CN112651896A - 有效矢量范围确定方法、装置、电子设备及可读存储介质 - Google Patents
有效矢量范围确定方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112651896A CN112651896A CN202011643103.1A CN202011643103A CN112651896A CN 112651896 A CN112651896 A CN 112651896A CN 202011643103 A CN202011643103 A CN 202011643103A CN 112651896 A CN112651896 A CN 112651896A
- Authority
- CN
- China
- Prior art keywords
- pixel
- remote sensing
- sensing image
- pixels
- longitude
- 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
Links
- 239000013598 vector Substances 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种有效矢量范围确定方法、装置、电子设备及可读存储介质,该方法通过遍历遥感图像所包括的每个像素,得到像素信息,像素信息包括每个像素的灰度值,并根据每个像素的灰度值,确定遥感图像的无效像素与有效像素;根据无效像素与有效像素构建与遥感图像对应的二值图,并利用寻边算法确定二值图中与有效像素对应的像素构成的区域的最大边界位置对应的像素;获取遥感图像所包括的经纬度范围信息,并根据遥感图像包括的经纬度范围信息确定最大边界位置对应的像素的经纬度坐标,且根据最大边界位置对应的像素的经纬度坐标,得到遥感图像的有效矢量范围。通过该方法,可以节省人力成本及时间成本,提高效率。
Description
技术领域
本申请属于遥感图像处理领域,具体涉及一种有效矢量范围确定方法、装置、电子设备及可读存储介质。
背景技术
在遥感图像处理领域,当获得原始遥感图像后,一般需要对原始遥感图像进行正射、校正等一系列操作。
对于操作后的遥感图像而言,遥感影像将出现一定角度的倾斜,从而导致其有效矢量范围相较于未操作前的遥感图像的有效矢量范围存在差异。在后续处理过程中,若依旧将未操作前的遥感图像的有效矢量范围作为操作后的遥感图像的有效矢量范围,当将操作后的遥感图像与其他遥感图像进行拼合时,则可能导致拼合后的图像中出现空白区域,影响图像整体效果,因此,有必要提取操作后的遥感图像中的有效矢量范围。
在现有技术中,一般将操作后的遥感图像放大到一定比例,然后通过人工手动勾绘的方式,去绘制操作后的遥感图像中的有效矢量范围,然而,这种方式不但对绘制人员有较高的要求,且还需要耗费较长的时间。
发明内容
有鉴于此,本申请的目的在于提供一种有效矢量范围确定方法、装置、电子设备及可读存储介质,可以节省人力成本且可以快速确定遥感图像的有效矢量范围。
本申请的实施例是这样实现的:
第一方面,本申请实施例提供一种有效矢量范围确定方法,所述方法包括:遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。通过上述方案,可以自动提取遥感图像中的有效矢量范围,从而达到通过节省人力成本及时间成本,提高效率;以及提高遥感图像后续的处理(如拼合等)图像整体效果。
结合第一方面实施例,在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素,包括:针对每个像素,在该像素的所有波段对应的灰度值均为同一特定值时,确定该像素为所述无效像素;否则,确定该像素为有效像素。
结合第一方面实施例,在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,包括:将所述遥感图像所包括的每个有效像素的每个波段对应的灰度值置1,将所述遥感图像所包括的每个无效像素的每个波段对应的灰度值置0,得到所述二值图。
结合第一方面实施例,在一种可能的实施方式中,所述利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素,包括:利用所述寻边算法,遍历所述二值图所包括的每个像素的灰度值,确定出所述二值图中灰度值为1的像素所构成的区域的最大边界;其中,组成所述最大边界位置的像素即为与所述二值图的最大边界位置对应的像素。
结合第一方面实施例,在一种可能的实施方式中,所述像素信息还包括所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数;所述根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,包括:根据所述遥感图像所包括的经纬度范围信息、所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数,确定出所述遥感图像上的每个像素点所对应的经纬度坐标;根据所述遥感图像上的每个像素点所对应的经纬度坐标以及所述最大边界位置对应的像素在所述二值图上的位置,确定所述最大边界位置对应的每个像素的经纬度坐标。
结合第一方面实施例,在一种可能的实施方式中,所述根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围,包括:将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;或者,将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接形成封闭线,并利用预先获取到的折线平滑算法,对所述封闭线进行调整,将调整后的所述封闭线所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;其中,所述利用预先获取到的折线平滑算法,对所述封闭线进行调整,包括:对所述封闭线上的经纬度坐标进行抽稀处理,和/或对所述封闭线进行平滑处理。
结合第一方面实施例,在一种可能的实施方式中,在所述得到所述遥感图像的有效矢量范围之后,所述方法还包括:在确定所述遥感图像为与所述遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像时,获取所述遥感图像相对于与所述遥感图像所对应的所述原始遥感图像的缩小比例A;根据所述缩小比例A,将所述有效矢量范围向外扩大预设区域,根据扩大后的有效矢量范围,得到与所述遥感图像对应的所述原始遥感图像中的有效矢量范围。通过本实施例,可以减少获取到的与原始遥感图像对应的有效矢量范围的误差。
第二方面,本申请实施例提供一种有效矢量范围确定装置,所述装置包括:获取模块以及确定模块。获取模块,用于遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;确定模块,用于根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;所述确定模块,还用于获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
结合第二方面实施例,在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述确定模块,用于针对每个像素,在该像素的所有波段对应的灰度值均为同一特定值时,确定该像素为所述无效像素;否则,确定该像素为有效像素。
结合第二方面实施例,在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述确定模块,用于将所述遥感图像所包括的每个有效像素的每个波段对应的灰度值置1,将所述遥感图像所包括的每个无效像素的每个波段对应的灰度值置0,得到所述二值图。
结合第二方面实施例,在一种可能的实施方式中,所述确定模块,用于利用所述寻边算法,遍历所述二值图所包括的每个像素的灰度值,确定出所述二值图中灰度值为1的像素所构成的区域的最大边界;其中,组成所述最大边界位置的像素即为与所述二值图的最大边界位置对应的像素。
结合第二方面实施例,在一种可能的实施方式中,所述像素信息还包括所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数;所述确定模块,用于根据所述遥感图像所包括的经纬度范围信息、所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数,确定出所述遥感图像上的每个像素点所对应的经纬度坐标;根据所述遥感图像上的每个像素点所对应的经纬度坐标以及所述最大边界位置对应的像素在所述二值图上的位置,确定所述最大边界位置对应的每个像素的经纬度坐标。
结合第二方面实施例,在一种可能的实施方式中,所述确定模块,用于将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;或者,
将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接形成封闭线,并利用预先获取到的折线平滑算法,对所述封闭线进行调整,将调整后的所述封闭线所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;
其中,所述利用预先获取到的折线平滑算法,对所述封闭线进行调整,包括:对所述封闭线上的经纬度坐标进行抽稀处理,和/或对所述封闭线进行平滑处理。
结合第二方面实施例,在一种可能的实施方式中,所述装置还包括调整模块,用于在确定所述遥感图像为与所述遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像时,获取所述遥感图像相对于与所述遥感图像所对应的所述原始遥感图像的缩小比例;根据所述缩小比例,将所述有效矢量范围向外扩大预设区域,根据扩大后的有效矢量范围,得到与所述遥感图像对应的所述原始遥感图像中的有效矢量范围。
第三方面,本申请实施例还提供一种电子设备,包括:存储器和处理器,所述存储器和所述处理器连接;所述存储器用于存储程序;所述处理器调用存储于所述存储器中的程序,以执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
第四方面,本申请实施例还提供一种非易失性计算机可读取存储介质(以下简称可读存储介质),其上存储有计算机程序,所述计算机程序被计算机运行时执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
图1示出本申请实施例提供的一种有效矢量范围确定方法的流程图。
图2示出经过校正前的遥感图像的有效矢量范围与经过校正后的遥感图像的有效矢量范围之间的比对图。
图3示出本申请实施例提供的确定遥感图像的最大边界位置的示意图。
图4示出本申请实施例提供的一种有效矢量范围确定装置的结构框图。
图5示出本申请实施例提供的一种电子设备的结构示意图。
图标:100-电子设备;110-处理器;120-存储器;400-有效矢量范围确定装置;410-获取模块;420-确定模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
再者,本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
此外,针对现有技术中的有效矢量范围确定方案所存在的缺陷(对绘制人员有较高的要求,且还需要耗费较长的时间)均是申请人在经过实践并仔细研究后得出的结果,因此,上述缺陷的发现过程以及在下文中本申请实施例针对上述缺陷所提出的解决方案,都应该被认定为申请人对本申请做出的贡献。
为了解决上述问题,本申请实施例提供一种有效矢量范围确定方法、装置、电子设备及可读存储介质,可以节省人力成本且可以快速确定遥感图像的有效矢量范围。
该技术可采用相应的软件、硬件以及软硬结合的方式实现。以下对本申请实施例进行详细介绍。
下面将针对本申请所提供的有效矢量范围确定方法进行介绍。
请参照图1,本申请实施例提供一种有效矢量范围确定方法。该方法可以包括以下步骤。
步骤S110:遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素。
在本申请实施例中,如图2所示,假设操作前的遥感图像的有效矢量范围为A1所示的矩形框。当操作前的遥感图像经过正射、校正等一系列操作后,得到的遥感图像的有效矢量范围可能变为A2所示的矩形框。此时,位于A2与A1之间的图像为背景图像。
在本申请实施例中,可以结合遥感图像所包括的像素的像素信息来确定遥感图像的有效矢量范围A2。
可选的,可以对遥感图像所包括的像素进行遍历,从而获取到像素信息。
其中,像素信息可以包括每个像素的灰度值。
在本申请实施例中,每个像素包括多个波段,且每个像素所包括的每个波段均存在对应的灰度值。也就是说,每个像素的灰度值包括该像素所包括的各个波段的灰度值。
至于每个像素所包括的波段的个数,则与该像素所属的遥感图像的图像格式有关。
例如,当遥感图像的图像格式为RGB格式时,每个像素包括三个波段,分别为R(红)波段、G(绿)波段以及B(蓝)波段;当遥感图像的图像格式为RGBN格式时,每个像素包括四个波段,分别为R(红)波段、G(绿)波段、B(蓝)波段以及N(近红)波段。
对于遥感图像而言,在经过正射、校正等操作后,其所包括的像素中可能存在无效像素(如背景部分的像素以及上述有效矢量范围A2中的部分像素)。
可选的,可以在获取到遥感图像的每个像素的灰度值后,根据每个像素的灰度值来对遥感图像中的无效像素以及有效像素进行区分。
在一些实施方式中,可以预设一个特定值。在此前提下,针对遥感图像所包括的每个像素,在该像素的所有波段对应的灰度值均为该同一特定值时,则确定该像素为无效像素,否则,确定该像素为有效像素。
其中,特定值的取值可以根据实际情况进行确定,例如特定值可以为-99999999、99999999或0等。
假设特定值为99999999,且假设遥感图像的图像格式为RGB格式。
针对该RGB格式的遥感图像,若在遍历过程中,检测到该遥感图像的像素A所包括的R波段的灰度值为99999999,且像素A所包括的G波段的灰度值为99999999,且像素A所包括的B波段的灰度值为99999999,那么可以确定像素A为无效像素。若检测到该遥感图像的像素B所包括的R波段的灰度值为99999999,且像素B所包括的G波段的灰度值为99999999,但像素B所包括的B波段的灰度值不为99999999,那么可以确定像素B为有效像素。
当对遥感图像中的所有像素均进行上述检测后,则可以确定出遥感图像所包括的有效像素以及无效像素。
步骤S120:根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素。
在得到遥感图像所包括的有效像素以及无效像素后,可以根据有效像素以及无效像素构建出与遥感图像对应的二值图。
在一些实施方式中,针对遥感图像,可以将遥感图像所包括的每个有效像素的每个波段对应的灰度值置1,并将述遥感图像所包括的每个无效像素的每个波段对应的灰度值置0,从而得到如图3所示的二值图。
在图3中,黑色部分表示有效像素,白色部分表示无效像素。
值得指出的是,二值图与遥感图像所包括的像素个数、各个像素所在的位置以及尺寸完全一致。
当然,在得到二值图后,即可以根据预先保存或临时调用的寻边算法,对二值图所包括的各个像素进行遍历,从而确定二值图中与遥感图像的有效像素所对应的像素构成的区域的最大边界位置,以及与该最大边界位置对应的像素。
其中,寻边算法可以是8邻域边缘(3x3)跟踪算法,也可以是其他现有的算法,此处不再赘述。
以8邻域边缘跟踪算法为例,在对二值图进行遍历时,先从二值图的第一行开始遍历,直至确定出第一个有效像素(有效像素的灰度值为1),如图3中的像素4。在确定出第一个有效像素后,以第一个有效像素(像素4)的位置为中心像素,获取像素4周围的8邻域边缘像素(即像素4周围的8个像素)中,位于最边缘的有效像素,并将该位于最边缘的有效像素进行标记,且将其确定为下一次计算的中心像素,然后对重新确定的中心像素使用8邻域边缘跟踪算法,再次确定中心像素的8邻域边缘像素中,位于最边缘的有效像素,直到获取到二值图中灰度值为1的像素所构成的区域的最大边界位置。
其中,组成二值图中灰度值为1的像素所构成的区域的最大边界位置的像素,即为与二值图的最大边界位置对应的像素,例如针对图3,与二值图的最大边界位置对应的像素分别为:像素4、像素5、像素6、像素12、像素16、像素20、像素26、像素28、像素35、像素37、像素45、像素47、像素53、像素57、像素62、像素66、像素67、像素68、像素69、像素70。
步骤S130:获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
在一些实施方式中,对遥感图像进行遍历所得到的像素信息还可以包括遥感图像在长度方向上的像素个数M以及遥感图像在宽度方向上的像素个数N。在这种前提下,则可以根据遥感图像所包括的经纬度范围信息、感图像在长度方向上的像素个数M以及遥感图像在宽度方向上的像素个数N,确定出遥感图像上的每个像素点所对应的经纬度坐标。
其中,遥感图像所包括的经纬度范围信息在获取到遥感图像时即可获取到。
在获取到遥感图像所包括的经纬度范围信息后,如遥感图像在长度方向与经度方向一致,则将遥感图像所包括的经度范围除以(遥感图像在长度方向上的像素个数M-1)等于值M1后,再根据像素在长度方向上的位置,及遥感图像所包括的经度范围中最小经度或最大经度,即可得到遥感图像所包括的一个像素点的经度坐标;此外,如遥感图像在宽度方向与纬度方向一致,将遥感图像所包括的纬度范围除以(遥感图像在宽度方向上的像素个数N-1)等于值N1后,再根据像素在宽度方向上的位置,及遥感图像所包括的纬度范围中最小纬度或最大纬度,即可得到遥感图像所包括的一个像素点的纬度坐标。由此,即可得到遥感图像上的每个像素点所对应的经纬度坐标。如图3中,遥感图像所包括的经纬度范围为经度为-20°至20°,纬度范围为-20°至15°,而遥感图像的长度方向为横向时,宽度方向为纵向时,其长度方向的像素个数为M=9,其长度方向的像素个数为N=8,像素12与最小经度所对应的像素(如左侧第一列的像素10)相差2个像素,像素12与最小纬度所对应的像素(如第一行的像素3)相差1个像素,在则像素12的经度坐标=遥感图像所包括的最小经度+2乘以M1=-20°+2×{20°-(-20°)}/(9-1)=-10°;像素12的纬度坐标=遥感图像所包括的最小纬度+1乘以N1=-20°+1×{15°-(-20°)}/(8-1)=-15°。
前文提及,二值图与遥感图像所包括的像素个数、各个像素所在的位置以及尺寸完全一致,因此,在确定出每个像素点所对应的经纬度坐标后,再结合最大边界位置对应的像素在二值图上的位置,即可以确定最大边界位置对应的每个像素的经纬度坐标。
在确定出最大边界位置对应的每个像素的经纬度坐标后,即可确定最大边界位置对应的每个像素的经纬度坐标所围成的区域所包括的经纬度范围,从而可以基于此得到遥感图像中的有效矢量范围。
可选的,在一些实施方式中,可以直接将最大边界位置上相互相邻像素的经纬度坐标进行相互连接后构成封闭线,该封闭线所围成的区域即为二值图的有效范围区域。然后将有效范围区域在二值图中位置映射到遥感图像中,从而确定出遥感图像中的有效矢量范围。
可选的,在一些实施方式中,可以先将最大边界位置上相互相邻像素的经纬度坐标进行相互连接形成封闭线,并利用预先获取到的折线平滑算法,对封闭线进行调整,得到调整后的封闭线。
其中,在调用折线平滑算法时,可以是对封闭线上的经纬度坐标进行抽稀处理,还可以是对封闭线进行平滑处理,还可以是既进行抽稀处理,又进行平滑处理。
当然,对线条进行抽稀处理或平滑处理为现有技术,此处不再赘述。
后续,再将调整后的封闭线所围成的区域作为二值图的有效范围区域,然后将有效范围区域在二值图中位置映射到遥感图像中,并将有效范围区域在二值图中位置映射到遥感图像中的区域作为遥感图像中的有效矢量区域,根据遥感图像中的有效矢量区域在遥感图像中的位置,确定出有效矢量区域所包括的经纬度范围,从而确定出遥感图像中的有效矢量范围。
或者根据二值图中的有效范围区域的位置,和二值图所包括的经纬度范围,确定二值图中的有效范围区域所包括的经纬度范围,并将遥感图像中与二值图中的有效范围区域所包括的经纬度范围一一对应的经纬度范围确定为遥感图像中的有效矢量范围。
此外,由于原始遥感图像的幅面较大,因此,会对原始遥感图像创建金字塔图,得到与原始遥感图像对应的不同比例的遥感图像,对原始遥感图像创建金字塔为一种现有技术,在此不再赘述。
在一些实施方式中,对于幅面较大的原始遥感图像,当在获取其有效矢量范围时,为了提高效率,可以直接获取该原始遥感图像的金字塔图层中的任一图层的遥感图像,利用上述方法,对该获取的金字塔图的遥感图像进行有效矢量范围提取,并将其确定出有效矢量范围作为与其对应的原始遥感图像中有效矢量范围。
但在这种实施方式下,因金字塔层的遥感图像与原始遥感图像之间的比例关系的变化,使得采用金字塔层的遥感图像提取出有效矢量范围的边缘几何对象与遥感影像中实际有效矢量范围的边缘几何对象存在较大的误差。因此,在这种实施方式下,在确定出遥感图像中的有效矢量范围后,还需要对有效矢量范围进行调整,从而得到与原始遥感图像对应的有效矢量范围。
在本申请一些实施方式中,在得到遥感图像的有效矢量范围之后,若确定遥感图像为与遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像,则可以先获取遥感图像相对于原始遥感图像之间的缩小比例,然后根据缩小比例,对得到的有效矢量范围进行向外扩大预设面积,从而根据扩大后的有效矢量范围,得到与遥感图像对应的原始遥感图像中的有效矢量范围。
在本申请一些实施方式中,在得到遥感图像的有效矢量范围之后,若确定遥感图像为与遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像,则可以先获取遥感图像相对于原始遥感图像之间的缩小比例,然后根据缩小比例,则是直接将与遥感图像对应的有效矢量范围的边缘向外扩大预设倍数,从而得到与原始遥感图像对应的有效矢量范围。
在本申请一些实施方式中,在得到遥感图像的有效矢量范围之后,若确定遥感图像为与遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像,则可以先获取遥感图像相对于原始遥感图像之间的缩小比例A,然后根据缩小比例A,对得到的有效矢量范围进行向外扩大预设面积B1,从而根据扩大后的有效矢量范围,得到与遥感图像对应的原始遥感图像中的有效矢量范围。
其中,B1=B×C,且C的取值范围为(A/25)-(A/8)之间,B为遥感图像的有效矢量范围所包括的区域范围面积。
本申请实施例所提供的一种有效矢量范围确定方法,通过对需要提取有效矢量范围的遥感图像的每个像素进行遍历,从而得到遥感图像的像素信息。该像素信息包括每个像素的灰度值,从而根据每个像素的灰度值,确定遥感图像中的无效像素与有效像素,以便根据无效像素与有效像素,构建与遥感图像对应的二值图,并利用寻边算法,确定二值图中与有效像素所对应的像素构成的区域的最大边界位置对应的像素。在得到最大边界位置对应的像素,可以根据遥感图像所包括的经纬度范围信息,确定最大边界位置对应的像素的经纬度坐标,且根据最大边界位置对应的像素的经纬度坐标,得到遥感图像中的有效矢量范围。通过上述方案,可以自动提取遥感图像中的有效矢量范围,从而达到通过节省人力成本及时间成本,提高效率;以及提高遥感图像后续的处理(如拼合等)图像整体效果。
如图4所示,本申请实施例还提供一种有效矢量范围确定装置400,有效矢量范围确定装置400可以包括:获取模块410以及确定模块420。
获取模块410,用于遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;
确定模块420,用于根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;
所述确定模块420,还用于获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述确定模块420,用于针对每个像素,在该像素的所有波段对应的灰度值均为同一特定值时,确定该像素为所述无效像素;否则,确定该像素为有效像素。
在一种可能的实施方式中,每个像素包括多个波段,每个波段存在对应的灰度值;所述确定模块420,用于将所述遥感图像所包括的每个有效像素的每个波段对应的灰度值置1,将所述遥感图像所包括的每个无效像素的每个波段对应的灰度值置0,得到所述二值图。
在一种可能的实施方式中,所述确定模块420,用于利用所述寻边算法,遍历所述二值图所包括的每个像素的灰度值,确定出所述二值图中灰度值为1的像素所构成的区域的最大边界;其中,组成所述最大边界位置的像素即为与所述二值图的最大边界位置对应的像素。
在一种可能的实施方式中,所述像素信息还包括所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数;所述确定模块420,用于根据所述遥感图像所包括的经纬度范围信息、所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数,确定出所述遥感图像上的每个像素点所对应的经纬度坐标;根据所述遥感图像上的每个像素点所对应的经纬度坐标以及所述最大边界位置对应的像素在所述二值图上的位置,确定所述最大边界位置对应的每个像素的经纬度坐标。
在一种可能的实施方式中,所述确定模块420,用于将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;或者,
将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接形成封闭线,并利用预先获取到的折线平滑算法,对所述封闭线进行调整,将调整后的所述封闭线所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;
其中,所述利用预先获取到的折线平滑算法,对所述封闭线进行调整,包括:对所述封闭线上的经纬度坐标进行抽稀处理,和/或对所述封闭线进行平滑处理。
在一种可能的实施方式中,所述装置还包括调整模块,用于在确定所述遥感图像为与所述遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像时,获取所述遥感图像相对于与所述遥感图像所对应的所述原始遥感图像的缩小比例A;根据所述缩小比例A,将所述有效矢量范围向外扩大预设区域B1,根据扩大后的有效矢量范围,得到与所述遥感图像对应的所述原始遥感图像中的有效矢量范围;
其中,B1=B×C,C的范围为(A/25)-(A/8)之间,B1为所述有效矢量范围进行调整后所包括的区域范围,B为所述有效矢量范围所包括的区域范围。
本申请实施例所提供的有效矢量范围确定装置400,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
此外,本申请实施例还提供一种可读存储介质,该存储介质上存储有计算机程序,该计算机程序被计算机运行时,执行如上述的有效矢量范围确定方法。
此外,此外,请参照图5,本申请实施例还提供一种用于实现本申请实施例的有效矢量范围确定方法、装置的电子设备100。
电子设备100可以获取遥感图像,并对遥感图像进行图像处理。
可选的,电子设备100,可以是,但不限于个人电脑(Personal computer,PC)、智能手机、平板电脑、移动上网设备(Mobile Internet Device,MID)、个人数字助理、服务器等设备。其中,服务器可以是,但不限于网络服务器、云端服务器等。
其中,电子设备100可以包括:处理器110、存储器120。
应当注意,图5所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,电子设备100也可以具有其他组件和结构。例如,在一些情况下,电子设备100还可以包括显示屏,从而可以对遥感图像进行显示。
处理器110、存储器120以及其他可能出现于电子设备100的组件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,处理器110、存储器120以及其他可能出现的组件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器120用于存储程序,例如存储有前文出现的有效矢量范围确定方法对应的程序或者前文出现的有效矢量范围确定装置。可选的,当存储器120内存储有有效矢量范围确定装置时,有效矢量范围确定装置包括至少一个可以以软件或固件(firmware)的形式存储于存储器120中的软件功能模块。
可选的,有效矢量范围确定装置所包括软件功能模块也可以固化在电子设备100的操作系统(operating system,OS)中。
处理器110用于执行存储器120中存储的可执行模块,例如有效矢量范围确定装置包括的软件功能模块或计算机程序。当处理器110在接收到执行指令后,可以执行计算机程序,例如执行:遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
当然,本申请任一实施例所揭示的方法都可以应用于处理器110中,或者由处理器110实现。
综上所述,本发明实施例提出的有效矢量范围确定方法、装置、电子设备及可读存储介质,通过对需要提取有效矢量范围的遥感图像的每个像素进行遍历,从而得到遥感图像的像素信息。该像素信息包括每个像素的灰度值,从而根据每个像素的灰度值,确定遥感图像中的无效像素与有效像素,以便根据无效像素与有效像素,构建与遥感图像对应的二值图,并利用寻边算法,确定二值图中与有效像素所对应的像素构成的区域的最大边界位置对应的像素。在得到最大边界位置对应的像素,可以根据遥感图像所包括的经纬度范围信息,确定最大边界位置对应的像素的经纬度坐标,且根据最大边界位置对应的像素的经纬度坐标,得到遥感图像中的有效矢量范围。通过上述方案,可以自动提取遥感图像的有效矢量范围,从而达到通过节省人力成本及时间成本,提高效率;以及提高遥感图像后续的处理(如拼合等)图像整体效果。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,笔记本电脑,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种有效矢量范围确定方法,其特征在于,所述方法包括:
遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;
根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;
获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
2.根据权利要求1所述的方法,其特征在于,每个像素包括多个波段,每个波段存在对应的灰度值;所述根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素,包括:
针对每个像素,在该像素的所有波段对应的灰度值均为同一特定值时,确定该像素为所述无效像素;
否则,确定该像素为有效像素。
3.根据权利要求1所述的方法,其特征在于,每个像素包括多个波段,每个波段存在对应的灰度值;所述根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,包括:
将所述遥感图像所包括的每个有效像素的每个波段对应的灰度值置1,将所述遥感图像所包括的每个无效像素的每个波段对应的灰度值置0,得到所述二值图。
4.根据权利要求3所述的方法,其特征在于,所述利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素,包括:
利用所述寻边算法,遍历所述二值图所包括的每个像素的灰度值,确定出所述二值图中灰度值为1的像素所构成的区域的最大边界;
其中,组成所述最大边界位置的像素即为与所述二值图的最大边界位置对应的像素。
5.根据权利要求1所述的方法,其特征在于,所述像素信息还包括所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数;所述根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,包括:
根据所述遥感图像所包括的经纬度范围信息、所述遥感图像在长度方向上的像素个数以及所述遥感图像在宽度方向上的像素个数,确定出所述遥感图像上的每个像素点所对应的经纬度坐标;
根据所述遥感图像上的每个像素点所对应的经纬度坐标以及所述最大边界位置对应的像素在所述二值图上的位置,确定所述最大边界位置对应的每个像素的经纬度坐标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围,包括:
将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;或者,
将所述最大边界位置上相互相邻像素的经纬度坐标进行相互连接形成封闭线,并利用预先获取到的折线平滑算法,对所述封闭线进行调整,将调整后的所述封闭线所构成的区域作为有效范围区域,并根据所述有效范围区域在所述二值图中位置,确定所述遥感图像中的有效矢量范围;
其中,所述利用预先获取到的折线平滑算法,对所述封闭线进行调整,包括:对所述封闭线上的经纬度坐标进行抽稀处理,和/或对所述封闭线进行平滑处理。
7.根据权利要求1所述的方法,其特征在于,在所述得到所述遥感图像的有效矢量范围之后,所述方法还包括:
在确定所述遥感图像为与所述遥感图像所对应的原始遥感图像的金字塔图层中的任一图层遥感图像时,获取所述遥感图像相对于与所述遥感图像所对应的所述原始遥感图像的缩小比例;
根据所述缩小比例,将所述有效矢量范围向外扩大预设区域,根据扩大后的有效矢量范围,得到与所述遥感图像对应的所述原始遥感图像中的有效矢量范围。
8.一种有效矢量范围确定装置,其特征在于,所述装置包括:
获取模块,用于遍历获取到的遥感图像所包括的每个像素,得到像素信息,所述像素信息包括每个像素的灰度值,并根据所述每个像素的灰度值,确定所述遥感图像中的无效像素与有效像素;
确定模块,用于根据所述无效像素与所述有效像素,构建与所述遥感图像对应的二值图,并利用寻边算法,确定所述二值图中与所述有效像素所对应的像素构成的区域的最大边界位置对应的像素;
所述确定模块,用于获取所述遥感图像所包括的经纬度范围信息,并根据所述遥感图像所包括的经纬度范围信息,确定所述最大边界位置对应的像素的经纬度坐标,且根据所述最大边界位置对应的像素的经纬度坐标,得到所述遥感图像中的有效矢量范围。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器连接;
所述存储器用于存储程序;
所述处理器调用存储于所述存储器中的程序,以执行如权利要求1-7中任一项所述的方法。
10.一种可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被计算机运行时执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643103.1A CN112651896A (zh) | 2020-12-30 | 2020-12-30 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643103.1A CN112651896A (zh) | 2020-12-30 | 2020-12-30 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651896A true CN112651896A (zh) | 2021-04-13 |
Family
ID=75367009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011643103.1A Pending CN112651896A (zh) | 2020-12-30 | 2020-12-30 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651896A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409461A (zh) * | 2021-06-22 | 2021-09-17 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002092612A (ja) * | 2000-09-11 | 2002-03-29 | Sony Corp | 画像処理装置および画像処理方法、並びに記録媒体 |
JP2005217983A (ja) * | 2004-01-30 | 2005-08-11 | Fuji Xerox Co Ltd | 画像処理装置 |
US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
CN101901343A (zh) * | 2010-07-20 | 2010-12-01 | 同济大学 | 基于立体约束的遥感影像道路提取方法 |
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
US20110050685A1 (en) * | 2009-08-26 | 2011-03-03 | Hideshi Yamada | Image processing apparatus, image processing method, and program |
CA3046234A1 (en) * | 2011-09-26 | 2013-04-04 | Ontario Power Generation Inc. | Ultrasound matrix inspection |
CN103679702A (zh) * | 2013-11-20 | 2014-03-26 | 华中科技大学 | 一种基于图像边缘矢量的匹配方法 |
CN104462526A (zh) * | 2014-12-19 | 2015-03-25 | 华南师范大学 | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 |
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 |
CN107193923A (zh) * | 2017-05-16 | 2017-09-22 | 中国科学院遥感与数字地球研究所 | 一种二维地理空间快速矢量叠加的方法及系统 |
CN108957447A (zh) * | 2018-04-16 | 2018-12-07 | 长江水利委员会水文局长江下游水文水资源勘测局 | 一种船基雷达水边界自动测量方法 |
WO2018230476A1 (ja) * | 2017-06-16 | 2018-12-20 | 大日本印刷株式会社 | 図形パターンの形状推定装置 |
CN111598961A (zh) * | 2020-05-22 | 2020-08-28 | 中国科学院西北生态环境资源研究院 | 地物信息提取方法、装置、电子设备及存储介质 |
CN111652892A (zh) * | 2020-05-02 | 2020-09-11 | 王磊 | 一种基于深度学习的遥感影像建筑物矢量提取及优化方法 |
CN112053371A (zh) * | 2020-09-29 | 2020-12-08 | 成都星时代宇航科技有限公司 | 一种遥感图像中的水体提取方法和装置 |
-
2020
- 2020-12-30 CN CN202011643103.1A patent/CN112651896A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002092612A (ja) * | 2000-09-11 | 2002-03-29 | Sony Corp | 画像処理装置および画像処理方法、並びに記録媒体 |
JP2005217983A (ja) * | 2004-01-30 | 2005-08-11 | Fuji Xerox Co Ltd | 画像処理装置 |
US20100034484A1 (en) * | 2008-08-09 | 2010-02-11 | Keyence Corporation | Pattern Model Positioning Method In Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium |
US20110050685A1 (en) * | 2009-08-26 | 2011-03-03 | Hideshi Yamada | Image processing apparatus, image processing method, and program |
CN101901343A (zh) * | 2010-07-20 | 2010-12-01 | 同济大学 | 基于立体约束的遥感影像道路提取方法 |
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
CA3046234A1 (en) * | 2011-09-26 | 2013-04-04 | Ontario Power Generation Inc. | Ultrasound matrix inspection |
CN103679702A (zh) * | 2013-11-20 | 2014-03-26 | 华中科技大学 | 一种基于图像边缘矢量的匹配方法 |
CN104462526A (zh) * | 2014-12-19 | 2015-03-25 | 华南师范大学 | 面向高分辨率遥感影像的多人在线协同快速矢量化方法 |
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 |
CN107193923A (zh) * | 2017-05-16 | 2017-09-22 | 中国科学院遥感与数字地球研究所 | 一种二维地理空间快速矢量叠加的方法及系统 |
WO2018230476A1 (ja) * | 2017-06-16 | 2018-12-20 | 大日本印刷株式会社 | 図形パターンの形状推定装置 |
CN108957447A (zh) * | 2018-04-16 | 2018-12-07 | 长江水利委员会水文局长江下游水文水资源勘测局 | 一种船基雷达水边界自动测量方法 |
CN111652892A (zh) * | 2020-05-02 | 2020-09-11 | 王磊 | 一种基于深度学习的遥感影像建筑物矢量提取及优化方法 |
CN111598961A (zh) * | 2020-05-22 | 2020-08-28 | 中国科学院西北生态环境资源研究院 | 地物信息提取方法、装置、电子设备及存储介质 |
CN112053371A (zh) * | 2020-09-29 | 2020-12-08 | 成都星时代宇航科技有限公司 | 一种遥感图像中的水体提取方法和装置 |
Non-Patent Citations (8)
Title |
---|
HONG-GE REN;WEI-MIN LIU;TAO SHI;FU-JIN LI;: "Compressive Tracking Based on Online Hough Forest", INTERNATIONAL JOURNAL OF AUTOMATION AND COMPUTING, no. 04, 15 August 2017 (2017-08-15) * |
LÜ CHAOHUI;PAN JIAYING;: "Extraction technique of region of interest from stereoscopic video", THE JOURNAL OF CHINA UNIVERSITIES OF POSTS AND TELECOMMUNICATIONS, no. 05, 15 October 2017 (2017-10-15) * |
ZHONG FANGXUN;LIU YUNHUI;: "Image-Based 3D Pose Reconstruction of Surgical Needle for Robot-Assisted Laparoscopic Suturing", CHINESE JOURNAL OF ELECTRONICS, no. 03, 16 October 2017 (2017-10-16) * |
冯德俊, 李永树, 申京诗: "动态监测变化图斑边界跟踪", 遥感技术与应用, no. 04, 30 September 2003 (2003-09-30) * |
张欣;陈国雄;钟耳顺;: "优化栅格细化算法的线状地物提取", 地球信息科学, no. 03, 15 June 2007 (2007-06-15) * |
张海云, 赵玉刚: "基于图像的二维零件的数控加工编程", 现代制造工程, no. 10, 18 October 2004 (2004-10-18) * |
王琰: ""基于像斑统计分析的高分辨率遥感影像土地利用/覆盖变化检测方法研究"", 《中国博士学位论文全文数据库》, 15 October 2012 (2012-10-15) * |
许剑峰;黎绍发;: "基于颜色边缘与SVM的图像文本定位", 计算机应用研究, no. 03, 10 March 2006 (2006-03-10) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409461A (zh) * | 2021-06-22 | 2021-09-17 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
CN113409461B (zh) * | 2021-06-22 | 2023-06-23 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
US11893685B2 (en) | 2021-06-22 | 2024-02-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Landform map building method and apparatus, electronic device and readable storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348815B (zh) | 图像处理方法、图像处理装置以及非瞬时性存储介质 | |
EP3295426B1 (en) | Edge-aware bilateral image processing | |
US9418319B2 (en) | Object detection using cascaded convolutional neural networks | |
US8644605B2 (en) | Mapping colors of an image | |
US10187546B2 (en) | Method and device for correcting document image captured by image pick-up device | |
WO2018068304A1 (zh) | 一种图像匹配的方法及装置 | |
CN110415237B (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
EP4322109A1 (en) | Green screen matting method and apparatus, and electronic device | |
CN111539238A (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN112233062A (zh) | 地物变化检测方法、电子装置和存储介质 | |
CN113744142B (zh) | 图像修复方法、电子设备及存储介质 | |
CN112651896A (zh) | 有效矢量范围确定方法、装置、电子设备及可读存储介质 | |
WO2019198634A1 (ja) | 学習データ生成装置、変化領域検出方法及びコンピュータプログラム | |
CN111260675A (zh) | 一种图像真实边界高精度提取方法及系统 | |
CN107992607B (zh) | 台风预报图的绘制方法、装置、计算机设备和存储介质 | |
CN117522963A (zh) | 棋盘格的角点定位方法、装置、存储介质及电子设备 | |
US9734610B2 (en) | Image processing device, image processing method, and image processing program | |
CN113297344B (zh) | 基于三维遥感图像的地性线匹配方法、装置及地物目标位置定位方法 | |
WO2023029123A1 (zh) | 一种顶点坐标的检测方法、装置、设备及存储介质 | |
CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
CN111429450B (zh) | 角点检测的方法、系统、设备及存储介质 | |
CN112651897B (zh) | 像素修补方法、装置、电子设备及计算机可读存储介质 | |
CN113537222A (zh) | 一种数据处理方法、设备及存储介质 | |
CN115063408B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN113157835B (zh) | 基于gis平台的图像处理方法、装置、平台及存储介质 |
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 |