CN112766144A - 岛礁基础设施巡检细节差异判别方法、装置、设备和介质 - Google Patents

岛礁基础设施巡检细节差异判别方法、装置、设备和介质 Download PDF

Info

Publication number
CN112766144A
CN112766144A CN202110055562.6A CN202110055562A CN112766144A CN 112766144 A CN112766144 A CN 112766144A CN 202110055562 A CN202110055562 A CN 202110055562A CN 112766144 A CN112766144 A CN 112766144A
Authority
CN
China
Prior art keywords
image
island
value
dct
range
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
Application number
CN202110055562.6A
Other languages
English (en)
Other versions
CN112766144B (zh
Inventor
阮强
吴嘉祥
廖宇豪
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.)
Guangdong Sea Star Ocean Sci And Tech Co ltd
Original Assignee
Wushi Fujian 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 Wushi Fujian Technology Co ltd filed Critical Wushi Fujian Technology Co ltd
Priority to CN202110055562.6A priority Critical patent/CN112766144B/zh
Priority claimed from CN202110055562.6A external-priority patent/CN112766144B/zh
Publication of CN112766144A publication Critical patent/CN112766144A/zh
Application granted granted Critical
Publication of CN112766144B publication Critical patent/CN112766144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种岛礁基础设施巡检细节差异判别方法、装置、设备和介质，方法包括：获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；实时获取影像数据进行预处理，裁切出岛屿范围图像；将历史影像和岛屿范围图像分别与有效面积影像进行掩膜处理，排除非岛屿部分；通过感知哈希图像相似度算法分别计算掩膜处理后的岛屿范围图像以及掩膜处理后的历史影像的hash二进制值；计算相似度，若相似度大于设定阈值，则无变化；否，则有变化；使用高分二号卫星影像数据，智能评估岛屿土地利用变化，减少对岛礁监管的人工成本，提高工作效率。

Description

岛礁基础设施巡检细节差异判别方法、装置、设备和介质
技术领域
本发明涉及计算机技术领域，特别涉及一种岛礁基础设施巡检细节差异判别方法、装置、设备和介质。
背景技术
福建省位于中国东南沿海，是中国大陆海岸线第二长的省份，在这3000多公里的岸线边分布着约2214个岛礁，是中国海岛礁数量排名第二的省份。随着社会经济的发展，部分岛礁已有不同程度的开发，但是，由于缺乏统一有效的规划和管理，传统人工巡检发现部分岛礁出现林地侵占，私搭乱盖，生态破坏等现象；但是，常态化的传统人工巡检成本与难度较大。
发明内容
本发明要解决的技术问题，在于提供一种岛礁基础设施巡检细节差异判别方法、装置、设备和介质，使用高分二号卫星影像数据，智能评估岛屿土地利用变化，减少对岛礁监管的人工成本，提高工作效率。
第一方面，本发明提供了一种岛礁基础设施巡检细节差异判别方法，包括：
步骤1、获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
步骤2、实时获取影像数据进行预处理，裁切出岛屿范围图像；
步骤3、将历史影像和岛屿范围图像分别与有效面积影像进行掩膜处理，排除非岛屿部分；
步骤4、通过感知哈希图像相似度算法分别计算掩膜处理后的岛屿范围图像以及掩膜处理后的历史影像的hash二进制值；
步骤5、计算相似度，若相似度大于设定阈值，则无变化；否，则有变化。
进一步地，所述步骤3进一步具体为：将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分。
进一步地，所述步骤4进一步具体为：将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合成64位的hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值。
进一步地，所述步骤5进一步具体为：将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
第二方面，本发明提供了一种岛礁基础设施巡检细节差异判别装置，包括：
有效面积模块，获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
岛屿范围模块，实时获取影像数据进行预处理，裁切出岛屿范围图像；
掩膜处理模块，将历史影像和岛屿范围图像分别与有效面积影像进行掩膜处理，排除非岛屿部分；
计算hash值模块，通过感知哈希图像相似度算法分别计算掩膜处理后的岛屿范围图像以及掩膜处理后的历史影像的hash二进制值；
变化判别模块，计算相似度，若相似度大于设定阈值，则无变化；否，则有变化。
进一步地，所述掩膜处理模块进一步具体为：将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分。
进一步地，所述计算hash值模块进一步具体为：将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合成64t位的hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值。
进一步地，所述变化判别模块进一步具体为：将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法、装置、设备和介质，将感知哈希算法应用于遥感数据。对影像数据网格划分，多期数据进行算法评估，以相似度得分来判定网格区域內岛礁土地利用类型是否发生了变化，从而发现岛礁开发过程存在的用地变化问题。
本发明使用高分二号卫星影像数据，智能评估岛屿土地利用变化，既提高国产卫星利用率，也通过算法模型代替人工巡检，减少对岛礁监管的人工成本，提高工作效率，也为岛礁智能监管提供帮助。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中方法中的流程图；
图2为本发明实施例二中装置的结构示意图。
具体实施方式
本申请实施例通过提供一种岛礁基础设施巡检细节差异判别方法、装置、设备和介质，解决了现有人工进行岛礁监控时效率低、风险高的技术问题；达到了减少对岛礁监管的人工成本，提高工作效率的有益效果。
本申请实施例中的技术方案，总体思路如下：
本发明结合高清度遥感影像及图像图像判别算法，将实时影像与历史影像在细节差异化判别，智能评估出不同时期影像中图元有差异部分，反馈出用地类型发型变化。通过反馈机制，将自动巡检代替人工巡检，批量完成对沿海岛礁的差异分析，发现岛礁开发过程中问题，为实现岛礁智能监管提供帮助。
具体步骤包括：
步骤A：勾勒有效面积：为了防止不同时间段潮汐变化对岛礁非人工变化的影像，因此对每个岛礁勾勒有效面积，属于岛屿部分的值为1，非岛屿部分的值为0；
步骤B：对高分二号影像数据预处理：采用高分二号的全色影像，统一坐标系为环球墨卡托投影坐标系，重采样成分辨1m*1m分辨率的数据，并逐次进行RPC正射矫正，自动配准，快速大气矫正，图像增强等遥感影像预处理步骤，并裁切出岛屿范围；
步骤C：网格滑动裁切影像：将有效面积影像、历史影像及对比影像并进行网格切割，网格尺寸为512*512，并记录每个网格经纬度范围，将上述三种类的影像裁切的网格一一对应。将切割后历史影像网格、比较影像网格分别与有效影像网格进行掩膜计算，排除非岛屿部分；
步骤D：设置感知哈希图像相似度算法：将掩膜后的影像设置重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换(DCT变换)，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于一定值得系数归零，即量化图像压缩，最后进行逆DCT运算，得到压缩后的图像。计算DCT的均值，根据8x8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0。图片的整体结构保持不变的情况下，hash结果值不变，组合成64位的hash二进制值；
步骤E：评估相似度：对应的历史网格的hash二进制值和对比网格的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，反汉明估值越大，则相似度越高。反汉明估值为1，即两张图片完全一样；
步骤F：拼接评估网格，渲染成结果：将每个切割网格按照经纬范围进行拼接，以反汉明估值为值域，渲染成岛屿范围的图像相似度色系图。
实施例一
如图1所示，本实施例提供一种岛礁基础设施巡检细节差异判别方法，包括：
步骤1、获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
步骤2、实时获取影像数据进行预处理，裁切出岛屿范围图像；
步骤3、将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分；
步骤4、将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合64个bit位生成hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值。
步骤5、将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
基于同一发明构思，本申请还提供了与实施例一中的方法对应的装置，详见实施例二。
实施例二
如图2所示，在本实施例中提供了一种岛礁基础设施巡检细节差异判别装置，包括：
有效面积模块，获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
岛屿范围模块，实时获取影像数据进行预处理，裁切出岛屿范围图像；
掩膜处理模块，将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分；
计算hash值模块，将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合成64t位的hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值；
变化判别模块，将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
由于本发明实施例二所介绍的装置，为实施本发明实施例一的方法所采用的装置，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的电子设备实施例，详见实施例三。
实施例三
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，可以实现实施例一中任一实施方式。
由于本实施例所介绍的电子设备为实施本申请实施例一中方法所采用的设备，故而基于本申请实施例一中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。
基于同一发明构思，本申请提供了实施例一对应的存储介质，详见实施例四。
实施例四
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，可以实现实施例一中任一实施方式。
本申请实施例中提供的技术方案，至少具有如下技术效果或优点：本申请实施例提供的方法、装置、设备及介质，使用高分二号卫星影像数据，智能评估岛屿土地利用变化，既提高国产卫星利用率，也通过算法模型代替人工巡检，减少对岛礁监管的人工成本，提高工作效率，也为岛礁智能监管提供帮助。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (10)

1.一种岛礁基础设施巡检细节差异判别方法，其特征在于：包括：
步骤1、获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
步骤2、实时获取影像数据进行预处理，裁切出岛屿范围图像；
步骤3、将历史影像和岛屿范围图像分别与有效面积影像进行掩膜处理，排除非岛屿部分；
步骤4、通过感知哈希图像相似度算法分别计算掩膜处理后的岛屿范围图像以及掩膜处理后的历史影像的hash二进制值；
步骤5、计算相似度，若相似度大于设定阈值，则无变化；否，则有变化。
2.根据权利要求1所述的一种岛礁基础设施巡检细节差异判别方法，其特征在于：所述步骤3进一步具体为：将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分。
3.根据权利要求1所述的一种岛礁基础设施巡检细节差异判别方法，其特征在于：所述步骤4进一步具体为：将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合成64位的hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值。
4.根据权利要求1所述的一种岛礁基础设施巡检细节差异判别方法，其特征在于：所述步骤5进一步具体为：将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
5.一种岛礁基础设施巡检细节差异判别装置，其特征在于：包括：
有效面积模块，获取历史影像数据，并进行有效面积的勾勒，形成有效面积影像；
岛屿范围模块，实时获取影像数据进行预处理，裁切出岛屿范围图像；
掩膜处理模块，将历史影像和岛屿范围图像分别与有效面积影像进行掩膜处理，排除非岛屿部分；
计算hash值模块，通过感知哈希图像相似度算法分别计算掩膜处理后的岛屿范围图像以及掩膜处理后的历史影像的hash二进制值；
变化判别模块，计算相似度，若相似度大于设定阈值，则无变化；否，则有变化。
6.根据权利要求5所述的一种岛礁基础设施巡检细节差异判别装置，其特征在于：所述掩膜处理模块进一步具体为：将岛屿范围图像、有效面积影像以及历史影像进行网格切割，并记录每个网格经纬度范围，之后将切割的网格根据经纬度范围进行一一对应，将切割后历史影像网格和岛屿范围图像网格分别与有效面积影像网格进行掩膜处理，排除非岛屿部分。
7.根据权利要求5所述的一种岛礁基础设施巡检细节差异判别装置，其特征在于：所述计算hash值模块进一步具体为：将掩膜后的岛屿范围图像以及历史影像重采样成64*64尺寸，数值转为float32的灰度矩阵，进行离散余弦变换，将空域的信号转换到频域，变换后的DCT系数进行门限操作，将小于设定值的系数归零，最后进行逆DCT运算，得到压缩后的图像，计算DCT的均值，根据8*8的DCT矩阵进行比较，大于等于DCT均值的设为1，小于DCT均值的设为0，图片的整体结构保持不变的情况下，hash结果值不变，组合成64位的hash二进制值，得到掩膜处理后的岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值。
8.根据权利要求5所述的一种岛礁基础设施巡检细节差异判别装置，其特征在于：所述变化判别模块进一步具体为：将岛屿范围图像的hash二进制值以及掩膜处理后的历史影像的hash二进制值进行反向汉明计算，获取反汉明距离，将反汉明距离归一化至0-1区间，即反汉明估值，根据反汉明估值与设定阈值比较，若反汉明估值大于等于设定阈值，则无变化；否，则有变化；
根据反汉明估值的值域，渲染成岛屿范围的图像相似度色系图。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的方法。
CN202110055562.6A 2021-01-15 岛礁基础设施巡检细节差异判别方法、装置、设备和介质 Active CN112766144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110055562.6A CN112766144B (zh) 2021-01-15 岛礁基础设施巡检细节差异判别方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110055562.6A CN112766144B (zh) 2021-01-15 岛礁基础设施巡检细节差异判别方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112766144A true CN112766144A (zh) 2021-05-07
CN112766144B CN112766144B (zh) 2024-06-07

Family

ID=

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715440A (zh) * 2015-03-10 2015-06-17 南京师范大学 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法
CN104717072A (zh) * 2015-03-10 2015-06-17 南京师范大学 基于感知哈希与椭圆曲线的遥感影像认证方法
CN104834942A (zh) * 2015-05-22 2015-08-12 武汉大学 基于掩膜分类的遥感影像变化检测方法及系统
CN105184251A (zh) * 2015-08-31 2015-12-23 中国科学院遥感与数字地球研究所 一种基于高分一号卫星图像的水华区域的识别方法及装置
KR20160025288A (ko) * 2014-08-27 2016-03-08 한화테크윈 주식회사 자동 초점 조절 방법
CN110059758A (zh) * 2019-04-24 2019-07-26 海南长光卫星信息技术有限公司 一种基于语义分割的遥感影像养殖塘检测方法
CN110334581A (zh) * 2019-05-09 2019-10-15 宁波市测绘设计研究院 一种多源遥感影像变化检测方法
CN111582218A (zh) * 2020-05-18 2020-08-25 长光卫星技术有限公司 一种基于深度学习的遥感影像岛礁提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160025288A (ko) * 2014-08-27 2016-03-08 한화테크윈 주식회사 자동 초점 조절 방법
CN104715440A (zh) * 2015-03-10 2015-06-17 南京师范大学 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法
CN104717072A (zh) * 2015-03-10 2015-06-17 南京师范大学 基于感知哈希与椭圆曲线的遥感影像认证方法
CN104834942A (zh) * 2015-05-22 2015-08-12 武汉大学 基于掩膜分类的遥感影像变化检测方法及系统
CN105184251A (zh) * 2015-08-31 2015-12-23 中国科学院遥感与数字地球研究所 一种基于高分一号卫星图像的水华区域的识别方法及装置
CN110059758A (zh) * 2019-04-24 2019-07-26 海南长光卫星信息技术有限公司 一种基于语义分割的遥感影像养殖塘检测方法
CN110334581A (zh) * 2019-05-09 2019-10-15 宁波市测绘设计研究院 一种多源遥感影像变化检测方法
CN111582218A (zh) * 2020-05-18 2020-08-25 长光卫星技术有限公司 一种基于深度学习的遥感影像岛礁提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
KONSTANTINOS GKOUNTAKOS ET AL.: "Incorporation of semantic segmentation information in deep hashing techniques for image retrieval", 《2017 INTERNATIONAL CONFERENCE ON ENGINEERING, TECHNOLOGY AND INNOVATION (ICE/ITMC)》, 5 February 2018 (2018-02-05) *
QIUBIN LIN ET AL.: "Mask Cross-Modal Hashing Networks", 《IEEE TRANSACTIONS ON MULTIMEDIA》, vol. 23, 30 April 2020 (2020-04-30), XP011835262, DOI: 10.1109/TMM.2020.2984081 *
YING JIANG ET AL.: "A change detection approach of high-resolution imagery combined the pre-classification with the post-classification comparison", 《2016 FIFTH INTERNATIONAL CONFERENCE ON AGRO-GEOINFORMATICS (AGRO-GEOINFORMATICS)》, 29 September 2016 (2016-09-29) *
周雅: "基于目标检测与加权混合特征的目标跟踪算法", 《科技通报》, vol. 33, no. 04, 30 April 2017 (2017-04-30) *
韩琳旖: "基于分水岭的SAR图像分割方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》, no. 02, 15 February 2019 (2019-02-15) *

Similar Documents

Publication Publication Date Title
CN102708369B (zh) 一种基于卫星图像的海冰参数提取方法
CN110633353B (zh) 一种基于集成学习的船舶类型仿冒监测方法
CN112084923B (zh) 一种遥感图像语义分割方法、存储介质及计算设备
CN108124489B (zh) 信息处理方法、装置、云处理设备以及计算机程序产品
CN110020650B (zh) 一种基于深度学习识别模型的倾斜车牌的识别方法及装置
CN114972107A (zh) 基于多尺度堆叠式注意力网络的低照度图像增强方法
CN114299111B (zh) 一种基于半监督孪生网络的红外弱小目标跟踪方法
CN112801047B (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN107564078B (zh) 一种带有干扰像素的栅格分区图自动矢量化方法
CN115272826A (zh) 一种基于卷积神经网络的图像识别方法、装置及系统
CN116151459A (zh) 基于改进Transformer的电网防汛风险概率预测方法和系统
CN115049919A (zh) 一种基于注意力调控的遥感图像语义分割方法及系统
CN111464790A (zh) 一种基于深度学习的工业环境监控视频处理方法及系统
CN114462486A (zh) 图像处理模型的训练方法、图像处理方法及相关装置
CN116805387B (zh) 基于知识蒸馏的模型训练方法、质检方法和相关设备
CN112766144B (zh) 岛礁基础设施巡检细节差异判别方法、装置、设备和介质
CN112766144A (zh) 岛礁基础设施巡检细节差异判别方法、装置、设备和介质
CN115296933B (zh) 一种工业生产数据风险等级评估方法及系统
CN116912700A (zh) 基于特征增强和细化的河湖治理违规问题的变化检测方法
CN111402422A (zh) 三维表面重建方法、装置和电子设备
CN116631168A (zh) 地质安全监测方法、装置、计算机设备和存储介质
CN114170112A (zh) 一种修复图像的方法、装置以及存储介质
CN113032509A (zh) 基于分布式集群的地图切片方法、装置、设备及介质
CN114926723B (zh) 一种输电线路周边干扰物识别与报警触发方法、终端及存储介质
Lin et al. Shoreline data based sea-land segmentation method for on-orbit ship detection from panchromatic images

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: 20230904

Address after: Building B2, Chuangxin 1, No. 63 Chuangqi Road, Shilou Town, Panyu District, Guangzhou City, Guangdong Province, 511400

Applicant after: GUANGDONG SEA STAR OCEAN SCI. AND TECH. CO.,LTD.

Address before: Room 1601, Floor 2, 16, Huajian Building, No. 16 Keji East Road, Shangjie Town, Minhou County, Fuzhou City, Fujian Province, 350100

Applicant before: Wushi (Fujian) Technology Co.,Ltd.

TA01 Transfer of patent application right
CB03 Change of inventor or designer information

Inventor after: Ruan Qiang

Inventor after: Lin Hanqing

Inventor before: Ruan Qiang

Inventor before: Wu Jiaxiang

Inventor before: Liao Yuhao

CB03 Change of inventor or designer information
GR01 Patent grant