CN111897907B - 地表覆盖数据伪变化信息过滤方法、装置及存储介质 - Google Patents
地表覆盖数据伪变化信息过滤方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111897907B CN111897907B CN202010809795.6A CN202010809795A CN111897907B CN 111897907 B CN111897907 B CN 111897907B CN 202010809795 A CN202010809795 A CN 202010809795A CN 111897907 B CN111897907 B CN 111897907B
- Authority
- CN
- China
- Prior art keywords
- pseudo
- change
- spots
- surface coverage
- data
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008859 change Effects 0.000 claims abstract description 115
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种地表覆盖数据伪变化信息过滤方法、装置及存储介质,属于地理信息数据变化检测技术领域。该方法包括:确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;计算初步变化图斑中多个图斑的形状指数特征值;根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑。本申请可以提高对伪变化信息识别的准确率,进而可以更加准确地剔除伪变化信息。
Description
技术领域
本申请涉及地理信息数据变化检测技术领域,具体而言,涉及一种地表覆盖数据伪变化信息过滤方法、装置及存储介质。
背景技术
地表覆盖变化信息是开展自然资源调查监测、保护自然资源环境、研究自然资源变化、保障自然资源管理的基础数据。但是,不同时相地表覆盖数据间的几何误差会产生大量的伪变化信息,对变化信息的应用和统计分析造成巨大影响,导致应用分析结果产生偏差甚至错误;此外,随着科学技术的发展,空间对地观测能力不断加强,地表覆盖数据的覆盖规模、监测频率不断提高,可以有效剔除时序地表覆盖数据伪变化信息的需求变得愈发强烈。因此,检测并过滤伪变化信息对提高地表覆盖变化信息精度意义重大。
常规的伪变化检测方法大多面向栅格形式数据,分析变化对象的光谱、纹理等特征,并不适用于矢量形式存储的地表覆盖数据。部分线状矢量数据伪变化信息过滤剔除的方法也不符合面状地表覆盖类型数据的变化检测需求。现有面向地表覆盖类型矢量空间数据伪变化信息检测的方法还存在较大的局限性,主要表现为:缺少自动匹配不同尺度与精度的机制,无法应对不同情况数据,造成方法只能局限在一定的尺度和精度下使用;依靠主观经验反复试验确定区分真伪变化的阈值,易受到时空差异的影响,严重制约了伪变化检测的可靠性与精度;缺少对伪变化概率、形态特征、规模大小、数据尺度与数据精度等伪变化关键特征进行的综合考虑,根据单一因子分析变化信息真伪,难以全面剔除伪变化信息。
发明内容
本申请的目的在于提供一种地表覆盖数据伪变化信息过滤方法、装置及存储介质,可以提高对伪变化信息识别的准确率,进而可以更加准确地剔除伪变化信息。
本申请的实施例是这样实现的:
本申请实施例的一方面,提供一种地表覆盖数据伪变化信息过滤方法,包括:
确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;其中,第一地表覆盖数据与第二地表覆盖数据为同一地区不同时相的地表覆盖数据;
计算初步变化图斑中多个图斑的形状指数特征值;
根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;
判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;
若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑。
可选地,确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑,包括:
根据第一地表覆盖数据与第二地表覆盖数据建立空间拓扑匹配关系;
根据空间拓扑匹配关系对第一地表覆盖数据与第二地表覆盖数据进行叠加分析处理;
根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为初步变化图斑。
可选地,计算初步变化图斑中多个图斑的形状指数特征值,包括:
根据初步变化图斑中每个图斑的信息,确定每个图斑的属性;
根据每个图斑的属性,采用至少一种形状指数特征值对应的计算公式,分别计算每个图斑的至少一种形状指数特征值。
可选地,至少一种形状指数特征值包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数。
可选地,伪变化过滤阈值规则集包括:规则启动阈值和规则结束阈值;根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,包括:
根据多个图斑的数据比例尺,计算规则启动阈值;
根据多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、伪变化系数数值分组的组间距、伪变化系数所在组次数与其下限的邻组次数之差、伪变化系数所在组次数与其上限的邻组次数之差、规则启动阈值对应图斑的伪变化系数最小值;
根据伪变化系数数值分组的下限、组间距、与其下限的邻组次数之差、与其上限的邻组次数之差、伪变化系数最小值,计算规则结束阈值。
可选地,伪变化过滤阈值规则集还包括:分层过滤阈值集合;根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,还包括:
根据多个图斑的规模指数、规则启动阈值,或者,多个图斑的伪变化系数,确定分层过滤阈值集合中第一层过滤阈值;
根据多个图斑的伪变化系数、阈值分解层数、多个图斑的复杂度指数、多个图斑的规模指数、多个图斑的面积紧凑度指数、规则终止阈值对应的标准图斑面积,确定分层过滤阈值集合中阈值分解层数对应的过滤阈值。
本申请实施例的另一方面,提供一种地表覆盖数据伪变化信息过滤装置,包括:确定模块、计算模块、构建模块、判定模块、剔除模块;
确定模块,用于确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;其中,第一地表覆盖数据与第二地表覆盖数据为同一地区不同时相的地表覆盖数据;
计算模块,用于计算初步变化图斑中多个图斑的形状指数特征值;
构建模块,用于根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;
判定模块,用于判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;
剔除模块,用于若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑。
可选地,确定模块,具体用于根据第一地表覆盖数据与第二地表覆盖数据建立空间拓扑匹配关系;根据空间拓扑匹配关系对第一地表覆盖数据与第二地表覆盖数据进行叠加分析处理;根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为初步变化图斑。
可选地,计算模块,具体用于根据初步变化图斑中每个图斑的信息,确定每个图斑的属性;根据每个图斑的属性,采用至少一种形状指数特征值对应的计算公式,分别计算每个图斑的至少一种形状指数特征值。
可选地,上述至少一种形状指数特征值包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数。
可选地,上述伪变化过滤阈值规则集包括:规则启动阈值和规则结束阈值;构建模块,具体用于根据多个图斑的数据比例尺,计算规则启动阈值;根据多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、伪变化系数数值分组的组间距、伪变化系数所在组次数与其下限的邻组次数之差、伪变化系数所在组次数与其上限的邻组次数之差、规则启动阈值对应图斑的伪变化系数最小值;根据伪变化系数数值分组的下限、组间距、与其下限的邻组次数之差、与其上限的邻组次数之差、伪变化系数最小值,计算规则结束阈值。
可选地,伪变化过滤阈值规则集还包括:分层过滤阈值集合;构建模块,还用于根据多个图斑的规模指数、规则启动阈值,或者,多个图斑的伪变化系数,确定分层过滤阈值集合中第一层过滤阈值;根据多个图斑的伪变化系数、阈值分解层数、多个图斑的复杂度指数、多个图斑的规模指数、多个图斑的面积紧凑度指数、规则终止阈值对应的标准图斑面积,确定分层过滤阈值集合中阈值分解层数对应的过滤阈值。
本申请实施例的另一方面,提供一种计算机设备,包括:存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述地表覆盖数据伪变化信息过滤方法的步骤。
本申请实施例的另一方面,提供一种存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述地表覆盖数据伪变化信息过滤方法的步骤。
本申请实施例的有益效果包括:
本申请实施例提供的一种地表覆盖数据伪变化信息过滤方法、装置及存储介质,可以通过确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑,进而计算初步变化图斑中多个图斑的形状指数特征值,并根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,通过该伪变化过滤阈值规则集可以综合考虑大量伪变化特征,进而判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑,从而可以更加准确地剔除伪变化信息,增加地表覆盖数据中变化数据的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的地表覆盖数据伪变化信息过滤方法的流程示意图;
图2为本申请实施例提供的确定初步变化图斑的流程示意图;
图3为本申请实施例提供的计算多个图斑的形状指数特征值的流程示意图;
图4为本申请实施例提供的构建伪变化过滤阈值规则集的流程示意图;
图5为本申请实施例提供的规则终止阈值补差推导计算参数分布示意图;
图6为本申请实施例提供的构建伪变化过滤阈值规则集的另一流程示意图;
图7为本申请实施例提供的地表覆盖数据伪变化信息过滤方法的整体流程图;
图8为本申请实施例提供的地表覆盖数据伪变化信息过滤装置的结构示意图;
图9为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请提供的实施例,可以应用于地理信息数据变化检测,在对同一地区不同时间内地表覆盖数据的变化情况进行分析时,可以分析判定出这些变化情况中的伪变化信息,进而可以将这些伪变化信息过滤掉,下面通过具体的实施例来解释,本申请实施例中提供的地表覆盖数据伪变化信息过滤方法的具体过程。
图1为本申请实施例提供的地表覆盖数据伪变化信息过滤方法的流程示意图,请参照图1,该方法包括:
S110:确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑。
需要说明的是,地表覆盖反映地表自然营造物和人工建造物的自然属性或状况类型可以包括种植土地、林草覆盖、房屋建筑(区)、铁路与道路、构筑物、人工堆掘地、荒漠与裸露地等。第一地表覆盖数据和第二覆盖地表数据可以为同一地区不同时相的地表覆盖数据,例如,第一地表覆盖数据可以是某省内2015年的地表覆盖数据、第二地表覆盖数据可以是某省内2019年的地表覆盖数据。
图斑是将地表覆盖类型基本一致的地块单元分为一类,是地表覆盖数据的最基础构成单元,图斑也可被称为地表覆盖类型单一的地块,每个图斑内的地表覆盖类型均质且唯一。
可选地,可以通过地理国情监测工作获取第一地表覆盖数据与第二地表覆盖数据。
S120:计算初步变化图斑中多个图斑的形状指数特征值。
需要说明的是,可以通过预设的计算公式,分别计算多个图斑中每种形状指数特征值,其中,形状指数特征值可以是用于表征该图斑的各种形状相关数据的量化值。
S130:根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集。
需要说明的是,可以根据多个图斑中的每种形状指数特征之间的关系,通过计算、比较等方式确定过滤阈值规则集中的相关参数,进而构建该伪变化过滤阈值规则集。数据比例尺可以是该图斑的尺寸大小与实际地理数据中的尺寸大小,反映数据的空间精度,例如:当数据比例尺为1:10000时,实际地理数据中的尺寸大小为图斑上尺寸的10000倍。
S140:判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中。
需要说明的是,确定上述伪变化过滤阈值规则集后,可以判定初步变化信息图斑形状指数特征值是否包含在伪变化过滤阈值规则集内,伪变化过滤阈值规则集中可以包括至少一个预设范围,可以通过判定初步变化信息图斑形状指数特征值是否在该预设范围内从而判定初步变化信息图斑形状指数特征值是否包含在伪变化过滤阈值规则集内。
S150:若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑。
需要说明的是,若初步变化图斑中存在有形状指数特征值在上述预设范围中的目标图斑时,可以确定该目标图斑即在伪变化过滤阈值规则集内,也即是说,该目标图斑即为伪变化图斑,可以在初步变化图斑中将这一类的目标图斑进行剔除,从而获取更加准确的变化信息;相应地,若目标图斑不在伪变化过滤阈值规则集内,则该目标图斑为正常变化图斑,可以保留这一类目标图斑。
本申请实施例提供的地表覆盖数据伪变化信息过滤方法,可以通过确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑,进而计算初步变化图斑中多个图斑的形状指数特征值,并根据多个图斑的形状指数特征值,构建伪变化过滤阈值规则集,通过该伪变化过滤阈值规则集可以综合考虑大量伪变化特征,进而判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑,从而可以更加准确地剔除伪变化信息,增加地表覆盖数据中变化数据的准确性。
下面通过具体的实施例来解释上述获取初步变化图斑的具体过程。
图2为本申请实施例提供的确定初步变化图斑的流程示意图,请参照图2,S110:确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑,包括:
S210:根据第一地表覆盖数据与第二地表覆盖数据建立空间拓扑匹配关系。
需要说明的是,可以以同一区域的时序数据集为基础,选取其中需要进行变化检测分析的基期数据与现期数据作为初步变化信息图斑提取的对象,为了保证变化检测数据成果的质量,可以通过建立空间拓扑匹配关系的方式将基期数据与现期数据两期地表覆盖数据进行常规方法的质量检查和预处理,以确定地表覆盖数据的一致性以及空间参考匹配性,从而确保上述基期数据即为第一地表覆盖数据、现期数据即为第二地表覆盖数据。
可选地,数据一致性的检查包括检查基期数据与现期数据两期地表覆盖数据的空间范围、采集标准、属性分类等内容是否一致,对不一致的数据判断为不合格数据,不参与进一步的变化信息提取。
可选地,空间参考匹配性的检查包括检查基期数据与现期数据两期地表覆盖数据的空间投影与坐标系是否一致,对不一致的数据以基期数据为准,通过GIS(GeographicInformation System地理信息系统)软件的投影与坐标系转换功能,将现期数据的空间投影与坐标系转换与基期数据保持一致。
S220:根据空间拓扑匹配关系对第一地表覆盖数据与第二地表覆盖数据进行叠加分析处理。
S230:根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为初步变化图斑。
需要说明的是,在建立上述空间拓扑匹配关系之后,可以通过GIS软件的叠加分析功能,对经过质量检查和预处理的两期地表覆盖数据进行叠加分析处理,得到两期数据间类别差异图斑,即初步变化图斑。
本申请实施例提供的地表覆盖数据伪变化信息过滤方法,可以通过第一地表覆盖数据与第二地表覆盖数据建立空间拓扑匹配关系,并根据空间拓扑匹配关系对第一地表覆盖数据与第二地表覆盖数据进行叠加分析处理,通过叠加分析的精准比较,可以更加准确地找到发生变化的图斑,进而可根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为初步变化图斑,可以提高确定初步变化图斑的准确性。
下面通过具体的实施例来解释本申请中计算多个图斑的形状指数特征值的具体过程。
图3为本申请实施例提供的计算多个图斑的形状指数特征值的流程示意图,S120:计算初步变化图斑中多个图斑的形状指数特征值,包括:
S310:根据初步变化图斑中每个图斑的信息,确定每个图斑的属性。
需要说明的是,可以通过GIS软件的字段管理工具,获取初步变化图斑数据中面积、周长、端点数量、内角平均差、最小外接矩形长轴长度、最小外接矩形短轴长度、最小外接矩形面积等属性的相关信息,这些属性的相关信息可以由字段的形式表示,例如,双精度浮点型字段。
可选地,可以通过GIS软件的字段计算工具,对初步变化图斑的上述属性进行计算,根据每个图斑的多边形几何特征,逐个计算所有初步变化图斑的面积、周长、端点数量、内角平均差、最小外接矩形长轴长度、最小外接矩形短轴长度、最小外接矩形面积的指标数值。
S320:根据每个图斑的属性,采用至少一种形状指数特征值对应的计算公式,分别计算每个图斑的至少一种形状指数特征值。
可选地,获取上述的属性的指标数值后,可以通过GIS软件的字段管理工具,对初步变化图斑增加形状指数特征值的字段,该字段类型也可以为双精度浮点型。
可选地,至少一种形状指数特征值包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数。
下面通过具体的计算公式来解释每种形状指数特征值的获取方法:
(1)伪变化系数
PVD=A/L;
其中,PVD为图斑伪变化系数,A为图斑面积,L为图斑周长。
(2)复杂度指数
其中,CI为图斑复杂度指数,np为图斑端点数量,γi为图斑第i个顶点的角度。
(3)扁度指数
FI=El/Es;
其中,FI为图斑扁度指数,El为图斑最小外接矩形长轴长度,Es为图斑最小外接矩形短轴长度。
(4)面积紧凑度指数
ATI=A/Amin-ref;
其中,ATI为图斑面积紧凑度指数,A为图斑面积,Amin-ref为最小外接矩形面积。
(5)规模指数
SI=A;
其中,SI为图斑规模指数,A为图斑面积。
本申请的实施例中,在现有单一指数分析伪变化信息的基础上,丰富了形状指数的类型,并通过综合使用各项形状指数与数据尺度和精度信息,实现了几何特征、数据尺度、采集精度等地表覆盖变化图斑信息的有效综合,丰富了进行伪变化信息检测的特征类型,更加符合全面检测伪变化的要求,改进了单因子或单纯形状因子方法的应用缺陷,提高了变化检测结果的科学性与准确性。
下面通过具体的实施例来解释本申请提供的构建伪变化过滤阈值规则集的具体过程。
图4为本申请实施例提供的构建伪变化过滤阈值规则集的流程示意图,请参照图4,伪变化过滤阈值规则集包括:规则启动阈值和规则结束阈值;S130:根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,包括:
S410:根据多个图斑的数据比例尺,计算规则启动阈值。
需要说明的是,规则启动阈值的具体计算公式如下:
RST=0.0903M-0.84;
其中,RST为规则启动阈值,M为数据比例尺,上述计算关系中的系数值0.0903、-0.84可以是相关技术人员根据样本数据集经过回归分析得到,当M取值为1:10000时,可以计算得到规则启动阈值RST为207。
S420:根据多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、伪变化系数数值分组的组间距、伪变化系数所在组次数与其下限的邻组次数之差、伪变化系数所在组次数与其上限的邻组次数之差、规则启动阈值对应图斑的伪变化系数最小值。
需要说明的是,上述伪变化系数数值分组的组间距k可以设置为0.2,其他对应的参数可以根据多个图斑的伪变化系数进行对应的设置,图5为本申请实施例提供的规则终止阈值补差推导计算参数分布示意图,请参照图5,其中:
PVDmin为0.224,PVDlow为2.582,fa为239,fb为314,根据这些参数对规则终止阈值进行计算。
需要说明的是,RTT为规则终止阈值,PVDlow为伪变化系数所在组下限,k为图斑伪变化系数数值分组的组间距,fa为伪变化系数所在组次数与其下限的邻组次数之差,fb为伪变化系数所在组次数与其上限的邻组次数之差,PVDmin为规则启动阈值对应图斑的伪变化系数最小值。
S430:根据伪变化系数数值分组的下限、组间距、与其下限的邻组次数之差、与其上限的邻组次数之差、伪变化系数最小值,计算规则结束阈值。
需要说明的是,规则终止阈值的具体计算过程如下:
RTT=PVDlow+k[fa/(fb+fa)]-PVDmin;
以上计算公式中的参数值在S420中已做解释,在此不做赘述,以上述参数的取值为例,通过该公式可以计算得到规则终止阈值RTT约为2.4。
下面通过具体的实施例来解释本申请提供的构建伪变化过滤阈值规则集的另一具体过程。
图6为本申请实施例提供的构建伪变化过滤阈值规则集的另一流程示意图,请参照图6,伪变化过滤阈值规则集还包括:分层过滤阈值集合;S130:根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,还包括:
S610:根据多个图斑的规模指数、规则启动阈值,或者,多个图斑的伪变化系数,确定分层过滤阈值集合中第一层过滤阈值。
可选地,第一层过滤阈值具体确定方式如下:
RLT1=SI≤RSTorPVD≤1;
其中,RLT1为第一层的过滤阈值的范围,其他参数的具体含义S320、S410中已做解释,在此不做赘述。
S620:根据多个图斑的伪变化系数、阈值分解层数、多个图斑的复杂度指数、多个图斑的规模指数、多个图斑的面积紧凑度指数、规则终止阈值对应的标准图斑面积,确定分层过滤阈值集合中阈值分解层数对应的过滤阈值。
需要说明的是,可以将过滤阈值分为多个层数,最大层数的确定方法如下:
其中,M为数据比例尺,RTTA为规则终止阈值RTT对应图斑的平均面积大小,imax为过滤阈值的最大层数,λ为梯度参数,可以取值范围为[200,10000]。
确定了最大层数后,可以根据不同的层数设置不同的过滤阈值的范围,具体计算公式如下:
RLTi=PVD≤1+0.2i并且0.135+0.184CI+0.266SI+0.134ATI≤1-0.1i并且SI≤RTTsta,i>1;
其中,RLTi为第i层的过滤阈值的范围,RTTsta为规则终止阈值RTT对应的标准图斑面积。
标准图斑面积的具体计算过程如下:
其中,RTTaj为规则终止阈值RTT对应第j个图斑的面积大小,n为RTT对应图斑的数量。
综上,过滤阈值的范围确定公式可以总结为:
下面通过具体的实施例来解释计算过滤阈值的实际过程。
可选地可以取梯度参数λ为2000,经过上述公式的计算可以得到终止阈值RTT对应图斑的平均面积RTTA大小为294,对应图斑数量n为2774,经过计算得到标准图斑面积RTTsta结果为585,过滤阈值的最大层数结果imax为6,根据上述参数值,可以确定过滤阈值的具体范围,具体范围如下:
可选地,获得每层过滤阈值后,根据过滤阈值作为筛选判断条件,对初步变化图斑中的目标图斑进行筛选,若目标图斑的形状指数特征值在该范围内,则可以将此目标图斑判定为伪变化图斑,进行相应剔除。
可选地,在剔除的过程中,可以按照过滤阈值的层数分别进行剔除,例如:可以先判定该目标图斑的形状指数特征值是否在第一层过滤阈值的范围内,若在第一层过滤阈值的范围内,可以将该目标图斑进行剔除;若不在第一层过滤阈值的范围内,可以再判定该目标图斑的形状指数特征值是否在第二层过滤阈值的范围内,相应进行如上判断,直到判定不在任一层过滤阈值的范围内,则可以保留该目标图斑,作为真实的变化图斑。
本申请实施例中的规则启动阈值、规则终止阈值、分层过滤阈值机制,可以实现伪变化信息判别阈值根据地表覆盖据数据尺度与精度的自动化计算匹配,满足各种尺度和精度地表覆盖数据的伪变化信息检测要求,提高了该方法的适用范围。并且,按照过滤阈值的层数分别进行剔除,可以使伪变化信息判别阈值自适应于递推方法,无需通过人工反复试验及专家知识进行阈值和规则确定,能实现地表覆盖伪变化信息的自动化检测,增强了伪变化信息判别的客观性。另外,自适应的规则集构建,能够实现伪变化信息的自动化检测过滤,不仅可以用于自然资源调查监测以及地理国情监测等时序地表覆盖矢量数据的伪变化信息过滤,也可以用于任何基于面状矢量数据形式的时序地理空间数据变化信息真伪识别与数据更新等等工作,实现伪变化信息过滤的自动化,实现了操作步骤的批量处理,大幅提高了工作效率,增加了可操作性,提升类似工作的工作效率与成果质量。
下面通过具体的实施例来解释本申请实施例中地表覆盖数据伪变化信息过滤方法的整体过程。
图7为本申请实施例提供的地表覆盖数据伪变化信息过滤方法的整体流程图,请参照图7,整体流程方案可以包括:
S710:获取初步变化图斑。
需要说明的是,可以获取时序数据集,并从该时序数据集中分别提取基期数据和现期数据,对这些数据进行预处理后进行叠加分析后,得到初步变化图斑。
S720:计算形状指数特征值。
需要说明的是,可以根据初步变化图斑,计算得到形状指数特征值,这些形状指数特征值可以包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数,并可以将计算得到的形状指数特征值赋值给初步变化图斑。
S730:构建过滤阈值规则集。
需要说明的是,可以根据多个形状指数特征值构建过滤阈值规则集,过滤阈值规则集中可以包括启动阈值、终止阈值、分层过滤阈值。
S740:判断伪变化图斑。
需要说明的是,可以根据过滤阈值规则集中过滤阈值的范围,判定初始变化图斑中的形状指数特征值是否在该过滤阈值的范围内,若在该过滤阈值的范围内,判定该初始变化图斑为伪变化图斑,进行过滤剔除;若不在该过滤阈值的范围内,判定该初始变化图斑为真实变化图斑,保留这类图斑并将这些图斑进行记录以构成真实的地表覆盖数据的变化情况。
下面通过具体地实施例来解释本申请中地表覆盖数据伪变化信息过滤装置的结构。
图8为本申请实施例提供的地表覆盖数据伪变化信息过滤装置的结构示意图,请参照图8,该装置包括:确定模块810、计算模块820、构建模块830、判定模块840、剔除模块850。
确定模块810,用于确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;其中,第一地表覆盖数据与第二地表覆盖数据为同一地区不同时相的地表覆盖数据;
计算模块820,用于计算初步变化图斑中多个图斑的形状指数特征值;
构建模块830,用于根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;
判定模块840,用于判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;
剔除模块850,用于若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑。
可选地,确定模块810,具体用于根据第一地表覆盖数据与第二地表覆盖数据建立空间拓扑匹配关系;根据空间拓扑匹配关系对第一地表覆盖数据与第二地表覆盖数据进行叠加分析处理;根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为初步变化图斑。
可选地,计算模块820,具体用于根据初步变化图斑中每个图斑的信息,确定每个图斑的属性;根据每个图斑的属性,采用至少一种形状指数特征值对应的计算公式,分别计算每个图斑的至少一种形状指数特征值。
可选地,上述至少一种形状指数特征值包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数。
可选地,上述伪变化过滤阈值规则集包括:规则启动阈值和规则结束阈值;构建模块830,具体用于根据多个图斑的数据比例尺,计算规则启动阈值;根据多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、伪变化系数数值分组的组间距、伪变化系数所在组次数与其下限的邻组次数之差、伪变化系数所在组次数与其上限的邻组次数之差、规则启动阈值对应图斑的伪变化系数最小值;根据伪变化系数数值分组的下限、组间距、与其下限的邻组次数之差、与其上限的邻组次数之差、伪变化系数最小值,计算规则结束阈值。
可选地,伪变化过滤阈值规则集还包括:分层过滤阈值集合;构建模块830,还用于根据多个图斑的规模指数、规则启动阈值,或者,多个图斑的伪变化系数,确定分层过滤阈值集合中第一层过滤阈值;根据多个图斑的伪变化系数、阈值分解层数、多个图斑的复杂度指数、多个图斑的规模指数、多个图斑的面积紧凑度指数、规则终止阈值对应的标准图斑面积,确定分层过滤阈值集合中阈值分解层数对应的过滤阈值。
本申请实施例提供的地表覆盖数据伪变化信息过滤装置,可以通过确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑,进而计算初步变化图斑中多个图斑的形状指数特征值,并根据多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,通过该伪变化过滤阈值规则集可以综合考虑大量伪变化特征,进而判定多个图斑中每个图斑的形状指数特征值是否在伪变化过滤阈值规则集中;若初步变化图斑中存在形状指数特征值在伪变化过滤阈值规则集中的目标图斑,确定目标图斑为伪变化图斑,并从初步变化图斑中进行剔除伪变化图斑,从而可以更加准确地剔除伪变化信息,增加地表覆盖数据中变化数据的准确性。
图9为本申请实施例提供的计算机设备的结构示意图,请参照图9,该计算机设备,包括:存储器910、处理器920,存储器910中存储有可在处理器920上运行的计算机程序,处理器920执行计算机程序时,实现上述地表覆盖数据伪变化信息过滤方法的步骤。
本申请实施例的另一方面,提供一种存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述地表覆盖数据伪变化信息过滤方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,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。
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,在本发明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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种地表覆盖数据伪变化信息过滤方法,其特征在于,包括:
确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;其中,所述第一地表覆盖数据与所述第二地表覆盖数据为同一地区不同时相的地表覆盖数据;
计算所述初步变化图斑中多个图斑的形状指数特征值;
根据所述多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;
判定所述多个图斑中每个图斑的形状指数特征值是否在所述伪变化过滤阈值规则集中;
若所述初步变化图斑中存在形状指数特征值在所述伪变化过滤阈值规则集中的目标图斑,确定所述目标图斑为伪变化图斑,并从所述初步变化图斑中进行剔除所述伪变化图斑;
所述伪变化过滤阈值规则集包括:规则启动阈值和规则结束阈值;所述根据所述多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,包括:
根据所述多个图斑的数据比例尺,计算所述规则启动阈值;
根据所述多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、所述伪变化系数数值分组的组间距、所述伪变化系数所在组次数与其下限的邻组次数之差、所述伪变化系数所在组次数与其上限的邻组次数之差、所述规则启动阈值对应图斑的伪变化系数最小值;
根据所述伪变化系数数值分组的下限、所述组间距、所述与其下限的邻组次数之差、所述与其上限的邻组次数之差、所述伪变化系数最小值,计算所述规则结束阈值。
2.如权利要求1所述的方法,其特征在于,所述确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑包括:
根据所述第一地表覆盖数据与所述第二地表覆盖数据建立空间拓扑匹配关系;
根据所述空间拓扑匹配关系对所述第一地表覆盖数据与所述第二地表覆盖数据进行叠加分析处理;
根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为所述初步变化图斑。
3.如权利要求1所述的方法,其特征在于,所述计算所述初步变化图斑中多个图斑的形状指数特征值,包括:
根据所述初步变化图斑中每个图斑的信息,确定所述每个图斑的属性;
根据所述每个图斑的属性,采用至少一种形状指数特征值对应的计算公式,分别计算所述每个图斑的至少一种形状指数特征值。
4.如权利要求3所述的方法,其特征在于,所述至少一种形状指数特征值包括:伪变化系数、复杂度指数、扁度指数、面积紧凑度指数、规模指数。
5.如权利要求1所述的方法,其特征在于,所述伪变化过滤阈值规则集还包括:分层过滤阈值集合;所述根据所述多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集,还包括:
根据所述多个图斑的规模指数、所述规则启动阈值,或者,所述多个图斑的伪变化系数,确定所述分层过滤阈值集合中第一层过滤阈值;
根据所述多个图斑的伪变化系数、阈值分解层数、所述多个图斑的复杂度指数、所述多个图斑的规模指数、所述多个图斑的面积紧凑度指数、所述规则结束阈值对应的标准图斑面积,确定所述分层过滤阈值集合中所述阈值分解层数对应的过滤阈值。
6.一种地表覆盖数据伪变化信息过滤装置,其特征在于,包括:确定模块、计算模块、构建模块、判定模块、剔除模块;
所述确定模块,用于确定第一地表覆盖数据与第二地表覆盖数据中地表覆盖类型发生变化的图斑为初步变化图斑;其中,所述第一地表覆盖数据与所述第二地表覆盖数据为同一地区不同时相的地表覆盖数据;
所述计算模块,用于计算所述初步变化图斑中多个图斑的形状指数特征值;
所述构建模块,用于根据所述多个图斑的形状指数特征值以及数据比例尺,构建伪变化过滤阈值规则集;
所述判定模块,用于判定所述多个图斑中每个图斑的形状指数特征值是否在所述伪变化过滤阈值规则集中;
所述剔除模块,用于若所述初步变化图斑中存在形状指数特征值在所述伪变化过滤阈值规则集中的目标图斑,确定所述目标图斑为伪变化图斑,并从所述初步变化图斑中进行剔除所述伪变化图斑;
所述构建模块,还用于根据所述多个图斑的数据比例尺,计算所述规则启动阈值;根据所述多个图斑的伪变化系数,分别确定伪变化系数数值分组的下限、所述伪变化系数数值分组的组间距、所述伪变化系数所在组次数与其下限的邻组次数之差、所述伪变化系数所在组次数与其上限的邻组次数之差、所述规则启动阈值对应图斑的伪变化系数最小值;根据所述伪变化系数数值分组的下限、所述组间距、所述与其下限的邻组次数之差、所述与其上限的邻组次数之差、所述伪变化系数最小值,计算所述规则结束阈值。
7.如权利要求6所述的装置,其特征在于,所述确定模块,具体用于根据所述第一地表覆盖数据与所述第二地表覆盖数据建立空间拓扑匹配关系;根据所述空间拓扑匹配关系对所述第一地表覆盖数据与所述第二地表覆盖数据进行叠加分析处理;根据叠加分析的处理结果,确定地表覆盖类型发生变化的图斑为所述初步变化图斑。
8.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述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,实现上述权利要求1至5任一项所述的方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809795.6A CN111897907B (zh) | 2020-08-12 | 2020-08-12 | 地表覆盖数据伪变化信息过滤方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809795.6A CN111897907B (zh) | 2020-08-12 | 2020-08-12 | 地表覆盖数据伪变化信息过滤方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111897907A CN111897907A (zh) | 2020-11-06 |
CN111897907B true CN111897907B (zh) | 2024-03-01 |
Family
ID=73229248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010809795.6A Active CN111897907B (zh) | 2020-08-12 | 2020-08-12 | 地表覆盖数据伪变化信息过滤方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111897907B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574345A (zh) * | 2013-10-21 | 2015-04-29 | 中国科学院地理科学与资源研究所 | 一种基于对称理论的土地利用/覆被变化矢量图中假变化检测方法 |
CN108089850A (zh) * | 2018-01-02 | 2018-05-29 | 北京建筑大学 | 一种基于影像协同分割与生态地理分区规则库的地表覆盖产品增量更新方法 |
CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
CN110738679A (zh) * | 2019-10-21 | 2020-01-31 | 山东省国土测绘院 | 基于遥感影像变化自动提取的地理省情监测方法及系统 |
KR102134278B1 (ko) * | 2019-07-23 | 2020-07-15 | 주식회사 선도소프트 | 공간빅데이터를 활용한 lulucf 분야 토지이용변화 매트릭스 처리 장치 및 방법 |
-
2020
- 2020-08-12 CN CN202010809795.6A patent/CN111897907B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574345A (zh) * | 2013-10-21 | 2015-04-29 | 中国科学院地理科学与资源研究所 | 一种基于对称理论的土地利用/覆被变化矢量图中假变化检测方法 |
CN108089850A (zh) * | 2018-01-02 | 2018-05-29 | 北京建筑大学 | 一种基于影像协同分割与生态地理分区规则库的地表覆盖产品增量更新方法 |
CN108846832A (zh) * | 2018-05-30 | 2018-11-20 | 理大产学研基地(深圳)有限公司 | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 |
KR102134278B1 (ko) * | 2019-07-23 | 2020-07-15 | 주식회사 선도소프트 | 공간빅데이터를 활용한 lulucf 분야 토지이용변화 매트릭스 처리 장치 및 방법 |
CN110738679A (zh) * | 2019-10-21 | 2020-01-31 | 山东省国土测绘院 | 基于遥感影像变化自动提取的地理省情监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111897907A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
EP2801951B1 (en) | Aerial image segmentation for refineries | |
CN112819207B (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
CN114494837A (zh) | 一种渔业资源的密度智能识别方法及系统 | |
CN106295498A (zh) | 光学遥感图像目标区域检测装置与方法 | |
CN116363520B (zh) | 一种城市绿地规划用景观生态检测系统 | |
CN110544262A (zh) | 一种基于机器视觉的子宫颈细胞图像分割方法 | |
CN117370846B (zh) | 一种基于微震事件的水力压裂三维裂缝网构建方法及系统 | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 | |
CN111897907B (zh) | 地表覆盖数据伪变化信息过滤方法、装置及存储介质 | |
Zhu et al. | Reducing mis-registration and shadow effects on change detection in wetlands | |
CN112700158A (zh) | 基于多维度模型的算法效能评估方法 | |
CN111598027A (zh) | 一种基于遥感大数据的区域性浅水种植区分布系统及方法 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN110443790A (zh) | 一种医学影像中软骨识别方法和识别系统 | |
CN115292887A (zh) | 基于病斑面积比率的植物病害严重度评估方法及装置 | |
CN114418965A (zh) | 一种基于激光雷达技术的露头裂缝识别方法 | |
CN113222950A (zh) | 表面缺陷检测模型训练方法、表面缺陷检测方法及系统 | |
CN111401275A (zh) | 一种用于识别草地边缘的信息处理方法和装置 | |
CN116453117B (zh) | 一种图像解译图斑定位与精度评估方法 | |
CN111310614B (zh) | 一种遥感影像的提取方法和装置 | |
CN116977999B (zh) | 一种基于机器视觉的岩芯智能识别方法、系统及存储介质 | |
CN117911868A (zh) | 林地树干提取方法及装置、模型的训练方法 | |
CN117408972A (zh) | 一种移动硬盘盒生产质量快速检测系统 | |
CN115690890A (zh) | 一种图像处理方法和相关装置 |
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 |