CN113610873A - 夜光遥感影像数据处理方法及装置 - Google Patents

夜光遥感影像数据处理方法及装置 Download PDF

Info

Publication number
CN113610873A
CN113610873A CN202111176097.8A CN202111176097A CN113610873A CN 113610873 A CN113610873 A CN 113610873A CN 202111176097 A CN202111176097 A CN 202111176097A CN 113610873 A CN113610873 A CN 113610873A
Authority
CN
China
Prior art keywords
cities
city
noctilucent
remote sensing
road
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
CN202111176097.8A
Other languages
English (en)
Other versions
CN113610873B (zh
Inventor
杨振山
刘业森
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.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
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 Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202111176097.8A priority Critical patent/CN113610873B/zh
Publication of CN113610873A publication Critical patent/CN113610873A/zh
Application granted granted Critical
Publication of CN113610873B publication Critical patent/CN113610873B/zh
Expired - Fee Related 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种夜光遥感影像数据处理方法及装置，该方法包括：分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域；根据若干城市中每一城市的位置信息或地图数据，结合夜光照亮区域，在夜光遥感影像中提取每一城市的城区面积；根据若干城市间的道路信息或地图数据，结合夜光照亮区域，提取城市间道路的长度，计算城市间道路的平均亮度；根据所述城市间道路的长度和平均亮度，计算所述城市间的连通度。本发明提出的技术方案使用夜光遥感影像为基准，计算城市间连通度和城市区域相关性，比使用统计数据衡量城市面积、城市间道路长度，更真实反映城市实际规模，以及城市与区域内其它城市的联系程度。

Description

夜光遥感影像数据处理方法及装置
技术领域
本发明涉及地理信息技术领域，特别是涉及一种夜光遥感影像数据处理方法及装置。
背景技术
城市间的连通度是检验道路网结构的指标，指标主要用于表示城市间路网的利用率。在现有技术中，通常以道路的统计数据为依据，进行城市连通度的计算。统计数据受限于行政区划设置等因素，并不能真实反应城市间的连通度。
城市区域相关性是指城市在特定区域中与其它城市的联系、依存程度，一个城市的发展与周边联系越紧密、基础设施联系度越高、社会经济活动越频繁，这个城市在区域发展中的机会越多，能力越强。城市区域相关性综合反映了一个城市与腹地区域的联系程度。在现有技术中，存在经济依存度、对外贸易依存度等非空间性相关性的计算方法，及城市对特定区域空间性相关性的计算方法，均为基于统计学数据的方法。统计学数据依据城市行政区划和官方人口数据，难以真实反映城市的规模。
发明内容
（一）发明目的
本发明的目的是在夜光遥感影像的基础上，提出一种夜光遥感影像数据处理方法及装置，计算城市间连通度，为分析城市在区域中的发展机遇、提升城市群建设、区域和城市规划决策的科学性提供依据。
（二）技术方案
为解决上述问题，本发明的第一方面提供了一种夜光遥感影像数据处理方法，包括：分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域；根据若干城市中每一城市的位置信息或地图数据，结合夜光照亮区域，在夜光遥感影像中提取每一城市的城区面积；根据若干城市间的道路信息或地图数据，结合夜光照亮区域，提取城市间道路的长度，计算城市间道路的平均亮度；根据城市间道路的长度和平均亮度，计算每一城市的连通度；城市的连通度，正比于与城市道路连接的城市间道路的平均亮度，反比于与城市道路连接的城市间道路长度。
可选地，分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域的步骤包括：设置第一阈值，若夜光遥感影像的像元亮度大于第一阈值，则像元属于夜光照亮区域；提取夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成夜光照亮区域；将夜光遥感影像矢量化。
可选地，计算城市间道路的平均亮度的步骤包括：设置第二邻域，在夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，平均值为两城市间道路的平均亮度。
可选地，还包括：计算每一城市的区域相关性，城市的区域相关性，正比于与城市道路连接的其它城市城区面积的平方根、正比于与其它城市间的连通度。
可选地，还包括：获取不同时刻包含若干城市的夜光遥感影像，以计算若干城市中每一城市不同时刻的区域相关性。
根据本发明的另一个方面，提供了一种夜光遥感影像数据处理装置，包括：分割模块，其用于分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域；提取模块，其用于提取夜光遥感影像中夜光照亮区域；根据若干城市中每一城市的位置信息或地图数据，结合夜光照亮区域，在夜光遥感影像中提取每一城市的城区面积；根据若干城市间的道路信息或地图数据，结合夜光照亮区域，提取城市间道路的长度，计算城市间道路的平均亮度；连通度计算模块，其用于根据城市间道路的长度和平均亮度，计算每一城市的连通度；城市的连通度，正比于与城市道路连接的城市间道路的平均亮度，反比于与城市道路连接的城市间道路长度。
可选地，分割模块被进一步配置为：设置第一阈值，若夜光遥感影像的像元亮度大于第一阈值，则像元属于夜光照亮区域；提取夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成夜光照亮区域，将夜光遥感影像矢量化。
可选地，提取模块被进一步配置为：设置第二邻域，在夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，平均值为两城市间道路的平均亮度。
可选地，还包括：相关性计算模块，其用于计算每一城市的区域相关性，城市的区域相关性，正比于与城市道路连接的其它城市城区面积的平方根、正比于与其它城市间的连通度。
可选地，还包括：实时模块，其用于获取不同时刻包含若干城市的夜光遥感影像，以计算若干城市中每一城市不同时刻的区域相关性。
（三）有益效果
本发明的上述技术方案具有如下有益的技术效果：以夜光遥感影像为依据，提出了城市间道路连通度的计算方法，相比于使用统计数据衡量城市面积、城市间道路长度，本发明的技术方案更真实反映城市实际规模，以及城市与其它城市间道路连通度，缓解了使用统计数据的局限性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一种实施方式，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。
图1为本发明实施例一种夜光遥感影像数据处理方法流程示意图；
图2为本发明实施例包含若干城市区域的夜光遥感影像示意图；
图3为本发明实施例夜光遥感影像夜光照亮区域示意图；
图4为本发明实施例包含若干城市区域的地图示意图；
图5为本发明实施例地图叠加夜光照亮区域后示意图；
图6是本发明实施例一种夜光遥感影像数据处理装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
图1是本发明实施例一种夜光遥感影像数据处理方法流程示意图。
如图1所示，该方法实施例包括如下三个步骤。
步骤S101：分割包含若干城市的夜光遥感影像。具体地，分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域。需要进行说明的是，夜光遥感影像属于数字图像的一种，在进行夜光照亮区域的提取分割时，采用数字图像在时域或频域的分割技术，均可以达到分割夜光照亮区域的技术效果。
在一个可选的实施例中，提取夜光照亮区域采用阈值分割技术。设置第一阈值，若夜光遥感影像的像元亮度大于第一阈值，则像元属于夜光照亮区域；提取夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成夜光照亮区域，将夜光遥感影像矢量化。
示例性地，对夜光遥感影像进行二值化阈值分割处理，有夜光照亮的像元转换为1，无夜光照亮的像元转换为0。例如，设置一个亮度阈值，如像元亮度小于2即认为无夜光照亮，即第一阈值设置为2。然后，将二值化后的夜光遥感影像转换为矢量图层，转换前夜光遥感影像为栅格图层。需要进行说明的是，在地理信息技术领域中，矢量图层和栅格图层是两种主要的空间数据结构，两种数据的来源、结构和格式都不同。栅格图层是一个规则的阵列，其中各个像元互不影响；矢量图层则是由一些个坐标和由这些坐标组成的线、面、体，这些元素间有着密切的关系。由于矢量图层与绘图分辨率无关，这样就可以匹配不同分辨率的地图。
图2为本发明实施例包含若干城市区域的夜光遥感影像示意图，图3为本发明实施例夜光遥感影像二值分割后示意图。
在一些实施例中，将图2中亮度小于2的像元设置为0，亮度大于2的像元设置为1，从而得到图3。需要进行说明的是，矢量化后的影像没有分辨率的概念，因此，图3为矢量化后影像的一种显示形式。
步骤S102：提取城区面积、道路长度和计算道路平均亮度。具体地，根据若干城市中每一城市的位置信息或地图数据，结合夜光照亮区域，在夜光遥感影像中提取每一城市的城区面积；根据若干城市间的道路信息或地图数据，结合夜光照亮区域，提取城市间道路的长度，计算城市间道路的平均亮度。在一个实施例中，包含若干城市的地图数据叠加在夜光照亮区域，从而识别各城市所在的照亮区域，统计照亮区域所占像元的数量或比例，通过比例尺映射到物理世界得到城区面积。由于二值化后的夜光遥感影像进行了矢量化，因此可以与不同分辨率的地图进行叠加。
在另一个实施例中，夜光遥感影像中包含经纬度信息，例如根据城市位置信息，例如经纬度坐标，以经纬度坐标为种子，在夜光遥感影像中进行区域生长分割，提取城区面积。
根据地图上的道路地图数据提取城市间道路的长度，需要进行说明的是，本发明实施例中城市间道路的长度不包含城区内的部分，因此需要城区面积区域叠加在地图上之后提取城市间道路的长度。或在地图上先提取城市间道路的长度，再减去城区面积内的道路长度，从而得到城市间道路的长度。另外，根据道路信息，例如道路的经纬度位置坐标，例如以道路中任一点的经纬度坐标为种子，在夜光遥感影像中进行区域生长分割，提取城市间道路的长度。
在一个可选的实施例中，对夜光遥感影像进行形态学开运算，即对影像中的像素先腐蚀后膨胀。由于道路在宽度方向所占的像素较少，进行形态学开运算以后，影像中的道路会消失，影像中剩下的为城区面积。其后利用开运算之前的影像减去城区面积，提取城市间道路的长度。
图4为本发明实施例包含若干城市区域的地图示意图，图5为本发明实施例地图数据叠加夜光照亮区域后示意图。
城市间道路的平均亮度通过统计道路在夜光遥感影像中的像元亮度获得。示例性地，通过图5提取若干城市的城区面积、城市间道路长度和计算道路平均亮度。
在一个可选的实施例中，设置第二邻域，在夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，平均值为两城市间道路的平均亮度。示例性地，第二邻域设置为200米，统计两城市间道路两侧200米范围内所有像元亮度的平均值。
步骤S103：计算城市连通度。具体地，根据城市间道路的长度和平均亮度，计算每一城市的连通度；城市的连通度，正比于与城市道路连接的城市间道路的平均亮度，反比于与城市道路连接的城市间道路长度。
在一个可选的实施例中，还包括计算每一城市的区域相关性，城市的区域相关性，正比于与城市道路连接的其它城市城区面积的平方根、正比于与其它城市间的连通度。
示例性地，计算两个城市
Figure 871243DEST_PATH_IMAGE001
和
Figure 929329DEST_PATH_IMAGE002
之间连通度
Figure 505803DEST_PATH_IMAGE003
，连通度
Figure 556805DEST_PATH_IMAGE004
的计算公式如下：
Figure 105598DEST_PATH_IMAGE005
Figure 459219DEST_PATH_IMAGE006
为城市i和城市j之间的不包含城市区域道路的平均亮度值，
Figure 132777DEST_PATH_IMAGE007
城市i和城市j之间的不包含城市区域道路长度。需要进行说明的是，如果城市i和城市j之 间存在多条道路，则连通度需要进行累加。示例性地，如果城市i和城市j之间存在两条道 路，以两条道路分别计算的连通度为
Figure 862835DEST_PATH_IMAGE008
和
Figure 453086DEST_PATH_IMAGE009
， 则城市i和城市j之间连通度
Figure 977608DEST_PATH_IMAGE010
为：
Figure 138462DEST_PATH_IMAGE011
。
示例性地，城市i的区域相关性
Figure 609895DEST_PATH_IMAGE012
的计算公式为：
Figure 664438DEST_PATH_IMAGE013
式中，n表示与城市i相邻的城市个数；
Figure 750075DEST_PATH_IMAGE014
为与城市i道路连接的城市j的城区 面积，
Figure 522859DEST_PATH_IMAGE015
为城市i和城市j之间的不包含城市区域道路的平均亮度值，
Figure 470086DEST_PATH_IMAGE016
城市i和城市j之间的不包含城市区域道路长度。
在一个实施例中，以图5中的宝应县为例，宝应县与高邮、淮安、建湖、金湖四城市相连，其中宝应到高邮、宝应到淮安分别有两条道路相连，相应的数据及连通度计算结果示例见表1，按照城市的区域相关性公式计算得到宝应的城市区域相关性为4.817。
表1 连通度计算结果示例
Figure 644715DEST_PATH_IMAGE017
从城市i的区域相关性
Figure 714303DEST_PATH_IMAGE018
计算公式可以看出：
Figure 113665DEST_PATH_IMAGE018
与城市i的城区面积无关，因此城区面积最大的淮安市区域相关性排名第二，而与淮安市相 邻的涟水县排名第一。从地理区位来看，面积最大的淮安市周边城市涟水县、洪泽县、泗阳 县、宝应县及建湖县为县域城市中的前五名，排名非常靠前，对衡量目标城市而言是科学合 理的。图5中各城市的区域相关性计算结果示例如表2所示。
表2 区域相关性计算结果示例
Figure 723638DEST_PATH_IMAGE019
理论上而言，城市周边城市越多、连接城市规模越大、连接越紧密，该城市区域相关性也就越高，对所在区域带来的发展机遇也就越高。对此，本实施例根据城市在本区域内的区位潜力，对城市区域相关性计算结果进行验证。区位潜力计算公式如下：
Figure 628140DEST_PATH_IMAGE020
其中，C i 为修正后的城市i区位潜力值，M j 为城市j的经济实力，采用2018年GDP总量 表示，城市j为与城市i有汽车班次往来的城市，D ij 为i城市到j城市的距离，
Figure 196525DEST_PATH_IMAGE021
为距离摩擦 系数，赋值为1。城市的区位潜力值越高，说明该城市与周边城市的经济、交通联系越紧密。 图5中各城市的区位潜力计算结果示例如表3所示。
表3 区位潜力计算结果示例
Figure 802955DEST_PATH_IMAGE022
根据计算结果，区位潜力值和区域相关性位序相关度为0.704，因此本发明实施例提出区域相关性较好地体现了一个城市的发展潜力。
在一个实施例中，获取不同时刻包含若干城市的夜光遥感影像，以计算若干城市中任一城市不同时刻的区域相关性。需要进行说明的是，通过获取不同时刻夜光影像的数据，可以得到一个城市区域相关性的动态变化值，更加有助于实时反映城市在区域发展中的情况。
图6是本发明实施例的一种夜光遥感影像数据处理装置的结构示意图。
本发明实施例提供了一种夜光遥感影像数据处理装置，该装置主要用于执行本发明实施例上述内容所提供的夜光遥感影像数据处理方法，以下对本发明实施例提供的夜光遥感影像数据处理装置做具体介绍。
如图6所示，该夜光遥感影像数据处理装置200包括以下模块:
分割模块201，其用于分割包含若干城市的夜光遥感影像，提取夜光遥感影像中夜光照亮区域；
提取模块202，其用于根据若干城市中每一城市的位置信息或地图数据，结合夜光照亮区域，在夜光遥感影像中提取每一城市的城区面积；根据若干城市间的道路信息或地图数据，结合夜光照亮区域，提取城市间道路的长度，计算城市间道路的平均亮度；
连通度计算模块203，其用于根据城市间道路的长度和平均亮度，计算每一城市的连通度；城市的连通度，正比于与城市道路连接的城市间道路的平均亮度，反比于与城市道路连接的城市间道路长度。
在一个可选的实施例中，分割模块201被进一步配置为：设置第一阈值，若夜光遥感影像的像元亮度大于第一阈值，则像元属于夜光照亮区域；提取夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成夜光照亮区域，将夜光遥感影像矢量化。
在一个可选的实施例中，提取模块202被进一步配置为：设置第二邻域，在夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，的平均值为两城市间道路的平均亮度。
在一个可选的实施例中，夜光遥感影像数据处理装置200还包括相关性计算模块，其用于计算每一城市的区域相关性，城市的区域相关性，正比于与城市道路连接的其它城市城区面积的平方根、正比于与其它城市间的连通度。
在一个可选的实施例中，夜光遥感影像数据处理装置200还包括实时模块，其用于获取不同时刻包含若干城市的夜光遥感影像，以计算若干城市中每一城市不同时刻的区域相关性。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括如下如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，简称ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例系统装置中的模块可以根据实际需要进行合并、划分和删减。

Claims (10)

1.一种夜光遥感影像数据处理方法，其特征在于，包括：
分割包含若干城市的夜光遥感影像，提取所述夜光遥感影像中夜光照亮区域；
根据所述若干城市中每一城市的位置信息或地图数据，结合所述夜光照亮区域，在所述夜光遥感影像中提取每一城市的城区面积；
根据所述若干城市间的道路信息或地图数据，结合所述夜光照亮区域，提取城市间道路的长度，计算所述城市间道路的平均亮度；
根据所述城市间道路的长度和平均亮度，计算所述城市间的连通度；所述城市的连通度，正比于与所述城市道路连接的城市间道路的平均亮度，反比于与所述城市道路连接的城市间道路长度。
2.根据权利要求1所述的方法，其特征在于，所述分割包含若干城市的夜光遥感影像，提取所述夜光遥感影像中夜光照亮区域的步骤包括：
设置第一阈值，若所述夜光遥感影像的像元亮度大于第一阈值，则所述像元属于夜光照亮区域；
提取所述夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成所述夜光照亮区域；
将所述夜光遥感影像矢量化。
3.根据权利要求1所述的方法，其特征在于，计算所述城市间道路的平均亮度的步骤包括：
设置第二邻域，在所述夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，所述的平均值为两城市间道路的平均亮度。
4.根据权利要求1所述的方法，其特征在于，还包括：
计算所述每一城市的区域相关性，所述城市的区域相关性，正比于与所述城市道路连接的其它城市城区面积的平方根、正比于与所述其它城市间的连通度。
5.根据权利要求4所述的方法，其特征在于，还包括：
获取不同时刻包含所述若干城市的夜光遥感影像，以计算所述若干城市中每一城市不同时刻的区域相关性。
6.一种夜光遥感影像数据处理装置，其特征在于，包括：
分割模块，其用于分割包含若干城市的夜光遥感影像，提取所述夜光遥感影像中夜光照亮区域；
提取模块，其用于根据所述若干城市中每一城市的位置信息或地图数据，结合所述夜光照亮区域，在所述夜光遥感影像中提取每一城市的城区面积；根据所述若干城市间的道路信息或地图数据，结合所述夜光照亮区域，提取所述城市间道路的长度，计算所述城市间道路的平均亮度；
连通度计算模块，其用于根据所述城市间道路的长度和平均亮度，计算所述每一城市的连通度；所述城市的连通度，正比于与所述城市道路连接的城市间道路的平均亮度，反比于与所述城市道路连接的城市间道路长度。
7.根据权利要求6所述的装置，其特征在于，所述分割模块被进一步配置为：
设置第一阈值，若所述夜光遥感影像的像元亮度大于第一阈值，则所述像元属于夜光照亮区域；
提取所述夜光遥感影像中像元亮度大于第一阈值的所有像元，以组成所述夜光照亮区域；
将所述夜光遥感影像矢量化。
8.根据权利要求6所述的装置，其特征在于，所述提取模块被进一步配置为：
设置第二邻域，在所述夜光遥感影像中，计算两城市间道路在第二邻域范围内所有像元亮度的平均值，所述的平均值为两城市间道路的平均亮度。
9.根据权利要求6所述的装置，其特征在于，还包括：
相关性计算模块，其用于计算所述每一城市的区域相关性，所述城市的区域相关性，正比于与所述城市道路连接的其它城市城区面积的平方根、正比于与所述其它城市间的连通度。
10.根据权利要求9所述的装置，其特征在于，还包括：
实时模块，其用于获取不同时刻包含所述若干城市的夜光遥感影像，以计算所述若干城市中每一城市不同时刻的区域相关性。
CN202111176097.8A 2021-10-09 2021-10-09 夜光遥感影像数据处理方法及装置 Expired - Fee Related CN113610873B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111176097.8A CN113610873B (zh) 2021-10-09 2021-10-09 夜光遥感影像数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111176097.8A CN113610873B (zh) 2021-10-09 2021-10-09 夜光遥感影像数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN113610873A true CN113610873A (zh) 2021-11-05
CN113610873B CN113610873B (zh) 2022-04-01

Family

ID=78343398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111176097.8A Expired - Fee Related CN113610873B (zh) 2021-10-09 2021-10-09 夜光遥感影像数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN113610873B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114638766A (zh) * 2022-04-08 2022-06-17 中国科学院空天信息创新研究院 夜光遥感影像校正方法
CN117495425A (zh) * 2023-12-29 2024-02-02 武汉大学 一种基于多维夜光特征的资产财富估算方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570470A (zh) * 2019-09-06 2019-12-13 南京大学 基于多源遥感数据的幽灵社区识别及住房空置率估算方法
CN111814528A (zh) * 2020-03-18 2020-10-23 河南理工大学 一种连通性分析的夜光影像城市等级分类方法
CN112115844A (zh) * 2020-09-15 2020-12-22 中国科学院城市环境研究所 基于多源遥感影像和路网数据的城市人口数据分析方法
US20210199579A1 (en) * 2019-12-31 2021-07-01 Beijing Normal University Method and system for urban impervious surface extraction based on remote sensing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570470A (zh) * 2019-09-06 2019-12-13 南京大学 基于多源遥感数据的幽灵社区识别及住房空置率估算方法
US20210199579A1 (en) * 2019-12-31 2021-07-01 Beijing Normal University Method and system for urban impervious surface extraction based on remote sensing
CN111814528A (zh) * 2020-03-18 2020-10-23 河南理工大学 一种连通性分析的夜光影像城市等级分类方法
CN112115844A (zh) * 2020-09-15 2020-12-22 中国科学院城市环境研究所 基于多源遥感影像和路网数据的城市人口数据分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114638766A (zh) * 2022-04-08 2022-06-17 中国科学院空天信息创新研究院 夜光遥感影像校正方法
CN117495425A (zh) * 2023-12-29 2024-02-02 武汉大学 一种基于多维夜光特征的资产财富估算方法及系统
CN117495425B (zh) * 2023-12-29 2024-04-12 武汉大学 一种基于多维夜光特征的资产财富估算方法及系统

Also Published As

Publication number Publication date
CN113610873B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
JP7155321B2 (ja) ひび割れ解析データ編集装置、ひび割れ解析データ編集方法、及び、ひび割れ解析データの編集プログラム
Esch et al. World Settlement Footprint 3D-A first three-dimensional survey of the global building stock
Yu et al. Automated derivation of urban building density information using airborne LiDAR data and object-based method
Ren et al. Developing a rapid method for 3-dimensional urban morphology extraction using open-source data
Sun et al. Modeling urban land use change and urban sprawl: Calgary, Alberta, Canada
CN113610873B (zh) 夜光遥感影像数据处理方法及装置
CN109389163B (zh) 一种基于地形图的无人机影像分类系统及方法
Park et al. Spatiotemporal changes of informal settlements: Ger districts in Ulaanbaatar, Mongolia
US11703352B2 (en) Vector tile pyramiding
Soffianian et al. Mapping and analyzing urban expansion using remotely sensed imagery in Isfahan, Iran
CN113159406A (zh) 基于多源数据的城镇实体范围识别及划定信息处理方法
Gennaretti et al. A methodology proposal for land cover change analysis using historical aerial photos
Miller et al. Mapping long-term temporal change in imperviousness using topographic maps
CN116343103A (zh) 一种基于三维gis场景与视频融合的自然资源监管方法
Wu et al. Automatic building rooftop extraction using a digital surface model derived from aerial stereo images
CN113486880A (zh) 图像采集设备布置方法、装置、电子设备及存储介质
CN112085778A (zh) 基于超像素和形态学的倾斜摄影违法建筑检测方法及系统
Pandey et al. Urban built-up area assessment of Ranchi township using Cartosat-I stereopairs satellite images
CN117128977B (zh) 基于双影像融合的优质绿道路径规划方法、装置及设备
Schlesinger Using crowd-sourced data to quantify the complex urban fabric—OpenStreetMap and the urban–rural index
CN117593657A (zh) 一种精细化气象预报数据处理方法、系统及可读存储介质
CN111310340B (zh) 基于人类移动的城市区域交互异常关系识别方法及设备
CN117391305A (zh) 一种土地空间信息的构建方法、系统、电子设备及介质
Meedeniya et al. Land‐Use Classification with Integrated Data
CN114170441B (zh) 基于地理国情数据和影像分类的路旁树自动提取方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220401