CN111914674A - 基于对象-像元的冰雪自动提取方法、装置和电子设备 - Google Patents

基于对象-像元的冰雪自动提取方法、装置和电子设备 Download PDF

Info

Publication number
CN111914674A
CN111914674A CN202010657640.5A CN202010657640A CN111914674A CN 111914674 A CN111914674 A CN 111914674A CN 202010657640 A CN202010657640 A CN 202010657640A CN 111914674 A CN111914674 A CN 111914674A
Authority
CN
China
Prior art keywords
ice
snow
area
determined
pixel
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.)
Pending
Application number
CN202010657640.5A
Other languages
English (en)
Inventor
伍宇明
王学成
高星
王伟
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.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
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 Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202010657640.5A priority Critical patent/CN111914674A/zh
Publication of CN111914674A publication Critical patent/CN111914674A/zh
Pending legal-status Critical Current

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
    • G06V20/13—Satellite images
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了基于对象‑像元的冰雪自动提取方法、装置和电子设备，该方法包括：将目标遥感影像分割为多个对象；对多个对象基于冰雪指数的第一阈值提取冰雪信息，得到目标遥感影像的第一确定冰雪区域；对多个对象基于第一阈值和第二阈值提取冰雪信息，得到目标遥感影像的潜在冰雪区域，第一阈值大于第二阈值；在像元层使用分水岭分割算法对潜在冰雪区域进行处理，调整第一确定冰雪区域的边界得到第二确定冰雪区域；对相邻的第二确定冰雪区域进行合并得到目标遥感影像的冰雪区域。本发明相比现有技术的冰雪提取方法能够明显降低漏分错误，使提取的目标地物边界与真实地物边界更加吻合，提取效果更好。

Description

基于对象-像元的冰雪自动提取方法、装置和电子设备
技术领域
本发明实施例涉及图像处理技术领域，具体涉及基于对象-像元的冰雪自动提取方法、装置和电子设备。
背景技术
当前地表冰雪自动提取主要采用面向对象和冰雪指数相结合的方法，即首先对遥感影像进行分割处理，然后采样分析确定合理的冰雪阈值，最后使用该阈值提取冰雪信息。
现有面向对象和冰雪指数相结合的方法能够快速提取冰雪信息，但是该方法的提取结果过于依赖遥感影像分割结果和使用的冰雪识别阈值，需要花费大量的时间计算最优阈值，且易产生错分误差和漏分误差。
发明内容
本发明实施例的目的在于提供基于对象-像元的冰雪自动提取方法、装置和电子设备，用以解决现有地表冰雪自动提取需要花费大量的时间计算最优阈值，且易产生错分误差和漏分误差的问题。
为实现上述目的，本发明实施例主要提供如下技术方案：
第一方面，本发明实施例提供了一种基于对象-像元的冰雪自动提取方法，包括：将目标遥感影像分割为多个对象；对所述多个对象基于冰雪指数的第一阈值提取冰雪信息，得到所述目标遥感影像的第一确定冰雪区域；对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，所述第一阈值大于所述第二阈值；在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域边界得到第二确定冰雪区域；对相邻的第二确定冰雪区域进行合并得到所述目标遥感影像的冰雪区域。
根据本发明的一个实施例，所述对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，包括：对所述多个对象基于所述第二阈值提取冰雪信息，得到包括所述第一确定冰雪区域和所述潜在冰雪区域的融合区域；在所述融合区域中去除所述第一确定冰雪区域得到所述潜在冰雪区域。
根据本发明的一个实施例，所述第一确定冰雪区域具有第一标注信息，所述第二确定冰雪区域具有第二标注信息；所述在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域的边界得到第二确定冰雪区域，包括：在像元层上使用所述分水岭分割算法对每个标注的冰雪对象逐一进行边界调整和验证评估得到所述第二确定冰雪区域。
第二方面，本发明实施例还提供一种基于对象-像元的冰雪自动提取装置，包括：图像分割模块，用于将目标遥感影像分割为多个对象；控制处理模块，用于对所述多个对象基于冰雪指数的第一阈值提取冰雪信息，得到所述目标遥感影像的第一确定冰雪区域，并对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，所述第一阈值大于所述第二阈值；所述控制处理模块还用于在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域的边界得到第二确定冰雪区域，进而对相邻第二确定冰雪区域进行合并得到所述目标遥感影像的冰雪区域。
根据本发明的一个实施例，所述控制处理模块具体用于对所述多个对象基于所述第二阈值提取冰雪信息，得到包括所述第一确定冰雪区域和所述潜在冰雪区域的融合区域，并在所述融合区域中去除所述第一确定冰雪区域得到所述潜在冰雪区域。
根据本发明的一个实施例，所述第一确定冰雪区域具有第一标注信息，所述第二确定冰雪区域具有第二标注信息；所述控制处理模块具体用于在像元层上使用所述分水岭分割算法对每个标注的冰雪对象逐一进行边界调整和验证评估得到所述第二确定冰雪区域。
第三方面，本发明实施例还提供一种电子设备，包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如第一方面所述的基于对象-像元的冰雪自动提取方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，包含一个或多个程序指令，所述一个或多个程序指令用于被执行如第一方面所述的基于对象-像元的冰雪自动提取方法。
本发明实施例提供的技术方案至少具有如下优点：
本发明实施例提供的基于对象-像元的冰雪自动提取方法、装置和电子设备，基于“对象-像元”的冰雪提取方法并现有的面向对象和冰雪指数相结合的地表冰雪自动提取方法能够明显降低漏分错误，使提取的目标地物边界与真实地物边界更加吻合，提取效果更好。
附图说明
图1为本发明实施例的涉及基于对象-像元的冰雪自动提取方法的流程图。
图2(a)和图2(b)为一个示例中采用现有的分别为现有的冰雪提取方法和本申请的冰雪提取方法的结果图。
图3为本发明实施例的涉及基于对象-像元的冰雪自动提取装置的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、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，省略对众所周知的系统、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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”和“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
图1为本发明实施例的涉及基于对象-像元的冰雪自动提取方法的流程图。如图1所示，本发明实施例的基于对象-像元的冰雪自动提取方法，包括：
S1：将目标遥感影像分割为多个对象，使分类基本单元由像元变为对象。
S2：对多个对象基于冰雪指数的第一阈值提取冰雪信息，得到目标遥感影像的第一确定冰雪区域。
具体地，基于NDSI、NDFSI以及NDVI等冰雪指数基于较高的第一阈值提取冰雪信息，即在对象层上将大于第一阈值的对象对应的区域认定为第一确定冰雪区域。
S3：对多个对象基于第一阈值和第二阈值提取冰雪信息，得到目标遥感影像的潜在冰雪区域，第一阈值大于第二阈值。
在本发明的一个实施例中，步骤S3包括：对多个对象基于第二阈值提取冰雪信息，得到包括第一确定冰雪区域和潜在冰雪区域的融合区域；在融合区域中去除第一确定冰雪区域得到潜在冰雪区域。
具体地，对第一阈值提取的冰雪对象进行逐一标注(1,2,3,4,5…,n)，将标注好的冰雪对象与第二阈值提取的冰雪对象叠加，去除第一阈值对应的区域后的剩余区域为潜在冰雪区域。
S4：在像元层使用分水岭分割算法对潜在冰雪区域进行处理，调整第一确定冰雪区域的边界得到第二确定冰雪区域。
具体地，使用分水岭分割算法对每个标注的冰雪对象逐一进行边界调整，从而得到第二确定冰雪区域。
S5：对相邻的第二确定冰雪区域进行合并得到目标遥感影像的冰雪区域。
具体地，对所述相邻的第二确定冰雪区域进行合并得到目标遥感影像的冰雪区域；最后，对第一确定冰雪区域的冰雪对象进行编辑修改，将其作为验证数据对实验结果进行精度评估。
图2(a)和图2(b)为一个示例中采用现有的分别为现有的冰雪提取方法和本申请的冰雪提取方法的结果图。如图2(a)和图2(b)所示，以Landsat8影像“LC81500332014276LGN01”为实验数据，分别使用当前主流方法和本申请提取地表冰雪，对比实验结果发现，基于“对象-像元”的冰雪提取方法能够明显降低漏分错误，使提取的目标地物边界与真实地物边界更加吻合，提取效果更好。
本发明实施例提供的基于对象-像元的冰雪自动提取方法，基于“对象-像元”的冰雪提取方法并现有的面向对象和冰雪指数相结合的地表冰雪自动提取方法能够明显降低漏分错误，使提取的目标地物边界与真实地物边界更加吻合，提取效果更好。
图3为本发明实施例的涉及基于对象-像元的冰雪自动提取装置的结构框图。如图3所示，本发明实施例的涉及基于对象-像元的冰雪自动提取装置，包括：图像分割模块100和控制处理模块200。
其中，图像分割模块100用于将目标遥感影像分割为多个对象。控制处理模块200用于对多个对象基于冰雪指数的第一阈值提取冰雪信息，得到目标遥感影像的第一确定冰雪区域，并对多个对象基于第一阈值和第二阈值提取冰雪信息，得到目标遥感影像的潜在冰雪区域，第一阈值大于第二阈值。控制处理模块200还用于在像元层使用分水岭分割算法对潜在冰雪区域进行处理，调整第一确定冰雪区域边界得到第二确定冰雪区域，进而对相邻的第二确定冰雪区域进行合并得到目标遥感影像的冰雪区域。
在本发明的一个实施例中，控制处理模块200具体用于对多个对象基于第二阈值提取冰雪信息，得到包括第一确定冰雪区域和潜在冰雪区域的融合区域，并在融合区域中去除第一确定冰雪区域得到潜在冰雪区域。
在本发明的一个实施例中，第一确定冰雪区域具有第一标注信息，第二确定冰雪区域具有第二标注信息。控制处理模块200具体用于在像元层上使用分水岭分割算法对每个标注的冰雪对象逐一进行边界调整和验证评估得到第二确定冰雪区域。
需要说明的是，本发明实施例的基于对象-像元的冰雪自动提取装置的具体实施方式与本发明实施例的基于对象-像元的冰雪自动提取方法的具体实施方式类似，具体参见基于对象-像元的冰雪自动提取方法部分的描述，为了减少冗余，不做赘述。
另外，本发明实施例的基于对象-像元的冰雪自动提取装置的其它构成以及作用对于本领域的技术人员而言都是已知的，为了减少冗余，不做赘述。
本发明实施例还提供一种电子设备，包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如第一方面所述的涉及基于对象-像元的冰雪自动提取方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的涉及基于对象-像元的冰雪自动提取方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synch Link DRAM，简称SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (8)

1.一种基于对象-像元的冰雪自动提取方法，其特征在于，包括：
将目标遥感影像分割为多个对象；
对所述多个对象基于冰雪指数的第一阈值提取冰雪信息，得到所述目标遥感影像的第一确定冰雪区域；
对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，所述第一阈值大于所述第二阈值；
在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域的边界得到第二确定冰雪区域；
对相邻的第二确定冰雪区域进行合并得到所述目标遥感影像的冰雪区域。
2.根据权利要求1所述的基于对象-像元的冰雪自动提取方法，其特征在于，所述对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，包括：
对所述多个对象基于所述第二阈值提取冰雪信息，得到包括所述第一确定冰雪区域和所述潜在冰雪区域的融合区域；
在所述融合区域中去除所述第一确定冰雪区域得到所述潜在冰雪区域。
3.根据权利要求1所述的基于对象-像元的冰雪自动提取方法，其特征在于，所述第一确定冰雪区域具有第一标注信息，所述第二确定冰雪区域具有第二标注信息；所述在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域的边界得到第二确定冰雪区域，包括：
在像元层上使用所述分水岭分割算法对每个标注的冰雪对象逐一进行边界调整和验证评估得到所述第二确定冰雪区域。
4.一种基于对象-像元的冰雪自动提取装置，其特征在于，包括：
图像分割模块，用于将目标遥感影像分割为多个对象；
控制处理模块，用于对所述多个对象基于冰雪指数的第一阈值提取冰雪信息，得到所述目标遥感影像的第一确定冰雪区域，并对所述多个对象基于所述第一阈值和第二阈值提取冰雪信息，得到所述目标遥感影像的潜在冰雪区域，所述第一阈值大于所述第二阈值；所述控制处理模块还用于在像元层使用分水岭分割算法对所述潜在冰雪区域进行处理，调整所述第一确定冰雪区域的边界得到第二确定冰雪区域，进而对相邻的第二确定冰雪区域进行合并得到所述目标遥感影像的冰雪区域。
5.根据权利要求4所述的基于对象-像元的冰雪自动提取装置，其特征在于，所述控制处理模块具体用于对所述多个对象基于所述第二阈值提取冰雪信息，得到包括所述第一确定冰雪区域和所述潜在冰雪区域的融合区域，并在所述融合区域中去除所述第一确定冰雪区域得到所述潜在冰雪区域。
6.根据权利要求4所述的基于对象-像元的冰雪自动提取装置，其特征在于，所述第一确定冰雪区域具有第一标注信息，所述第二确定冰雪区域具有第二标注信息；所述控制处理模块具体用于在像元层上使用所述分水岭分割算法对每个标注的冰雪对象逐一进行边界调整和验证评估得到所述第二确定冰雪区域。
7.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器和至少一个存储器；
所述存储器用于存储一个或多个程序指令；
所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-3任一项所述的基于对象-像元的冰雪自动提取方法。
8.一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中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-3任一项所述的基于对象-像元的冰雪自动提取方法。
CN202010657640.5A 2020-07-09 2020-07-09 基于对象-像元的冰雪自动提取方法、装置和电子设备 Pending CN111914674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010657640.5A CN111914674A (zh) 2020-07-09 2020-07-09 基于对象-像元的冰雪自动提取方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010657640.5A CN111914674A (zh) 2020-07-09 2020-07-09 基于对象-像元的冰雪自动提取方法、装置和电子设备

Publications (1)

Publication Number Publication Date
CN111914674A true CN111914674A (zh) 2020-11-10

Family

ID=73226789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010657640.5A Pending CN111914674A (zh) 2020-07-09 2020-07-09 基于对象-像元的冰雪自动提取方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN111914674A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611590A (zh) * 2023-07-20 2023-08-18 山东捷讯通信技术有限公司 一种污水处理的排污口的位置分布优化方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971396A (zh) * 2017-03-10 2017-07-21 中国科学院遥感与数字地球研究所 基于超像素的冰盖冻融探测方法
CN109410329A (zh) * 2018-11-01 2019-03-01 中国科学院寒区旱区环境与工程研究所 一种雪崩信息提取方法、装置、电子设备及存储介质
CN109613513A (zh) * 2018-12-20 2019-04-12 长安大学 一种顾及InSAR形变因子的光学遥感潜在滑坡自动识别方法
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971396A (zh) * 2017-03-10 2017-07-21 中国科学院遥感与数字地球研究所 基于超像素的冰盖冻融探测方法
CN109410329A (zh) * 2018-11-01 2019-03-01 中国科学院寒区旱区环境与工程研究所 一种雪崩信息提取方法、装置、电子设备及存储介质
CN109613513A (zh) * 2018-12-20 2019-04-12 长安大学 一种顾及InSAR形变因子的光学遥感潜在滑坡自动识别方法
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
都伟冰等: "高山冰川多时相多角度遥感信息提取方法", 《测绘学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611590A (zh) * 2023-07-20 2023-08-18 山东捷讯通信技术有限公司 一种污水处理的排污口的位置分布优化方法及装置
CN116611590B (zh) * 2023-07-20 2023-10-31 山东捷讯通信技术有限公司 一种污水处理的排污口的位置分布优化方法及装置

Similar Documents

Publication Publication Date Title
CN110414507B (zh) 车牌识别方法、装置、计算机设备和存储介质
CN110390666B (zh) 道路损伤检测方法、装置、计算机设备及存储介质
CN109753838B (zh) 二维码识别方法、装置、计算机设备及存储介质
CN110136153B (zh) 一种图像处理方法、设备及存储介质
CN112668573B (zh) 目标检测定位置信度确定方法、装置、电子设备及存储介质
CN108241859B (zh) 车牌的校正方法及装置
CN110176017B (zh) 一种基于目标检测的边缘检测模型、方法和存储介质
CN112668462B (zh) 车损检测模型训练、车损检测方法、装置、设备及介质
CN113221750A (zh) 车辆追踪方法、装置、设备及存储介质
CN111310710A (zh) 人脸检测方法与系统
CN111914674A (zh) 基于对象-像元的冰雪自动提取方法、装置和电子设备
CN111159150A (zh) 一种数据扩充方法及装置
CN112683284A (zh) 更新高精地图的方法及装置
CN112651417A (zh) 车牌识别方法、装置、设备及存储介质
CN113903014B (zh) 车道线预测方法、装置及电子设备、计算机可读存储介质
CN112446375A (zh) 车牌识别方法、装置、设备及存储介质
CN111178224A (zh) 物体规则判断方法、装置、计算机设备和存储介质
CN111161240B (zh) 血管分类方法、装置、计算机设备和可读存储介质
CN112700653A (zh) 一种车辆违法变道的判定方法、装置、设备及存储介质
CN112037262A (zh) 一种目标跟踪方法、装置及电子设备
CN114463376B (zh) 视频文字跟踪方法、装置、电子设备及存储介质
CN111818557B (zh) 网络覆盖问题识别方法、装置及系统
CN112132039A (zh) 基于lstm和手工特征实现动作分类的方法、系统
CN112565387A (zh) 更新高精地图的方法及装置
CN113256736B (zh) 一种基于可观测性优化的多相机视觉slam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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201110