CN112651919A - 一种遥感图像测绘及处理系统 - Google Patents
一种遥感图像测绘及处理系统 Download PDFInfo
- Publication number
- CN112651919A CN112651919A CN202110100441.9A CN202110100441A CN112651919A CN 112651919 A CN112651919 A CN 112651919A CN 202110100441 A CN202110100441 A CN 202110100441A CN 112651919 A CN112651919 A CN 112651919A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- module
- images
- frequency coefficients
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 78
- 238000013507 mapping Methods 0.000 title claims abstract description 40
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000007500 overflow downdraw method Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- 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
- G06F16/53—Querying
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像测绘及处理系统，包括中央处理器，所述视频数据传送模块与所述中央处理器通讯连接，所述视频数据传送模块用于将遥感视频图像发送给所述中央处理器，所述转换模块与所述中央处理器通讯连接，所述图像融合模块与所述中央处理器通讯连接，所述数据库与所述中央处理器通讯连接，所述数据库用于接收融合图像并进行存储，所述图像调取模块与所述中央处理器通讯连接，所述图像调取模块用于从数据库中调取所需要的数据。本发明将采集的视频数据转换后进行融合，可快速生成待分析地块或者目标区域的测绘地图，提高了测绘评估的精确度和清晰度，大大提高了遥感图像测绘的工作效率。
Description
技术领域
本发明涉及测绘技术领域，具体为一种遥感图像测绘及处理系统。
背景技术
测绘字面理解为测量和绘图，是以计算机技术、光电技术、网络通讯技术、空间科学、信息科学为基础，以全球导航卫星定位系统(GNSS)、遥感(RS)、地理信息系统(GIS)为技术核心，选取地面已有的特征点和界线并通过测量手段获得反映地面现状的图形和位置信息，供工程建设、规划设计和行政管理之用。
在进行遥感测绘时需要通过处理系统对遥感测绘图像进行处理，然而现有的处理系统无法对多次得到的视频数据进行融合，使得到的测绘数据存在误差，大大降低了精确度和清晰度，影响了遥感图像测绘作业工作效率。
发明内容
本发明的目的在于提供一种遥感图像测绘及处理系统，将采集的视频数据转换后进行融合，可快速生成待分析地块或者目标区域的测绘地图，提高了测绘评估的精确度和清晰度，大大提高了遥感图像测绘的工作效率，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种遥感图像测绘及处理系统，包括：
中央处理器；
视频数据传送模块，所述视频数据传送模块与所述中央处理器通讯连接，所述视频数据传送模块用于将遥感视频图像发送给所述中央处理器；
转换模块，所述转换模块与所述中央处理器通讯连接，所述转换模块用于将遥感视频图像转换成所能识别的格式；
图像融合模块，所述图像融合模块与所述中央处理器通讯连接，所述图像融合模块用于接收所能识别格式的遥感视频图像，并进行图像融合，得到融合图像；
数据库，所述数据库与所述中央处理器通讯连接，所述数据库用于接收融合图像并进行存储；
图像调取模块，所述图像调取模块与所述中央处理器通讯连接，所述图像调取模块用于从数据库中调取所需要的数据。
作为本发明的一种遥感图像测绘及处理系统优选的，还包括语音提示模块，所述语音提示模块与所述中央处理器通讯连接，所述语音提示模块用于提示处理结果。
作为本发明的一种遥感图像测绘及处理系统优选的，所述图像融合模块进行图像融合的方法包括：
S11.针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像分别进行contourlet变换，分解得到高频系数和低频系数；
S12.对两幅源图像对应的高频系数应用基于引导滤波的加权融合方法进行融合，处理后得到输出图像的高频系数；
S13.对两幅源图像对应的低频系数应用基于区域能量取大的融合方法进行处理，得到输出图像对应的低频系数；
S14.对融合后的高频系数和低频系数，应用contourlet反变换，得到该目标的融合图像。
作为本发明的一种遥感图像测绘及处理系统优选的，所述S2中基于引导滤波的加权融合方法包括：
S121.用H1和H2来表示两幅待融合图像在某一尺度方向上对应的一组高频系数，将H1和H2基于每个像素进行比较，得到权值图W1和W2：
S122.直接比较得到的权值图含有噪声，边缘没有对齐，因此对权值图W1和W2应用引导滤波器滤波，两个高频系数H1和H2分别作为引导图像，通过引导滤波得到新的权值图M1和M2；
M1＝Gr,ε(W1,H1)，M2＝Gr,ε(W2,H2)，其中，G表示引导滤波器，r表示引导滤波器的滤波半径，ε表示引导滤波器的调整参数；
S123.利用新的权值图M1和M2，通过加权方法融合两个高频系数H1和H2得到融合后高频系数H＝H1×M1+H2×M2；
S124.针对两幅源图像对应的所有高频系数都应用此融合方法进行处理，得到输出图像在对应的尺度及方向上的高频系数。
作为本发明的一种遥感图像测绘及处理系统优选的，所述S3中基于区域能量取大的融合方法包括：
S131.分别计算两幅低频系数的区域能量，使用C1来分别表示多光谱图像对应的低频系数，使用C2来分别表示全色图像对应的低频系数，多光谱图像的低频系数C1计算得到的区域能量用E1来表示，全色图像的低频系数C2计算得到的区域能量用E2来表示，像素点(i,j)处的区域能量按如下公式计算得到：
其中，m和n分别表示区域内行和列的像素坐标；
S132.使用区域能量Ek(k＝1,2)来设计融合规则，将两个低频系数在每个像素点上依次进行比较，其中区域能量较大的点的像素值即为融合后低频系数在该对应像素点上的取值，用L来表示输出图像对应的低频系数，则点(i,j)处像素值L(i,j)使用如下公式计算得到：
S133.按照此融合方法处理得到输出图像对应的低频系数，和使用基于引导滤波的加权融合方法处理得到的高频系数相结合，应用contourlet反变换得到针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像的融合图像。
作为本发明的一种遥感图像测绘及处理系统优选的，还包括图像预处理模块，所述图像预处理模块与所述中央处理器通讯连接，所述图像预处理模块用于对遥感视频图像进行预处理。
作为本发明的一种遥感图像测绘及处理系统优选的，所述图像预处理模块对遥感视频图像进行预处理的方法包括：
S21.对遥感视频图像进行处理；
S22.提取遥感视频图像的灰度特征；
S23.提取遥感视频图像的纹理特征；
S24.提取遥感视频图像的空间关系特征。
作为本发明的一种遥感图像测绘及处理系统优选的，所述S21中对遥感视频图像进行处理包括滤波除燥、直方图均衡化、地图扫描影像的几何纠正、电子地图影像地理坐标与遥感影像像素坐标之间映射关系的建立。
作为本发明的一种遥感图像测绘及处理系统优选的，S22中提取遥感视频图像的灰度特征的方法包括计算灰度平均值和方差。
作为本发明的一种遥感图像测绘及处理系统优选的，所述S23中S3中提取遥感视频图像的纹理特征的方法为灰度差分统计法。
与现有技术相比，本发明的有益效果是：
本发明通过视频数据传送模块将遥感视频图像发送给中央处理器，再通过转换模块将遥感视频图像转换成所能识别的格式，通过图像融合模块接收所能识别格式的遥感视频图像，并进行图像融合，得到融合图像，最后通过数据库接收融合图像并进行存储，通过图像调取模块用于从数据库中调取所需要的数据，本发明将采集的视频数据转换后进行融合，可快速生成待分析地块或者目标区域的测绘地图，提高了测绘评估的精确度和清晰度，大大提高了遥感图像测绘的工作效率。
附图说明
图1为本发明的模块示意图；
图2为本发明的图像融合模块进行图像融合的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
实施例
请参阅图1和图2，本发明提供一种技术方案：
一种遥感图像测绘及处理系统，包括：
中央处理器；
视频数据传送模块，所述视频数据传送模块与所述中央处理器通讯连接，所述视频数据传送模块用于将遥感视频图像发送给所述中央处理器；
转换模块，所述转换模块与所述中央处理器通讯连接，所述转换模块用于将遥感视频图像转换成所能识别的格式；
图像融合模块，所述图像融合模块与所述中央处理器通讯连接，所述图像融合模块用于接收所能识别格式的遥感视频图像，并进行图像融合，得到融合图像；
数据库，所述数据库与所述中央处理器通讯连接，所述数据库用于接收融合图像并进行存储；
图像调取模块，所述图像调取模块与所述中央处理器通讯连接，所述图像调取模块用于从数据库中调取所需要的数据。
作为本发明的一种技术优化方案，还包括语音提示模块，所述语音提示模块与所述中央处理器通讯连接，所述语音提示模块用于提示处理结果。
作为本发明的一种技术优化方案，所述图像融合模块进行图像融合的方法包括：
S11.针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像分别进行contourlet变换，分解得到高频系数和低频系数；
S12.对两幅源图像对应的高频系数应用基于引导滤波的加权融合方法进行融合，处理后得到输出图像的高频系数；
S13.对两幅源图像对应的低频系数应用基于区域能量取大的融合方法进行处理，得到输出图像对应的低频系数；
S14.对融合后的高频系数和低频系数，应用contourlet反变换，得到该目标的融合图像。
作为本发明的一种技术优化方案，所述S2中基于引导滤波的加权融合方法包括：
S121.用H1和H2来表示两幅待融合图像在某一尺度方向上对应的一组高频系数，将H1和H2基于每个像素进行比较，得到权值图W1和W2：
S122.直接比较得到的权值图含有噪声，边缘没有对齐，因此对权值图W1和W2应用引导滤波器滤波，两个高频系数H1和H2分别作为引导图像，通过引导滤波得到新的权值图M1和M2；
M1＝Gr,ε(W1,H1)，M2＝Gr,ε(W2,H2)，其中，G表示引导滤波器，r表示引导滤波器的滤波半径，ε表示引导滤波器的调整参数；
S123.利用新的权值图M1和M2，通过加权方法融合两个高频系数H1和H2得到融合后高频系数H＝H1×M1+H2×M2；
S124.针对两幅源图像对应的所有高频系数都应用此融合方法进行处理，得到输出图像在对应的尺度及方向上的高频系数。
作为本发明的一种技术优化方案，所述S3中基于区域能量取大的融合方法包括：
S131.分别计算两幅低频系数的区域能量，使用C1来分别表示多光谱图像对应的低频系数，使用C2来分别表示全色图像对应的低频系数，多光谱图像的低频系数C1计算得到的区域能量用E1来表示，全色图像的低频系数C2计算得到的区域能量用E2来表示，像素点(i,j)处的区域能量按如下公式计算得到：
其中，m和n分别表示区域内行和列的像素坐标；
S132.使用区域能量Ek(k＝1,2)来设计融合规则，将两个低频系数在每个像素点上依次进行比较，其中区域能量较大的点的像素值即为融合后低频系数在该对应像素点上的取值，用L来表示输出图像对应的低频系数，则点(i,j)处像素值L(i,j)使用如下公式计算得到：
S133.按照此融合方法处理得到输出图像对应的低频系数，和使用基于引导滤波的加权融合方法处理得到的高频系数相结合，应用contourlet反变换得到针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像的融合图像。
作为本发明的一种技术优化方案，还包括图像预处理模块，所述图像预处理模块与所述中央处理器通讯连接，所述图像预处理模块用于对遥感视频图像进行预处理。
作为本发明的一种技术优化方案，所述图像预处理模块对遥感视频图像进行预处理的方法包括：
S21.对遥感视频图像进行处理；
S22.提取遥感视频图像的灰度特征；
S23.提取遥感视频图像的纹理特征；
S24.提取遥感视频图像的空间关系特征。
作为本发明的一种技术优化方案，所述S21中对遥感视频图像进行处理包括滤波除燥、直方图均衡化、地图扫描影像的几何纠正、电子地图影像地理坐标与遥感影像像素坐标之间映射关系的建立。
作为本发明的一种技术优化方案，S22中提取遥感视频图像的灰度特征的方法包括计算灰度平均值和方差。
作为本发明的一种技术优化方案，所述S23中S3中提取遥感视频图像的纹理特征的方法为灰度差分统计法
综上所述，本发明通过视频数据传送模块将遥感视频图像发送给中央处理器，再通过转换模块将遥感视频图像转换成所能识别的格式，通过图像融合模块接收所能识别格式的遥感视频图像，并进行图像融合，得到融合图像，最后通过数据库接收融合图像并进行存储，通过图像调取模块用于从数据库中调取所需要的数据，本发明将采集的视频数据转换后进行融合，可快速生成待分析地块或者目标区域的测绘地图，提高了测绘评估的精确度和清晰度，大大提高了遥感图像测绘的工作效率。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种遥感图像测绘及处理系统，其特征在于，包括：
中央处理器；
视频数据传送模块，所述视频数据传送模块与所述中央处理器通讯连接，所述视频数据传送模块用于将遥感视频图像发送给所述中央处理器；
转换模块，所述转换模块与所述中央处理器通讯连接，所述转换模块用于将遥感视频图像转换成所能识别的格式；
图像融合模块，所述图像融合模块与所述中央处理器通讯连接，所述图像融合模块用于接收所能识别格式的遥感视频图像，并进行图像融合，得到融合图像；
数据库，所述数据库与所述中央处理器通讯连接，所述数据库用于接收融合图像并进行存储；
图像调取模块，所述图像调取模块与所述中央处理器通讯连接，所述图像调取模块用于从数据库中调取所需要的数据。
2.根据权利要求1所述的一种遥感图像测绘及处理系统，其特征在于：还包括语音提示模块，所述语音提示模块与所述中央处理器通讯连接，所述语音提示模块用于提示处理结果。
3.根据权利要求1所述的一种遥感图像测绘及处理系统，其特征在于，所述图像融合模块进行图像融合的方法包括：
S11.针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像分别进行contourlet变换，分解得到高频系数和低频系数；
S12.对两幅源图像对应的高频系数应用基于引导滤波的加权融合方法进行融合，处理后得到输出图像的高频系数；
S13.对两幅源图像对应的低频系数应用基于区域能量取大的融合方法进行处理，得到输出图像对应的低频系数；
S14.对融合后的高频系数和低频系数，应用contourlet反变换，得到该目标的融合图像。
4.根据权利要求3所述的一种遥感图像测绘及处理系统，其特征在于，所述S2中基于引导滤波的加权融合方法包括：
S121.用H1和H2来表示两幅待融合图像在某一尺度方向上对应的一组高频系数，将H1和H2基于每个像素进行比较，得到权值图W1和W2：
S122.直接比较得到的权值图含有噪声，边缘没有对齐，因此对权值图W1和W2应用引导滤波器滤波，两个高频系数H1和H2分别作为引导图像，通过引导滤波得到新的权值图M1和M2；
M1＝Gr,ε(W1,H1)，M2＝Gr,ε(W2,H2)，其中，G表示引导滤波器，r表示引导滤波器的滤波半径，ε表示引导滤波器的调整参数；
S123.利用新的权值图M1和M2，通过加权方法融合两个高频系数H1和H2得到融合后高频系数H＝H1×M1+H2×M2；
S124.针对两幅源图像对应的所有高频系数都应用此融合方法进行处理，得到输出图像在对应的尺度及方向上的高频系数。
5.根据权利要求3所述的一种遥感图像测绘及处理系统，其特征在于，所述S3中基于区域能量取大的融合方法包括：
S131.分别计算两幅低频系数的区域能量，使用C1来分别表示多光谱图像对应的低频系数，使用C2来分别表示全色图像对应的低频系数，多光谱图像的低频系数C1计算得到的区域能量用E1来表示，全色图像的低频系数C2计算得到的区域能量用E2来表示，像素点(i,j)处的区域能量按如下公式计算得到：
其中，m和n分别表示区域内行和列的像素坐标；
S132.使用区域能量Ek(k＝1,2)来设计融合规则，将两个低频系数在每个像素点上依次进行比较，其中区域能量较大的点的像素值即为融合后低频系数在该对应像素点上的取值，用L来表示输出图像对应的低频系数，则点(i,j)处像素值L(i,j)使用如下公式计算得到：
S133.按照此融合方法处理得到输出图像对应的低频系数，和使用基于引导滤波的加权融合方法处理得到的高频系数相结合，应用contourlet反变换得到针对同一目标拍摄得到的两幅待融合的多光谱图像和全色图像的融合图像。
6.根据权利要求1所述的一种遥感图像测绘及处理系统，其特征在于，还包括图像预处理模块，所述图像预处理模块与所述中央处理器通讯连接，所述图像预处理模块用于对遥感视频图像进行预处理。
7.根据权利要求6所述的一种遥感图像测绘及处理系统，其特征在于：所述图像预处理模块对遥感视频图像进行预处理的方法包括：
S21.对遥感视频图像进行处理；
S22.提取遥感视频图像的灰度特征；
S23.提取遥感视频图像的纹理特征；
S24.提取遥感视频图像的空间关系特征。
8.根据权利要求7所述的一种遥感图像测绘及处理系统，其特征在于：所述S21中对遥感视频图像进行处理包括滤波除燥、直方图均衡化、地图扫描影像的几何纠正、电子地图影像地理坐标与遥感影像像素坐标之间映射关系的建立。
9.根据权利要求7所述的一种遥感图像测绘及处理系统，其特征在于：S22中提取遥感视频图像的灰度特征的方法包括计算灰度平均值和方差。
10.根据权利要求7所述的一种遥感图像测绘及处理系统，其特征在于：所述S23中S3中提取遥感视频图像的纹理特征的方法为灰度差分统计法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110100441.9A CN112651919A (zh) | 2021-01-26 | 2021-01-26 | 一种遥感图像测绘及处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110100441.9A CN112651919A (zh) | 2021-01-26 | 2021-01-26 | 一种遥感图像测绘及处理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112651919A true CN112651919A (zh) | 2021-04-13 |
Family
ID=75370781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110100441.9A Pending CN112651919A (zh) | 2021-01-26 | 2021-01-26 | 一种遥感图像测绘及处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651919A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113409197A (zh) * | 2021-07-15 | 2021-09-17 | 广州文悦信息科技有限公司 | 智能测绘数据信息处理方法 |
| CN117433513A (zh) * | 2023-12-21 | 2024-01-23 | 云南淼泉测绘工程有限公司 | 一种地形测绘的地图构建方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139350A (zh) * | 2015-08-12 | 2015-12-09 | 北京航空航天大学 | 一种无人机侦察图像地面实时重建处理系统 |
| CN105761214A (zh) * | 2016-01-14 | 2016-07-13 | 西安电子科技大学 | 基于轮廓波变换与引导滤波的遥感图像融合方法 |
| WO2017101489A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股（北京）有限公司 | 图像滤波方法及装置 |
| CN108492711A (zh) * | 2018-04-08 | 2018-09-04 | 黑龙江工业学院 | 一种电子地图绘制方法及装置 |
| CN111597284A (zh) * | 2020-04-29 | 2020-08-28 | 武汉子雨科技有限公司 | 一种快速提取测绘地理信息数据的方法 |
-
2021
- 2021-01-26 CN CN202110100441.9A patent/CN112651919A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139350A (zh) * | 2015-08-12 | 2015-12-09 | 北京航空航天大学 | 一种无人机侦察图像地面实时重建处理系统 |
| WO2017101489A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股（北京）有限公司 | 图像滤波方法及装置 |
| CN105761214A (zh) * | 2016-01-14 | 2016-07-13 | 西安电子科技大学 | 基于轮廓波变换与引导滤波的遥感图像融合方法 |
| CN108492711A (zh) * | 2018-04-08 | 2018-09-04 | 黑龙江工业学院 | 一种电子地图绘制方法及装置 |
| CN111597284A (zh) * | 2020-04-29 | 2020-08-28 | 武汉子雨科技有限公司 | 一种快速提取测绘地理信息数据的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 那彦;任梦乔;: "基于引导滤波的遥感图像融合算法", 电子科技, no. 08, pages 121 - 123 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113409197A (zh) * | 2021-07-15 | 2021-09-17 | 广州文悦信息科技有限公司 | 智能测绘数据信息处理方法 |
| CN117433513A (zh) * | 2023-12-21 | 2024-01-23 | 云南淼泉测绘工程有限公司 | 一种地形测绘的地图构建方法及系统 |
| CN117433513B (zh) * | 2023-12-21 | 2024-03-08 | 云南淼泉测绘工程有限公司 | 一种地形测绘的地图构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
| CN106485676B (zh) | 一种基于稀疏编码的LiDAR点云数据修复方法 | |
| CN112949414B (zh) | 一种宽视域高分六号卫星影像地表水体智能制图方法 | |
| CN113936214B (zh) | 一种基于融合空天遥感影像的岩溶湿地植被群落分类方法 | |
| CN114926748A (zh) | Sentinel-1/2微波与光学多光谱影像结合的大豆遥感识别方法 | |
| CN112651919A (zh) | 一种遥感图像测绘及处理系统 | |
| CN115471437B (zh) | 一种基于卷积神经网络的影像融合方法以及遥感影像融合方法 | |
| CN112419196B (zh) | 一种基于深度学习的无人机遥感影像阴影去除方法 | |
| CN108399400A (zh) | 一种基于高分辨率遥感数据的早期作物识别方法和系统 | |
| CN114092835A (zh) | 基于不同时空分辨率的归一化植被指数数据时空融合方法 | |
| CN108961199A (zh) | 多源遥感数据时空融合方法及装置 | |
| CN113312993A (zh) | 一种基于PSPNet的遥感数据土地覆盖分类方法 | |
| CN112419197A (zh) | 一种通用的单、多时相sar影像相干斑噪声去除方法 | |
| CN108898070A (zh) | 一种基于无人机平台的高光谱遥感提取薇甘菊装置及方法 | |
| CN113838064A (zh) | 一种基于分支gan使用多时相遥感数据的云去除方法 | |
| CN112215169A (zh) | 基于低空无人机被动遥感的作物株高及生物量自适应高精度解算方法 | |
| CN115100545A (zh) | 针对低照度下失效卫星小部件的目标检测方法 | |
| CN116310883A (zh) | 基于遥感图像时空融合的农业灾害预测方法及相关设备 | |
| CN113989612A (zh) | 基于注意力及生成对抗网络的遥感影像目标检测方法 | |
| CN117788296B (zh) | 基于异构组合深度网络的红外遥感图像超分辨率重建方法 | |
| KR102125723B1 (ko) | 영상의 상대 방사 보정 방법 및 수행 장치 | |
| CN115797184B (zh) | 一种地表水体超分辨率提取方法 | |
| CN109740468B (zh) | 一种用于黑土有机质信息提取的自适应高斯低通滤波方法 | |
| CN118247682B (zh) | 基于启明星一号卫星的土地覆盖分类方法及系统 | |
| CN119006348B (zh) | 一种基于无人机遥感技术的测绘图像增强系统及其实现方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210413 |