CN112148829A - 一种应用于消除破碎图斑的gis算法优化方法 - Google Patents

一种应用于消除破碎图斑的gis算法优化方法 Download PDF

Info

Publication number
CN112148829A
CN112148829A CN202011065675.6A CN202011065675A CN112148829A CN 112148829 A CN112148829 A CN 112148829A CN 202011065675 A CN202011065675 A CN 202011065675A CN 112148829 A CN112148829 A CN 112148829A
Authority
CN
China
Prior art keywords
data
field
value
raster
elimination
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
Application number
CN202011065675.6A
Other languages
English (en)
Other versions
CN112148829B (zh
Inventor
黄侨
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.)
Chongqing Planning & Design Institute
Original Assignee
Chongqing Planning & Design Institute
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 Chongqing Planning & Design Institute filed Critical Chongqing Planning & Design Institute
Priority to CN202011065675.6A priority Critical patent/CN112148829B/zh
Publication of CN112148829A publication Critical patent/CN112148829A/zh
Application granted granted Critical
Publication of CN112148829B publication Critical patent/CN112148829B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及数据处理的技术领域，具体为一种应用于消除破碎图斑的GIS算法优化方法，在收缩破碎图斑的基础上，通过为空计算和掩膜提取计算筛选出异常收缩后图像缺失的区域，再通过条件计算将缺失区域的原始值追加到经过收缩消除后的图像上，以此获得内部消除但图像边缘有破碎图斑的栅格数据，再将提取出来的缺失区域作为掩膜对上述获得的栅格数据执行Nibble计算，从而实现对图像边缘破碎图斑的补充消除，最终实现破碎图斑的消除。采用本方案能够解决现有技术中对破碎图斑进行消除时，存在异常凸起或周边异常收缩情况的技术问题。

Description

一种应用于消除破碎图斑的GIS算法优化方法
技术领域
本发明涉及数据处理的技术领域，具体为一种应用于消除破碎图斑的GIS算法优化方法。
背景技术
在对地理空间数据进行分析计算的过程中，会对多种要素的地理空间数据进行叠加分析，其分析得到的评价结果将以图像的方式进行呈现，图像中包含有不同的图斑，通过图斑的不同反映不同的评价结果。同时在呈现的图像中会出现大量的破碎图斑，破碎图斑是指最终呈现的图像中面积小于特定面积的图斑。破碎图斑的出现主要是因为多种要素的地理空间数据中空间关系不完全一致，因此在进行空间叠加计算时必然会出现不同程度的破碎图斑。而这些破碎图斑并不适合城乡空间规划用地选址的集中连片要求，因此需要对这类破碎图斑进行消除。
破碎图斑现有的消除方式，主要包括以下两种：一是将所选破碎图斑与其相邻的一个图斑进行合并，从而实现对破碎图斑进行聚合消除，这种消除方式适用于矢量数据，需先设定阈值，根据阈值选中需要消除的破碎图斑，再将所选中的破碎图斑与最大面积或最长公用边界的临近图斑合并，以此来消除选中的破碎图斑，但是在消除破碎图斑后，与破碎图斑相邻两大面积临近图斑之间会出现异常凸起。二是用所选破碎图斑邻域中最频繁出现的像元值代替该破碎图斑的值，从而对破碎图斑进行聚合消除，这种消除方式适用于栅格数据，能够解决两大面积临近图斑之间因消除破碎图斑引起异常凸起的问题，但是当破碎图斑位于图像边缘时，破碎图斑邻域中最频繁出现的像元值可能为空值区域的值，导致破碎图斑消除后，出现图像边缘被收缩的情况。
发明内容
本发明意在提供一种应用于消除破碎图斑的GIS算法优化方法，以解决现有技术中对破碎图斑进行消除时，存在异常凸起或周边异常收缩情况的技术问题。
本发明提供基础方案是：一种应用于消除破碎图斑的GIS算法优化方法，包括以下步骤：
数据导入步骤：导入需要消除破碎图斑的原始数据，并判断原始数据的数据类型，根据判断结果获得面状矢量数据，并根据判断结果新建或自动生成gridcode字段，对gridcode字段进行赋值；
破碎图斑筛选步骤：获取Reclass字段添加到面状矢量数据，根据面状矢量数据进行字段计算，并根据计算结果对Reclass字段进行赋值；
栅格收缩步骤：以Reclass字段为值字段，获取像元大小，将面状矢量数据转换为Raster_转换；设定区域值和像元数目，对Raster_转换进行栅格收缩，计算得到收缩结果；
数据综合步骤：对收缩结果进行为空计算，得到为空结果；将Raster_转换作为掩膜，对为空结果进行掩膜提取获得Raster_条件，并自动生成条件字段；以Raster_条件为条件栅格，根据条件字段的数值提取收缩结果或Raster_转换；将提取的收缩结果和Raster_转换进行整合，获得Raster_综合；
数据修整步骤：设置重分类值，对Raster_条件进行重分类生成Raster_重分类；选定Raster_重分类作为掩膜数据，对Raster_综合执行Nibble计算获得Raster_输出。
名词说明：原始数据为经过空间叠加计算后其呈现的图像中包含若干破碎图斑的地理空间数据，地理空间数据是空间数据中的一种，主要指带有地理坐标的数据。
基础方案的有益效果是：本方案在收缩破碎图斑的基础上，通过为空计算和掩膜提取计算筛选出异常收缩后图像缺失的区域，再通过条件计算将缺失区域的原始值追加到经过收缩消除后的图像上，以此获得内部消除但图像边缘有破碎图斑的栅格数据，再将提取出来的缺失区域作为掩膜对上述获得的栅格数据执行Nibble计算，从而实现对图像边缘破碎图斑的补充消除，最终实现破碎图斑的消除。
通过实验验证可知，采用本方案，与现有技术相比，能够有效的消除破碎图斑，且在消除破碎图斑后未出现异常凸起或周边异常收缩的情况，解决现有技术中因消除破碎图斑带来的异常凸起或周边异常收缩的情况，从而获得符合集中连片要求的区域划分或功能划分的图斑。
进一步，原始数据还包括反应评价分级的Value1字段以及反应评价分级级别的字段值。有益效果：Value1字段用于反应评价分级，字段值反应评价分级级别，例如字段值为1、2、3，则反应三个评价分级级别，从而获得不同的图斑，并通过字段值对图斑进行区分。
进一步，原始数据的数据类型包括栅格数据和矢量数据；根据判断结果获得面状矢量数据，并根据判断结果自动生成或新建gridcode字段的具体步骤包括：当判断原始数据为栅格数据时，通过栅格转面计算将原始数据转换为面状矢量数据，转换时自动生成gridcode字段；当判断原始数据为矢量数据时，面状矢量数据为原始数据，新建gridcode字段。有益效果：由于原始数据的数据类型不同，根据原始数据的数据类型执行不同的操作，从而获得统一的面状矢量数据，便于后续实现对图斑的面积计算。
进一步，根据面状矢量数据进行字段计算，并根据计算结果对Reclass字段进行赋值的具体步骤包括：获取面积阈值，对面状矢量数据对应的图斑进行面积计算；当图斑的面积数值小于或等于面积阈值时，对Reclass字段赋值为0；当图斑的面积数值大于面积阈值时，对Reclass字段赋值为gridcode字段的数值。有益效果：面积阈值为需要消除的破碎图斑中最大破碎图斑的面积值，通过比较图斑的面积数值和面积阈值，从而区分需要消除的破碎图斑和不需要消除的大面积图斑，即Reclass字段赋值为0对应的图斑为需要消除的破碎图斑，Reclass字段赋值为gridcode字段对应的图斑为不需要消除的大面积图斑。
进一步，像元大小与原始数据保持一致。有益效果：以此设定像元大小，在消除破碎图斑的基础上尽可能保证原始数据的原貌。
进一步，像元数目要求大于面积阈值同等面积的标准圆半径除以像元大小的整数位。有益效果：以此保证栅格收缩时，能够对破碎图斑对应的全部栅格单元进行收缩。
进一步，像元数目要求大于面积阈值同等面积正方形边长一半除以像元大小的整数位。有益效果：以此保证栅格收缩时，能够对破碎图斑对应的全部栅格单元进行收缩。
进一步，条件字段的数值包括0和1，根据条件字段的数值提取收缩结果或栅格数据Raster_转换的具体步骤包括：当条件字段的数值为0时，提取收缩结果；当条件字段的数值不为0时，提取Raster_转换。有益效果：条件字段用于区分被异常收缩的区域和未被异常收缩的区域，通过提取不同的数据，获得不存异常凸起或周边异常收缩的数据。当条件字段的数值为0时，提取收缩结果，当条件字段的数值不为0，即条件字段的数值为1时，提取Raster_转换，便于后续实现对周边异常收缩的图斑进行补充。
进一步，设置重分类值时，旧值为0则保留为0，旧值为1则重分类为NoData。有益效果：通过设置重分类值，标记Nibble计算中需要蚕食的栅格单元。
进一步，还包括模型构建步骤：根据数据导入步骤、破碎图斑筛选步骤、栅格收缩步骤、数据综合步骤和数据修整步骤构建通用模型。有益效果：通过构建通用模型，只需输入原始数据及简单设置相关参数便能完成对破碎图斑的消除，使用方便，同也便于后续共享使用。
附图说明
图1为本发明一种应用于消除破碎图斑的GIS算法优化方法实施例的流程图；
图2为原始数据的模式图；
图3为采用消除工具消除破碎图斑后的模式图；
图4为采用收缩工具消除破碎图斑后的模式图；
图5为采用本发明的技术方案消除破碎图斑后的模式图；
图6为具体实例下采用本发明的技术方案消除破碎图斑前的模式图；
图7为具体实例下采用本发明的技术方案消除破碎图斑后的模式图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例
一种应用于消除破碎图斑的GIS算法优化方法，如附图1所示，包括以下步骤：
数据导入步骤，具体包括以下步骤：
S101：导入需要消除破碎图斑的Raster_输入，Raster_输入为原始数据，原始数据中包括反应评价分级的Value1字段以及反应评价分级级别的字段值，在本实施例中，字段值为“1、2、3”不同等级的数值。字段Value为系统生成的默认值，在本实施例中为便于区分将字段Value分别定义为Value1、Value2和Value3。原始数据为经过空间叠加计算后其呈现的图像中包含若干破碎图斑的地理空间数据。
S102：对Raster_输入的数据类型进行判断，原始数据的数据类型包括栅格数据和矢量数据。
S103：当步骤S102中判断Raster_输入的数据类型为栅格数据时，选择转换字段Value1，通过栅格转面将Raster_输入转换为Polygon_转换，Polygon_转换为面状矢量数据，转换时自动生成gridcode字段，gridcode字段的数值与字段Value1的数值相同。
S104：当步骤S102中判断Raster_输入的数据类型为矢量数据时，原始数据即为Polygon_转换，新建gridcode字段，将对应的字段Value1的数值赋值给gridcode字段。
Polygon_转换的数据类型为矢量数据，由于原始数据的数据类型包括栅格数据和矢量数据，根据导入的原始数据的数据类型执行不同的操作获得所需的面状矢量数据，即Polygon_转换。
破碎图斑筛选步骤，具体包括以下步骤：
S201：获取Reclass字段添加到Polygon_转换中，Reclass字段的字段类型为短整型。
S202：根据Polygon_转换进行字段计算：获取面积阈值，对Polygon_转换对应的图斑进行面积计算；当图斑的面积数值小于或等于面积阈值时，对Reclass字段赋值为0；当图斑的面积数值大于面积阈值时，对Reclass字段赋值为gridcode字段的数值。面积阈值为需要消除的破碎图斑中最大破碎图斑的面积值，当图斑的面积数值小于或等于面积阈值时，将该图斑的Reclass字段赋值为0，即标记该图斑为破碎图斑。在本实施例中，面积阈值的取值为10000，即代表本方案能够消除面积数值在一公顷以下的破碎图斑。
栅格收缩步骤，具体包括以下步骤：
S301：以Reclass字段为值字段，自动获取像元大小，将Polygon_转换转换为Raster_转换，Raster_转换的数据类型为栅格数据。像元大小根据评价精度要求进行确定，在本实施例中，像元大小与Raster_输入保持一致，自动获取Raster_输入的像元大小作为将Polygon_转换转换为Raster_转换输入的像元大小。将矢量数据转换为栅格数据，便于实现栅格收缩，从而实现对破碎图斑的消除。
S302：设定区域值和像元数目，收缩区域的区域值为0，即数值为0的Reclass字段对应的栅格单元，像元数目要求大于面积阈值同等面积的标准圆半径除以像元大小的整数位，在其他实施例中，像元数目要求大于面积阈值同等面积正方形边长一半除以像元大小的整数位。对Raster_转换进行栅格收缩，计算得到Raster_收缩，Raster_收缩为收缩结果，Raster_收缩的数据类型为栅格数据。像元数目为栅格收缩时所指定的像元数目，可根据破碎图斑的像元数目进行设定。
数据综合步骤，具体包括以下步骤：
S401：对Raster_收缩进行为空计算，得到Raster_为空，Raster_为空为为空结果，并自动生成字段Value2。字段Value2的数值为0或1，Value2的数值为1代表对应的栅格单元有数据，相反的，Value2的数值为0代表对应的栅格单元没有数据。
S402：将Raster_转换作为掩膜，对Raster_为空进行掩膜提取获得Raster_条件，并自动生成条件字段Value3，将对应的字段Value2的数值赋值给条件字段Value3，即条件字段Value3的数值为0或1。
S403：以Raster_条件为条件栅格，判断条件字段Value3的数值是否为0。
S404：当步骤S403中判断条件字段Value3的数值为0时，提取Raster_收缩。
S405：当步骤S403中判断条件字段Value3的数值不为0时，提取Raster_转换。
S406：将提取的Raster_收缩和Raster_转换进行整合，获得Raster_综合，Raster_综合的数据类型为栅格数据。
数据修整步骤，具体包括以下步骤：
S501：设置重分类值，旧值为0则保留为0，旧值为1则重分类为NoData，对Raster_条件进行重分类生成Nibble掩膜Raster_重分类。旧值为条件字段Value3的数值。NoData对应的栅格单元为被异常收缩的区域。
S502：选定Raster_重分类作为掩膜数据，对Raster_综合执行Nibble计算获得Raster_输出，Raster_输出的数据类型为栅格数据。
还包括存储步骤：对上述各步骤中输出的数据进行存储。
还包括模型构建步骤：根据数据导入步骤、破碎图斑筛选步骤、栅格收缩步骤、数据综合步骤和数据修整步骤构建通用模型，例如可通过ArcGIS模型构建器构建通用模型。存储步骤：还包括对模型构建步骤构建的通用模型进行存储。具体使用过程中，通过通用模型实现破碎图斑的消除，并避免消除后产生异常凸起和边缘收缩的情况。同时通用模型的构建，在后续使用过程中可直接调用通用模型进行使用，实现资源、技术的共享。
为充分体现本发明的优势，针对同一原始数据采用不同的破碎图斑消除方式进行处理，原始数据如图2所示，附图2中粗线黑框内的小面积图斑为需要进行消除的破碎图斑。
采用现有技术中记载的消除算法对破碎图斑进行聚合消除，处理结果如图3所示，从附图3可知，位于大面积图斑内的破碎图斑，以及仅与一大面积图斑相连的破碎图斑，得以消除，且未出现异常凸起或边缘收缩的情况，但是与两大面积图斑相邻的破碎图斑消除后使得两相邻大面积图斑之间出现异常凸起，如附图3中粗线黑框内的虚线区域所示，消除破碎图斑后使得异常凸起的情况发生。
采用现有技术中记载的收缩算法对破碎图斑进行聚合消除，处理结果如图4所示，从附图4可知，位于大面积图斑内的破碎图斑，以及与两大面积图斑相连的破碎图斑，得以消除，且并未出现异常凸起的情况，但是位于区域边缘的破碎图斑被消除后使得区域边缘被收缩，如附图4中粗线黑框内的区域边缘所示，消除破碎图斑后的区域边缘与原始数据中的区域边缘相差较大。
采用本发明的技术方案对破碎图斑进行消除，处理结果如图5所示，从附图5可知，与两大面积图斑相邻的破碎图斑消除后未出现异常凸起的情况，位于区域边缘的破碎图斑被消除后区域边缘未出现收缩现象。与采用现有技术中的消除算法或收缩算法消除破碎图斑相比，处理效果更佳，获得质量更高、符合集中连片要求的区域划分或功能划分的模式图。
为了解本发明在实际应用过程中的处理效果，以一实际数据为例，采用本发明的技术方案进行破碎图斑的消除，消除前的模式图如图6所示，消除后的模式图如图7所示。从附图6、附图7可知，破碎图斑消除前存在较多小面积图斑，不利于用地的集中连片，而破碎图斑消除后，有效的减少破碎图斑的存在，使其符合城乡空间规划用地选址的集中连片要求。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.一种应用于消除破碎图斑的GIS算法优化方法，其特征在于：包括以下步骤：
数据导入步骤：导入需要消除破碎图斑的原始数据，并判断原始数据的数据类型，根据判断结果获得面状矢量数据，并根据判断结果新建或自动生成gridcode字段，对gridcode字段进行赋值；
破碎图斑筛选步骤：获取Reclass字段添加到面状矢量数据，根据面状矢量数据进行字段计算，并根据计算结果对Reclass字段进行赋值；
栅格收缩步骤：以Reclass字段为值字段，获取像元大小，将面状矢量数据转换为Raster_转换；设定区域值和像元数目，对Raster_转换进行栅格收缩，计算得到收缩结果；
数据综合步骤：对收缩结果进行为空计算，得到为空结果；将Raster_转换作为掩膜，对为空结果进行掩膜提取获得Raster_条件，并自动生成条件字段；以Raster_条件为条件栅格，根据条件字段的数值提取收缩结果或Raster_转换；将提取的收缩结果和Raster_转换进行整合，获得Raster_综合；
数据修整步骤：设置重分类值，对Raster_条件进行重分类生成Raster_重分类；选定Raster_重分类作为掩膜数据，对Raster_综合执行Nibble计算获得Raster_输出。
2.根据权利要求1所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：原始数据还包括反应评价分级的Value1字段以及反应评价分级级别的字段值。
3.根据权利要求1所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：原始数据的数据类型包括栅格数据和矢量数据；根据判断结果获得面状矢量数据，并根据判断结果自动生成或新建gridcode字段的具体步骤包括：
当判断原始数据为栅格数据时，通过栅格转面计算将原始数据转换为面状矢量数据，转换时自动生成gridcode字段；
当判断原始数据为矢量数据时，面状矢量数据为原始数据，新建gridcode字段。
4.根据权利要求3所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：根据面状矢量数据进行字段计算，并根据计算结果对Reclass字段进行赋值的具体步骤包括：
获取面积阈值，对面状矢量数据对应的图斑进行面积计算；
当图斑的面积数值小于或等于面积阈值时，对Reclass字段赋值为0；
当图斑的面积数值大于面积阈值时，对Reclass字段赋值为gridcode字段的数值。
5.根据权利要求4所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：像元大小与原始数据保持一致。
6.根据权利要求5所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：像元数目要求大于面积阈值同等面积的标准圆半径除以像元大小的整数位。
7.根据权利要求5所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：像元数目要求大于面积阈值同等面积正方形边长一半除以像元大小的整数位。
8.根据权利要求1所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：条件字段的数值包括0和1，根据条件字段的数值提取收缩结果或Raster_转换的具体步骤包括：
当条件字段的数值为0时，提取收缩结果；当条件字段的数值不为0时，提取Raster_转换。
9.根据权利要求1所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：设置重分类值时，旧值为0则保留为0，旧值为1则重分类为NoData。
10.根据权利要求1-9任一项所述的应用于消除破碎图斑的GIS算法优化方法，其特征在于：还包括模型构建步骤：根据数据导入步骤、破碎图斑筛选步骤、栅格收缩步骤、数据综合步骤和数据修整步骤构建通用模型。
CN202011065675.6A 2020-09-30 2020-09-30 一种应用于消除破碎图斑的gis算法优化方法 Active CN112148829B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011065675.6A CN112148829B (zh) 2020-09-30 2020-09-30 一种应用于消除破碎图斑的gis算法优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011065675.6A CN112148829B (zh) 2020-09-30 2020-09-30 一种应用于消除破碎图斑的gis算法优化方法

Publications (2)

Publication Number Publication Date
CN112148829A true CN112148829A (zh) 2020-12-29
CN112148829B CN112148829B (zh) 2023-05-16

Family

ID=73952306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011065675.6A Active CN112148829B (zh) 2020-09-30 2020-09-30 一种应用于消除破碎图斑的gis算法优化方法

Country Status (1)

Country Link
CN (1) CN112148829B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549685A (zh) * 2022-04-28 2022-05-27 江苏省基础地理信息中心 一种基于数据融合的自然资源一张底图建设方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640468A (en) * 1994-04-28 1997-06-17 Hsu; Shin-Yi Method for identifying objects and features in an image
US20050285876A1 (en) * 2004-06-29 2005-12-29 Piotr Balaga Composition of raster and vector graphics in geographical information systems
CN101908215A (zh) * 2010-07-13 2010-12-08 中国农业科学院农业资源与农业区划研究所 一种空间数据的融合方法
CN102800052A (zh) * 2012-06-13 2012-11-28 浙江大学 非标准地图的半自动数字化方法
CN102855487A (zh) * 2012-08-27 2013-01-02 南京大学 高分辨率遥感图像新增建设用地变化图斑自动提取的方法
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN104123479A (zh) * 2014-08-14 2014-10-29 国家电网公司 一种电网特殊区域数据栅格转矢量的质量控制方法
CN204856622U (zh) * 2015-07-17 2015-12-09 重庆市规划设计研究院 基于手机app的城乡公共服务设施规划标准运用系统
CN105469094A (zh) * 2015-11-28 2016-04-06 重庆交通大学 一种路面二值图像的边缘矢量线提取算法
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN108154221A (zh) * 2017-12-21 2018-06-12 武汉大学 一种面向“三线”协同优化的粒子群改进算法
US20180165616A1 (en) * 2016-12-13 2018-06-14 John Sun System and Method for Producing and Distributing Information Relevant to Water Events
CN109144976A (zh) * 2018-08-08 2019-01-04 重庆拓土地理信息有限公司 一种基于土地调查建立的数据库及其管理系统
CN110188398A (zh) * 2019-05-06 2019-08-30 南京泛在地理信息产业研究院有限公司 基于均值邻域的黄土地貌沟沿线提取方法
CN110211128A (zh) * 2019-05-06 2019-09-06 南京泛在地理信息产业研究院有限公司 基于遥感影像和dem的黄土高原梯田提取方法
CN110263627A (zh) * 2019-05-09 2019-09-20 生态环境部卫星环境应用中心 一种面向保护地监管的人类活动变化线索监测方法
US20200066015A1 (en) * 2018-08-27 2020-02-27 Ethan P. Killeen Method for creating gridded reference graphics
CN111259955A (zh) * 2020-01-15 2020-06-09 国家测绘产品质量检验测试中心 一种地理国情监测成果可靠性质检方法及系统
CN111274968A (zh) * 2020-01-20 2020-06-12 广州市城市规划自动化中心 面向对象的道路信息提取方法、装置及电子设备
CN111536973A (zh) * 2020-03-26 2020-08-14 中国科学院地理科学与资源研究所 一种室内导航网络提取方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640468A (en) * 1994-04-28 1997-06-17 Hsu; Shin-Yi Method for identifying objects and features in an image
US20050285876A1 (en) * 2004-06-29 2005-12-29 Piotr Balaga Composition of raster and vector graphics in geographical information systems
CN101908215A (zh) * 2010-07-13 2010-12-08 中国农业科学院农业资源与农业区划研究所 一种空间数据的融合方法
CN102800052A (zh) * 2012-06-13 2012-11-28 浙江大学 非标准地图的半自动数字化方法
CN102855487A (zh) * 2012-08-27 2013-01-02 南京大学 高分辨率遥感图像新增建设用地变化图斑自动提取的方法
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN104123479A (zh) * 2014-08-14 2014-10-29 国家电网公司 一种电网特殊区域数据栅格转矢量的质量控制方法
CN204856622U (zh) * 2015-07-17 2015-12-09 重庆市规划设计研究院 基于手机app的城乡公共服务设施规划标准运用系统
CN105469094A (zh) * 2015-11-28 2016-04-06 重庆交通大学 一种路面二值图像的边缘矢量线提取算法
US20180165616A1 (en) * 2016-12-13 2018-06-14 John Sun System and Method for Producing and Distributing Information Relevant to Water Events
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN108154221A (zh) * 2017-12-21 2018-06-12 武汉大学 一种面向“三线”协同优化的粒子群改进算法
CN109144976A (zh) * 2018-08-08 2019-01-04 重庆拓土地理信息有限公司 一种基于土地调查建立的数据库及其管理系统
US20200066015A1 (en) * 2018-08-27 2020-02-27 Ethan P. Killeen Method for creating gridded reference graphics
CN110188398A (zh) * 2019-05-06 2019-08-30 南京泛在地理信息产业研究院有限公司 基于均值邻域的黄土地貌沟沿线提取方法
CN110211128A (zh) * 2019-05-06 2019-09-06 南京泛在地理信息产业研究院有限公司 基于遥感影像和dem的黄土高原梯田提取方法
CN110263627A (zh) * 2019-05-09 2019-09-20 生态环境部卫星环境应用中心 一种面向保护地监管的人类活动变化线索监测方法
CN111259955A (zh) * 2020-01-15 2020-06-09 国家测绘产品质量检验测试中心 一种地理国情监测成果可靠性质检方法及系统
CN111274968A (zh) * 2020-01-20 2020-06-12 广州市城市规划自动化中心 面向对象的道路信息提取方法、装置及电子设备
CN111536973A (zh) * 2020-03-26 2020-08-14 中国科学院地理科学与资源研究所 一种室内导航网络提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIN LIU 等: ""An Application of Temporal-GIS in Displaying Geospatial Polygon"", 《GEOINFORMATICS 2008 AND JOINT CONFERENCE ON GIS AND BUILT ENVIRONMENT: ADVANCED SPATIAL DATA MODELS AND ANALYSES》 *
马明 等: ""基于地层属性的图斑批量缩编方法"", 《地质调查与研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549685A (zh) * 2022-04-28 2022-05-27 江苏省基础地理信息中心 一种基于数据融合的自然资源一张底图建设方法

Also Published As

Publication number Publication date
CN112148829B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
US6577777B1 (en) Image processing using adjoining relationships between image parts
CN106408604A (zh) 一种点云数据的滤波方法及装置
CN110544298B (zh) 变电站建模方法、装置、计算机设备和存储介质
CN112148829A (zh) 一种应用于消除破碎图斑的gis算法优化方法
CN113327259B (zh) 面向区域覆盖的遥感数据筛选方法及系统
CN111462838A (zh) 一种直接将图像像素转换成有限元单元的方法
CN113609736A (zh) 一种基于孔裂隙结构数字图像的数值计算模型构建方法
CN103970901A (zh) 一种地理信息图形数据整合方法
CN106682255B (zh) 一种沥青路面结构设计应力响应的跨尺度分析方法
CN113190195A (zh) 一种大幅遥感影像可视化方法及系统
CN116737392B (zh) 一种非矢量数据的处理方法、装置及计算设备
CN112381950A (zh) 一种网格孔洞修补方法、电子设备和计算机可读存储介质
CN115049686B (zh) 一种基于辅助信息的复杂染色体区域分割方法及装置
CN112632303A (zh) 一种影像数据的分布式存储方法、分析方法及装置
CN111414582A (zh) 一种光伏理论功率计算方法、装置、设备和存储介质
CN106023105A (zh) 一种植物叶片的二值图像生成方法及系统
CN112215778B (zh) 一种基于三级区域划分的图像修复方法
CN112131334B (zh) 一种用于市县级“双评价”算法的gis模块封装方法及系统
CN111914139A (zh) 一种工作面自动划分方法、电子设备、存储介质
JPH09106460A (ja) 画像部品の隣接関係判定方法
CN104794472A (zh) 用于提取手势边缘图像的方法和装置以及手势提取方法
CN116071231B (zh) 眼镜框的点油墨工艺轨迹的生成方法、装置、设备及介质
CN114648527B (zh) 尿路上皮细胞玻片图像分类方法、装置、设备和介质
CN117114197B (zh) 基于深度学习的征迁范围识别方法
CN103186512B (zh) 一种透明页面的光栅化处理方法及装置

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