CN111652932A - 一种遥感图像地理定位的矢量验证方法、装置及设备 - Google Patents
一种遥感图像地理定位的矢量验证方法、装置及设备 Download PDFInfo
- Publication number
- CN111652932A CN111652932A CN202010311876.3A CN202010311876A CN111652932A CN 111652932 A CN111652932 A CN 111652932A CN 202010311876 A CN202010311876 A CN 202010311876A CN 111652932 A CN111652932 A CN 111652932A
- Authority
- CN
- China
- Prior art keywords
- vector
- image
- data
- boundary
- global
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种遥感图像地理定位的矢量验证方法、装置及设备,所述方法包括:利用人工影像数字化、现有矢量边界筛选等手段,在全球范围内获取特定地物的边界数字信息,考虑特定地物的全球分布,在预先设置的每一个全球网格内均有特殊地物的矢量边界数据;从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。利用本发明,我们给出了全球的遥感影像矢量验证样方具体分布,也同时制作了可直接用于目视检验的矢量层数据,为真正开展全球影像地理定位情况的检验提供了科学支撑。
Description
技术领域
本发明涉及全球遥感影像地理定位精度评价技术领域,尤其是涉及一种遥感图像地理定位的矢量验证方法、装置及设备。
背景技术
遥感,顾名思议,是远距离对事物进行探测和感知,通常在探测后形成图像,目前主要是数字图像,也称遥感图像或遥感影像。基于卫星平台获取的数据,称卫星数据、卫星图像或卫星影像。基于航空平台获取的数据,称航片、航空影像等。
卫星上天后,可以对地球连续不断的成像,形成全球覆盖的影像,在后续的数据处理中,每幅影像需要精确的配准到实际地理位置,由于卫星观测平台震颤、地球自转且为非圆形球体,经系统性定位后的遥感影像可能存在明显的几何定位误差,国产遥感影像尤其明显。
几何定位,是把具有地理属性的图像与实际地物元素精确地匹配的过程。利用卫星数据同步匹配的经纬度数据或RPC模型可以对卫星数据进行系统性几何纠正。
经几何纠正后的影像,目视查验影像的纠正效果也是一个重要的技术环节。通常需要借助参考影像或参考矢量,看看二者的套合情况,如果套合的好,就认为纠正的效果好,套合不好,纠正效果不好。但是,如何确认套合的好与不好,在实际的操作过程中很难界定,因此,需要一个通用的技术标准,还要考虑如何实现的关键技术。
查验影像与实际地物地理位置的匹配情况,可以将两幅影像叠加,通过滑动一幅影像来查看(卷帘方法),对于高分辨率的遥感影像,比较容易看出二者间的差异,但是对于中低分辨率(如250米、1000米以上的) 影像很难准确查验影像间的位置差异,主要是由于空间分辨率太粗,地物特征不突出,影像空间较大时将1-2个像元的位置差异掩盖了。而且对于全球影像,不可能人工查验每一幅影像。
借助矢量数据(边界数据)查验影像的纠正情况,也较常用,如将海岸线叠加到影像上,一定程度上可以解决技术问题,但实际仍存在许多问题,最重要的就是海岸线的细微程度对判断有很大的影响,如果海岸线画的不是很严格,一段匹配的好,相近一段匹配的差,则无法确定最终的结果。
发明内容
现有技术存在的问题:现有技术的方法对国产卫星影像和实际地理位置的定位配准还存在较大的误差。
针对现有技术存在的缺陷,第一方面,本发明提供了一种遥感图像地理定位的矢量验证方法,包括:
利用人工影像数字化、现有矢量边界筛选的方法,在全球范围内获取特定地物的边界数字信息,结合所述特定地物的全球分布,使得预先设置的每一个全球网格内均有特殊地物的矢量边界数据;
从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
采用本发明的一种地球图像的矢量图像获取方法的有益效果是:
采用现有技术时,通常技术人员利用一两幅图像的比对结果,就得出结论,全球影像的地理定位评价就完成了。实际上,整个地球很复杂,没有一定数量的样本结果,不能给出客观和准确的全球评价。全球的影像地理定位检验需要抽样进行,样本点的空间和数量要合理分布,样本点选在哪里,目前还未开展此项工作。
利用本发明,我们给出了全球的样方具体分布,也同时制作了可直接用于目视检验的矢量层数据,为真正开展全球影像地理定位情况的检验提供了非常好的支撑。
进一步:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
进一步,所述预先设置的每一个全球网格按照如下规则确定:按照α* α的角度间隔对地球表面进行网格划分,其中,α小于等于30°。
进一步,以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据。
进一步,在获取多个特定地物的矢量边界数据之后,还包括:
对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
第二方面,本发明提供了一种地球图像的矢量图像获取装置,包括:
获取模块,用于利用人工影像数字化、现有矢量边界筛选的方法,在全球范围内获取特定地物的边界数字信息,结合所述特定地物的全球分布,使得预先设置的每一个全球网格内均有特殊地物的矢量边界数据;
裁剪模块,用于从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
叠加模块,用于对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
进一步,所述特定地物包括:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
进一步,所述预先设置的每一个全球网格按照如下规则确定:按照α* α的角度间隔对地球表面进行网格划分,其中,α小于等于30°。
进一步,还包括:
构建模块,用于以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据;
优化模块,与所述获取模块连接,用于在所述获取模块获取到多个特定地物的矢量边界数据之后,对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
第三方面,本发明提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明的有益效果是:
本发明的方法及设备可以充分利用地球的自然地物的特征、人工制造地物的特征,参考全球格网,优选出一定数量的样方,通过控制空间大小,借助这些样方的简洁矢量边界,实现对全球影像的抽样目视查验。
附图说明
图1是本发明的一种遥感图像地理定位的矢量验证方法的流程示意图;
图2是本发明的一种遥感图像地理定位的矢量验证装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装备结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
如图1所示,本发明提供了一种遥感图像地理定位的矢量验证方法,包括:
S1:利用人工影像数字化、现有矢量边界筛选的方法,在全球范围内获取特定地物的边界数字信息,结合所述特定地物的全球分布,使得预先设置的每一个全球网格内均有特殊地物的矢量边界数据;
S2:从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
S3:对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
实施例1:
步骤1:将整个地球按30°*30°分块。
步骤2:在划分分块之后,在每个格网内,寻找有特点的地物,如横平竖直的地物、类型简单且边界好辨认的地物、边缘光滑的海岸线、小岛屿等,并数字化边界生成矢量文件。
步骤3:获取全球矢量边界数据,在此数据中进一步提取长宽比相近的矢量(通常为岛屿边界),长宽比较大的矢量(通常为直线、斜线)。
步骤4:利用地理定位公认精准的全球影像数据,裁剪出上述步骤2至步骤3中获取的矢量数据对应区域的影像数据。
步骤5:将每幅影像叠加上对应矢量数据,进行分析,查验此区域的矢量边界是否符合要求。
步骤6:考虑步骤1中的每一个分块,保证每个分块均有一定数量(至少有一个矢量边界有效)的矢量数据,形成一套可用的矢量数据库。
步骤7:对最终确定的可用矢量数据进行制图,形成可浏览的只有矢量的图片文件。
步骤8:对最终确定的可用矢量数据的对应影像进行叠加制图,形成可浏览的包括影像和矢量的图片文件。
步骤9:根据步骤6中所确定的矢量数据,裁剪待查验的全球影像,然后将影像与矢量叠加,如有多个日期的数据,制作动画文件,目视检验效果并给出评价意见;
步骤10:重复所述步骤9,直至完成每个矢量数据区域的评价,根据统计学的方法,进行汇总,给出总体评价。
采用本发明的一种遥感图像地理定位的矢量验证方法的有益效果是:
采用现有技术时,通常技术人员利用一两幅图像的比对结果,就得出结论,全球影像的地理定位评价就完成了。实际上,整个地球很复杂,没有一定数量的样本结果,不能给出客观和准确的全球评价。全球的影像地理定位检验需要抽样进行,样本点的空间和数量要合理分布,样本点选在哪里,目前还未开展此项工作。
利用本发明,我们给出了全球的样方具体分布,也同时制作了可直接用于目视检验的矢量层数据,为真正开展全球影像地理定位情况的检验提供了非常好的支撑。
在一些说明性实施例中:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
在一些说明性实施例中,所述预先设置的每一个全球网格按照如下规则确定:按照α*α的角度间隔对地球表面进行网格划分,其中,α小于等于 30°。
在一些说明性实施例中,以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据。
在一些说明性实施例中,在获取多个特定地物的矢量边界数据之后,还包括:
对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
如图2所示,本发明提供了一种遥感图像地理定位的矢量验证装置,包括:
获取模块100,用于在预先设置的多个地球网格区域的每一个区域中,获取多个特定地物的矢量边界数据;
裁剪模块200,用于从预定地球图像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
叠加模块300,用于对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
在一些说明性实施例中,所述特定地物包括:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
在一些说明性实施例中,所述预先设置的每一个全球网格按照如下规则确定:按照α*α的角度间隔对地球表面进行网格划分,其中,α小于等于 30°。
在一些说明性实施例中,还包括:
构建模块,用于以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据;
优化模块,与所述获取模块连接,用于在所述获取模块获取到多个特定地物的矢量边界数据之后,对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,物流管理服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种遥感图像地理定位的矢量验证方法,其特征在于,包括:
利用人工影像数字化、现有矢量边界筛选的方法,在全球范围内获取特定地物的边界数字信息,结合所述特定地物的全球分布,使得预先设置的每一个全球网格内均有特殊地物的矢量边界数据;
从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
2.根据权利要求1所述的地球图像的矢量图像获取方法,所述特定地物包括:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
3.根据权利要求1或2所述的地球图像的矢量图像获取方法,其特征在于,所述预先设置的每一个全球网格按照如下规则确定:按照α*α的角度间隔对地球表面进行网格划分,其中,α小于等于30°。
4.根据权利要求3所述的地球图像的矢量图像获取方法,其特征在于,还包括:以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据。
5.根据权利要求2所述的地球图像的矢量图像获取方法,其特征在于,在获取多个特定地物的矢量边界数据之后,还包括:
对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
6.一种地球图像的矢量图像获取装置,其特征在于,包括:
获取模块,用于利用人工影像数字化、现有矢量边界筛选的方法,在全球范围内获取特定地物的边界数字信息,结合所述特定地物的全球分布,使得预先设置的每一个全球网格内均有特殊地物的矢量边界数据;
裁剪模块,用于从已有的全球影像数据中,裁剪出对应于所述矢量边界数据的区域图像数据;
叠加模块,用于对所述矢量边界数据和所述区域图像数据进行叠加制图操作,得到地球图像的矢量图像。
7.根据权利要求6所述的地球图像的矢量图像获取装置,其特征在于,所述特定地物包括:横平竖直的地物、边界容易辨识的地物、边缘光滑的海岸线、较小岛屿。
8.根据权利要求6或7所述的地球图像的矢量图像获取装置,其特征在于,所述预先设置的每一个全球网格按照如下规则确定:按照α*α的角度间隔对地球表面进行网格划分,其中,α小于等于30°。
9.根据权利要求8所述的地球图像的矢量图像获取装置,其特征在于,还包括:
构建模块,用于以获取到的所述矢量边界数据为基础,构建矢量边界数据库以便于保存所有矢量边界数据;
优化模块,与所述获取模块连接,用于在所述获取模块获取到多个特定地物的矢量边界数据之后,对所述矢量边界数据进行优化,从中选取对应于岛屿边界的矢量数据、以及长宽比较大的矢量数据。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~5任一项中所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311876.3A CN111652932B (zh) | 2020-04-20 | 2020-04-20 | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010311876.3A CN111652932B (zh) | 2020-04-20 | 2020-04-20 | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652932A true CN111652932A (zh) | 2020-09-11 |
CN111652932B CN111652932B (zh) | 2023-05-02 |
Family
ID=72346470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010311876.3A Active CN111652932B (zh) | 2020-04-20 | 2020-04-20 | 一种遥感图像地理定位的矢量验证方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652932B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578644A (zh) * | 2022-08-08 | 2023-01-06 | 江苏省水利科学研究院 | 基于多特征机器学习的平原水网水葫芦提取方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7872648B2 (en) * | 2007-06-14 | 2011-01-18 | Microsoft Corporation | Random-access vector graphics |
CN102033898A (zh) * | 2010-09-27 | 2011-04-27 | 华东师范大学 | 中分辨率成像光谱影像的局地云量信息元数据提取方法 |
CN103150328A (zh) * | 2013-01-05 | 2013-06-12 | 武汉中地数码科技有限公司 | 一种利用数据库自动制图的集成方法 |
CN103439693A (zh) * | 2013-08-16 | 2013-12-11 | 电子科技大学 | 一种线阵sar稀疏重构成像与相位误差校正方法 |
CN103489222A (zh) * | 2013-09-06 | 2014-01-01 | 电子科技大学 | 三维图像中的目标体表面重构法 |
CN105551028A (zh) * | 2015-12-09 | 2016-05-04 | 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 |
CN105976426A (zh) * | 2016-04-27 | 2016-09-28 | 中国电子科技集团公司第二十八研究所 | 一种快速的三维地物模型构建方法 |
CN108053409A (zh) * | 2017-12-11 | 2018-05-18 | 中南大学 | 一种遥感影像分割基准库自动构建方法及其系统 |
CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
CN109360435A (zh) * | 2018-10-30 | 2019-02-19 | 北京恒达时讯科技股份有限公司 | 一种公路交通气象信息获取方法及系统 |
CN106844519B (zh) * | 2016-12-29 | 2019-07-26 | 中国科学院电子学研究所苏州研究院 | 基于三维数字地球的遥感专题产品可视化方法 |
CN110596008A (zh) * | 2019-09-06 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 基于地块的中国洪积平原农业区土壤养分数字制图方法 |
US10614318B1 (en) * | 2019-10-25 | 2020-04-07 | 7-Eleven, Inc. | Sensor mapping to a global coordinate system using a marker grid |
-
2020
- 2020-04-20 CN CN202010311876.3A patent/CN111652932B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7872648B2 (en) * | 2007-06-14 | 2011-01-18 | Microsoft Corporation | Random-access vector graphics |
CN102033898A (zh) * | 2010-09-27 | 2011-04-27 | 华东师范大学 | 中分辨率成像光谱影像的局地云量信息元数据提取方法 |
CN103150328A (zh) * | 2013-01-05 | 2013-06-12 | 武汉中地数码科技有限公司 | 一种利用数据库自动制图的集成方法 |
CN103439693A (zh) * | 2013-08-16 | 2013-12-11 | 电子科技大学 | 一种线阵sar稀疏重构成像与相位误差校正方法 |
CN103489222A (zh) * | 2013-09-06 | 2014-01-01 | 电子科技大学 | 三维图像中的目标体表面重构法 |
CN105551028A (zh) * | 2015-12-09 | 2016-05-04 | 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 |
CN105976426A (zh) * | 2016-04-27 | 2016-09-28 | 中国电子科技集团公司第二十八研究所 | 一种快速的三维地物模型构建方法 |
CN106844519B (zh) * | 2016-12-29 | 2019-07-26 | 中国科学院电子学研究所苏州研究院 | 基于三维数字地球的遥感专题产品可视化方法 |
CN108053409A (zh) * | 2017-12-11 | 2018-05-18 | 中南大学 | 一种遥感影像分割基准库自动构建方法及其系统 |
CN108805920A (zh) * | 2018-06-01 | 2018-11-13 | 环境保护部卫星环境应用中心 | 未利用地上土壤污染风险区域的识别方法和装置 |
CN109360435A (zh) * | 2018-10-30 | 2019-02-19 | 北京恒达时讯科技股份有限公司 | 一种公路交通气象信息获取方法及系统 |
CN110596008A (zh) * | 2019-09-06 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 基于地块的中国洪积平原农业区土壤养分数字制图方法 |
US10614318B1 (en) * | 2019-10-25 | 2020-04-07 | 7-Eleven, Inc. | Sensor mapping to a global coordinate system using a marker grid |
Non-Patent Citations (3)
Title |
---|
JYOTI RAWAT等: "Comparative analysis of segmentation algorithms for leukocyte extraction in the acute Lymphoblastic Leukemia images", 《 2014 INTERNATIONAL CONFERENCE ON PARALLEL, DISTRIBUTED AND GRID COMPUTING》 * |
范锦龙: "地球观测数据卫星分发系统发展综述" * |
范锦龙: "地球观测数据卫星分发系统发展综述", 《地球科学进展》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115578644A (zh) * | 2022-08-08 | 2023-01-06 | 江苏省水利科学研究院 | 基于多特征机器学习的平原水网水葫芦提取方法及装置 |
CN115578644B (zh) * | 2022-08-08 | 2023-04-18 | 江苏省水利科学研究院 | 基于多特征机器学习的平原水网水葫芦提取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111652932B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Over et al. | Processing coastal imagery with Agisoft Metashape Professional Edition, version 1.6—Structure from motion workflow documentation | |
CN105893972B (zh) | 基于影像进行的违章建筑物自动监测方法及其实现系统 | |
Turker et al. | Building‐based damage detection due to earthquake using the watershed segmentation of the post‐event aerial images | |
Pakoksung et al. | Digital elevation models on accuracy validation and bias correction in vertical | |
CN112712535B (zh) | 基于模拟困难样本的Mask-RCNN滑坡分割方法 | |
CN111126308B (zh) | 结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法 | |
Taylor et al. | Monitoring landscape change in the National Parks of England and Wales using aerial photo interpretation and GIS | |
JP2011501301A (ja) | 地理的情報の複数のソースを用いた地理空間モデリングシステム及び関連する方法 | |
US10115165B2 (en) | Management of tax information based on topographical information | |
Herrault et al. | A comparative study of geometric transformation models for the historical" Map of France" registration | |
CN114022783A (zh) | 基于卫星图像的水土保持生态功能遥感监测方法和装置 | |
CN110148176B (zh) | 红外高光谱多像元载荷的定位一致性的检验方法和装置 | |
CN111652932A (zh) | 一种遥感图像地理定位的矢量验证方法、装置及设备 | |
Pyka et al. | LiDAR-based method for analysing landmark visibility to pedestrians in cities: case study in Kraków, Poland | |
CN110310370B (zh) | 一种gps与srtm点面融合的方法 | |
CN113096129B (zh) | 高光谱卫星影像中的云量检测方法和装置 | |
CN115018973A (zh) | 一种低空无人机点云建模精度的无靶标评估方法 | |
Khalaf et al. | Accuracy Assessment of World View-2 Satellite Imagery for Planimetric Maps Production | |
Wikantika et al. | Quick assessment on identification of damaged building and land‐use changes in the post‐tsunami disaster with a quick‐look image of IKONOS and Quickbird (A case study in Meulaboh City, Aceh) | |
Wang et al. | DEM Construction Method for Slopes Using Three-Dimensional Point Cloud Data Based on Moving Least Square Theory | |
Aguilar et al. | Assessing geometric reliability of corrected images from very high resolution satellites | |
CN117611978B (zh) | 一种土地资源测绘数据库的构建方法及系统 | |
CN118154420A (zh) | 基于多特征的静止气象卫星全球拼图生成方法及系统 | |
CN115375765A (zh) | 影像控制点提取方法和装置 | |
CN115359276A (zh) | 一种边缘增强与分布均衡化的遥感立体影像特征匹配方法 |
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 |