CN112884736B - 一种水源地生态监测预警系统及其控制方法 - Google Patents

一种水源地生态监测预警系统及其控制方法 Download PDF

Info

Publication number
CN112884736B
CN112884736B CN202110181197.3A CN202110181197A CN112884736B CN 112884736 B CN112884736 B CN 112884736B CN 202110181197 A CN202110181197 A CN 202110181197A CN 112884736 B CN112884736 B CN 112884736B
Authority
CN
China
Prior art keywords
remote sensing
resolution remote
sensing image
low
image
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.)
Active
Application number
CN202110181197.3A
Other languages
English (en)
Other versions
CN112884736A (zh
Inventor
苗正红
杨军
张宝利
邱中军
马壮
段兴博
侯天阳
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.)
JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
Original Assignee
JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
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 JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN filed Critical JILIN WATER CONSERVANCY AND HYDROPOWER INSTITUTE OF INVESTIGATION AND DESIGN
Priority to CN202110181197.3A priority Critical patent/CN112884736B/zh
Publication of CN112884736A publication Critical patent/CN112884736A/zh
Application granted granted Critical
Publication of CN112884736B publication Critical patent/CN112884736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/02—Devices for withdrawing samples
    • G01N1/10—Devices for withdrawing samples in the liquid or fluent state
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—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
    • G06T2207/10—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
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Hydrology & Water Resources (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种水源地生态监测预警系统，包括数据库模块，用于存储标准图像以及低分辨率遥感图像和高分辨率遥感图像；低分辨率遥感图像处理模块，用于对低分辨率遥感图像进行处理；高分辨率遥感图像处理模块，用于对高分辨率遥感图像进行处理；便携式采样器，用于对水源地进行实地采样；样本分析模块，用于对采集的样本进行分析；预警模块，使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块存储的标准图像进行比对，并结合样本分析结果得到预警信息。本发明能够改进现有技术的不足，在保证检测准确性的同时降低了遥感图像处理的运算量。

Description

一种水源地生态监测预警系统及其控制方法
技术领域
本发明涉及生态环境监测术领域，尤其涉及一种水源地生态监测预警系统及其控制方法。
背景技术
水源地生态监测是关系到用水安全的一项重要工作。由于水源地面积大，现有技术中通常是采用遥感成像技术对水源地的生态状况进行检测。但是，大面积的高分辨率遥感成像数据量庞大，为了保证对水源地生态环境监测的准确性，需要对大量的高分辨率遥感图像进行分析鉴别，不仅对检测系统的硬件要求高，而且分析处理耗时长。
发明内容
本发明要解决的技术问题是提供一种水源地生态监测预警系统及其控制方法，能够解决现有技术的不足，在保证检测准确性的同时降低了遥感图像处理的运算量。
为解决上述技术问题，本发明所采取的技术方案如下。
一种水源地生态监测预警系统，包括，
数据库模块，用于存储标准图像以及低分辨率遥感图像和高分辨率遥感图像；
低分辨率遥感图像处理模块，用于对低分辨率遥感图像进行处理；
高分辨率遥感图像处理模块，用于对高分辨率遥感图像进行处理；
便携式采样器，用于对水源地进行实地采样；
样本分析模块，用于对采集的样本进行分析；
预警模块，使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块存储的标准图像进行比对，并结合样本分析结果得到预警信息。
一种上述的水源地生态监测预警系统的控制方法，包括以下步骤：
A、低分辨率遥感图像处理模块从数据库模块中读取低分辨率遥感图像，对低分辨率遥感图像进行分析处理；
B、高分辨率遥感图像处理模块从数据库模块中读取高分辨率遥感图像，根据步骤A的分析结果对高分辨率遥感图像进行分析处理；
C、根据步骤A和B的分析结果确定水源地进行实地采样坐标，使用便携式采样器进行实地采样；
D、使用样本分析模块对采集的样本进行分析；
E、预警模块使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块存储的标准图像进行比对，并结合样本分析结果得到预警信息。
作为优选，步骤A中，对低分辨率遥感图像进行分析处理包括以下步骤，
A1、按照不同地貌对低分辨率遥感图像进行分块，将相同地貌的低分辨率遥感图像块作为一组；
A2、对每组低分辨率遥感图像块提取特征向量集，使用特征向量集与相同地貌的标准图像的特征向量集进行线性度比对，选取平均线性度大于70％的标准图像作为参考图像；
A3、将每个低分辨率遥感图像块与参考图像进行比对，若出现相似条件满足预设条件的参考图像，则选择相似度最高的参考图像代替对应的低分辨率遥感图像块。
作为优选，步骤A2中，提取特征向量集包括以下步骤，
A21、计算每个低分辨率遥感图像块的平均灰度值；以平均灰度值为基准计算低分辨率遥感图像块中像素点灰度值与平均灰度值的偏差值；
A22、删除低分辨率遥感图像块中灰度在
Figure BDA0002941500900000021
区间中的像素点，将剩余的像素点按照坐标位置进行分组，将组内仅有孤立像素点的分组进行删除，对其它组内的像素点进行重组，空白区域使用相邻像素点的灰度平均值进行补充，形成特征像素块；
A23、在每个特征像素块中灰度值偏差小于5％的区域进行特征向量提取，每个完全封闭的提取区域至少提取一个特征向量，特征向量包括灰度值以及每个灰度值的相对位置关系坐标；
A24、将提取到的特征向量组成特征向量集。
作为优选，步骤A3中，低分辨率遥感图像块与参考图像进行比对包括以下步骤，
A31、分别建立低分辨率遥感图像块和参考图像特征向量集中特征向量的特征矩阵；
A32、计算两个特征矩阵的交叉熵；
A33、若交叉熵低于设定阈值，则将对应的参考图像保留；
A34、交叉熵与相似度成反比，最后选择交叉熵最小的特征矩阵对应的参考图像代替对应的低分辨率遥感图像块。
作为优选，步骤B中，对高分辨率遥感图像进行分析处理包括以下步骤，
B1、高分辨率遥感图像处理模块从数据库模块中读取未找到参考图像的低分辨率遥感图像块对应的高分辨率遥感图像；
B2、遍历步骤B1读取的高分辨率遥感图像，标记地貌特征区域；
B3、在低分辨率遥感图像块中标记对应的地貌特征区域。
作为优选，步骤B2中，使用标准图像的地貌特征作为对比参考，将与标准图像地貌特征相同的高分辨率遥感图像区域标记为地貌特征区域，若高分辨率遥感图像中的若干个地貌特征区域组成一个封闭区域，则将整个封闭区域标记为地貌特征区域。
作为优选，步骤C中，每种地貌至少设置有一个实地采样点。
作为优选，步骤E中，首先将经过步骤A和步骤B处理得到的低分辨率遥感图像块进行重组；然后使用实地采样的样本分析结果对相应地貌的标准图像中图像与生态参数的对应关系进行修正，然后使用修正后的图像与生态参数的对应关系对重组后的低分辨率遥感图像进行生态参数提取；最后根据生态参数提取结果得到预警信息。
采用上述技术方案所带来的有益效果在于：本发明优化了对于低分辨率遥感图像的使用方式，从而大大降低了对于高分辨率图像的处理需求，提高了处理效率。本发明通过对低分辨率遥感图像进行分块提取特征向量，使用特征向量组成的特征矩阵计算交叉熵来匹配具有类似特征的标准图像，避免了对低分辨率遥感图像大范围遍历比对带来的庞大运算量。对于未能匹配到标准图像的低分辨率遥感图像块，再采用高分辨率遥感图像进行地貌特征的补充，从而保证了后续分析结果的准确性。在进行生态参数分析时，首先使用实地采样的样本分析结果对图像与生态参数的对应关系进行修正，以进一步缩小生态参数分析误差。
附图说明
图1是本发明一个具体实施方式的原理图。
具体实施方式
参照图1，本发明一个具体实施方式包括，
数据库模块1，用于存储标准图像以及低分辨率遥感图像和高分辨率遥感图像；
低分辨率遥感图像处理模块2，用于对低分辨率遥感图像进行处理；
高分辨率遥感图像处理模块3，用于对高分辨率遥感图像进行处理；
便携式采样器4，用于对水源地进行实地采样；
样本分析模块5，用于对采集的样本进行分析；
预警模块6，使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块1存储的标准图像进行比对，并结合样本分析结果得到预警信息。
一种上述的水源地生态监测预警系统的控制方法，包括以下步骤：
A、低分辨率遥感图像处理模块2从数据库模块1中读取低分辨率遥感图像，对低分辨率遥感图像进行分析处理；
B、高分辨率遥感图像处理模块3从数据库模块1中读取高分辨率遥感图像，根据步骤A的分析结果对高分辨率遥感图像进行分析处理；
C、根据步骤A和B的分析结果确定水源地进行实地采样坐标，使用便携式采样器4进行实地采样；
D、使用样本分析模块5对采集的样本进行分析；
E、预警模块6使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块1存储的标准图像进行比对，并结合样本分析结果得到预警信息。
步骤A中，对低分辨率遥感图像进行分析处理包括以下步骤，
A1、按照不同地貌对低分辨率遥感图像进行分块，将相同地貌的低分辨率遥感图像块作为一组；
A2、对每组低分辨率遥感图像块提取特征向量集，使用特征向量集与相同地貌的标准图像的特征向量集进行线性度比对，选取平均线性度大于70％的标准图像作为参考图像；
A3、将每个低分辨率遥感图像块与参考图像进行比对，若出现相似条件满足预设条件的参考图像，则选择相似度最高的参考图像代替对应的低分辨率遥感图像块。
步骤A2中，提取特征向量集包括以下步骤，
A21、计算每个低分辨率遥感图像块的平均灰度值；以平均灰度值为基准计算低分辨率遥感图像块中像素点灰度值与平均灰度值的偏差值；
A22、删除低分辨率遥感图像块中灰度在
Figure BDA0002941500900000051
区间中的像素点，将剩余的像素点按照坐标位置进行分组，将组内仅有孤立像素点的分组进行删除，对其它组内的像素点进行重组，空白区域使用相邻像素点的灰度平均值进行补充，形成特征像素块；
A23、在每个特征像素块中灰度值偏差小于5％的区域进行特征向量提取，每个完全封闭的提取区域至少提取一个特征向量，特征向量包括灰度值以及每个灰度值的相对位置关系坐标；
A24、将提取到的特征向量组成特征向量集。
步骤A3中，低分辨率遥感图像块与参考图像进行比对包括以下步骤，
A31、分别建立低分辨率遥感图像块和参考图像特征向量集中特征向量的特征矩阵；
A32、计算两个特征矩阵的交叉熵；
A33、若交叉熵低于设定阈值，则将对应的参考图像保留；
A34、交叉熵与相似度成反比，最后选择交叉熵最小的特征矩阵对应的参考图像代替对应的低分辨率遥感图像块。
步骤B中，对高分辨率遥感图像进行分析处理包括以下步骤，
B1、高分辨率遥感图像处理模块3从数据库模块1中读取未找到参考图像的低分辨率遥感图像块对应的高分辨率遥感图像；
B2、遍历步骤B1读取的高分辨率遥感图像，标记地貌特征区域；
B3、在低分辨率遥感图像块中标记对应的地貌特征区域。
步骤B2中，使用标准图像的地貌特征作为对比参考，将与标准图像地貌特征相同的高分辨率遥感图像区域标记为地貌特征区域，若高分辨率遥感图像中的若干个地貌特征区域组成一个封闭区域，则将整个封闭区域标记为地貌特征区域。
对于封闭区域外侧，增加与封闭区域相连的外部地貌特征区域，外部地貌特征区域面积为封闭区域内面积的3％～5％。通过增加外部地貌特征区域，可以提高高分辨率遥感图像中地貌特征的标记覆盖率。
步骤C中，每种地貌至少设置有一个实地采样点。
步骤E中，首先将经过步骤A和步骤B处理得到的低分辨率遥感图像块进行重组；然后使用实地采样的样本分析结果对相应地貌的标准图像中图像与生态参数的对应关系进行修正，然后使用修正后的图像与生态参数的对应关系对重组后的低分辨率遥感图像进行生态参数提取；最后根据生态参数提取结果得到预警信息。
当出现图像与生态参数对应关系修正率超过10％时，在此种地貌区域再进行一次采样，若第二采样的修正率与第一采样的修正率偏差小于2％时，则使用两次采样的平均值对图像与生态参数的对应关系进行修正，否则继续进行采样，直至出现连续三次的采样修正率偏差小于2％，使用最后三次采样的平均值对图像与生态参数的对应关系进行修正。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种水源地生态监测预警系统，其特征在于包括，
数据库模块(1)，用于存储标准图像以及低分辨率遥感图像和高分辨率遥感图像；
低分辨率遥感图像处理模块(2)，用于对低分辨率遥感图像进行处理；
对低分辨率遥感图像进行处理包括以下步骤，
A1、按照不同地貌对低分辨率遥感图像进行分块，将相同地貌的低分辨率遥感图像块作为一组；
A2、对每组低分辨率遥感图像块提取特征向量集，使用特征向量集与相同地貌的标准图像的特征向量集进行线性度比对，选取平均线性度大于70％的标准图像作为参考图像；
A3、将每个低分辨率遥感图像块与参考图像进行比对，若出现相似条件满足预设条件的参考图像，则选择相似度最高的参考图像代替对应的低分辨率遥感图像块；
高分辨率遥感图像处理模块(3)，用于对高分辨率遥感图像进行处理；
便携式采样器(4)，用于对水源地进行实地采样；
样本分析模块(5)，用于对采集的样本进行分析；
预警模块(6)，使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块(1)存储的标准图像进行比对，并结合样本分析结果得到预警信息。
2.一种水源地生态监测预警控制方法，其特征在于包括以下步骤：
A、低分辨率遥感图像处理模块(2)从数据库模块(1)中读取低分辨率遥感图像，对低分辨率遥感图像进行分析处理；
对低分辨率遥感图像进行分析处理包括以下步骤，
A1、按照不同地貌对低分辨率遥感图像进行分块，将相同地貌的低分辨率遥感图像块作为一组；
A2、对每组低分辨率遥感图像块提取特征向量集，使用特征向量集与相同地貌的标准图像的特征向量集进行线性度比对，选取平均线性度大于70％的标准图像作为参考图像；
A3、将每个低分辨率遥感图像块与参考图像进行比对，若出现相似条件满足预设条件的参考图像，则选择相似度最高的参考图像代替对应的低分辨率遥感图像块；
B、高分辨率遥感图像处理模块(3)从数据库模块(1)中读取高分辨率遥感图像，根据步骤A的分析结果对高分辨率遥感图像进行分析处理；
C、根据步骤A和B的分析结果确定水源地进行实地采样坐标，使用便携式采样器(4)进行实地采样；
D、使用样本分析模块(5)对采集的样本进行分析；
E、预警模块(6)使用低分辨率遥感图像处理结果和高分辨率遥感图像处理结果与数据库模块(1)存储的标准图像进行比对，并结合样本分析结果得到预警信息。
3.根据权利要求2所述的水源地生态监测预警控制方法，其特征在于：步骤A2中，提取特征向量集包括以下步骤，
A21、计算每个低分辨率遥感图像块的平均灰度值；以平均灰度值为基准计算低分辨率遥感图像块中像素点灰度值与平均灰度值的偏差值；
A22、删除低分辨率遥感图像块中灰度在
Figure FDA0003159913630000021
区间中的像素点，将剩余的像素点按照坐标位置进行分组，将组内仅有孤立像素点的分组进行删除，对其它组内的像素点进行重组，空白区域使用相邻像素点的灰度平均值进行补充，形成特征像素块；
A23、在每个特征像素块中灰度值偏差小于5％的区域进行特征向量提取，每个完全封闭的提取区域至少提取一个特征向量，特征向量包括灰度值以及每个灰度值的相对位置关系坐标；
A24、将提取到的特征向量组成特征向量集。
4.根据权利要求3所述的水源地生态监测预警控制方法，其特征在于：步骤A3中，低分辨率遥感图像块与参考图像进行比对包括以下步骤，
A31、分别建立低分辨率遥感图像块和参考图像特征向量集中特征向量的特征矩阵；
A32、计算两个特征矩阵的交叉熵；
A33、若交叉熵低于设定阈值，则将对应的参考图像保留；
A34、交叉熵与相似度成反比，最后选择交叉熵最小的特征矩阵对应的参考图像代替对应的低分辨率遥感图像块。
5.根据权利要求4所述的水源地生态监测预警控制方法，其特征在于：步骤B中，对高分辨率遥感图像进行分析处理包括以下步骤，
B1、高分辨率遥感图像处理模块(3)从数据库模块(1)中读取未找到参考图像的低分辨率遥感图像块对应的高分辨率遥感图像；
B2、遍历步骤B1读取的高分辨率遥感图像，标记地貌特征区域；
B3、在低分辨率遥感图像块中标记对应的地貌特征区域。
6.根据权利要求5所述的水源地生态监测预警控制方法，其特征在于：步骤B2中，使用标准图像的地貌特征作为对比参考，将与标准图像地貌特征相同的高分辨率遥感图像区域标记为地貌特征区域，若高分辨率遥感图像中的若干个地貌特征区域组成一个封闭区域，则将整个封闭区域标记为地貌特征区域。
7.根据权利要求6所述的水源地生态监测预警控制方法，其特征在于：步骤C中，每种地貌至少设置有一个实地采样点。
8.根据权利要求7所述的水源地生态监测预警控制方法，其特征在于：步骤E中，首先将经过步骤A和步骤B处理得到的低分辨率遥感图像块进行重组；然后使用实地采样的样本分析结果对相应地貌的标准图像中图像与生态参数的对应关系进行修正，然后使用修正后的图像与生态参数的对应关系对重组后的低分辨率遥感图像进行生态参数提取；最后根据生态参数提取结果得到预警信息。
CN202110181197.3A 2021-02-08 2021-02-08 一种水源地生态监测预警系统及其控制方法 Active CN112884736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110181197.3A CN112884736B (zh) 2021-02-08 2021-02-08 一种水源地生态监测预警系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110181197.3A CN112884736B (zh) 2021-02-08 2021-02-08 一种水源地生态监测预警系统及其控制方法

Publications (2)

Publication Number Publication Date
CN112884736A CN112884736A (zh) 2021-06-01
CN112884736B true CN112884736B (zh) 2021-08-17

Family

ID=76056278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110181197.3A Active CN112884736B (zh) 2021-02-08 2021-02-08 一种水源地生态监测预警系统及其控制方法

Country Status (1)

Country Link
CN (1) CN112884736B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761207A (zh) * 2015-05-08 2016-07-13 西安电子科技大学 基于最大线性块邻域嵌入的图像超分辨重建方法
CN108460722A (zh) * 2018-01-31 2018-08-28 中国科学院上海技术物理研究所 一种高分辨率宽视场率遥感成像方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10650505B2 (en) * 2017-07-12 2020-05-12 Tata Consultancy Services Limited Method and system for generating high resolution image by fusing low resolution images
CN108182678A (zh) * 2017-12-26 2018-06-19 程丹秋 一种预警准确的自然灾害监测预警系统
CN109033037A (zh) * 2018-07-26 2018-12-18 厦门大学 浮标自动监测系统数据质量控制方法
CN209373599U (zh) * 2019-07-03 2019-09-10 交通运输部科学研究院 工程施工现场隐患排查高效识别仪

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761207A (zh) * 2015-05-08 2016-07-13 西安电子科技大学 基于最大线性块邻域嵌入的图像超分辨重建方法
CN108460722A (zh) * 2018-01-31 2018-08-28 中国科学院上海技术物理研究所 一种高分辨率宽视场率遥感成像方法及装置

Also Published As

Publication number Publication date
CN112884736A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN107092877B (zh) 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法
CN111797697B (zh) 基于改进CenterNet的有角度高分遥感图像目标检测方法
US20210334574A1 (en) Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium
CN111160108A (zh) 一种无锚点的人脸检测方法及系统
CN110619258B (zh) 一种基于高分辨率遥感影像的道路轨迹核查方法
CN109708658B (zh) 一种基于卷积神经网络的视觉里程计方法
CN110363798B (zh) 一种遥感影像解译样本集的生成方法
CN114742820B (zh) 一种基于深度学习的螺栓松动检测方法、系统及存储介质
CN111814597A (zh) 一种耦合多标签分类网络和yolo的城市功能分区方法
CN105426844A (zh) 一种答题卡识别方法
CN109671109B (zh) 密集点云生成方法及系统
CN110596008A (zh) 基于地块的中国洪积平原农业区土壤养分数字制图方法
CN109190434A (zh) 一种基于亚像素级角点检测的条码识别算法
CN101840499B (zh) 一种条码解码方法及其二值化方法
CN112884736B (zh) 一种水源地生态监测预警系统及其控制方法
CN105303566A (zh) 一种基于目标轮廓裁剪的sar图像目标方位角估计方法
CN113420670B (zh) 基于高分遥感输变电线路迁改环水保监管方法
CN113205023B (zh) 一种基于先验矢量引导的高分影像建筑物提取精处理方法
CN114419430A (zh) 一种基于SE-U-Net++模型的耕地地块提取方法及装置
CN106324708B (zh) 雨量记录图纸的数字化方法、装置
CN108090898B (zh) 基于字典表示的卫星遥感图像典型地标检测方法
CN112184785B (zh) 基于mcd度量和vtm的多模态遥感图像配准方法
CN117274627A (zh) 一种基于图像转换的多时相积雪遥感图像匹配方法及系统
CN116385268A (zh) 一种遥感图像增强方法
CN108805896A (zh) 一种应用于城市环境的距离图像分割方法

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
GR01 Patent grant
GR01 Patent grant