CN112632306A - 卫星图像索引的建立方法、装置、终端设备及存储介质 - Google Patents
卫星图像索引的建立方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112632306A CN112632306A CN202110009802.9A CN202110009802A CN112632306A CN 112632306 A CN112632306 A CN 112632306A CN 202110009802 A CN202110009802 A CN 202110009802A CN 112632306 A CN112632306 A CN 112632306A
- Authority
- CN
- China
- Prior art keywords
- image
- index
- satellite image
- satellite
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000010801 machine learning Methods 0.000 claims abstract description 72
- 238000012549 training Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000013461 design Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种卫星图像索引的建立方法、装置、终端设备及存储介质,通过将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;提取所述卫星图像的属性信息;按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。本发明利用机器学习训练得到能够直接获取卫星图像的关联信息,进而自动的建立起该卫星图像的图像索引,相比于现有需要依赖人工手动的逐一建立图像索引的方式,本发明能够降低建立索引所耗费时间以及人力资源,提高针对卫星图像建立图像索引的效率以及基于索引来使用该卫星图像的使用效率。
Description
技术领域
本发明涉及图像数据处理技术领域,尤其涉及一种卫星图像索引的建立方法、装置、终端设备及存储介质。
背景技术
在大数据时代背景下,针对另类数据的应用已经变得越来越普遍,如,利用另类数据中的卫星图像进行土地分析、交通规划以及特征绘图和三维建模等等。
然而,现有为了在使用该另类数据中的卫星图像时,方便使用者快速的获取到所需要的卫星图像,以及在使用该卫星图像获得图像使用结果之后,便于使用者或者相关人员获取该图像使用结果,往往都需要人工手动的针对该卫星图像进行标注来建立索引,如,手动的标明该卫星图像的地理信息、关联的企业信息、图像像素以及图像拍摄时间,和,手动的将该卫星图像和该图像使用结果一一对应等。如此,基于另类数据本身所拥有数据量大的特性,由人工手动针对卫星图像建立索引的方式,无疑需要耗用大量的人力资源和时间资源,从而导致另类数据中的卫星图像的使用效率低下。
综上,目前依赖人工手动来建立另类数据中卫星图像的索引的方式,耗用人力和时间资源严重,导致卫星图像的使用效率低下。
发明内容
本发明的主要目的在于提供一种卫星图像索引的建立方法、装置、终端设备及存储介质,旨在解决现有技术中,依赖人工手动来建立另类数据中卫星图像的索引的方式,耗用人力和时间资源严重,导致卫星图像使用效率低下的技术问题。
为实现上述目的,本发明提供一种卫星图像索引的建立方法,所述卫星图像索引的建立方法包括:
将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取所述卫星图像的属性信息;
按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
进一步地,所述卫星图像索引的建立方法,还包括:
获取基于构建卫星图像与关联信息之间的映射关系得到的训练样本,并利用所述训练样本进行机器学习训练得到所述机器学习模型。
进一步地,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
根据所述卫星图像的图像使用结果针对所述图像索引进行更新。
进一步地,所述根据所述卫星图像的图像使用结果针对所述图像索引进行更新的步骤,包括:
获取对所述卫星图像进行使用的图像使用结果;
在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
进一步地,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引。
进一步地,所述根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引的步骤,包括:
生成所述图像使用结果对应的索引信息;
按照预设的新的数据格式将所述索引信息存储至新的索引数据库中以建立所述卫星图像的新的图像索引。
进一步地,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
接收针对所述图像索引的查询请求,并根据所述查询请求携带的关联信息或者属性信息反馈对应的卫星图像,或者,根据所述查询请求携带的卫星图像反馈对应的关联信息和/或者属性信息。
此外,为实现上述目的,本发明还提供一种卫星图像索引的建立装置,本发明卫星图像索引的建立装置包括:
获取模块,用于将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取模块,用于提取所述卫星图像的属性信息;
索引建立模块,用于按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
本发明卫星图像索引的建立装置的各个功能模块在运行时,实现如上述中的卫星图像索引的建立方法的步骤。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的卫星图像索引的建立程序,所述卫星图像索引的建立程序被所述处理器执行时实现如上述中的卫星图像索引的建立方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的卫星图像索引的建立方法的步骤。
本发明提出的卫星图像索引的建立方法、装置、终端设备以及存储介质,通过将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;提取所述卫星图像的属性信息;按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
本发明在需要针对另类数据中的卫星图像建立索引时,将该卫星图像输入至预先根据卫星图形和卫星图像的关联信息进行机器学习训练得到的机器学习模型中,以基于该机器学习模型输出得到该卫星图像的关联信息,然后,进一步提取得到该卫星图像的属性信息,从而按照预先确定的数据格式存储该关联信息和属性信息至索引数据库当中以建立形成该卫星图像的图像索引。
本发明实现了,利用机器学习训练得到能够直接获取卫星图像的关联信息,进而自动的建立起该卫星图像的图像索引,相比于现有需要依赖人工手动的逐一建立图像索引的方式,本发明在极大程度上降低了建立索引所耗费时间以及人力资源,提高了针对卫星图像建立图像索引的效率以及基于索引来使用该卫星图像的使用效率。
附图说明
图1是本发明实施例方案涉及终端设备的硬件运行的结构示意图;
图2是本发明一种卫星图像索引的建立方法一实施例的流程示意图;
图3是本发明一种卫星图像索引的建立方法一实施例中所涉及应用流程示意图;
图4是本发明一种卫星图像索引的建立方法一实施例中所涉及的另一应用流程示意图;
图5是本发明一种卫星图像索引的建立装置的模块结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及终端设备的硬件运行环境的结构示意图。
需要说明的是,图1即可为终端设备的硬件运行环境的结构示意图。本发明实施例终端设备可以是PC,便携计算机等终端设备。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分布式任务的处理程序。其中,操作系统是管理和控制样本终端设备硬件和软件资源的程序,支持分布式任务的处理程序以及其它软件或程序的运行。
在图1所示的终端设备中,用户接口1003主要用于与各个终端进行数据通信;网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;而处理器1001可以用于调用存储器1005中存储的卫星图像索引的建立程序,并执行以下操作:
将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取所述卫星图像的属性信息;
按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,还执行以下操作:
获取基于构建卫星图像与关联信息之间的映射关系得到的训练样本,并利用所述训练样本进行机器学习训练得到所述机器学习模型。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,在执行按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,还执行以下操作:
根据所述卫星图像的图像使用结果针对所述图像索引进行更新。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,还执行以下操作:
获取对所述卫星图像进行使用的图像使用结果;
在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,在执行按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,还执行以下操作:
根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,还执行以下操作:
生成所述图像使用结果对应的索引信息;
按照预设的新的数据格式将所述索引信息存储至新的索引数据库中以建立所述卫星图像的新的图像索引。
进一步地,处理器1001可以调用存储器1005中存储的卫星图像索引的建立程序,在执行按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,还执行以下操作:
接收针对所述图像索引的查询请求,并根据所述查询请求携带的关联信息或者属性信息反馈对应的卫星图像,或者,根据所述查询请求携带的卫星图像反馈对应的关联信息和/或者属性信息。
基于上述的结构,提出本发明卫星图像索引的建立方法的各个实施例。
请参照图2,图2为本发明卫星图像索引的建立方法第一实施例的流程示意图。
本发明实施例提供了卫星图像索引的建立方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例卫星图像索引的建立方法应用于终端设备,本发明实施例终端设备可以是PC,便携计算机等终端设备,在此不做具体限制。
本实施例卫星图像索引的建立方法包括:
步骤S100,将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
在本实施例中,终端设备将另类数据中的卫星图像作为输入,以将该卫星图像输入到预先已经根据卫星图像和该卫星图像的关联信息,进行机器学习训练得到的机器学习模型当中,由该机器学习模型计算得到输入的该卫星图像的关联信息并输出,从而终端设备获取该关联信息。
需要说明的是,在本实施例中,卫星图像的关联信息至少包括但不限于企业信息。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施方式当中,该关联信息当然也可以是不同于本实施例中企业信息的一个或者多个其它类型(如学校、政府等机构,标志性建筑或者地理标志等)的信息,本发明卫星图像索引的建立方法并不针对该关联信息的类型以及数量等进行具体地限定。
具体地,例如,在本实施例中,终端设备基于自动针对卫星图像建立图像索引的设计需要,先从另类数据当中提取基于使用需求而需要预先建立图像索引各卫星图像—图像1、图像2...,然后,终端设备将该图像1、图像2...输入到预先已经根据如卫星图像—图像A和该图像A的关联信息—企业A的多个训练样本,进行机器学习训练好的机器学习模型当中,从而由该机器学习模型针对终端设备输入的该该图像1、图像2...进行训练计算后,输出该图像1、图像2...各自的关联信息—企业1、企业2...,最后,终端设备即获取得到该图像1的关联信息—企业1、图像2的关联信息—企业2....。
进一步地,在一种可行的实施例中,本发明卫星图像索引的建立方法,还可以包括:
步骤S400,获取基于构建卫星图像与关联信息之间的映射关系得到的训练样本,并利用所述训练样本进行机器学习训练得到所述机器学习模型。
在本实施例中,终端设备通过获取预先基于构建卫星图像与关联信息之间的映射关系得到的训练样本,然后将该训练样本用预定的机器学习算法进行机器学习训练,从而利用该训练样本将该机器学习算法训练成为可计算并输出卫星图像的关联信息的机器学习模型。
需要说明的是,在本实施例中,预定的机器学习算法可以为时下任意较为成熟机器学习算法,如,该机器学习算法具体可以是SIFT特征算法(Scale Invariant FeatureTransform,SIFT,尺度不变特征变换,是David G Lowe(大卫·劳伊)在1999年提出的基于不变量描述子的匹配算法)。应当理解的是,基于实际应用的不同设计需要,在其他可行的实时方式当中,该机器学习算法当然可以不同于本实施例中所列举SIFT特征算法的其它算法,本发明卫星图像索引的建立方法,并不针对该机器学习算法的种类进行具体限定。
具体地,例如,在本实施例中,请参照如图3所示的应用流程,当前执行控制对另类数据中需要使用的卫星图像自动建立图像缩影的工作人员,预先从一份另类数据中的全部卫星图像进行分组,然后,该工作人员针对将分组得出的训练组的各卫星图像,手动的标注该各卫星图像各自映射的关联信息,并将一个卫星图像和该卫星图像映射的关联信息作为一条训练样本,从而生成多条训练样本。终端设备获取该多条训练样本并将该多条训练样本放入到SIFT特征算法当中进行机器学习训练,从而将该SIFT特征算法训练成为能够针对输入的任意卫星图像计算得到该卫星图像的关联信息并输出的机器学习模型。
需要说明的是,在本实施例中,终端设备将训练样本放入到SIFT特征算法当中之后,SIFT特征算法的具体训练过程可以为:i)尺度空间极值检测:搜索卫星图像所有尺度上的图像位置,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点;ii)关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度,其中,关键点的选择依据于它们的稳定程度;iii)方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向,所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性;iv)关键点描述:在每个关键点周围的邻域内,在选定的尺度上测量图像局部的梯度,这些梯度被变换成一种表示,这种表示允许比较大的局部形状的变形和光照变化。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施方式中,SIFT特征算法或者其他机器学习算法的具体训练过程,当然也可以是不同于本实施例中所阐述的上述训练过程,本发明卫星图像索引的建立方法,并不针对该训练过程进行具体地限定。
步骤S200,提取所述卫星图像的属性信息;
需要说明的是,在本实施例中,卫星图像的属性信息至少包括但不限于图像像素信息、图像位置信息和图像拍摄时间信息。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施方式当中,该属性信息当然可以为不同于本实施例中所列举上述各项信息的其他类型的一种或者多种信息,本发明卫星图像索引的建立方法,并不针对该属性信息的种类以及数量进行具体地限定。
在本实施例中,终端设备在将另类数据中的卫星图像输入机器学习模型以获取该卫星图像的关联信息之后,终端设备进一步通过调用预定的图像信息提取工具,提取出该卫星图像各自的图像像素信息、图像位置信息和图像拍摄时间信息。
需要说明的是,在本实施例中,预定的图像信息提取工具可以为现有成熟的任意工具,如,该图像信息提取工具可以为python(一种跨平台的计算机程序设计语言)。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施方式当中,该图像信息提取工具当然也可以为不同于本实施例中所列举python的其他工具,本发明卫星图像索引的建立方法,并不针对该图像信息提取工具的种类进行具体地限定。
具体地,例如,在本实施例中,终端设备使用python中的opencv模块中的shape算法,获取得到图像1、图像2...各自的图像像素信息,并使用python中的exifread模块中的process_file算法,根据图像1、图像2...各自tag(标签)的不同,来获取得到该图像1、图像2...各自的图像位置信息和图像拍摄时间信息,即,终端设备分别针对图像1、图像2...,基于process_file算法获取图像1、图像2...各自tag中的经度信息—“GPS GPSLongitude”和纬度信息—“GPSGPSLatitude”,从而整理得到该图像1、图像2...各自的图像位置信息,此外,终端设备分别针对图像1、图像2...,基于process_file算法获取图像1、图像2...各自tag中的“Image DateTime”作为图像1、图像2...各自的图像拍摄时间信息。
进一步地,在另一种可行的实施例中,终端设备还可以在将卫星图像输入至训练好的机器学习模型以获取关联信息之前,或者,在卫星图像输入至训练好的机器学习模型以获取关联信息的同时,使用图像信息提取工具来提取得到该卫星图像各自的图像像素信息、图像位置信息和图像拍摄时间信息。
进一步地,在另一种可行的实施例中,请参照如图3所示的应用流程,在终端设备获取经过对另类数据中全部卫星图像进行分组得到的训练组卫星图像,并基于该卫星图像和该卫星图像的关联信息构建的训练样本训练机器学习模型之后,终端设备也可以利用该python中的opencv模块中的shape算法和exifread模块中的process_file算法,提取训练组卫星图像的各自的属性信息,即,训练组各卫星图像各自的图像像素信息、图像位置信息和图像拍摄时间信息,然后,终端设备进一步利用训练后的SIFT特征算法获取得到该训练组各卫星图像各自的关联信息。
从而,终端设备将该训练组各卫星图像各自的属性信息—图像像素信息、图像位置信息和图像拍摄时间信息以及管理信息,与由工作人员人工手动提取出的,对另类数据中全部卫星图像进行分组得到的验证组卫星图像各自的属性信息—图像像素信息、图像位置信息和图像拍摄时间信息以及管理信息,进行比对以验证训练得到的机器学习模型—训练后的SIFT特征算法是否满足要求。
进而,终端设备在基于工作人员人工判断到训练得到的机器学习模型—训练后的SIFT特征算法满足要求的情况下,利用该python中的opencv模块中的shape算法和exifread模块中的process_file算法,提取当前需要建立图像索引的卫星图像—图像1、图像2...各自的图像像素信息、图像位置信息和图像拍摄时间信息,以及,将该图像1、图像2...输入训练后的SIFT特征算法以获取得到该图像1、图像2...各自的关联信息—企业1、企业2...。
步骤S300,按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
在本实施例中,终端设备在获取得到卫星图像的关联信息和属性信息之后,按照预设的数据格式将该关联信息和属性信息与卫星图像的标识,关联存储到预设的索引数据库当中,从而建立得到卫星图像的图像索引。
需要说明的是,在本实施例中,预设的数据格式可以为任意图像索引数据库当中存储的数据格式,如,该数据格式具体可以为:{卫星图像的标识,属性信息,关联信息}。应当理解的是,基于实际应用的不同设计需要,在其他可行的实施例中,该数据格式当然也可以是不同于本实施例中所列举的上述形式,本发明卫星图像索引的建立方法并不针对该数据格式的形式进行具体限定。
此外,预设的索引数据库也可以为任意记录保存图像索引的数据库,如,该索引数据库具体可以为Elasticsearch(一个基于Lucene的搜索服务器),应当理解的是,基于实际应用的不同设计需要,在其他可行的实施例中,该索引数据库当然也可以是不同于本实施例中所列举Elasticsearch的其它数据库,本发明卫星图像索引的建立方法并不针对该索引数据库的种类进行具体限定。
具体地,例如,在本实施例中,请参照如图3所示的应用流程,终端设备在获取得到图像1、图像2...各自的图像像素信息、图像位置信息和图像拍摄时间信息,以及,该图像1、图像2...各自的关联信息—企业1、企业2...之后,终端设备随即按照{卫星图像的标识,属性信息,关联信息}的数据格式,将图像1的标识“1”,图像像素信息—100*100像素、图像位置信息—经纬度:北纬N:39°00′00.00″,东经E:116°00′00.00″,和图像拍摄时间信息—2020年6月26日,连同图像1的关联信息—企业1,一起记录存储到Elasticsearch以建立起图像1的图像索引—{1,100*100像素,经纬度:北纬N:39°00′00.00″,东经E:116°00′00.00″,拍摄时间:2020年6月26日,企业一};同理,终端设备也在该Elasticsearch中建立得到图像2的图像索引—{2,200*200像素,经纬度:北纬N:59°00′00.00″,东经E:123°00′00.00″,拍摄时间:2020年6月26日,企业二}等。
在本实施例中,通过终端设备将另类数据中的卫星图像作为输入,以将该卫星图像输入到预先已经根据卫星图像和该卫星图像的关联信息,进行机器学习训练得到的机器学习模型当中,由该机器学习模型计算得到输入的该卫星图像的关联信息并输出,从而终端设备获取该关联信息;终端设备在将另类数据中的卫星图像输入机器学习模型以获取该卫星图像的关联信息之后,终端设备进一步通过调用预定的图像信息提取工具,提取出该卫星图像各自的图像像素信息、图像位置信息和图像拍摄时间信息;终端设备在获取得到卫星图像的关联信息和属性信息之后,按照预设的数据格式将该关联信息和属性信息与卫星图像的标识,关联存储到预设的索引数据库当中,从而建立得到卫星图像的图像索引。
本发明在需要针对另类数据中的卫星图像建立索引时,将该卫星图像输入至预先根据卫星图形和卫星图像的关联信息进行机器学习训练得到的机器学习模型中,以基于该机器学习模型输出得到该卫星图像的关联信息,然后,进一步提取得到该卫星图像的属性信息,从而按照预先确定的数据格式存储该关联信息和属性信息至索引数据库当中以建立形成该卫星图像的图像索引。
本发明实现了,利用机器学习训练得到能够直接获取卫星图像的关联信息,进而自动的建立起该卫星图像的图像索引,相比于现有需要依赖人工手动的逐一建立图像索引的方式,本发明在极大程度上降低了建立索引所耗费时间以及人力资源,提高了针对卫星图像建立图像索引的效率以及基于索引来使用该卫星图像的使用效率。
进一步地,基于上述本发明卫星图像索引的建立方法的第一实施例,提出本发明卫星图像索引的建立方法的第二实施例,在本实施例中,在上述步骤S300,按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,发明卫星图像索引的建立方法还可以包括:
步骤S500,接收针对所述图像索引的查询请求,并根据所述查询请求携带的关联信息或者属性信息反馈对应的卫星图像,或者,根据所述查询请求携带的卫星图像反馈对应的关联信息和/或者属性信息。
需要说明的是,在本实施例中,查询请求可以基于卫星图像的关联信息、属性信息和/或者卫星图像的标识,预先由具有索引卫星图像需求的使用方建立得到。
终端设备通过接收具有索引卫星图像需求的使用方针对图像索引建立得到并发起的查询请求,然后,终端设备解析提取出该查询请求当中携带的,使用方在针对图像索引建立该查询请求时所封装的卫星图像的标识、关联信息和/或者属性信息,最后,终端设备按照提取出该标识、关联信息和/或者属性信息,从索引数据库中检测该标识所对应的卫星图像的图像索引,并将该图像索引中记录的卫星图像、关联信息和/或者属性信息,反馈至发起该查询请求的使用方。
具体地,例如,在本实施例中,请参照如图3所示的应用流程,在针对另类数据中卫星图像进行使用的使用方需要用到2020年6月26日拍摄的卫星图像时,该使用方即向终端设备输入时间:2020年6月26日以建立一个查询请求,终端设备在接收到该查询请求时,随即基于该时间:2020年6月26日在Elasticsearch进行搜索,从而获得图像1和图像2各自的图像索引,并反馈输出该图像1和图像2;或者,使用方需要用到与企业1相关的卫星图像时,该使用方即向终端设备输入企业1以建立一个查询请求,终端设备在接收到该查询请求时,随即基于企业1在Elasticsearch进行搜索,从而获得图像1的图像索引,并反馈输出该图像1;又或者,使用方需要查看图像2相关的企业时,该使用方即向终端设备输入卫星图像的标识—2以建立一个查询请求,终端设备在接收到该查询请求时,随即基于标识—2在Elasticsearch进行搜索,从而获得图像2的图像索引,并基于需求向反馈输出该图像2的关联信息—企业2。
在本实施例中,通过终端设备接收具有索引卫星图像需求的使用方,针对图像索引建立得到并发起的查询请求,然后,终端设备解析提取出该查询请求当中携带的,使用方在针对图像索引建立该查询请求时所封装的卫星图像的标识、关联信息和/或者属性信息,最后,终端设备按照提取出该标识、关联信息和/或者属性信息,从索引数据库中检测该标识所对应的卫星图像的图像索引,并将该图像索引中记录的卫星图像、关联信息和/或者属性信息,反馈至发起该查询请求的使用方。实现了在使用方需要使用卫星图像或者进行信息查询的时候,可基于多种信息建立查询请求通过信息快速查询得到要使用的卫星图像,或者通过图像快速查询到要查询的相关信息,方便快捷且提高了索引效率。
进一步地,基于上述本发明卫星图像索引的建立方法的第一实施例,提出本发明卫星图像索引的建立方法的第三实施例,在本实施例中,在上述步骤S300,按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,发明卫星图像索引的建立方法还可以包括:
步骤S600,根据所述卫星图像的图像使用结果针对所述图像索引进行更新。
终端设备在具有索引卫星图像需求的使用方针对卫星图像进行使用之后,终端设备获取该使用方针对该卫星图像进行使用所得到的图像使用结果,然后建立该卫星图像与该图像使用结果之间的对应关系,并利用该图像使用结果针对该卫星图像已经建立的图像索引进行更新,从而便于该卫星图像的其他使用方可直接索引得到该图像使用结果。
需要说明的是,在本实施例中,图像使用结果为使用方针对卫星图像进行使用之后,利用该卫星图像进行模型训练和/或者计算之后所得到的结果,基于实际应用的不同设计需要,使用方使用该卫星图像的形式会不同从而导致该结果也是不同的,例如,使用方利用卫星图像进行土地分析可以得到该卫星图像的土地分析结果,使用方利用卫星图像交通规划可以得到该卫星图像的交通规划结果。
进一步地,在一种可行的实施例中,步骤S600,可以包括:
步骤S601,获取对所述卫星图像进行使用的图像使用结果;
终端设备在具有索引卫星图像需求的使用方针对卫星图像进行使用之后,终端设备获取该使用方针对该卫星图像进行使用所得到的图像使用结果。
步骤S602,在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
终端设备在获取得到使用方针对卫星图像进行使用所得到的图像使用结果之后,建立该卫星图像与该图像使用结果之间的对应关系,并在索引数据库当中,将该图像使用结果对应的索引信息添加至该卫星图像的图像索引之中。
具体地,例如,在本实施例中,请参照如图3所示的应用流程,在针对另类数据中卫星图像进行使用的使用方,索引图像1进行土地分析之后,终端设备获取该使用方使用图像1进行土地分析所得出的土地分析结果—{23%厂区,56%空地,34%水源},然后,终端设备在Elasticsearch中,将该土地分析结果—{23%厂区,56%空地,34%水源}的索引信息:23%厂区,56%空地,34%水源,添加至该图像1对应的图像索引—{1,100*100像素,经纬度:北纬N:39°00′00.00″,东经E:116°00′00.00″,拍摄时间:2020年6月26日,企业一}的末尾,从而更新该图像1的图像索引成为—{1,100*100像素,经纬度:北纬N:39°00′00.00″,东经E:116°00′00.00″,拍摄时间:2020年6月26日,企业一,23%厂区,56%空地,34%水源}。从而,在使用方后续需要查看图像1的图像使用结果—土地分析结果时,基于该使用方向终端设备输入卫星图像的标识—1以建立一个查询请求,终端设备在接收到该查询请求时,随即基于标识—1在Elasticsearch进行搜索,从而获得图像1的图像索引,并基于需求向反馈输出该图像1的土地分析结果:{23%厂区,56%空地,34%水源}。
进一步地,在另一种可行的实施例中,在上述步骤S300,按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引之后,发明卫星图像索引的建立方法还可以包括:
步骤S700,根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引。
终端设备在具有索引卫星图像需求的使用方针对卫星图像进行使用之后,终端设备获取该使用方针对该卫星图像进行使用所得到的图像使用结果,并利用该图像使用结果针对该卫星图像建立新的图像索引,从而便于该卫星图像的其他使用方可直接索引得到该图像使用结果。
进一步地,在一种可行的实施例中,步骤S700,可以包括:
步骤S701,生成所述图像使用结果对应的索引信息;
终端设备在具有索引卫星图像需求的使用方针对卫星图像进行使用之后,终端设备获取该使用方针对该卫星图像进行使用所得到的图像使用结果,并生成该图形使用结果对应的索引信息。
步骤S702,在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
终端设备在获取得到使用方针对卫星图像进行使用所得到的图像使用结果,并生成该图形使用结果对应的索引信息之后,按照使用该卫星图像之前建立图像索引所使用的数据格式,将该关联信息和属性信息与卫星图像的标识,关联存储到预设的索引数据库当中,从而建立得到卫星图像新的图像索引。
需要说明的是,在本实施例中,终端设备除了按照使用该卫星图像之前建立图像索引所使用的数据格式,来建立卫星图像新的图像索引,终端设备当然也可以按照其他新的数据格式建立卫星图像新的图像索引。
具体地,例如,在本实施例中,请参照如图3所示的应用流程,在针对另类数据中卫星图像进行使用的使用方,索引图像1进行土地分析之后,终端设备获取该使用方使用图像1进行土地分析所得出的土地分析结果—{23%厂区,56%空地,34%水源},并生成该土地分析结果—{23%厂区,56%空地,34%水源}的索引信息:23%厂区,56%空地,34%水源,然后,终端设备随即按照新的数据格式:{卫星图像的标识,图像使用结果},将图像1的标识“1”,土地分析结果—的索引信息:23%厂区,56%空地,34%水源,一起记录存储到Elasticsearch以建立起图像1新的图像索引—{1,23%厂区,56%空地,34%水源}。从而,在使用方后续需要查看图像1的图像使用结果—土地分析结果时,基于该使用方向终端设备输入卫星图像的标识—1以建立一个查询请求,终端设备在接收到该查询请求时,随即基于标识—1在Elasticsearch进行搜索,从而获得图像1的图像索引,并基于需求向反馈输出该图像1的土地分析结果:{23%厂区,56%空地,34%水源}。
在本实施例中,通过终端设备在具有索引卫星图像需求的使用方针对卫星图像进行使用之后,终端设备获取该使用方针对该卫星图像进行使用所得到的图像使用结果,然后建立该卫星图像与该图像使用结果之间的对应关系,并利用该图像使用结果针对该卫星图像已经建立的图像索引进行更新,或者,并利用该图像使用结果针对该卫星图像建立新的图像索引,从而便于该卫星图像的其他使用方可直接索引得到该图像使用结果。实现了,在卫星图像被利用以进行模型训练和计算后,基于获取使用该卫星图像的图像使用结果;来建立该卫星图像新的图像索引或者针对其已建立的图像索引进行补充,从而令使用方在索引查询信息的时候,即可快速查询到卫星图像对应的所有使用结果和结果下关联的图像,进一步提升了索引效率和卫星图像的使用效率。
此外,请参照图5,本发明实施例还提出一种卫星图像索引的建立装置,所述卫星图像索引的建立装置包括:
获取模块,用于将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取模块,用于提取所述卫星图像的属性信息;
索引建立模块,用于按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
优选地,所述卫星图像索引的建立装置,还包括:
训练模块,用于获取基于构建卫星图像与关联信息之间的映射关系得到的训练样本,并利用所述训练样本进行机器学习训练得到所述机器学习模型。
优选地,所述卫星图像索引的建立装置,还包括:
索引更新模块,用于根据所述卫星图像的图像使用结果针对所述图像索引进行更新。
优选地,所述索引更新模块,包括:
获取单元,用于获取对所述卫星图像进行使用的图像使用结果;
更新单元,用于在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
优选地,所述卫星图像索引的建立装置的索引建立模块,还用于根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引。
优选地,所述索引建立模块,包括:
生成单元,用于生成所述图像使用结果对应的索引信息;
建立单元,用于按照预设的新的数据格式将所述索引信息存储至新的索引数据库中以建立所述卫星图像的新的图像索引。
优选地,所述卫星图像索引的建立装置,还包括:
索引查询模块,用于接收针对所述图像索引的查询请求,并根据所述查询请求携带的关联信息或者属性信息反馈对应的卫星图像,或者,根据所述查询请求携带的卫星图像反馈对应的关联信息和/或者属性信息。
其中,本发明卫星图像索引的建立装置的各功能模块在运行时所实现的步骤,可参照上述本发明卫星图像索引的建立方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种终端设备,该终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的卫星图像索引的建立程序,该卫星图像索引的建立程序被所述处理器执行时实现如上述中的卫星图像索引的建立方法的步骤。
其中,在所述处理器上运行的卫星图像索引的建立程序被执行时所实现的步骤可参照本发明卫星图像索引的建立方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,应用于计算机,该存储介质可以为非易失性计算机可读存储介质,该存储介质上存储有卫星图像索引的建立程序,所述卫星图像索引的建立程序被处理器执行时实现如上所述的卫星图像索引的建立方法的步骤。
其中,在所述处理器上运行的卫星图像索引的建立程序被执行时所实现的步骤可参照本发明卫星图像索引的建立方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种卫星图像索引的建立方法,其特征在于,所述卫星图像索引的建立方法包括:
将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取所述卫星图像的属性信息;
按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
2.如权利要求1所述的卫星图像索引的建立方法,其特征在于,所述卫星图像索引的建立方法,还包括:
获取基于构建卫星图像与关联信息之间的映射关系得到的训练样本,并利用所述训练样本进行机器学习训练得到所述机器学习模型。
3.如权利要求1所述的卫星图像索引的建立方法,其特征在于,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
根据所述卫星图像的图像使用结果针对所述图像索引进行更新。
4.如权利要求3所述的卫星图像索引的建立方法,其特征在于,所述根据所述卫星图像的图像使用结果针对所述图像索引进行更新的步骤,包括:
获取对所述卫星图像进行使用的图像使用结果;
在所述索引数据库中,按照所述数据格式在所述图像索引中新增所述图像使用结果对应的索引信息。
5.如权利要求1所述的卫星图像索引的建立方法,其特征在于,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引。
6.如权利要求5所述的卫星图像索引的建立方法,其特征在于,所述根据所述卫星图像的图像使用结果建立所述卫星图像的新的图像索引的步骤,包括:
生成所述图像使用结果对应的索引信息;
按照预设的新的数据格式将所述索引信息存储至新的索引数据库中以建立所述卫星图像的新的图像索引。
7.如权利要求1所述的卫星图像索引的建立方法,其特征在于,在所述按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引的步骤之后,所述方法还包括:
接收针对所述图像索引的查询请求,并根据所述查询请求携带的关联信息或者属性信息反馈对应的卫星图像,或者,根据所述查询请求携带的卫星图像反馈对应的关联信息和/或者属性信息。
8.一种卫星图像索引的建立装置,其特征在于,所述卫星图像索引的建立装置包括:
获取模块,用于将卫星图像输入预设的机器学习模型以获取所述卫星图像的关联信息,其中,所述机器学习模型为根据卫星图像和关联信息进行机器学习训练得到;
提取模块,用于提取所述卫星图像的属性信息;
索引建立模块,用于按照预设的数据格式将所述关联信息和所述属性信息存储至预设的索引数据库中以建立所述卫星图像的图像索引。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的卫星图像索引的建立程序,所述卫星图像索引的建立程序被所述处理器执行时实现如权利要求1至7中任一项所述的卫星图像索引的建立方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的卫星图像索引的建立方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009802.9A CN112632306B (zh) | 2021-01-05 | 2021-01-05 | 卫星图像索引的建立方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009802.9A CN112632306B (zh) | 2021-01-05 | 2021-01-05 | 卫星图像索引的建立方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632306A true CN112632306A (zh) | 2021-04-09 |
CN112632306B CN112632306B (zh) | 2024-06-07 |
Family
ID=75290724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110009802.9A Active CN112632306B (zh) | 2021-01-05 | 2021-01-05 | 卫星图像索引的建立方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632306B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269348A (ja) * | 1997-01-27 | 1998-10-09 | N T T Data Tsushin Kk | 衛星画像データの管理方法及び地理画像処理装置、記録媒体 |
US20070112850A1 (en) * | 2005-10-20 | 2007-05-17 | Flynn William P | System and methods for image management |
CN101510217A (zh) * | 2009-03-09 | 2009-08-19 | 阿里巴巴集团控股有限公司 | 图像数据库中的图像更新方法、服务器及系统 |
CN102831252A (zh) * | 2012-09-21 | 2012-12-19 | 北京奇虎科技有限公司 | 一种用于更新索引数据库的方法及装置、搜索方法和系统 |
CN103955514A (zh) * | 2014-05-05 | 2014-07-30 | 陈浩 | 一种基于Lucene倒排索引的图像特征索引方法 |
CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
CN106095881A (zh) * | 2016-06-07 | 2016-11-09 | 惠州Tcl移动通信有限公司 | 一种显示照片相应信息的方法、系统及移动终端 |
CN107193754A (zh) * | 2017-04-28 | 2017-09-22 | 网易(杭州)网络有限公司 | 进行数据存储用于搜索的方法及设备 |
CN108288014A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 道路智能提取方法和装置、提取模型构建方法及混合导航系统 |
US10157229B1 (en) * | 2012-06-29 | 2018-12-18 | Open Text Corporation | Methods and systems for building a search service application |
CN109685075A (zh) * | 2018-11-27 | 2019-04-26 | 山东鲁能软件技术有限公司 | 一种基于图像的电力设备识别方法、装置及系统 |
CN110287831A (zh) * | 2019-06-13 | 2019-09-27 | 中国人民解放军战略支援部队信息工程大学 | 一种基于地标的控制点的获取方法、装置和电子设备 |
CN110942013A (zh) * | 2019-11-22 | 2020-03-31 | 佛山科学技术学院 | 一种基于深度神经网络的卫星影像特征提取方法及系统 |
US20200311112A1 (en) * | 2019-03-28 | 2020-10-01 | Microsoft Technology Licensing, Llc | Semantic matching of search terms to results |
CN111861134A (zh) * | 2020-06-24 | 2020-10-30 | 重庆市生态环境科学研究院 | 一种基于机器学习的生态保护红线测定方法 |
-
2021
- 2021-01-05 CN CN202110009802.9A patent/CN112632306B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269348A (ja) * | 1997-01-27 | 1998-10-09 | N T T Data Tsushin Kk | 衛星画像データの管理方法及び地理画像処理装置、記録媒体 |
US20070112850A1 (en) * | 2005-10-20 | 2007-05-17 | Flynn William P | System and methods for image management |
CN101510217A (zh) * | 2009-03-09 | 2009-08-19 | 阿里巴巴集团控股有限公司 | 图像数据库中的图像更新方法、服务器及系统 |
US10157229B1 (en) * | 2012-06-29 | 2018-12-18 | Open Text Corporation | Methods and systems for building a search service application |
CN102831252A (zh) * | 2012-09-21 | 2012-12-19 | 北京奇虎科技有限公司 | 一种用于更新索引数据库的方法及装置、搜索方法和系统 |
CN103955514A (zh) * | 2014-05-05 | 2014-07-30 | 陈浩 | 一种基于Lucene倒排索引的图像特征索引方法 |
CN104077411A (zh) * | 2014-07-14 | 2014-10-01 | 中国科学院遥感与数字地球研究所 | 遥感卫星数据处理方法和系统 |
CN106095881A (zh) * | 2016-06-07 | 2016-11-09 | 惠州Tcl移动通信有限公司 | 一种显示照片相应信息的方法、系统及移动终端 |
CN108288014A (zh) * | 2017-01-09 | 2018-07-17 | 北京四维图新科技股份有限公司 | 道路智能提取方法和装置、提取模型构建方法及混合导航系统 |
CN107193754A (zh) * | 2017-04-28 | 2017-09-22 | 网易(杭州)网络有限公司 | 进行数据存储用于搜索的方法及设备 |
CN109685075A (zh) * | 2018-11-27 | 2019-04-26 | 山东鲁能软件技术有限公司 | 一种基于图像的电力设备识别方法、装置及系统 |
US20200311112A1 (en) * | 2019-03-28 | 2020-10-01 | Microsoft Technology Licensing, Llc | Semantic matching of search terms to results |
CN110287831A (zh) * | 2019-06-13 | 2019-09-27 | 中国人民解放军战略支援部队信息工程大学 | 一种基于地标的控制点的获取方法、装置和电子设备 |
CN110942013A (zh) * | 2019-11-22 | 2020-03-31 | 佛山科学技术学院 | 一种基于深度神经网络的卫星影像特征提取方法及系统 |
CN111861134A (zh) * | 2020-06-24 | 2020-10-30 | 重庆市生态环境科学研究院 | 一种基于机器学习的生态保护红线测定方法 |
Non-Patent Citations (5)
Title |
---|
CHUANWEN LI; YU GU; JIANZHONG QI; JIAYUAN HE; QINGXU DENG; GE YU: "A GPU Accelerated Update Efficient Index for kNN Queries in Road Networks", 2018 IEEE 34TH INTERNATIONAL CONFERENCE ON DATA ENGINEERING (ICDE), 25 October 2018 (2018-10-25), pages 881 - 892 * |
孙小涓;石涛;李冰;杨晓艳;雷斌;胡玉新;: "空间科学卫星数据快速处理方法", 计算机工程与科学, no. 08, 15 August 2018 (2018-08-15), pages 1351 - 1357 * |
李俊坤;王春蓉;: "地面卫星信息监测分析服务系统软件设计中的关键技术", 电讯技术, no. 07, pages 1188 - 1191 * |
杨淙钧,艾中良,刘忠麟,李常宝: "基于多级列式索引的海量数据高效查询设计", 软件, vol. 37, no. 03, 31 March 2016 (2016-03-31), pages 79 - 83 * |
郭琦娟;陈通照;: "全文检索系统中动态索引技术的研究", 微型电脑应用, vol. 22, no. 11, 20 November 2006 (2006-11-20), pages 11 - 15 * |
Also Published As
Publication number | Publication date |
---|---|
CN112632306B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9324003B2 (en) | Location of image capture device and object features in a captured image | |
CN108090167B (zh) | 数据检索的方法、系统、计算设备及存储介质 | |
CN110781284B (zh) | 基于知识图谱的问答方法、装置和存储介质 | |
CN102521365A (zh) | 空间图像索引和关联的更新功能 | |
WO2007005337A2 (en) | Process, system or method for the determination of the percentage of area of a parcel of land available for development of preservation and the production of a report and map therefor on a fixed tangible medium | |
CN110197238B (zh) | 一种字体类别的识别方法、系统及终端设备 | |
KR20190080009A (ko) | 차선 정보를 이용한 자동 도화 방법 | |
CN110780965B (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN104486585B (zh) | 一种基于gis的城市海量监控视频管理方法及系统 | |
CN115827921A (zh) | 数据融合系统、数据融合方法和装置、计算机存储介质 | |
CN105183950A (zh) | 一种基于移动终端查阅工程图纸的方法及系统 | |
CN105698794A (zh) | 地图捕获方法 | |
San Blas et al. | A Platform for Swimming Pool Detection and Legal Verification Using a Multi-Agent System and Remote Image Sensing. | |
CN112632306A (zh) | 卫星图像索引的建立方法、装置、终端设备及存储介质 | |
CN112231032A (zh) | 结合rpa与ai的软件界面元素的访问方法及装置 | |
GB2523776A (en) | Methods for 3D object recognition and registration | |
Ghazal et al. | Mobile-based archival and retrieval of missing objects using image matching | |
CN114417047A (zh) | 一种政务信息资源普查方法、系统以及存储介质 | |
CN115438719A (zh) | 数据处理方法、装置、服务器及存储介质 | |
CN114626950A (zh) | 保险理赔信息的录入方法、装置、计算机设备及存储介质 | |
CN113916244A (zh) | 巡检位置设置的方法、装置、电子设备和可读存储介质 | |
CN114419637A (zh) | 基于ai的跨境供应链表单生成方法及相关装置 | |
CN113593176A (zh) | 基于地理围栏的警报系统及其使用方法 | |
CN110019547B (zh) | 获取客户间的关联关系的方法、装置、设备及介质 | |
CN112819885A (zh) | 基于深度学习的动物识别方法、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 | ||
GR01 | Patent grant |