CN111798383B - 一种高分辨率夜间灯光影像的增强方法 - Google Patents
一种高分辨率夜间灯光影像的增强方法 Download PDFInfo
- Publication number
- CN111798383B CN111798383B CN202010517159.6A CN202010517159A CN111798383B CN 111798383 B CN111798383 B CN 111798383B CN 202010517159 A CN202010517159 A CN 202010517159A CN 111798383 B CN111798383 B CN 111798383B
- Authority
- CN
- China
- Prior art keywords
- image
- night light
- building
- resolution
- drawing unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 19
- 235000000391 Lepidium draba Nutrition 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明属于遥感影像处理技术领域,公开了一种高分辨率夜间灯光影像的增强方法,包括获取高分辨率夜间灯光影像及对应的日间遥感影像,并进行地理匹配;根据高分辨率夜间灯光影像获得夜间灯光亮度影像;根据日间遥感影像,结合建筑物特征指数MBI,获得建筑物二值图;根据夜间灯光亮度影像、建筑物二值图分别获得每个制图单元对应的夜间灯光亮度、建筑密度;根据夜间灯光亮度、建筑密度获得每个制图单元对应的高分辨率夜间灯光增强指数;采用高分辨率夜间灯光增强指数对高分辨率夜间灯光影像进行调节,得到增强影像。本发明解决了现有技术中缺乏有效地对高分辨率夜间灯光影像进行增强的方法的问题,实现了高分辨率夜灯亮度的增强。
Description
技术领域
本发明涉及遥感影像处理技术领域,尤其涉及一种高分辨率夜间灯光影像的增强方法。
背景技术
夜间的人造灯光,是夜间人类活动的重要标志。在经济快速发展的大背景下,近几十年来,众多学者基于低空间分辨率的夜间灯光遥感卫星数据,开展了大量研究,为监测国家社会经济发展提供了独特视角和数据支持。由于获取低空间分辨率夜间灯光影像的卫星平台的高度较高、幅宽较大(如VIIRS平台高度为824千米,幅宽3000千米),其影像可以充分地捕获地表的水平与垂直方向的夜间灯光。
随着空间成像技术的进步,近年来出现了高空间分辨率夜间遥感影像。相比于低分辨率夜间遥感影像,它可以提供城乡交界处和城市内部的细致灯光信息,为城市内部的社会经济状况与人类夜间活动监测提供了可能性。不过相对而言,高空间分辨率夜间灯光影像的平台高度较低、幅宽较窄(如珞珈一号卫星平台高度为647千米,幅宽250千米;吉林一号卫星平台高度为535千米,幅宽11千米),其获取的灯光相对有限。而且,高分辨率夜间灯光影像对水平方向灯光、高密度房屋区域的灯光亮度存在一定程度低估,在影像中表现为:少量的、能捕获到灯光的像元辐亮度极高,而其余像元的辐亮度极小,影像偏暗,信息量有限。因此,在实际应用之前,需要首先增强房屋区,尤其是高密度房屋区域被低估的亮度。然而,当前缺乏有效的增强方法,不利于充分挖掘高空间分辨率细致的灯光信息,不利于城市内部社会经济与人类夜间活动的准确监测。
发明内容
本申请实施例通过提供一种高分辨率夜间灯光影像的增强方法,解决了现有技术中缺乏有效地对高分辨率夜间灯光影像进行增强的方法的问题。
本申请实施例提供一种高分辨率夜间灯光影像的增强方法,包括以下步骤:
步骤1、获取高分辨率夜间灯光影像,以及所述高分辨率夜间灯光影像对应的日间遥感影像;对所述高分辨率夜间灯光影像、所述日间遥感影像进行地理匹配;
步骤2、根据所述高分辨率夜间灯光影像,获得夜间灯光亮度影像;
步骤3、根据所述日间遥感影像,结合建筑物特征指数MBI,获得建筑物二值图;
步骤4、根据所述夜间灯光亮度影像,获得每个制图单元对应的夜间灯光亮度;根据所述建筑物二值图,获得每个制图单元对应的建筑密度;
步骤5、根据所述夜间灯光亮度、所述建筑密度,获得每个制图单元对应的高分辨率夜间灯光增强指数;
步骤6、采用所述高分辨率夜间灯光增强指数对所述高分辨率夜间灯光影像进行调节,得到增强影像。
优选的,所述步骤2中,若所述高分辨率夜间灯光影像为多光谱夜间灯光影像,则获得夜间灯光亮度影像采用以下公式:
BRNTL(x)=0.2989×Red(x)+0.5870×Green(x)+0.1140×Blue(x)
式中,BRNTL(x)为像元x在夜间灯光亮度影像中的亮度值,Red(x)、Green(x)、Blue(x)分别为像元x在多光谱夜间灯光影像的红、绿、蓝波段中的辐亮度值;
若所述高分辨率夜间灯光影像为单波段的全色影像,则直接将所述高分辨率夜间灯光影像视为所述夜间灯光亮度影像,所述高分辨率夜间灯光影像的辐亮度值作为所述夜间灯光亮度影像中的亮度值。
优选的,所述步骤3包括以下子步骤:
步骤3.1、根据所述日间遥感影像,获得日间亮度影像;
步骤3.2、对所述日间亮度影像进行白顶帽运算;
步骤3.3、计算建筑物特征指数MBI;
步骤3.4、根据所述建筑物特征指数及预设的阈值,获得建筑物二值图。
优选的,所述步骤3.1采用如下公式:
BRMS(y)=max1≤k≤K(Mk(y))
式中,BRMS(y)为像元y在日间亮度影像中的亮度值,Mk(y)为像元y在波段k中的光谱值,K为日间遥感影像的波段数。
优选的,所述步骤3.2采用如下公式:
式中,为日间亮度影像BRMS在方向为d、尺度为s的线性结构元素下白顶帽的差分结果,为日间亮度影像BRMS在方向为d、尺度为s的线性结构元素下的白顶帽运算结果,Δs为尺度的步长,为日间亮度影像BRMS在方向为d、尺度为s的线性结构元素下的开重建运算结果。
优选的,所述步骤3.3采用如下公式:
式中,MBI为建筑物特征指数的计算结果,D与S分别为线性结构元素的方向和尺度的数量,IMBI为MBI线性拉伸至[0 1]的结果,MBImax与MBImin分别为MBI计算结果中的最大值与最小值;
所述步骤3.4采用如下公式:
式中,pbuilding为建筑物二值图,图中值为1的像素被认为是建筑物,值为0的像素为非建筑物;T为区分建筑物与非建筑物的阈值。
优选的,所述步骤4中,计算每个制图单元对应的建筑密度采用如下公式:
式中,Ui为第i个制图单元,i=1,2,...,n,n为制图单元的总数;为制图单元Ui对应的建筑密度;为建筑物二值图pbuilding在制图单元Ui对应区域中所有像元的值的和;为建筑物二值图pbuilding在制图单元Ui对应区域中的像元数量。
优选的,所述步骤4中,计算每个制图单元对应的夜间灯光亮度采用如下公式:
式中,Ui为第i个制图单元,i=1,2,...,n,n为制图单元的总数;为制图单元Ui对应的夜间灯光亮度;为夜间灯光亮度影像BRNTL在制图单元Ui对应区域中所有像元的值的和;为夜间灯光亮度影像BRNTL在制图单元Ui对应区域中的像元数量。
优选的,所述步骤5包括以下子步骤:
步骤5.1、归一化制图单元的夜间灯光亮度,获得每个制图单元对应的夜间灯光相对亮度;
步骤5.2、计算高分辨率夜间灯光增强指数。
优选的,所述步骤5.1采用如下公式:
所述步骤5.2采用如下公式:
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
在本申请实施例中,首先获取高分辨率夜间灯光影像以及高分辨率夜间灯光影像对应的日间遥感影像,并对高分辨率夜间灯光影像、日间遥感影像进行地理匹配;然后根据高分辨率夜间灯光影像获得夜间灯光亮度影像;根据日间遥感影像,结合建筑物特征指数MBI,获得建筑物二值图;接着根据夜间灯光亮度影像,获得每个制图单元对应的夜间灯光亮度;根据建筑物二值图,获得每个制图单元对应的建筑密度;最后根据夜间灯光亮度、建筑密度,获得每个制图单元对应的高分辨率夜间灯光增强指数;采用高分辨率夜间灯光增强指数对高分辨率夜间灯光影像进行调节,得到增强影像。本发明能够有效缓解高密度房屋区域夜间灯光亮度被低估的现象,实现了高分辨率夜灯亮度的增强。
附图说明
为了更清楚地说明本实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种高分辨率夜间灯光影像的增强方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本实施例提供了一种高分辨率夜间灯光影像的增强方法,主要包括以下步骤:
步骤1、获取高分辨率夜间灯光影像,以及所述高分辨率夜间灯光影像对应的日间遥感影像;对所述高分辨率夜间灯光影像、所述日间遥感影像进行地理匹配。
步骤2、根据所述高分辨率夜间灯光影像,获得夜间灯光亮度影像。
步骤3、根据所述日间遥感影像,结合建筑物特征指数MBI,获得建筑物二值图。
步骤4、根据所述夜间灯光亮度影像,获得每个制图单元对应的夜间灯光亮度;根据所述建筑物二值图,获得每个制图单元对应的建筑密度。
步骤5、根据所述夜间灯光亮度、所述建筑密度,获得每个制图单元对应的高分辨率夜间灯光增强指数。
步骤6、采用所述高分辨率夜间灯光增强指数对所述高分辨率夜间灯光影像进行调节,得到增强影像。
下面对本发明做进一步的说明。
本实施例提供了一种高分辨率夜间灯光影像的增强方法,参看图1,包括以下步骤:
步骤1、对高分辨率夜间灯光影像及其对应的日间遥感影像进行地理配准。
步骤2、根据高分辨率夜间灯光影像,获得夜间灯光亮度影像。
具体的,若高分辨率夜间灯光影像为多光谱夜间灯光影像,则将其转为单波段的亮度影像,具体的获得夜间灯光影像采用如下公式:
BRNTL(x)=0.2989×Red(x)+0.5870×Green(x)+0.1140×Blue(x) (1)
式中,BRNTL(x)为像元x在夜间灯光亮度影像中的亮度值,Red(x)、Green(x)和Blue(x)分别为像元x在多光谱夜间灯光影像的红、绿和蓝波段中的辐亮度值。
若高分辨率夜间灯光影像为单波段的全色影像,则直接将其视为亮度影像,其辐亮度值即亮度值。
步骤3、使用建筑物特征指数MBI从日间遥感影像中获取建筑物二值图。
即使用建筑物指数从日间高分辨率遥感影像中提取建筑物。
所述建筑物特征指数MBI(Morphological building index,形态学建筑指数),是一种自动从高分辨率遥感影像中提取建筑物的形态学指数,它利用建筑的光谱结构信息,并使用形态学运算突出建筑物,是一种非监督的建筑物提取方法,具有广泛的适用性。
MBI利用形态学算子突出建筑物的光谱和空间特征,从而实现建筑物的提取。其具体提取步骤如下:
步骤3.1、根据日间遥感影像,获取日间亮度影像:
BRMS(y)=max1≤k≤K(Mk(y)) (2)
式中,BRMS(y)为像元y在日间亮度影像中的亮度值,Mk(y)为像元y在波段k中的光谱值,K为日间遥感影像的波段数。
步骤3.2、利用差分的形态学白顶帽运算,突出建筑物的光谱和结构特征,这里白顶帽运算基于多尺度与多方向的计算得到:
式中,是日间亮度影像BRMS在方向为d、尺度为s(smin≤s≤smax)的线性结构元素下白顶帽的差分结果,是日间亮度影像BRMS在方向为d、尺度为s的线性结构元素下的白顶帽运算结果,Δs为尺度的步长,为日间亮度影像BRMS在方向为d、尺度为s的线性结构元素下的开重建运算结果。
步骤3.3、计算建筑物特征指数MBI:
式中,MBI为建筑物特征指数的计算结果,D与S分别为线性结构元素的方向和尺度的数量,IMBI为MBI线性拉伸至[01]的结果,MBImax与MBImin分别为MBI计算结果中的最大值与最小值。
例如,D=4,分别为45°、90°、135°和180°;S=2,经验值为smin=2米,smax=150米,具体设定可根据影像的实际情况进行调整。
步骤3.4、根据建筑物特征指数及预设的阈值,获取建筑物二值图:
式中,pbuilding为建筑物二值图,图中值为1的像素被认为是建筑物,值为0的像素为非建筑物;T为区分建筑物与非建筑物的阈值。
例如,可取经验值T=0.3,具体应用中可根据IMBI的结果微调。
步骤4、计算制图单元内的建筑密度与夜间灯光亮度。
其中,制图单元的大小可通过综合考虑应用尺度、夜间灯光影像的分辨率、以及对应日间遥感影像的分辨率来确定。
制图单元,指高分辨率夜间灯光增强指数输出结果的计算与制图单元。制图单元的大小,通过综合考虑应用尺度、夜间灯光影像的分辨率、以及日间遥感影像的分辨率来协同确定。常见的制图单元为栅格,如5米×5米、50米×50米或100米×100米等;此外,制图单元也可以是自定义的形状,如不规则街区等。
具体的,可分别选用制图单元内的建筑物面积比例与夜间灯光亮度的平均值,表示制图单元的建筑密度与夜间灯光亮度。
如下计算制图单元的建筑密度与夜间灯光亮度的方式,确保了高分辨率夜间灯光增强指数可以灵活地适用多类制图单元与多种应用场景。
步骤4.1、计算每个制图单元下的建筑密度:
式中,Ui为高分辨率夜间灯光增强指数输出结果中的第i个制图单元,i=1,2,...,n,其中n为制图单元的总数;为制图单元Ui的建筑密度,使用其内建筑物的面积比例来度量;指建筑物二值图pbuilding在制图单元Ui对应区域中所有像元的值的和,对应于制图单元Ui内建筑物的面积;指建筑物二值图pbuilding在制图单元Ui对应区域中的像元数量,对应于制图单元Ui的面积。
步骤4.2、计算每个制图单元下的夜间灯光亮度:
式中,为制图单元Ui的夜间灯光亮度,使用其内的夜间灯光亮度的平均亮度来度量;为夜间灯光亮度影像BRNTL在制图单元Ui对应区域中所有像元的值的和,对应于制图单元Ui内的夜间灯光总亮度;为夜间灯光亮度影像BRNTL在制图单元Ui对应区域中的像元数量。
步骤5、计算制图单元的高分辨率夜间灯光增强指数。
首先归一化制图单元的夜间灯光亮度,获得制图单元的夜间灯光相对亮度;之后对夜间灯光相对亮度做自然对数变换;最后将归一化、自然对数变换后的夜间灯光亮度与建筑密度相乘,获得每个制图单元对应的高分辨率夜间灯光增强指数。
归一化的具体操作为:以所有制图单元的夜间灯光亮度均值作为除数,来归一化制图单元的夜间灯光亮度。
具体包括以下子步骤:
步骤5.1、归一化制图单元的夜间灯光亮度,获得其相对亮度:
该步骤确保了本发明对于不同数值范围的各类高分辨率夜间灯光影像,具有广泛的适应性。
步骤5.2、计算高分辨率夜间灯光增强指数:
该步骤首先对相夜间灯光相对亮度进行对数变换,旨在增大制图单元之间夜间灯光亮度的方差,展现夜间灯光的细致信息;之后,引入建筑密度信息,将制图单元的夜间灯光亮度与建筑密度相乘,缓解了高房屋密度区域被低估的亮度,增强了夜间灯光的信息量。
步骤6、采用所述高分辨率夜间灯光增强指数对所述高分辨率夜间灯光影像进行调节,得到增强影像。
综上,本发明的主要思路是先从高分辨率夜间灯光中提取亮度,之后通过引入建筑密度信息,增强高建筑密度区域被低估的夜间灯光亮度。其中,亮度信息与建筑密度信息分别由夜间灯光平均亮度与建筑物面积比例来表示,确保了本技术方案可灵活地适用于各类制图单元与各种应用场景。高分辨率夜间灯光增强指数的计算过程中,归一化灯光亮度的操作,确保了本技术方案对于不同数值范围的各类高分辨率夜间灯光影像,具有广泛的适用性;进一步的自然对数变换操作,可增大夜间灯光亮度的方差,展现夜间灯光的细致信息;引入建筑密度信息,则有效缓解了高密度房屋区域夜间灯光亮度被低估的现象,实现了高分辨率夜间灯光亮度的增强。本发明充分考虑高分辨率夜间灯光的影像特点,为解决其高密度房屋区域的亮度低估提供了一种灵活有效的途径,能增强高分辨率夜间灯光影像的亮度,有效缓解高密度房屋区域灯光偏暗的问题。
本发明实施例提供的一种高分辨率夜间灯光影像的增强方法至少包括如下技术效果:
(1)针对高分辨率夜间灯光影像的特点,本发明解决了其应用难点:有效缓解了高密度房屋区域夜间灯光亮度被低估的现象,实现了高分辨率夜灯亮度的增强。
(2)本发明的技术流程对各类高分辨率夜间灯光影像具有广泛适用性。
(3)本发明可灵活适用多尺度制图单元与多种应用场景。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种高分辨率夜间灯光影像的增强方法,其特征在于,包括以下步骤:
步骤1、获取高分辨率夜间灯光影像,以及所述高分辨率夜间灯光影像对应的日间遥感影像;对所述高分辨率夜间灯光影像、所述日间遥感影像进行地理匹配;
步骤2、根据所述高分辨率夜间灯光影像,获得夜间灯光亮度影像;
步骤3、根据所述日间遥感影像,结合建筑物特征指数MBI,获得建筑物二值图;
步骤4、根据所述夜间灯光亮度影像,获得每个制图单元对应的夜间灯光亮度;根据所述建筑物二值图,获得每个制图单元对应的建筑密度;
步骤5、根据所述夜间灯光亮度、所述建筑密度,获得每个制图单元对应的高分辨率夜间灯光增强指数;
步骤5.1、归一化制图单元的夜间灯光亮度,获得每个制图单元对应的夜间灯光相对亮度,采用如下公式:
步骤5.2、计算高分辨率夜间灯光增强指数,采用如下公式:
步骤6、采用所述高分辨率夜间灯光增强指数对所述高分辨率夜间灯光影像进行调节,得到增强影像。
2.根据权利要求1所述的高分辨率夜间灯光影像的增强方法,其特征在于,所述步骤2中,若所述高分辨率夜间灯光影像为多光谱夜间灯光影像,则获得夜间灯光亮度影像采用以下公式:
BRNTL(x)=0.2989×Red(x)+0.5870×Green(x)+0.1140×Blue(x)
式中,BRNTL(x)为像元x在夜间灯光亮度影像中的亮度值,Red(x)、Green(x)、Blue(x)分别为像元x在多光谱夜间灯光影像的红、绿、蓝波段中的辐亮度值;
若所述高分辨率夜间灯光影像为单波段的全色影像,则直接将所述高分辨率夜间灯光影像视为所述夜间灯光亮度影像,所述高分辨率夜间灯光影像的辐亮度值作为所述夜间灯光亮度影像中的亮度值。
3.根据权利要求1所述的高分辨率夜间灯光影像的增强方法,其特征在于,所述步骤3包括以下子步骤:
步骤3.1、根据所述日间遥感影像,获得日间亮度影像;
步骤3.2、对所述日间亮度影像进行白顶帽运算;
步骤3.3、计算建筑物特征指数MBI;
步骤3.4、根据所述建筑物特征指数及预设的阈值,获得建筑物二值图。
4.根据权利要求3所述的高分辨率夜间灯光影像的增强方法,其特征在于,所述步骤3.1采用如下公式:
BRMS(y)=max1≤k≤K(Mk(y))
式中,BRMS(y)为像元y在日间亮度影像中的亮度值,Mk(y)为像元y在波段k中的光谱值,K为日间遥感影像的波段数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517159.6A CN111798383B (zh) | 2020-06-09 | 2020-06-09 | 一种高分辨率夜间灯光影像的增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517159.6A CN111798383B (zh) | 2020-06-09 | 2020-06-09 | 一种高分辨率夜间灯光影像的增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111798383A CN111798383A (zh) | 2020-10-20 |
CN111798383B true CN111798383B (zh) | 2022-06-14 |
Family
ID=72804069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010517159.6A Active CN111798383B (zh) | 2020-06-09 | 2020-06-09 | 一种高分辨率夜间灯光影像的增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798383B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926532B (zh) * | 2021-04-01 | 2024-05-10 | 深圳前海微众银行股份有限公司 | 信息处理方法、装置、设备、存储介质及计算机程序产品 |
CN114782255B (zh) * | 2022-06-16 | 2022-09-02 | 武汉大学 | 一种基于语义的夜光遥感影像高分辨率重建方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0654681A1 (en) * | 1993-10-25 | 1995-05-24 | Hughes Aircraft Company | Hyper-precision SAR interferometry using a dual-antenna multi-pass SAR system |
CN103345739A (zh) * | 2013-06-04 | 2013-10-09 | 武汉大学 | 一种基于纹理的高分辨率遥感影像建筑区指数计算方法 |
CN107240081A (zh) * | 2017-06-20 | 2017-10-10 | 长光卫星技术有限公司 | 夜景影像去噪与增强处理方法 |
CN107341795A (zh) * | 2017-06-30 | 2017-11-10 | 武汉大学 | 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 |
CN109978249A (zh) * | 2019-03-19 | 2019-07-05 | 广州大学 | 基于分区建模的人口数据空间化方法、系统及介质 |
CN110309781A (zh) * | 2019-07-01 | 2019-10-08 | 中国科学院遥感与数字地球研究所 | 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法 |
CN111144340A (zh) * | 2019-12-30 | 2020-05-12 | 中山大学 | 基于夜间灯光及高分辨率遥感影像的自然保护区人类活动自动监测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701483B (zh) * | 2016-02-29 | 2018-10-26 | 中南大学 | 一种融合多光谱遥感数据和夜间灯光遥感数据的城市边界提取方法 |
-
2020
- 2020-06-09 CN CN202010517159.6A patent/CN111798383B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0654681A1 (en) * | 1993-10-25 | 1995-05-24 | Hughes Aircraft Company | Hyper-precision SAR interferometry using a dual-antenna multi-pass SAR system |
CN103345739A (zh) * | 2013-06-04 | 2013-10-09 | 武汉大学 | 一种基于纹理的高分辨率遥感影像建筑区指数计算方法 |
CN107240081A (zh) * | 2017-06-20 | 2017-10-10 | 长光卫星技术有限公司 | 夜景影像去噪与增强处理方法 |
CN107341795A (zh) * | 2017-06-30 | 2017-11-10 | 武汉大学 | 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 |
CN109978249A (zh) * | 2019-03-19 | 2019-07-05 | 广州大学 | 基于分区建模的人口数据空间化方法、系统及介质 |
CN110309781A (zh) * | 2019-07-01 | 2019-10-08 | 中国科学院遥感与数字地球研究所 | 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法 |
CN111144340A (zh) * | 2019-12-30 | 2020-05-12 | 中山大学 | 基于夜间灯光及高分辨率遥感影像的自然保护区人类活动自动监测方法及系统 |
Non-Patent Citations (3)
Title |
---|
Nighttime image enhancement applying dark channel prior to raw data from camera;Yan G.等;《2016 International SoC Design Conference (ISOCC)》;20161229;第173-174页 * |
基于Retinex改进的夜间图像增强算法;李宏宇 等;《长春理工大学学报(自然科学版)》;20181231;第41卷(第6期);第104-108页 * |
基于融合的夜间视频图像增强算法;田旺 等;《计算机安全》;20131031;第43-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111798383A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730527B (zh) | 一种基于遥感卫星影像的高原地区冰湖提取方法 | |
US9940514B2 (en) | Automated geospatial image mosaic generation with multiple zoom level support | |
CN107341795B (zh) | 一种知识驱动的高空间分辨率遥感影像自动变化检测方法 | |
CN111798383B (zh) | 一种高分辨率夜间灯光影像的增强方法 | |
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 | |
CN112183416B (zh) | 一种基于深度学习方法的新增建设用地自动提取方法 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN111597949B (zh) | 一种基于npp-viirs夜间灯光数据的城市建成区提取方法 | |
CN110334623B (zh) | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 | |
CN106981054A (zh) | 一种图像处理方法及电子设备 | |
CN106294705A (zh) | 一种批量遥感影像预处理方法 | |
CN108509844B (zh) | 基于地基云图的vper云团识别方法 | |
CN112633185A (zh) | 图像处理的方法及装置 | |
CN114241321A (zh) | 高分遥感图像平顶建筑快速精准识别方法 | |
CN112927252A (zh) | 一种新增建设用地监测方法及装置 | |
CN115797775B (zh) | 基于近地视频图像的违章建筑智能识别方法及系统 | |
CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
CN116246272A (zh) | 针对国产卫星多光谱图像质量标记的云雪区分方法 | |
CN110009704B (zh) | 一种珞珈一号夜光遥感影像的动态范围压缩方法和系统 | |
CN112906528B (zh) | 一种融合多源卫星遥感数据的城市建筑物材质分类方法 | |
CN114648627A (zh) | 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 | |
CN113822816A (zh) | 气雾散射模型优化的单张遥感图像去霾方法 | |
CN113158934A (zh) | 基于高分辨率遥感影像的城市用地分类方法及装置、设备 | |
CN114005032B (zh) | 一种城市行道树单木参数提取方法、装置及终端设备 | |
CN115909050B (zh) | 一种结合线段方向和形态学差分的遥感图像机场提取方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230426 Address after: 7th Floor, Building A, Lishi Financial Building, No. 63 Huifeng East Road, Yinzhou District, Ningbo City, Zhejiang Province, 315199 Patentee after: Zhejiang Mingzhou Surveying and Mapping Institute Address before: 430072 Hubei Province, Wuhan city Wuchang District of Wuhan University Luojiashan Patentee before: WUHAN University |
|
TR01 | Transfer of patent right |