CN110826404B - 基于遥感云平台的洪灾范围获取方法、终端及存储介质 - Google Patents
基于遥感云平台的洪灾范围获取方法、终端及存储介质 Download PDFInfo
- Publication number
- CN110826404B CN110826404B CN201910940407.5A CN201910940407A CN110826404B CN 110826404 B CN110826404 B CN 110826404B CN 201910940407 A CN201910940407 A CN 201910940407A CN 110826404 B CN110826404 B CN 110826404B
- Authority
- CN
- China
- Prior art keywords
- image
- disaster
- flood
- processed
- 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.)
- Active
Links
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于遥感云平台的洪灾范围获取方法、终端及存储介质,所述方法包括步骤:获取所需区域洪灾前后的合成孔径雷达(SAR)影像,并筛选出所需的具体影像;对筛选出的所述具体影像进行掩模处理,生成待处理影像;对所述待处理影像的边界进行平滑处理,生成处理后影像;将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像。本发明中通过提取洪灾地区的合成孔径雷达(SAR)影像,对合成孔径雷达(SAR)影像进行处理,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
Description
技术领域
本发明涉及计算机领域,特别涉及一种基于遥感云平台的洪灾范围获取方法、终端及存储介质。
背景技术
洪水灾害是最严重的自然灾害之一。据统计,目前全球因洪水灾害所造成的經济损失占各类自然灾害总损失的30%以上。虽然已有人探讨了从陆地资源卫星Landsat-5的TM数据,但是在洪水灾害发生时,很难得到清晰有用的TM图像。
也有从FY—IB气象卫星数据和NOAA气象卫星数据中提取洪水水体范围,但是气象卫星的空间分辨率又相当低,对更高要求的灾害评估而言不够理想。
因而现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种基于遥感云平台的洪灾范围获取方法、终端及存储介质,通过提取洪灾地区的合成孔径雷达(SAR)影像,对合成孔径雷达(SAR)影像进行处理,,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
为了达到上述目的,本发明采取了以下技术方案:
一种基于遥感云平台的洪灾范围获取方法,包括步骤:
获取所需区域洪灾前后的合成孔径雷达(SAR)影像,并筛选出所需的具体影像;
对筛选出的所述具体影像进行掩模处理,生成待处理影像;
对所述待处理影像的边界进行平滑处理,生成处理后影像;
将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像。
所述对筛选出的所述具体影像进行掩模处理的步骤具体包括:
对筛选出的所述具体影像进行第一次掩模处理;
对第一掩模处理后的影像进行第二次掩模处理。
所述对筛选出的所述具体影像进行第一次掩模处理的步骤具体包括:
对所述具体影像进行DEM坡度数据掩模处理。
所述对第一掩模处理后的影像进行第二次掩模处理的步骤具体包括:
根据洪灾前影像,对第一次掩模处理后的影像进行原有水体区域掩模。
通过幅度值中位数法对所述第一掩模处理后的影像进行原有水体区域掩模。
所述对所述待处理影像的边界进行平滑处理的步骤具体包括:
对所述待处理影像进行形态学滤波平滑处理,将所述待处理影像中的凌乱边界变成圆滑边界。
所述将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像的步骤具体包括:
预设洪灾前和洪灾后的差值阈值,将所述处理后影像中的洪灾前和洪灾后影像进行差值运算;
提取差值小于所述差值阈值的像素点,生成受灾区域影像。
还包括步骤:
将受灾区域影像与遥感云平台上的地面真实影像进行叠加,判断出具体受灾位置。
一种终端,包括:处理器和存储器;所述存储器上存储有可被所述处理器执行的计算机可读程序;所述处理器执行所述计算机可读程序时实现如权利要求前文任意一项所述的基于遥感云平台的水航线探测方法中的步骤。
一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求前文任意一项所述基于遥感云平台的水航线探测方法中的步骤。
相较于现有技术,本发明提供的基于遥感云平台的洪灾范围获取方法、终端及存储介质,所述方法包括步骤:获取所需区域洪灾前后的SAR影像,并筛选出所需的具体影像;对筛选出的所述具体影像进行掩模处理,生成待处理影像;对所述待处理影像的边界进行平滑处理,生成处理后影像;将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像。本发明中通过提取洪灾地区的SAR影像,对SAR影像进行处理,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
附图说明
图1为本发明提供的基于遥感云平台的水航线探测方法的流程图;
图2为本发明提供的步骤S200的流程图;
图3为本发明提供的步骤S300的流程图;
图4为本发明提供的步骤S400的流程图;
图5为本发明提供的步骤S500的流程图;
图6为本发明提供的终端设备可选实施例的结构原理图。
具体实施方式
鉴于现有技术中的问题,本发明中提供一种基于遥感云平台的洪灾范围获取方法、终端及存储介质,通过提取洪灾地区的SAR影像,对SAR影像进行处理,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
本发明的具体实施方式是为了便于对本发明的技术构思、所解决的技术问题、构成技术方案的技术特征和带来的技术效果做更为详细的说明。需要说明的是,对于这些实施方式的解释说明并不构成对本发明的保护范围的限定。此外,下文所述的实施方式中所涉及的技术特征只要彼此之间不构成冲突就可以相互组合。
雷达遥感因其不受白天黑夜以及云雾的限制,因而成为洪水水体信息获取的主要手段,尤其是星载雷达遥感。
同光学遥感相比,合成孔径雷达(Synthetic Aperture Radar,SAR)系统可以全天候、全天时获得遥感数据,是较好的变化检测信息源。自从SAR系统投入使用以来,SAR已经对地球表面观测了数年时间,获得了大量的多时相地面观测数据。多时相SAR图像数据包含了比单幅SAR图像数据更多的信息,很多遥感研究都试图开发出能够很好利用这些信息的技术,其中被最广泛研究的就是变化检测技术。
最近,随着新型微波卫星的不断升空,现行的SAR图像分辨率越来越高,同时其自身具备的全天候全天时和对地表有一定穿透能力等特点,合成孔径雷达越来越多的受到人们所重视。
综上所述,请参阅图1,本发明提供一种基于遥感云平台的洪灾范围获取方法,包括步骤:
S100、获取所需区域洪灾前后的SAR影像,并筛选出所需的具体影像。
本实施例中,基于SAR图像的变化检测算法,针对洪涝灾害,获取遥感云平台中提供的SAR影像,通过SAR影像时序变化检测方法,快速计算得到最新的影像覆盖日期的受灾地区范围与分布情况。这对政府关于灾情的宏观把握、对救灾的战略布置以及对灾后经济损失情况的估量都有重要的贡献,具备重大科学意义和社会价值。
具体的,从遥感云平台中获取发生洪涝灾害的区域的哨兵一号(Sentinel-1)微波卫星数据,提取其中洪灾前和洪灾后的SAR影像,得到所需区域内灾前以及灾后的影像若干景;并中得到指定时间的影像后,筛选出具体的IW成像模式(宽幅干涉图像)、VV极化(垂直极化)的同期所有Sentinel-1微波影像。
S200、对筛选出的所述具体影像进行掩模处理,生成待处理影像。
由于一般情况下洪灾都发生在城镇地区,而较大的城镇地区往往位于平原位置,因此图像中只需要保留平原、高原等区域即可;再者,山体地区多为林地,其后向散射强度特性与水体接近,在处理时容易造成大量噪声或者错误,因此需要对山体坡度区域进行掩模,得到主要的对象,即待处理影像。
请参阅图2,所述S200的步骤具体包括:
S201、对筛选出的所述具体影像进行第一次掩模处理。
具体的,所述第一次掩模处理为数字高程模型(Digital Elevation Model,DEM)坡度数据掩模处理。首先,生成DEM坡度模型,再使用ALOS DSM(Global 30m)模型数据(即ALOS Global Digital Surface Model"ALOS World 3D-30m"模型数据),提取所述具体影像中坡度值小于5度的地区,将坡度值在5以上的山体地区剔除,得到所需的平原、高原等区域。
S202、对第一掩模处理后的影像进行第二次掩模处理。
具体的,所述第二次掩模处理为水体区域掩模处理。由于原有水体区域(即洪灾前存在的水域)中也存在大量影响灾区准确显示的噪声,而且在确定受灾区域时,并不需要对原有水体区域进行研究,因此,在上一步剔除山体、大坡度等区域后,还需要根据洪灾前影像,对DEM坡度掩模处理后的影像进行原有水体区域掩模。
具体实施时,本实施例中,具体通过幅度值中位数法对所述第一掩模处理后的影像进行原有水体区域掩模。提取洪灾前的10景影像中每个像素点在所有影像中影像强度值的中位值,构成一幅新的影像,将该影像中幅度值低于预设幅度值的地区视为水体,从而与上一步得到的影像叠加,生成待处理影像。特别的,所述预设幅度值为-19。
S300、对所述待处理影像的边界进行平滑处理,生成处理后影像。
具体的,在经过两次掩模处理后,得到了受灾区域的大概影像,即待处理影像,但是所述待处理影像的边界比较凌乱,不利于后续处理。因此需要对所述待处理影像进行边界平滑处理,以得到更符合水体分布特性的影像区域。
请参阅图3,所述S300的步骤具体包括:
S301、对所述待处理影像进行形态学滤波平滑处理,将所述待处理影像中的凌乱边界变成圆滑边界。
具体实施时,本实施例中,使用半径100m(即10个像素点大小,每个像素点为10m)的圆形模板对所述待处理影像进行形态学滤波。先将所述待处理影像中凌乱的边界以孤立的小区域进行平滑和滤波,使得所述待处理影像的凌乱边界,变成平滑边界,得到更符合水体分布特性的影响区域,即处理后影像。
S400、将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像。
具体的,本实施例中,还需将洪灾前和洪灾后的影响进行差值运算,得到影像强度变化的区域,并根据预设的差值阈值提取得到最终的受灾区域影像。
请参阅图4,所述S400的步骤具体包括:
S401、预设洪灾前和洪灾后的差值阈值,将所述处理后影像中的洪灾前和洪灾后影像进行差值运算;
S402、提取差值小于所述差值阈值的像素点,生成受灾区域影像。
具体实施时,本实施例中,根据当前地区的特点,预设洪灾前和洪灾后的差值阈值;然后将所述处理后影响中的洪灾前和洪灾后影像进行差值运算;即洪灾前和洪灾后的每个像素点的幅度值相减,得到相应的差值,所述差值有正有负。然后将所有所述差值均与差值阈值进行比较,所述差值小于所述差值阈值的像素点即为被淹地区,即受灾区域,将这些像素点组成一幅新的影像,即为受灾区域影像。
在一实例中,以广东省河源市连平县为研究对象,经过人工对比测算后,得到连平县能得到较为清晰的受灾区域影像的差值阈值为-2.5,以-2.5为差值阈值,提取小于-2.5的差值对应的像素点,即可得到受灾区域影像。
特别的,所述差值阈值可在发生洪灾前预先设置,例如,以省为例,预先计算出省内各个地区的差值阈值并进行保存,当某地发生洪灾时,可自动获取预设差值阈值进行对比,进而快速提取出受灾区域影像。
进一步地,请参阅图5,本发明提供的基于遥感云平台的洪灾范围获取方法中还包括步骤:
S500、将受灾区域影像与遥感云平台上的地面真实影像进行叠加,判断出具体受灾位置。
具体实施时,本实施例中,在经过上述处理后,得到只显示水灾后受灾区域的SAR影像,该SAR影像可以在遥感云平台上直接叠加在高清地面真是影像上进行显示,使得用户可以快速查看到具体的受灾地区,为后续的受灾分析、灾情救助等提供可视化的、真实的、有效的信息支援。此外,所述受灾区域影像还可以进行矢量文件格式的导出,可以在专业软件上分析受灾地区具体影像地类、受灾面积等关键信息。
综上所述,本发明提供的基于遥感云平台的洪灾范围获取方法、终端及存储介质,所述方法包括步骤:获取所需区域洪灾前后的SAR影像,并筛选出所需的具体影像;对筛选出的所述具体影像进行掩模处理,生成待处理影像;对所述待处理影像的边界进行平滑处理,生成处理后影像;将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像。本发明中通过提取洪灾地区的SAR影像,对SAR影像进行处理,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例所述的基于遥感云平台的洪灾范围获取方法中的步骤。
本发明还提供了一种终端,如图6所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
Claims (6)
1.一种基于遥感云平台的洪灾范围获取方法,其特征在于,包括步骤:
获取所需区域洪灾前后的合成孔径雷达(SAR)影像,并筛选出所需的具体影像;
对筛选出的所述具体影像进行掩模处理,生成待处理影像;
对所述待处理影像的边界进行平滑处理,生成处理后影像;
将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像;
所述对筛选出的所述具体影像进行掩模处理的步骤具体包括:
对筛选出的所述具体影像进行第一次掩模处理;
对第一掩模处理后的影像进行第二次掩模处理;
所述第一次掩模处理为DEM坡度数据掩模处理;
所述第二次掩模处理为水体区域掩模处理;
所述对所述待处理影像的边界进行平滑处理的步骤具体包括:
对所述待处理影像进行形态学滤波平滑处理,将所述待处理影像中的凌乱边界变成圆滑边界;
通过提取洪灾地区的SAR影像,对SAR影像进行处理,生成受灾区域影像,实现通过遥感云平台快速计算出受灾区域范围及灾情分布的目的。
2.根据权利要求1所述的基于遥感云平台的洪灾范围获取方法,其特征在于,通过幅度值中位数法对所述第一掩模处理后的影像进行原有水体区域掩模。
3.根据权利要求1所述的基于遥感云平台的洪灾范围获取方法,其特征在于,所述将洪灾前后影像进行对比,根据差值阈值提取出受灾区域影像的步骤具体包括:
预设洪灾前和洪灾后的差值阈值,将所述处理后影像中的洪灾前和洪灾后影像进行差值运算;
提取差值小于所述差值阈值的像素点,生成受灾区域影像。
4.根据权利要求1所述的基于遥感云平台的洪灾范围获取方法,其特征在于,还包括步骤:
将受灾区域影像与遥感云平台上的地面真实影像进行叠加,判断出具体受灾位置。
5.一种终端,其特征在于,包括:处理器和存储器;所述存储器上存储有可被所述处理器执行的计算机可读程序;所述处理器执行所述计算机可读程序时实现如权利要求1~4任意一项所述的基于遥感云平台的水航线探测方法中的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~4任意一项所述基于遥感云平台的水航线探测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940407.5A CN110826404B (zh) | 2019-09-30 | 2019-09-30 | 基于遥感云平台的洪灾范围获取方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940407.5A CN110826404B (zh) | 2019-09-30 | 2019-09-30 | 基于遥感云平台的洪灾范围获取方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826404A CN110826404A (zh) | 2020-02-21 |
CN110826404B true CN110826404B (zh) | 2023-07-21 |
Family
ID=69548771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940407.5A Active CN110826404B (zh) | 2019-09-30 | 2019-09-30 | 基于遥感云平台的洪灾范围获取方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826404B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368716B (zh) * | 2020-02-28 | 2023-04-28 | 重庆市规划和自然资源调查监测院 | 一种基于多源时空数据的地质灾害灾毁耕地提取方法 |
CN112070001A (zh) * | 2020-09-07 | 2020-12-11 | 北京航空航天大学 | 一种基于星载合成孔径雷达的洪水区域提取方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
-
2019
- 2019-09-30 CN CN201910940407.5A patent/CN110826404B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915757A (zh) * | 2015-05-22 | 2015-09-16 | 同济大学 | 基于波段运算的洪涝灾害淹没评估信息处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110826404A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921799B (zh) | 基于多尺度协同学习卷积神经网络的遥感图像薄云去除方法 | |
Shen et al. | Area partitioning for channel network extraction using digital elevation models and remote sensing | |
CN108416784B (zh) | 城市建成区边界快速提取方法、装置及终端设备 | |
CN110826404B (zh) | 基于遥感云平台的洪灾范围获取方法、终端及存储介质 | |
CN107657618B (zh) | 基于遥感影像和地形数据的区域尺度侵蚀沟自动提取方法 | |
CN104899865B (zh) | 基于高斯尺度空间的山脉线提取方法 | |
Ghorai et al. | Extracting shoreline from satellite imagery for GIS analysis | |
CN111192282B (zh) | 湖滨带虚拟站的湖库时序水位重建方法 | |
WO2013121340A1 (en) | Digital elevation model | |
CN113409461B (zh) | 构建地貌地图的方法、装置、电子设备和可读存储介质 | |
Chen et al. | Land-cover reconstruction and change analysis using multisource remotely sensed imageries in Zhoushan Islands since 1970 | |
Wu et al. | Real-world DEM super-resolution based on generative adversarial networks for improving InSAR topographic phase simulation | |
CN104915757A (zh) | 基于波段运算的洪涝灾害淹没评估信息处理方法 | |
CN111274878A (zh) | 卫星云图分类方法及系统 | |
CN116310800B (zh) | 一种基于深度学习的梯田自动提取方法及装置 | |
CN110853058B (zh) | 基于视觉显著性检测的高分辨率遥感影像道路提取方法 | |
Arai et al. | Method for frequent high resolution of optical sensor image acquisition using satellite-based SAR image for disaster mitigation | |
Li et al. | Rapid flood mapping based on remote sensing cloud computing and Sentinel-1 | |
CN116188587A (zh) | 定位方法、装置及车辆 | |
CN114418858A (zh) | 遥感影像的镶嵌方法、装置、设备及存储介质 | |
CN113762083A (zh) | 识别微地形类型的方法、装置、终端设备以及存储介质 | |
CN112734675A (zh) | 一种基于金字塔模型和非局部增强密集块的图像去雨方法 | |
CN112734290A (zh) | 交通工具运动状态评估方法、装置、设备以及介质 | |
Su et al. | Morphological transformation for the elimination of area features in digital map generalization | |
CN104463895B (zh) | 一种基于sar的地表监测图像处理方法 |
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 |