796113A CN110796113A (zh) 2020-02-14
CN110796113B true CN110796113B (zh) 2023-04-18

Family

ID=69442792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911072998.5A Active CN110796113B (zh) 2019-11-05 2019-11-05 一种基于WorldView-2影像的城市蓝色地物检测方法

Country Status (1)

Country Link
CN (1) CN110796113B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539318B (zh) * 2020-04-22 2023-04-07 洛阳师范学院 一种红色地物提取方法、装置、存储介质和系统
CN113111763B (zh) * 2021-04-08 2023-01-24 洛阳师范学院 一种建立光谱体积指数的方法、装置及树种识别的方法
CN113763410B (zh) * 2021-09-30 2022-08-02 江苏天汇空间信息研究院有限公司 基于his结合光谱特征检测条件的图像阴影检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049916A (zh) * 2013-01-18 2013-04-17 国家基础地理信息中心 一种基于光谱斜率差异检测地表覆盖变化的方法
CN109815894A (zh) * 2019-01-23 2019-05-28 中国石油大学(华东) 一种针对哨兵2a影像的建筑物阴影提取处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379590B2 (en) * 2003-01-17 2008-05-27 University Of New Brunswick Method for generating natural colour satellite images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049916A (zh) * 2013-01-18 2013-04-17 国家基础地理信息中心 一种基于光谱斜率差异检测地表覆盖变化的方法
CN109815894A (zh) * 2019-01-23 2019-05-28 中国石油大学(华东) 一种针对哨兵2a影像的建筑物阴影提取处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚花琴 ; 杨树文 ; 刘正军 ; 杨兴旺 ; 张黎明 ; .一种城市高大地物阴影检测方法.测绘科学.2015,(10),全文. *
黎丰收 ; 刘凯 ; 刘洋 ; 唐焕丽 ; 柳林 ; 彭力恒 ; .基于WorldView-2数据的基塘系统遥感分类研究.湿地科学.2018,(05),全文. *

Also Published As

Publication number Publication date
CN110796113A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110796113B (zh) 一种基于WorldView-2影像的城市蓝色地物检测方法
US11615606B2 (en) Tree crown extraction method based on unmanned aerial vehicle multi-source remote sensing
CN102254319B (zh) 一种多层次分割的遥感影像变化检测方法
CN102147920B (zh) 高分辨率遥感影像中的阴影检测方法
CN103077515B (zh) 一种多光谱图像建筑物变化检测方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
Huang et al. A top-down strategy for buildings extraction from complex urban scenes using airborne LiDAR point clouds
CN109191432A (zh) 基于域变换滤波多尺度分解的遥感图像云检测方法
CN107992856B (zh) 城市场景下的高分遥感建筑物阴影检测方法
CN102750701A (zh) 针对Landsat TM和ETM图像的厚云及其阴影检测方法
CN106971397B (zh) 基于改进jseg算法的城市高分辨率遥感影像分割方法
Cai et al. Study on shadow detection method on high resolution remote sensing image based on HIS space transformation and NDVI index
CN111310771B (zh) 遥感影像的道路图像提取方法、装置、设备及存储介质
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
CN112507763A (zh) 一种基于多源多光谱遥感图像水体提取方法、系统和可读存储介质
CN110889840A (zh) 面向地物目标的高分6号遥感卫星数据的有效性检测方法
CN109858394A (zh) 一种基于显著性检测的遥感图像水体区域提取方法
CN116704369A (zh) 一种面向对象的光学与sar遥感影像融合洪水提取方法和系统
CN111274871B (zh) 基于轻小型无人机的森林火灾林木受损程度提取方法
CN106650663A (zh) 建筑物真伪变化的判定方法及含此方法的伪变化去除方法
Duan et al. An index-based shadow extraction approach on high-resolution images
CN106529472A (zh) 基于大尺度高分辨率高光谱图像的目标探测方法及装置
CN114419458A (zh) 一种基于高分辨率卫星遥感的裸土监测方法、装置和设备
Li et al. Detection and compensation of shadows based on ICA algorithm in remote sensing image
CN116682024A (zh) 一种基于四波段遥感影像的快速云检测方法

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