CN112508386A - 一种夜光与poi数据融合的城市建成区提取方法 - Google Patents

一种夜光与poi数据融合的城市建成区提取方法 Download PDF

Info

Publication number
CN112508386A
CN112508386A CN202011397520.2A CN202011397520A CN112508386A CN 112508386 A CN112508386 A CN 112508386A CN 202011397520 A CN202011397520 A CN 202011397520A CN 112508386 A CN112508386 A CN 112508386A
Authority
CN
China
Prior art keywords
area
poi
built
data
city
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
CN202011397520.2A
Other languages
English (en)
Inventor
张正鹏
卜丽静
涂丽莹
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN202011397520.2A priority Critical patent/CN112508386A/zh
Publication of CN112508386A publication Critical patent/CN112508386A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种夜光与POI(Point of Interest，POI)数据融合的城市建成区提取方法。该方法包括对夜光数据进行辐射校正和降噪预处理；采用一种模糊聚类算法(Fuzzy C‑means Clustering Methed，FCM)对夜光数据进行建成区的初步提取；构建一种融合夜光和POI时空特征的STNTL‑POI(The Method of Fusing Spatiotemporal Nighttime light and Point of Interest，STNTL‑POI)综合指数，并利用二分法进行城市建成区的精提取。本发明的方法融合了夜光和POI的时空特征，提出了一种新的STNTL‑POI综合指数完成城市建成区的精提取。本发明方法的处理过程没有近似，并且可在城市管理等领域中使用，可有效提高城市建成区的提取精度。

Description

一种夜光与POI数据融合的城市建成区提取方法
技术领域
本发明涉及城市建成区提取的技术领域，尤其涉及一种夜光与POI数据融合的城市建成区提取方法。
背景技术
夜光与POI数据融合的城市建成区提取方法，能提取城市建成区，可应用于分析城市交通拥挤、大气污染、耕地减少和土地利用不均衡等一系列问题，辅助政府对城市进行监督管理以及规划。
夜间灯光影像具有独特的光电放大能力可以捕获到夜间地表的微弱灯光,能够直观地反映人类活动强度,进而识别城市建成区分布强度,利用夜间灯光数据提取城市的建成区，能在很大程度上避免传统多光谱遥感的光谱混淆。王欣等人针对灯光数据的缺陷与现有方法的不足，提出了一种融合多源遥感信息的城市建成区自动提取方法，(参考：王欣,程承旗,陈波.一种融合多维信息的城市建成区提取方法[J].地理信息世界,2019,26(5):73-78.)，但存在建成区边界的提取精度易受遥感信息源精度的影响问题。Xu Z等人提出了基于POI核密度等值线分布规律来识别建成区的Densi-Graph分析方法，(参考：Xu Z,GaoX.A Novel Method for Identifying the Boundary of Urban Build-up Areas withPOI Adta[J].Acta Geographica Sinica,2016,71(6):928-939.)，该方法基于POI精确的位置和属性信息，可弥补夜间灯光数据溢出的不足，但又易受POI采样精度的影响。厉飞等人针对目前单独使用夜间灯光数据提取建成区存在灯光溢出、提取的建成区边界比实际边界大且空间分辨率较低的问题，研究了将POI数据与两种夜间灯光数据结合建立NTL&POI指数的方法，(参考：历飞,闫庆武,邹雅婧,刘保丽.利用POI提高夜间灯光数据提取建成区的精度研究——以珞珈一号01星和NPP/VIIRS数据为例[J].武汉大学学报(信息科学版),2019:1-14.)，该方法有效的将POI数据与夜间灯光数据结合在一起，但NTL&POI指数并未考虑时空上的连续性，从而影响建成区与非建成区的分类精度。
综上，目前研究主要利用夜光或POI数据提取城市建成区，但仍存在夜间灯光溢出、建成区边界破碎、零散图斑过多等问题。本发明从多源异构时空数据融合角度出发，提出一种新的融合指数可有效利用夜光与POI数据的时空特征，提高城市建成区的提取精度。
发明内容
针对上述技术问题，本发明的目的在于克服已有技术的不足之处，提出一种夜光与POI数据融合的城市建成区提取方法，采用STNTL-POI融合指数表达夜光与POI数据的时空特征，实现城市建成区的高精度提取，成果可应用于城市管理等领域用于提取城市建成区。
为实现上述目的，本发明提供了一种夜光与POI数据融合的城市建成区提取方法，包括如下步骤：
S1：输入城市对应的多时相夜光遥感影像数据；
S2：对步骤S1的多时相夜光遥感影像数据进行预处理；
S3：对步骤S2所得结果，采用FCM聚类方法，得到每个时相对应的初始城市建成区分类结果；
S4：输入城市对应的POI数据；
S5：对步骤S4的POI数据进行核密度计算，得到POI核密度图；
S6：对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图，采用时空STNTL-POI指数进行融合分类，得到STNTL-POI城市建成区分类结果；
S7：对步骤S6所得的STNTL-POI城市建成区分类结果，采用二分法计算阈值DNT，取大于DNT为城市建成区，小于DNT为非建成区。
可选的，所述步骤S2中多时相夜光遥感影像数据预处理为辐射校正和降噪处理。
针对珞珈一号01星夜光数据的预处理为辐射校正，表达式为：
NTLLuojia1-01＝DN3/2·10-10 (1)
其中，DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理，包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
优选的，所述步骤S5中第i个像元的核密度Pi表达式为：
Figure BDA0002815725750000031
其中，Kj为数据点j的权重；Dij为像元i与数据点j的欧氏距离；R为计算规则区域的带宽(Dij＜R)；n为计算规则区域内数据点j的数量。
优选的，所述步骤S6中时空STNTL-POI指数的表达式为：
Figure BDA0002815725750000041
其中，
Figure BDA0002815725750000042
为步骤S3所得初始城市建成区分类结果J在空间邻域中属于第i类像元的个数，ZR为空间邻域像元数，Wy为时间域上共T帧夜光数据的第y帧对应的时间权重。
进一步的，所述步骤S7中二分法阈值DNT的表达式为：
Figure BDA0002815725750000043
其中，DNmax为最大阈值，DNmin为最小阈值；S(DNx)为统计阈值内灯光的斑块面积；Area为统计年鉴中的建设用地面积；如果S(DNT)＞Area，则DNmin＝DNT；如果S(DNT)＜Area，则DNmax＝DNT。
由上，本发明的夜光与POI数据融合STNTL-POI指数城市建成区提取方法，能够融合夜光与POI数据，可有效避免夜光的灯光溢出和POI数据采样不足的问题，因此可实现城市建成区的准确提取。本发明的方法利用STNTL-POI指数表达城市建成区的时空融合模型，并采用二分法完成城市建成区的精提取，本发明方法的处理过程没有近似，并且可在城市管理等领域中使用，可有效提高城市建成区的提取精度。
附图说明
图1是本发明的夜光与POI数据融合STNTL-POI指数的城市建成区提取方法的流程图。
具体实施方式
下面参见图1对本发明所述夜光与POI数据融合STNTL-POI指数的城市建成区提取方法进行详细说明。
如图1所示，为了对城市建成区进行提取，本发明一种夜光与POI数据融合的城市建成区提取方法，包括步骤如下：
步骤S1:输入某城市的多时相夜光遥感影像数据(如珞珈一号01星、DMSP-OLS、NPP/VIIRS)；
步骤S2：对步骤S1的多时相夜光遥感影像数据进行预处理，针对珞珈一号01星夜光数据的预处理为辐射校正，表达式为：
NTLLuojia1-01＝DN3/2·10-10 (1)
其中，DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理，包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
步骤S3：对步骤S2所得结果，采用FCM方法进行聚类，得到每个时相对应的初始城市建成区分类结果；
步骤S4：输入城市对应的POI数据；
步骤S5：对步骤S4的POI数据进行核密度计算，得到POI核密度图，其中第i个像元的核密度Pi表达式为：
Figure BDA0002815725750000061
其中，Kj为数据点j的权重；Dij为像元i与数据点j的欧氏距离；R为计算规则区域的带宽(Dij＜R)；n为计算规则区域内数据点j的数量。
步骤S6：对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图，采用时空STNTL-POI指数进行融合分类，得到STNTL-POI城市建成区分类结果，其中时空STNTL-POI指数的表达式为：
Figure BDA0002815725750000062
其中，
Figure BDA0002815725750000063
为步骤S3所得初始城市建成区分类结果J在空间邻域中属于第i类像元的个数，ZR为空间邻域像元数，Wy为时间域上共T帧夜光数据的第y帧对应的时间权重。
步骤S7：对步骤S6所得的STNTL-POI城市建成区分类结果，采用二分法计算阈值DNT，取大于DNT为城市建成区，小于DNT为非建成区，其中二分法阈值DNT的表达式为：
Figure BDA0002815725750000064
其中，DNmax为最大阈值，DNmin为最小阈值；S(DNx)为统计阈值内灯光的斑块面积；Area为统计年鉴中的建设用地面积；如果S(DNT)＞Area，则DNmin＝DNT；如果S(DNT)＜Area，则DNmax＝DNT。
以上所述，仅为本发明中的具体实施方式，本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖本发明的包含范围之内，因此本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种夜光与POI数据融合的城市建成区提取方法，其特征在于，包括如下步骤：
S1：输入城市对应的多时相夜光遥感影像数据；
S2：对步骤S1的多时相夜光遥感影像数据进行预处理；
S3：对步骤S2所得结果，采用FCM聚类方法，得到每个时相对应的初始城市建成区分类结果；
S4：输入城市对应的POI数据；
S5：对步骤S4的POI数据进行核密度计算，得到POI核密度图；
S6：对步骤S3所得的初始城市建成区分类结果和步骤S5所得的POI核密度图，采用时空STNTL-POI指数进行融合分类，得到STNTL-POI城市建成区分类结果；
S7：对步骤S6所得的STNTL-POI城市建成区分类结果，采用二分法计算阈值DNT，取大于DNT为城市建成区，小于DNT为非建成区。
2.根据权利要求1所述的一种夜光与POI数据融合的城市建成区提取方法，其特征在于，所述步骤S2中多时相夜光遥感影像数据预处理为辐射校正和降噪处理。
针对珞珈一号01星夜光数据的预处理为辐射校正，表达式为：
NTLLuojia1-01＝DN3/2·10-10
其中，DN和NTLLuojia1-01分别为辐射校正前后的影像亮度值。
针对DMSP-OLS和NPP-VIIRS夜光数据的预处理为降噪处理，包括以0.3为经验阈值去微小灯光处理和利用多时相夜光影像中最大DN值为阈值过滤灯光异常值处理。
3.根据权利要求1所述的一种夜光与POI数据融合的城市建成区提取方法，其特征在于，所述步骤S5中第i个像元的核密度Pi表达式为：
Figure FDA0002815725740000021
其中，Kj为数据点j的权重；Dij为像元i与数据点j的欧氏距离；R为计算规则区域的带宽(Dij＜R)；n为计算规则区域内数据点j的数量。
4.根据权利要求1所述的一种夜光与POI数据融合的城市建成区提取方法，其特征在于，所述步骤S6中时空STNTL-POI指数的表达式为：
Figure FDA0002815725740000022
其中，
Figure FDA0002815725740000023
为步骤S3所得初始城市建成区分类结果J在空间邻域中属于第i类像元的个数，ZR为空间邻域像元数，Wy为时间域上共T帧夜光数据的第y帧对应的时间权重。
5.根据权利要求1所述的一种夜光与POI数据融合的城市建成区提取方法，其特征在于，所述步骤S7中二分法阈值DNT的表达式为：
Figure FDA0002815725740000024
ΔS(DNT-1)≥ΔS(DNT)≤ΔS(DNT+1)
ΔS(DNx)＝|S(DNx)-Area|,x＝T-1,T,T+1
其中，DNmax为最大阈值，DNmin为最小阈值；S(DNx)为统计阈值内灯光的斑块面积；Area为统计年鉴中的建设用地面积；如果S(DNT)＞Area，则DNmin＝DNT；如果S(DNT)＜Area，则DNmax＝DNT。
CN202011397520.2A 2020-12-04 2020-12-04 一种夜光与poi数据融合的城市建成区提取方法 Pending CN112508386A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011397520.2A CN112508386A (zh) 2020-12-04 2020-12-04 一种夜光与poi数据融合的城市建成区提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011397520.2A CN112508386A (zh) 2020-12-04 2020-12-04 一种夜光与poi数据融合的城市建成区提取方法

Publications (1)

Publication Number Publication Date
CN112508386A true CN112508386A (zh) 2021-03-16

Family

ID=74969695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011397520.2A Pending CN112508386A (zh) 2020-12-04 2020-12-04 一种夜光与poi数据融合的城市建成区提取方法

Country Status (1)

Country Link
CN (1) CN112508386A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065481A (zh) * 2021-04-09 2021-07-02 中国测绘科学研究院 一种运输投送环境下融合多源数据的城市建成区提取方法
CN113723175A (zh) * 2021-07-14 2021-11-30 中国人民解放军战略支援部队信息工程大学 一种遥感影像城市建成区提取方法
CN114580975A (zh) * 2022-05-05 2022-06-03 成都数联云算科技有限公司 街区活力获得方法及系统及装置及介质
CN114723294A (zh) * 2022-04-11 2022-07-08 中国矿业大学 一种基于poi数据的建成区快速提取方法及系统
CN116486031A (zh) * 2023-05-25 2023-07-25 南京大学 时序遥感数据与地理大数据融合的城市更新区域识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991529A (zh) * 2017-03-28 2017-07-28 武汉大学 基于跨域多维大数据的城市夜间灯光经济指数评价方法
CN107016403A (zh) * 2017-02-23 2017-08-04 中国水利水电科学研究院 一种基于夜间灯光数据提取城市建成区阈值的方法
WO2018152942A1 (zh) * 2017-02-22 2018-08-30 东南大学 一种基于多源大数据融合的城市空间全息地图的构建方法
WO2020063461A1 (zh) * 2018-09-30 2020-04-02 广州地理研究所 基于随机森林分类算法的城市范围提取方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018152942A1 (zh) * 2017-02-22 2018-08-30 东南大学 一种基于多源大数据融合的城市空间全息地图的构建方法
CN107016403A (zh) * 2017-02-23 2017-08-04 中国水利水电科学研究院 一种基于夜间灯光数据提取城市建成区阈值的方法
CN106991529A (zh) * 2017-03-28 2017-07-28 武汉大学 基于跨域多维大数据的城市夜间灯光经济指数评价方法
WO2020063461A1 (zh) * 2018-09-30 2020-04-02 广州地理研究所 基于随机森林分类算法的城市范围提取方法、装置及电子设备

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
姜椿芳 等: "《中国大百科全书》", 31 May 1988, 中国大百科全书出版社 *
杜军平 等: "《跨尺度运动图像的插值、增强与重建》", 30 April 2019, 北京邮电大学出版社 *
杨洋 等: "利用DMSP/OLS稳定夜间灯光数据提取城镇用地信息的分层阈值法研究", 《中国图象图形学报》 *
王欣 等: "一种融合多维信息的城市建成区提取方法", 《地理信息世界》 *
邹雅婧 等: "基于 LJ1-01 夜间灯光影像的苏锡常地区人口空间化研究", 《长江流域资源与环境》 *
郑洪晗 等: "夜间灯光数据和兴趣点数据结合的建成区提取方法", 《地理与地理信息科学》 *
闫庆武 等: "基于2种夜间灯光影像亮度修正指数的城市建成区提取研究", 《地球信息科学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065481A (zh) * 2021-04-09 2021-07-02 中国测绘科学研究院 一种运输投送环境下融合多源数据的城市建成区提取方法
CN113723175A (zh) * 2021-07-14 2021-11-30 中国人民解放军战略支援部队信息工程大学 一种遥感影像城市建成区提取方法
CN114723294A (zh) * 2022-04-11 2022-07-08 中国矿业大学 一种基于poi数据的建成区快速提取方法及系统
CN114580975A (zh) * 2022-05-05 2022-06-03 成都数联云算科技有限公司 街区活力获得方法及系统及装置及介质
CN116486031A (zh) * 2023-05-25 2023-07-25 南京大学 时序遥感数据与地理大数据融合的城市更新区域识别方法

Similar Documents

Publication Publication Date Title
CN112508386A (zh) 一种夜光与poi数据融合的城市建成区提取方法
Riveiro et al. Automatic detection of zebra crossings from mobile LiDAR data
Chen et al. Hierarchical object oriented classification using very high resolution imagery and LIDAR data over urban areas
CN110427857B (zh) 一种基于遥感数据融合的输电线路地质灾害分析方法
Tomljenovic et al. A building extraction approach for Airborne Laser Scanner data utilizing the Object Based Image Analysis paradigm
Huang et al. A top-down strategy for buildings extraction from complex urban scenes using airborne LiDAR point clouds
CN109919944A (zh) 一种复杂场景建筑物变化检测的联合超像素图割优化方法
CN112184725B (zh) 一种沥青路面图像的结构光光条中心提取方法
CN110852179A (zh) 基于视频监控平台的可疑人员入侵的检测方法
CN107103295A (zh) 光学遥感影像云检测方法
Lee et al. Extraction of weather information on road using CCTV video
CN109978842A (zh) 一种基于摄像头图像的能见度解析方法
CN103489189B (zh) 基于交通路口视频的车道检测和分割方法
Kim et al. Generation of a DTM and building detection based on an MPF through integrating airborne lidar data and aerial images
CN112232303A (zh) 一种基于高分遥感影像的草原道路信息提取方法
Raikar et al. Automatic building detection from satellite images using internal gray variance and digital surface model
Dong et al. Pixel-level intelligent segmentation and measurement method for pavement multiple damages based on mobile deep learning
Kasemsuppakorn et al. Pedestrian network extraction from fused aerial imagery (orthoimages) and laser imagery (lidar)
CN113537093B (zh) 一种道面图像波浪拥包的轮廓线提取方法
Rufei et al. Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud
Sun et al. A vision system based on TOF 3D imaging technology applied to robotic citrus harvesting
CN114241333A (zh) 一种基于多源时序遥感影像精准识别新生滑坡区域的方法
CN115063698A (zh) 斜坡地表变形裂缝自动识别与信息提取方法及系统
Sun et al. Automatic pavement cracks detection system based on Visual Studio C++ 6.0
Liu et al. Assessment of tree attributes extraction algorithms

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210316

WD01 Invention patent application deemed withdrawn after publication