CN112149753B - 一种遥感影像数据处理方法、系统和云平台 - Google Patents

一种遥感影像数据处理方法、系统和云平台 Download PDF

Info

Publication number
CN112149753B
CN112149753B CN202011067901.4A CN202011067901A CN112149753B CN 112149753 B CN112149753 B CN 112149753B CN 202011067901 A CN202011067901 A CN 202011067901A CN 112149753 B CN112149753 B CN 112149753B
Authority
CN
China
Prior art keywords
remote sensing
data
node
detection model
characteristic 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
Application number
CN202011067901.4A
Other languages
English (en)
Other versions
CN112149753A (zh
Inventor
梁成敏
梁燕露
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.)
Origin Space Nanjing Technology Co ltd
Original Assignee
Origin Space Nanjing Technology Co ltd
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 Origin Space Nanjing Technology Co ltd filed Critical Origin Space Nanjing Technology Co ltd
Priority to CN202011067901.4A priority Critical patent/CN112149753B/zh
Publication of CN112149753A publication Critical patent/CN112149753A/zh
Application granted granted Critical
Publication of CN112149753B publication Critical patent/CN112149753B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Astronomy & Astrophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及大数据与遥感影像处理技术领域，特别涉及一种遥感影像数据处理方法、系统和云平台。本发明通过获取目标区域内的遥感影像数据集合，能够准确地得到不同权重的层级结构数据序列，进而能够实现后续对遥感数据格式序列以及层级结构数据序列进行分层次的采集，这样能够提高遥感数据格式序列以及层级结构数据序列采集的准确性；在此基础上，进一步获取遥感影像数据所对应的分段标识符，这样一来，能够基于分段标识符精准地标识出遥感影像数据的实时指标参数，这样能够实时跟踪遥感影像的实时指标变化情况。

Description

一种遥感影像数据处理方法、系统和云平台
技术领域
本发明涉及大数据与遥感影像处理技术领域，特别涉及一种遥感影像数据处理方法、系统和云平台。
背景技术
遥感技术（remote sensing technique，RST）主要是通过遥感平台上设置的传感器远距离不与目标接触，接收目标反射线或者发射的各种不同波段的电磁波信息，并对这些电磁波信息进行处理，从而达到对远距离目标的探测和识别的手段。近年来，遥感技术从应用于航空和卫星逐渐应用到其他领域。
然而随着现代各种通讯方式及信息共享方式的飞速发展，人们在使用遥感图像产品时，对遥感图像产品的追求越来越高。但是现有的遥感技术在对遥感影像进行标识时，不能自动地标识出遥感影像的实时指标变化情况。
发明内容
为改善相关技术中存在的技术问题，本发明提供了一种遥感影像数据处理方法、系统和云平台。
本发明提供了一种遥感影像数据处理方法，应用于云平台，所述方法包括：
获取目标区域内的遥感影像数据集合；其中，所述遥感影像数据集合包括相互关联的多组遥感影像数据；
根据所述遥感影像数据集合获取不同权重的层级结构数据序列；其中，所述层级结构数据序列包括相互关联的多组层级结构数据；
基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列；其中，所述遥感数据格式序列包括多个遥感数据格式；
基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列；其中，所述层级结构格式序列包括多个层级结构格式；
基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数。
在一种可替换的实施方式中，所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
在一种可替换的实施方式中，
所述基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据，包括：对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的空间分布特征获取第一空间维度信息；其中，所述第一模型节点属于所述遥感探测模型；对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的波段分布特征获取第一波段节点信息；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一空间维度信息以及所述第一波段节点信息，通过所述第一模型节点所包括的信息收集线程获取第一信息分布轨迹；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一信息分布轨迹以及所述遥感数据格式，通过所述第一模型节点所包括的第一波段分布特征获取第一节点特征数据；
所述基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据，包括：对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的空间分布特征获取第二空间维度信息；其中，所述第二模型节点属于所述遥感探测模型；对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的波段分布特征获取第二波段节点信息；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二空间维度信息以及所述第二波段节点信息，通过所述第二模型节点所包括的信息收集线程获取第二信息分布轨迹；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二信息分布轨迹以及所述层级结构格式，通过所述第二模型节点所包括的第二波段分布特征获取第二节点特征数据。
在一种可替换的实施方式中，
所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符，包括：基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符；
所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据，包括：基于所述多个节点特征数据集，通过所述遥感产品信息所包括的第一产品特点获取多个第一子节点特征数据；其中，所述遥感产品信息属于所述遥感探测模型；基于所述多个第一子节点特征数据，通过所述遥感产品信息所包括的第二产品特点获取多个第二子节点特征数据；根据所述多个第二子节点特征数据确定多个加权特征值；其中，每个加权特征值对应于一个节点特征数据集；根据所述多个节点特征数据集以及多个加权特征值，确定所述目标节点特征数据。
在一种可替换的实施方式中，所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一波段分布特征获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二波段分布特征获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；
基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
在一种可替换的实施方式中，所述根据所述遥感影像数据集合获取不同权重的层级结构数据序列，包括：对于所述遥感影像数据集合中的每个遥感影像数据，通过预设的数据层级分布模型获取第一数据标签信息、第二数据标签信息以及第三数据标签信息；
根据所述每个遥感影像数据所对应的所述第一数据标签信息、所述第二数据标签信息以及所述第三数据标签信息，确定所述每个遥感影像数据所对应的不同权重的层级结构数据。
在一种可替换的实施方式中，根据所述分段标识符确定所述遥感影像数据集合的实时指标参数，具体包括：
获取遥感探测模型所包括的第一分段标识符；根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；
采用所述第一分段标识符中的每个标识字符对应的遥感探测模型单元，对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点及关联评价系数；其中，所述遥感探测模型单元是根据每个标识字符对应的关联关系对所述遥感探测模型进行匹配处理确定的；
选择关联评价系数最高的标识字符，根据该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数；
根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；根据所述遥感探测模型以及所述模型目标系数，对所述遥感影像数据集合进行检测得到所述遥感影像数据集合的实时指标参数；
其中，所述获取遥感探测模型所包括的第一分段标识符，包括：获取所述遥感探测模型所包括的多组相互关联的数据段描述符，作为多组第一分段标识符；对于所述多组第一分段标识符中的每组所述第一分段标识符，分别执行所述根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；采用每个标识字符对应的遥感探测模型单元对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点以及关联评价系数；选择关联评价系数最高的标识字符，将该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数的步骤，以获得多组目标关键对比系数；则所述根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；
所述根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：计算所述多组目标关键对比系数中关联关系的权重的差值，将该差值作为目标关联关系系数；确定所述多组目标关键对比系数中基准关联坐标点的差值，将该差值作为目标关联坐标；根据所述目标关联关系系数和所述目标关联坐标，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数。
本发明还提供了一种遥感影像数据处理系统，应用于云平台，所述系统包括：
影像数据集合获取模块，用于获取目标区域内的遥感影像数据集合；其中，所述遥感影像数据集合包括相互关联的多组遥感影像数据；
层级结构序列确定模块，用于根据所述遥感影像数据集合获取不同权重的层级结构数据序列；其中，所述层级结构数据序列包括相互关联的多组层级结构数据；
数据格式序列采集模块，用于基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列；其中，所述遥感数据格式序列包括多个遥感数据格式；
层级格式序列采集模块，用于基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列；其中，所述层级结构格式序列包括多个层级结构格式；
实时指标参数确定模块，用于基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数。
本发明还提供了一种云平台，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述任一项所述的方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果。
本发明提供了一种遥感影像数据处理方法、系统和云平台，首先根据确定的遥感影像数据集合获取层级结构数据序列。其次基于遥感影像数据集合、通过遥感探测模型采集遥感数据格式序列以及层级结构格式序列。然后根据遥感数据格式序列以及所述层级结构格式序列获取遥感影像数据所对应的分段标识符，在获取到分段标识符后确定遥感影像数据集合的实时指标参数。
如此，通过获取目标区域内的遥感影像数据集合，能够准确地得到不同权重的层级结构数据序列，进而能够实现后续对遥感数据格式序列以及层级结构数据序列进行分层次的采集，这样能够提高遥感数据格式序列以及层级结构数据序列采集的准确性。在此基础上，进一步获取遥感影像数据所对应的分段标识符，这样一来，能够基于分段标识符精准地标识出遥感影像数据的实时指标参数，这样能够实时跟踪遥感影像的实时指标变化情况。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种遥感影像数据处理方法的流程图。
图2是本发明实施例提供的一种遥感影像数据处理系统的框图。
图3是本发明实施例提供的一种云平台的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。
为改善现有的遥感技术在对遥感影像进行标识时，不能自动地标识出遥感影像的实时指标变化情况的技术问题，本发明实施例提供了一种遥感影像数据处理方法、系统和云平台。
为实现上述目的，首先提供了如图1所示的一种遥感影像数据处理方法的流程示意图，所述方法可以应用于云平台，所述云平台在实现上述方法时具体执行以下步骤S110-步骤S150所描述的内容。
步骤S110，获取目标区域内的遥感影像数据集合。
在本实施例中，目标区域为待监测区域，所述遥感影像数据集合包括相互关联的多组遥感影像数据，其中，遥感影像数据可以为遥感卫星数据。
步骤S120，根据所述遥感影像数据集合获取不同权重的层级结构数据序列。
在本实施例中，所述层级结构数据序列包括相互关联的多组层级结构数据，其中，对于所述层级结构数据而言，一个层级对应一个结构数据。
步骤S130，基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列。
在本实施例中，所述遥感探测模型可以为卷积神经网络，所述第一数据格式采集线程可以为卷积神经网络中的一个子网络。所述遥感数据格式序列包括多个遥感数据格式，其中，遥感数据格式为遥感数据的其中一种格式。
步骤S140，基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列。
在本实施例中，第二数据格式采集线程可以为卷积神经网络中的另一个子网络，所述层级结构格式序列包括多个层级结构格式，其中，层级结构格式可以为层级结构数据的另一种格式。
步骤S150，基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数。
在本实施例中，分段标识符用于对遥感影像数据进行定位的一种标识符。
在执行上述步骤S110-S150所描述的方法时可以达到如下有益技术效果：首先根据确定的遥感影像数据集合获取层级结构数据序列。其次基于遥感影像数据集合、通过遥感探测模型采集遥感数据格式序列以及层级结构格式序列。然后根据遥感数据格式序列以及所述层级结构格式序列获取遥感影像数据所对应的分段标识符，在获取到分段标识符后确定遥感影像数据集合的实时指标参数。
如此，通过获取目标区域内的遥感影像数据集合，能够准确地得到不同权重的层级结构数据序列，进而能够实现后续对遥感数据格式序列以及层级结构数据序列进行分层次的采集，这样能够提高遥感数据格式序列以及层级结构数据序列采集的准确性。在此基础上，进一步获取遥感影像数据所对应的分段标识符，这样一来，能够基于分段标识符精准地标识出遥感影像数据的实时指标参数，这样能够实时跟踪遥感影像的实时指标变化情况。
在具体实施时，为了精准地确定出遥感影像数据集合所对应的分段标识符，避免在确定分段标识符的过程中出现固有的一一匹配模式，从而确保在确定分段标识符时不会出现混乱，步骤S150所描述的所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，具体可以包括以下子步骤S1501-子步骤S1504所描述的内容：
子步骤S1501，基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据；在本实施例中，每个第一节点特征数据对应于一个遥感数据格式；
子步骤S1502，基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据；在本实施例中，每个第二节点特征数据对应于一个层级结构格式；
子步骤S1503，对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；在本实施例中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
子步骤S1504，基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
通过执行上述步骤S1501-步骤S1504所描述的内容，能够基于遥感数据格式序列，完整地获取到多个第一节点特征数据，进一步基于层级结构格式序列， 同步且实时地获取到多个第二节点特征数据，这样能够根据第一节点特征数据以及第二节点特征数据，精准地确定出遥感影像数据集合所对应的分段标识符，进一步避免在确定分段标识符的过程中出现固有的一一匹配模式，从而确保在确定分段标识符时不会出现混乱。
进一步地，在具体实施时，为了能够完整地、快速地以及直观地获取到第一节点特征数据，从而提高确定第一节点特征数据的效率，步骤S1501所描述的所述基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据，具体包括：
对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的空间分布特征获取第一空间维度信息；其中，所述第一模型节点属于所述遥感探测模型；对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的波段分布特征获取第一波段节点信息；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一空间维度信息以及所述第一波段节点信息，通过所述第一模型节点所包括的信息收集线程获取第一信息分布轨迹；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一信息分布轨迹以及所述遥感数据格式，通过所述第一模型节点所包括的第一波段分布特征获取第一节点特征数据。
执行上述内容，通过获取地第一空间维度信息以及第一波段节点信息确定出第一信息分布轨迹，进一步根据第一信息分布轨迹以及遥感数据格式，能够完整地、快速地以及直观地获取到第一节点特征数据，进而能够提高确定第一节点特征数据的效率。
更进一步地，在具体实施时，为了能够同步地且实时地获取到第二节点特征数据，子步骤S1502所描述的所述基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据，具体包括：
对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的空间分布特征获取第二空间维度信息；其中，所述第二模型节点属于所述遥感探测模型；对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的波段分布特征获取第二波段节点信息；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二空间维度信息以及所述第二波段节点信息，通过所述第二模型节点所包括的信息收集线程获取第二信息分布轨迹；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二信息分布轨迹以及所述层级结构格式，通过所述第二模型节点所包括的第二波段分布特征获取第二节点特征数据。
执行上述内容，通过获取地第二空间维度信息以及第二波段节点信息确定出第二信息分布轨迹，进一步根据第二信息分布轨迹以及层级结构格式，能够同步地且实时地获取到第二节点特征数据。
在具体实施时，为了能够精准地从遥感探测模型所包括的分段检测线程中确定出对应的分段标识符，子步骤S1504所描述的所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符，包括：
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
通过执行上述内容，根据获取到的目标节点特征数据，能够精准地从遥感探测模型所包括的分段检测线程中确定出对应的分段标识符。
在本实施例中，所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据，包括：
基于所述多个节点特征数据集，通过所述遥感产品信息所包括的第一产品特点获取多个第一子节点特征数据；其中，所述遥感产品信息属于所述遥感探测模型；基于所述多个第一子节点特征数据，通过所述遥感产品信息所包括的第二产品特点获取多个第二子节点特征数据；根据所述多个第二子节点特征数据确定多个加权特征值；其中，每个加权特征值对应于一个节点特征数据集；根据所述多个节点特征数据集以及多个加权特征值，确定所述目标节点特征数据。
在具体实施时，所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一波段分布特征获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二波段分布特征获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；
基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
在具体实施时，为了能够克服在对层级结构数据序列获取过程中的局限性，从而直观地从遥感影像数据集合获取不同权重的层级结构数据序列，进而有效提高层级结构数据序列获取的效率，步骤S120所描述的所述根据所述遥感影像数据集合获取不同权重的层级结构数据序列，具体包括：
对于所述遥感影像数据集合中的每个遥感影像数据，通过预设的数据层级分布模型获取第一数据标签信息、第二数据标签信息以及第三数据标签信息；
根据所述每个遥感影像数据所对应的所述第一数据标签信息、所述第二数据标签信息以及所述第三数据标签信息，确定所述每个遥感影像数据所对应的不同权重的层级结构数据。
通过执行上述内容，能够克服在对层级结构数据序列获取过程中的局限性，可以直观地从遥感影像数据集合获取不同权重的层级结构数据序列，进而有效提高层级结构数据序列获取的效率。
在具体实施时，为了能够精准地得到遥感影像数据的实时指标参数，能够实时跟踪遥感影像的实时指标变化情况，步骤S150所描述的根据所述分段标识符确定所述遥感影像数据集合的实时指标参数，具体包括以下步骤A-步骤D所描述的内容：
A，获取遥感探测模型所包括的第一分段标识符；根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；
B，采用所述第一分段标识符中的每个标识字符对应的遥感探测模型单元，对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点及关联评价系数；其中，所述遥感探测模型单元是根据每个标识字符对应的关联关系对所述遥感探测模型进行匹配处理确定的；
C，选择关联评价系数最高的标识字符，根据该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数；
D，根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；根据所述遥感探测模型以及所述模型目标系数，对所述遥感影像数据集合进行检测得到所述遥感影像数据集合的实时指标参数；
在执行上述步骤A-步骤D所描述的内容，根据遥感探测模型对应的遥感综合区域坐标，从第一分段标识符中标记出目标区域坐标，这样能够根据标记出的目标区域坐标得到与每个标识字符对应的基准关联坐标点及关联评价系数，并将该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数，然后根据目标关键对比系数得到模型目标系数之后，根据遥感探测模型以及模型目标系数，对遥感影像数据集合进行检测得到实时指标参数。这样一来，首先记出目标区域坐标，能够明确每个第一分段标识符的具体位置，避免后续盲目地对查找每个标识字符对应的基准关联坐标点以及关联评价系数。进一步地根据基准关联坐标点以及关联评价系数在确定出模型目标系数之后，根据遥感探测模型以及模型目标系数，对遥感影像数据集合进行检测得到实时指标参数，这样在明确遥感探测模型以及模型目标系数的前提下可以实现遥感影像数据集合进行高效的检测，同时能够精准地得到遥感影像数据的实时指标参数，进一步能够实时跟踪遥感影像的实时指标变化情况。
在本实施例中，所述获取遥感探测模型所包括的第一分段标识符，包括：获取所述遥感探测模型所包括的多组相互关联的数据段描述符，作为多组第一分段标识符；对于所述多组第一分段标识符中的每组所述第一分段标识符，分别执行所述根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；采用每个标识字符对应的遥感探测模型单元对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点以及关联评价系数；选择关联评价系数最高的标识字符，将该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数的步骤，以获得多组目标关键对比系数；
进一步地，则所述根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：
根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；
所述根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：计算所述多组目标关键对比系数中关联关系的权重的差值，将该差值作为目标关联关系系数；确定所述多组目标关键对比系数中基准关联坐标点的差值，将该差值作为目标关联坐标；根据所述目标关联关系系数和所述目标关联坐标，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数。
基于同样的发明构思，请结合图2，本发明提供了一种遥感影像数据处理系统，应用于云平台200，所述系统包括：
影像数据集合获取模块210，用于获取目标区域内的遥感影像数据集合；其中，所述遥感影像数据集合包括相互关联的多组遥感影像数据；
层级结构序列确定模块220，用于根据所述遥感影像数据集合获取不同权重的层级结构数据序列；其中，所述层级结构数据序列包括相互关联的多组层级结构数据；
数据格式序列采集模块230，用于基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列；其中，所述遥感数据格式序列包括多个遥感数据格式；
层级格式序列采集模块240，用于基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列；其中，所述层级结构格式序列包括多个层级结构格式；
实时指标参数确定模块250，用于基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数。
在上述基础上，请结合参阅图3，提供了一种云平台200，包括处理器260以及与所述处理器260连接的存储器270和总线280；其中，所述处理器260和所述存储器270通过所述总线280完成相互间的通信；所述处理器260用于调用所述存储器270中的程序指令，以执行上述的方法。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
综上，基于上述方案，首先根据确定的遥感影像数据集合获取层级结构数据序列。其次基于遥感影像数据集合、通过遥感探测模型采集遥感数据格式序列以及层级结构格式序列。然后根据遥感数据格式序列以及所述层级结构格式序列获取遥感影像数据所对应的分段标识符，在获取到分段标识符后确定遥感影像数据集合的实时指标参数。
如此，通过获取目标区域内的遥感影像数据集合，能够准确地得到不同权重的层级结构数据序列，进而能够实现后续对遥感数据格式序列以及层级结构数据序列进行分层次的采集，这样能够提高遥感数据格式序列以及层级结构数据序列采集的准确性。在此基础上，进一步获取遥感影像数据所对应的分段标识符，这样一来，能够基于分段标识符精准地标识出遥感影像数据的实时指标参数，这样能够实时跟踪遥感影像的实时指标变化情况。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.一种遥感影像数据处理方法，其特征在于，应用于云平台，所述方法包括：
获取目标区域内的遥感影像数据集合；其中，所述遥感影像数据集合包括相互关联的多组遥感影像数据；
根据所述遥感影像数据集合获取不同权重的层级结构数据序列；其中，所述层级结构数据序列包括相互关联的多组层级结构数据；
基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列；其中，所述遥感数据格式序列包括多个遥感数据格式；
基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列；其中，所述层级结构格式序列包括多个层级结构格式；
基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数；
所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符；
所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一波段分布特征获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二波段分布特征获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；
基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
2.根据权利要求1所述的方法，其特征在于，
所述基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据，包括：对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的空间分布特征获取第一空间维度信息；其中，所述第一模型节点属于所述遥感探测模型；对于所述遥感数据格式序列中的每个遥感数据格式，通过所述第一模型节点所包括的波段分布特征获取第一波段节点信息；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一空间维度信息以及所述第一波段节点信息，通过所述第一模型节点所包括的信息收集线程获取第一信息分布轨迹；对于所述遥感数据格式序列中的每个遥感数据格式，基于所述第一信息分布轨迹以及所述遥感数据格式，通过所述第一模型节点所包括的第一波段分布特征获取第一节点特征数据；
所述基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据，包括：对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的空间分布特征获取第二空间维度信息；其中，所述第二模型节点属于所述遥感探测模型；对于所述层级结构格式序列中的每个层级结构格式，通过所述第二模型节点所包括的波段分布特征获取第二波段节点信息；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二空间维度信息以及所述第二波段节点信息，通过所述第二模型节点所包括的信息收集线程获取第二信息分布轨迹；对于所述层级结构格式序列中的每个层级结构格式，基于所述第二信息分布轨迹以及所述层级结构格式，通过所述第二模型节点所包括的第二波段分布特征获取第二节点特征数据。
3.根据权利要求1所述的方法，其特征在于，
所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符，包括：基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符；
所述基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据，包括：基于所述多个节点特征数据集，通过所述遥感产品信息所包括的第一产品特点获取多个第一子节点特征数据；其中，所述遥感产品信息属于所述遥感探测模型；基于所述多个第一子节点特征数据，通过所述遥感产品信息所包括的第二产品特点获取多个第二子节点特征数据；根据所述多个第二子节点特征数据确定多个加权特征值；其中，每个加权特征值对应于一个节点特征数据集；根据所述多个节点特征数据集以及多个加权特征值，确定所述目标节点特征数据。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述遥感影像数据集合获取不同权重的层级结构数据序列，包括：对于所述遥感影像数据集合中的每个遥感影像数据，通过预设的数据层级分布模型获取第一数据标签信息、第二数据标签信息以及第三数据标签信息；
根据所述每个遥感影像数据所对应的所述第一数据标签信息、所述第二数据标签信息以及所述第三数据标签信息，确定所述每个遥感影像数据所对应的不同权重的层级结构数据。
5.根据权利要求1至3中任一项所述的方法，其特征在于，根据所述分段标识符确定所述遥感影像数据集合的实时指标参数，具体包括：
获取遥感探测模型所包括的第一分段标识符；根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；
采用所述第一分段标识符中的每个标识字符对应的遥感探测模型单元，对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点及关联评价系数；其中，所述遥感探测模型单元是根据每个标识字符对应的关联关系对所述遥感探测模型进行匹配处理确定的；
选择关联评价系数最高的标识字符，根据该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数；
根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；根据所述遥感探测模型以及所述模型目标系数，对所述遥感影像数据集合进行检测得到所述遥感影像数据集合的实时指标参数；
其中，所述获取遥感探测模型所包括的第一分段标识符，包括：获取所述遥感探测模型所包括的多组相互关联的数据段描述符，作为多组第一分段标识符；对于所述多组第一分段标识符中的每组所述第一分段标识符，分别执行所述根据遥感探测模型对应的遥感综合区域坐标，从所述第一分段标识符中标记出目标区域坐标；采用每个标识字符对应的遥感探测模型单元对所述目标区域坐标进行模型关联，得到与每个标识字符对应的基准关联坐标点以及关联评价系数；选择关联评价系数最高的标识字符，将该标识字符对应的关联关系及基准关联坐标点作为一组目标关键对比系数的步骤，以获得多组目标关键对比系数；则所述根据所述目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数；
所述根据多组目标关键对比系数，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数，包括：计算所述多组目标关键对比系数中关联关系的权重的差值，将该差值作为目标关联关系系数；确定所述多组目标关键对比系数中基准关联坐标点的差值，将该差值作为目标关联坐标；根据所述目标关联关系系数和所述目标关联坐标，确定所述遥感探测模型适配所述遥感探测模型的模型目标系数。
6.一种遥感影像数据处理系统，其特征在于，应用于云平台，所述系统包括：
影像数据集合获取模块，用于获取目标区域内的遥感影像数据集合；其中，所述遥感影像数据集合包括相互关联的多组遥感影像数据；
层级结构序列确定模块，用于根据所述遥感影像数据集合获取不同权重的层级结构数据序列；其中，所述层级结构数据序列包括相互关联的多组层级结构数据；
数据格式序列采集模块，用于基于所述遥感影像数据集合，通过遥感探测模型所包括的第一数据格式采集线程采集遥感数据格式序列；其中，所述遥感数据格式序列包括多个遥感数据格式；
层级格式序列采集模块，用于基于所述层级结构数据序列，通过所述遥感探测模型所包括的第二数据格式采集线程获取层级结构格式序列；其中，所述层级结构格式序列包括多个层级结构格式；
实时指标参数确定模块，用于基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符；根据所述分段标识符确定所述遥感影像数据集合的实时指标参数；
所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一模型节点获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二模型节点获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符；
所述基于所述遥感数据格式序列以及所述层级结构格式序列，通过所述遥感探测模型所包括的分段检测线程获取所述遥感影像数据所对应的分段标识符，包括：
基于所述遥感数据格式序列，通过所述遥感探测模型所包括的第一波段分布特征获取多个第一节点特征数据；其中，每个第一节点特征数据对应于一个遥感数据格式；
基于所述层级结构格式序列，通过所述遥感探测模型所包括的第二波段分布特征获取多个第二节点特征数据；其中，每个第二节点特征数据对应于一个层级结构格式；
对所述多个第一节点特征数据以及所述多个第二节点特征数据进行融合处理，得到多个节点特征数据集；其中，每个节点特征数据集包括一个第一节点特征数据以及一个第二节点特征数据；
基于所述多个节点特征数据集，通过所述遥感探测模型所包括的遥感产品信息获取目标节点特征数据；其中，所述目标节点特征数据为根据所述多个节点特征数据集以及多个加权特征值确定的，每个节点特征数据集对应于一个加权特征值；
基于所述目标节点特征数据，通过所述遥感探测模型所包括的所述分段检测线程获取所述遥感影像数据集合所对应的分段标识符。
7.一种云平台，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-5任一项所述的方法。
CN202011067901.4A 2020-10-07 2020-10-07 一种遥感影像数据处理方法、系统和云平台 Active CN112149753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011067901.4A CN112149753B (zh) 2020-10-07 2020-10-07 一种遥感影像数据处理方法、系统和云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011067901.4A CN112149753B (zh) 2020-10-07 2020-10-07 一种遥感影像数据处理方法、系统和云平台

Publications (2)

Publication Number Publication Date
CN112149753A CN112149753A (zh) 2020-12-29
CN112149753B true CN112149753B (zh) 2022-05-10

Family

ID=73952432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011067901.4A Active CN112149753B (zh) 2020-10-07 2020-10-07 一种遥感影像数据处理方法、系统和云平台

Country Status (1)

Country Link
CN (1) CN112149753B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241846A (zh) * 2018-08-06 2019-01-18 广州市城市规划勘测设计研究院 遥感影像的时空变化估测方法、装置与存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985117A (zh) * 2014-04-28 2014-08-13 上海融军科技有限公司 基于遥感图像的目标捕获与确认方法
CN105551028B (zh) * 2015-12-09 2018-02-23 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
US20200225655A1 (en) * 2016-05-09 2020-07-16 Strong Force Iot Portfolio 2016, Llc Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment
CN107742276A (zh) * 2017-03-27 2018-02-27 苏州星宇测绘科技有限公司 一种基于无人机遥感图像机载一体化快速处理系统和方法
CN109299298A (zh) * 2018-09-19 2019-02-01 北京悦图遥感科技发展有限公司 多尺度影像模型的构建方法、装置、应用方法及系统
CN110070509B (zh) * 2019-04-26 2021-08-27 国家卫星气象中心 一种可见光遥感图像实时可视化系统及可视化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241846A (zh) * 2018-08-06 2019-01-18 广州市城市规划勘测设计研究院 遥感影像的时空变化估测方法、装置与存储介质

Also Published As

Publication number Publication date
CN112149753A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN107239794B (zh) 点云数据分割方法和终端
CN110785719A (zh) 在自动驾驶车辆中用于经由交叉时态验证的即时物体标记的方法和系统
CN110869559A (zh) 用于自动驾驶车辆中的集成的全局式与分布式学习的方法和系统
CN110799982A (zh) 用于自动驾驶车辆中的以物体为中心的立体视觉的方法和系统
CN110073362A (zh) 用于车道标记检测的系统及方法
CN111368635B (zh) 一种基于毫米波的多人步态识别方法及装置
CN110544268B (zh) 一种基于结构光及SiamMask网络的多目标跟踪方法
CN111739056B (zh) 一种轨迹追踪系统
CN115393681A (zh) 一种目标融合方法、装置、电子设备及存储介质
CN112149753B (zh) 一种遥感影像数据处理方法、系统和云平台
CN112100619A (zh) 一种恶意文件检测方法、系统、设备及计算机存储介质
CN111340884B (zh) 一种双目异构相机与rfid的双重目标定位与身份辨识方法
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
Li et al. Flexible heterogeneous data fusion strategy for object positioning applications in edge computing environment
Tsai et al. Design of vision‐based indoor positioning based on embedded system
CN113219452B (zh) 未知视域下的分布式多雷达联合配准与多目标跟踪方法
CN112016539B (zh) 信号识别方法、装置、电子设备与存储介质
CN112633143B (zh) 图像处理系统、方法、头戴设备、处理设备及存储介质
CN112800352B (zh) 一种基于特征与实例相结合的异构迁移行为识别方法
Xie et al. Millimeter-Wave Radar Target Detection Based on Inter-frame DBSCAN Clustering
CN115273177A (zh) 异质人脸的人脸类型识别方法、装置、设备及存储介质
CN110163029A (zh) 一种图像识别方法、电子设备以及计算机可读存储介质
CN109831737B (zh) 一种基于置信度的蓝牙定位方法、装置、设备和系统
CN112637768B (zh) 基于蜂窝网络的移动终端定位方法及装置
CN116488862A (zh) 一种物联网设备入侵检测方法、装置、设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20210524

Address after: 530000 Guangxi University Science and Technology Park, No.1, 2nd Road, high tech Zone, Nanning City, Guangxi Zhuang Autonomous Region

Applicant after: Ou Lihua

Address before: 510700 Room 601, 16 Kehui 1st Street, Huangpu District, Guangzhou City, Guangdong Province

Applicant before: Zhiboyun information technology (Guangzhou) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220222

Address after: 250000 No. 868 Tangye West Road, Jinan District, Jinan City, Shandong Province

Applicant after: Jinan Dasen Internet Technology Co.,Ltd.

Address before: 530000 Guangxi University Science and Technology Park, No.1, 2nd Road, high tech Zone, Nanning City, Guangxi Zhuang Autonomous Region

Applicant before: Ou Lihua

TA01 Transfer of patent application right

Effective date of registration: 20220330

Address after: 530000 Guangxi University Science and Technology Park, No.1, 2nd Road, high tech Zone, Nanning City, Guangxi Zhuang Autonomous Region

Applicant after: Ou Lihua

Address before: 250000 No. 868 Tangye West Road, Jinan District, Jinan City, Shandong Province

Applicant before: Jinan Dasen Internet Technology Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220419

Address after: 210000 floor 1, middle section, building D4, Hongfeng science and Technology Park, Kechuang Road, Nanjing Economic and Technological Development Zone, Nanjing, Jiangsu Province

Applicant after: Origin space (Nanjing) Technology Co.,Ltd.

Address before: 530000 Guangxi University Science and Technology Park, No.1, 2nd Road, high tech Zone, Nanning City, Guangxi Zhuang Autonomous Region

Applicant before: Ou Lihua

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant