CN113689352A - 一种遥感影像图制品及其制作方法 - Google Patents
一种遥感影像图制品及其制作方法 Download PDFInfo
- Publication number
- CN113689352A CN113689352A CN202110981889.6A CN202110981889A CN113689352A CN 113689352 A CN113689352 A CN 113689352A CN 202110981889 A CN202110981889 A CN 202110981889A CN 113689352 A CN113689352 A CN 113689352A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- scanning
- sensing image
- minimum grid
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims description 19
- 238000007639 printing Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000004753 textile Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005034 decoration Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感影像图制品及其制作方法,该遥感影像图制品包括遥感影像图和影像载体,所述遥感影像图附着在所述影像载体表面。本发明将遥感影像图附着在影像载体表面,使遥感影像图与影像载体的功能结合到一起,可达到广告宣传或装饰性目的,而且能够使遥感影像图制品呈现出多样化的特点。本发明适用于任意的遥感影像图以及任意形状的影像载体,只需通过多样式遥感影像图的变换以及影像载体的改变就可以获得多种不同的遥感影像图制品,其对不同制品的多样化、多彩化、个性化提供了一种新的技术解决手段。
Description
技术领域
本发明涉及遥感影像技术领域,具体涉及一种遥感影像图制品及其制作方法。
背景技术
只纪录各种地物电磁波大小的胶片(或相片),称为遥感影像(Remote SensingImage),在遥感影像图中,图面内容要素主要由影像构成,辅助以一定地图符号来表现或说明制图对象,与普通图像相比,遥感影像图具有丰富的地面信息,内容层次分明,图面清晰易读,充分表现出遥感影像图的优势。因此,将遥感影像图与家具、服装及日常用品等固定载体进行结合,可达到广告宣传或装饰性目的,而且能够使结合的产品呈现出多样化的特点。
发明内容
为了解决了现有技术中存在的上述问题,本发明的目的是提供一种遥感影像图制品及其制作方法。
为了实现上述目的,一方面,本发明采用以下技术方案:一种遥感影像图制品,包括遥感影像图和影像载体,所述遥感影像图附着在所述影像载体表面。
作为本发明的一种可选方案,所述遥感影像图通过印刷设备印刷在所述影像载体表面。
作为本发明的一种可选方案,所述影像载体为纺织品。
作为本发明的一种可选方案,所述影像载体为塑料品。
另一方面,本发明采用以下技术方案:一种遥感影像图制品的制作方法,包括以下步骤:
获取遥感影像图;
将遥感影像图附着在影像载体表面。
作为本发明的一种可选方案,获取遥感影像图包括:
获取待处理区域的遥感影像数据,所述遥感影像数据为卫星遥感影像数据或航空摄影测量影像数据;
对所述遥感影像数据进行图形处理,获得遥感图像;
对遥感图像中地表覆盖的信息进行自动提取,获得地表分类图;
获取待处理区域的数字高程模型DEM数据;
基于数字高程模型DEM数据对所述地表分类图进行人工修正;
利用DEM数据融合处理技术,将所述数字高程模型DEM数据与修正后的地表分类图进行融合处理,生成可视化的遥感影像图。
作为本发明的一种可选方案,基于数字高程模型DEM数据对所述地表分类图进行人工修正,包括:参考DEM中的地表高程信息以及遥感影像中地表形状、纹理特征,对未知分类的待分类区域进行人工地表分类,并对计算机自动分类的地表分类进行进一步的人工修正,修正过程包括:修改分类属性,剔除小图斑,修改图斑边界,合并相邻同属性的图斑。
作为本发明的一种可选方案,将遥感影像图附着在影像载体表面,包括:
将遥感影像图转换为灰度图;
基于预设的打印分辨率,确定所设置的最小网格的尺寸,根据所述尺寸对所述灰度图进行加网处理,以得到加网灰度图,其中,每个最小网格中包含一个网点;
基于预设的网点复用扫描方式和预设的曝光迭代公式,确定加网灰度图中每个网点的最终曝光状态;
基于各个网点的最终曝光状态,将加网灰度图印刷在影像载体表面,获得遥感影像图制品。
作为本发明的一种可选方案,所述预设的网点复用扫描方式,包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次扫描最小网格矩阵为Nx*Ny的扫描方式,且在每次扫描后,从上一次所扫描像素的初始扫描列的水平方向移动Mx列进行扫描的扫描方式,或从上一次所扫描像素的初始扫描行的竖直方向移动My行进行扫描的扫描方式依次对加网灰度图进行扫描,以复用上一次所扫描的第Mx列至第Nx列网点,或复用上一次所扫描的第My行至第Ny行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,且Nx>Mx,Ny>My。
作为本发明的一种可选方案,所述预设的网点复用扫描方式,包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次按照图像分辨率进行扫描的扫描方式,且在每次扫描后,从当前所扫描像素的初始扫描列开始扫描且扫描Ny行(Nx+n)列个最小网格数的扫描方式,或从当前所扫描像素的初始扫描行开始扫描且扫描Nx列(Ny+n)行个最小网格数的扫描方式对加网灰度图进行扫描,以复用附近水平方向的n列网点,或复用附近竖直方向的n行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,n≥1。
本发明的有益效果为:
本发明提供了一种遥感影像图制品及其制作方法,其将遥感影像图附着在影像载体表面,使遥感影像图与影像载体的功能结合到一起,可达到广告宣传或装饰性目的,而且能够使遥感影像图制品呈现出多样化的特点。本发明适用于任意的遥感影像图以及任意形状的影像载体,只需通过多样式遥感影像图的变换以及影像载体的改变就可以获得多种不同的遥感影像图制品,其对不同制品的多样化、多彩化、个性化提供了一种新的技术解决手段。
附图说明
图1是本发明具体实施方式中遥感影像图制品的制作方法的示意流程图。
具体实施方式
实施例
本实施例提供了一种遥感影像图制品,包括遥感影像图和影像载体,所述遥感影像图附着在所述影像载体表面。遥感影像图的图面内容要素主要由影像构成,辅助以一定地图符号来表现或说明制图对象,与普通图像相比,遥感影像图具有丰富的地面信息,内容层次分明,图面清晰易读,充分表现出遥感影像图的优势。根据用户的实际需求,可选择不同的遥感影像图和影像载体结合形成遥感影像图制品。
在具体使用时,影像载体可以采用纸张等平面物体,遥感影像图可以先制成成品,然后粘附在影像载体表面。也可以利用照相化学方法、印刷方法、打印方法或者手绘方法在影像载体上表面生成遥感影像图,从而得到遥感影像图制品。
本发明将遥感影像图附着在影像载体表面,使遥感影像图与影像载体的功能结合到一起,可达到广告宣传或装饰性目的,而且能够使遥感影像图制品呈现出多样化的特点。
作为本实施例的一种可选方案,所述遥感影像图通过印刷设备印刷在所述影像载体表面。优选地,所述影像载体为纺织品,如服装和伞面等。影像载体还可以为塑料品或木制品,影像载体表面附着遥感影像图,使遥感影像图制品具有一定的特色。
如图1所示,本实施例还提供了上述遥感影像图制品的制作方法,包括以下步骤:
S100,获取遥感影像图;
其中,获取遥感影像图包括:
S101,获取待处理区域的遥感影像数据,所述遥感影像数据为卫星遥感影像数据或航空摄影测量影像数据;待处理区域的遥感影像数据对应用户所需的遥感影像图,用户可根据实际需求对不同的遥感影像图进行选择。
S102,对所述遥感影像数据进行图形处理,获得遥感图像,其包括图像生成、几何校正、图像增强和图像镶嵌等操作。
S103,对遥感图像中地表覆盖的信息进行自动提取,获得地表分类图,其包括光谱、形状、纹理特征信息。
S104,获取待处理区域的数字高程模型DEM数据。
S105,基于数字高程模型DEM数据对所述地表分类图进行人工修正,其具体包括:参考DEM中的地表高程信息以及遥感影像中地表形状、纹理特征,对未知分类的待分类区域进行人工地表分类,并对计算机自动分类的地表分类进行进一步的人工修正,修正过程包括:修改分类属性,剔除小图斑,修改图斑边界,合并相邻同属性的图斑。
S106,利用DEM数据融合处理技术,将所述数字高程模型DEM数据与修正后的地表分类图进行融合处理,生成可视化的遥感影像图。
目前通过卫星遥感、航空遥感平台获取的遥感影像数据,由于受地物高度影响,尤其在高山地区常常由于地形影响引起遮挡造成不同程度的阴影区,阴影区内真实地貌特点在成像时被完全或部分掩盖,难以对地物进行分辨,导致遥感影像图的精度较低。
本发明将遥感影像图与DEM数据融合处理技术相结合,基于精确的地表分类识别方法,高精度多源数据融合,生成高精度的遥感影像图,适宜于多源、多尺度、多时像遥感影像数据的去阴影与纹理恢复处理,能够比较有效地除去阴影,有助于真实地恢复地物纹理、分辨地物,达到清晰可视的效果。
S200,将遥感影像图附着在影像载体表面,其包括:
S201,将遥感影像图转换为灰度图;在获得遥感影像图后,将该遥感影像图转换为灰度图,则此时可将该灰度图直接转换为被印刷设备识别的位图信息,同时也方便对该灰度图进行相关计算和识别。
S202,基于预设的打印分辨率,确定所设置的最小网格的尺寸,根据所述尺寸对所述灰度图进行加网处理,以得到加网灰度图,其中,每个最小网格中包含一个网点。其中,打印分辨率表示每英寸打印的点数,可根据预设的打印分辨率确定灰度图每英寸所包含的网点数,进一步地,可按照灰度图每英寸所包含的网点数确定每英寸的最小网格的数目,以及最小网格的尺寸;再按照该最小网格的尺寸对灰度图进行加网,使得此时得到的加网灰度图的每个网点的圆心相距的距离相等,即实现对该灰度图进行调幅加网,其中,调幅加网是一种保持网点的空间间隔不变的,用网点的振幅强度表现图像深浅的一种加网方式。
S203,基于预设的网点复用扫描方式和预设的曝光迭代公式,确定加网灰度图中每个网点的最终曝光状态。其中,通过网点复用的扫描方式对加网灰度图进行扫描,使得同一个网点能够参与多个像素的表达,使得在网点复用扫描后能够得到更多的像素或者使得每个像素具有更好的半色调效果;并且,在每次进行网点复用扫描后,采用预设的曝光迭代公式对每个网点的曝光状态进行计算,进而得到各个网点的最优的曝光状态分配方案,最大化的降低印刷的像素点与加网灰度图的像素点之间的色差,获取更精确地和变化更平滑的图像,从而进一步地丰富印刷产品的图像层次和清晰度,使图像表现得更生动。
S204,基于各个网点的最终曝光状态,将加网灰度图印刷在影像载体表面,获得遥感影像图制品。其中,获得加网灰度图中各个网点的最终曝光状态后,根据各个网点的最终曝光状态对加网灰度图进行印刷,可得到具有更优良印刷质量的印刷图像,该印刷图像即为遥感影像图,遥感影像图印刷在载体表面即可得到遥感影像图制品。
在S203中,作为本实施例的一种可选方案,预设的网点复用扫描方式包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次扫描最小网格矩阵为Nx*Ny的扫描方式,且在每次扫描后,从上一次所扫描像素的初始扫描列的水平方向移动Mx列进行扫描的扫描方式,或从上一次所扫描像素的初始扫描行的竖直方向移动My行进行扫描的扫描方式依次对加网灰度图进行扫描,以复用上一次所扫描的第Mx列至第Nx列网点,或复用上一次所扫描的第My行至第Ny行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,且Nx>Mx,Ny>My。
在S203中,作为本实施例的另一种可选方案,预设的网点复用扫描方式包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次按照图像分辨率进行扫描的扫描方式,且在每次扫描后,从当前所扫描像素的初始扫描列开始扫描且扫描Ny行(Nx+n)列个最小网格数的扫描方式,或从当前所扫描像素的初始扫描行开始扫描且扫描Nx列(Ny+n)行个最小网格数的扫描方式对加网灰度图进行扫描,以复用附近水平方向的n列网点,或复用附近竖直方向的n行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,n≥1。
可以理解的是,在该技术方案中,由于图像分辨率所表示的含义为每英寸加网灰度图所包含的像素数,那么可以通过数学计算得到每英寸所能够包含的最小网格的数目,从而可以计算得到每个像素所包含最小网格数,也就是说,每个像素是由最小网格组成的一个网块来表示的;另外,由于每个像素所包含的最小网格数越多,则每个像素的色阶就越大,具体地,像素色阶的取值为一个像素中所包含最小网格数加一。
本发明将遥感影像图附着在影像载体表面的过程中,通过设定的打印分辨率确定每个印刷网点所在的最小网格的尺寸,从而按照该最小网格对灰度图进行加网处理,得到被多个网格划分的加网灰度图;再通过网点复用的扫描方式对加网灰度图进行扫描,使得同一个网点能够参与多个像素的表达;最后结合预设的曝光迭代公式对每个网点的曝光状态进行计算,确保获取更精确地和变化更平滑的图像,从而进一步地丰富印刷产品的图像层次和清晰度,遥感影像图表现得更精细生动,使得遥感影像图制品更加多样化,美观大方。本发明适用于任意的遥感影像图以及任意形状的影像载体,只需通过多样式遥感影像图的变换以及影像载体的改变就可以获得多种不同的遥感影像图制品,其对不同制品的多样化、多彩化、个性化提供了一种新的技术解决手段。
显然,本领域的技术人员应该明白,上述的本发明的各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种遥感影像图制品,其特征在于,包括遥感影像图和影像载体,所述遥感影像图附着在所述影像载体表面。
2.根据权利要求1所述的遥感影像图制品,其特征在于,所述遥感影像图通过印刷设备印刷在所述影像载体表面。
3.根据权利要求1所述的遥感影像图制品,其特征在于,所述影像载体为纺织品。
4.根据权利要求1所述的遥感影像图制品,其特征在于,所述影像载体为塑料品。
5.一种如权利要求1-4任一项所述的遥感影像图制品的制作方法,其特征在于,包括以下步骤:
获取遥感影像图;
将遥感影像图附着在影像载体表面。
6.根据权利要求5所述的遥感影像图制品的制作方法,其特征在于,获取遥感影像图包括:
获取待处理区域的遥感影像数据,所述遥感影像数据为卫星遥感影像数据或航空摄影测量影像数据;
对所述遥感影像数据进行图形处理,获得遥感图像;
对遥感图像中地表覆盖的信息进行自动提取,获得地表分类图;
获取待处理区域的数字高程模型DEM数据;
基于数字高程模型DEM数据对所述地表分类图进行人工修正;
利用DEM数据融合处理技术,将所述数字高程模型DEM数据与修正后的地表分类图进行融合处理,生成可视化的遥感影像图。
7.根据权利要求6所述的遥感影像图制品的制作方法,其特征在于,基于数字高程模型DEM数据对所述地表分类图进行人工修正,包括:参考DEM中的地表高程信息以及遥感影像中地表形状、纹理特征,对未知分类的待分类区域进行人工地表分类,并对计算机自动分类的地表分类进行进一步的人工修正,修正过程包括:修改分类属性,剔除小图斑,修改图斑边界,合并相邻同属性的图斑。
8.根据权利要求5所述的遥感影像图制品的制作方法,其特征在于,将遥感影像图附着在影像载体表面,包括:
将遥感影像图转换为灰度图;
基于预设的打印分辨率,确定所设置的最小网格的尺寸,根据所述尺寸对所述灰度图进行加网处理,以得到加网灰度图,其中,每个最小网格中包含一个网点;
基于预设的网点复用扫描方式和预设的曝光迭代公式,确定加网灰度图中每个网点的最终曝光状态;
基于各个网点的最终曝光状态,将加网灰度图印刷在影像载体表面,获得遥感影像图制品。
9.根据权利要求8所述的遥感影像图制品的制作方法,其特征在于,所述预设的网点复用扫描方式,包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次扫描最小网格矩阵为Nx*Ny的扫描方式,且在每次扫描后,从上一次所扫描像素的初始扫描列的水平方向移动Mx列进行扫描的扫描方式,或从上一次所扫描像素的初始扫描行的竖直方向移动My行进行扫描的扫描方式依次对加网灰度图进行扫描,以复用上一次所扫描的第Mx列至第Nx列网点,或复用上一次所扫描的第My行至第Ny行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,且Nx>Mx,Ny>My。
10.根据权利要求8所述的遥感影像图制品的制作方法,其特征在于,所述预设的网点复用扫描方式,包括:
基于加网灰度图的图像分辨率和最小网格的尺寸,确定灰度图中每个像素所对应的最小网格数;
基于最小网格数确定每个像素所对应的色阶,其中,最小网格数=Nx*Ny时,对应的色阶为Nx*Ny+1;
基于每次按照图像分辨率进行扫描的扫描方式,且在每次扫描后,从当前所扫描像素的初始扫描列开始扫描且扫描Ny行(Nx+n)列个最小网格数的扫描方式,或从当前所扫描像素的初始扫描行开始扫描且扫描Nx列(Ny+n)行个最小网格数的扫描方式对加网灰度图进行扫描,以复用附近水平方向的n列网点,或复用附近竖直方向的n行网点,其中,初始扫描列/行为每个像素的第一列/行最小网格,n≥1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110981889.6A CN113689352A (zh) | 2021-08-25 | 2021-08-25 | 一种遥感影像图制品及其制作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110981889.6A CN113689352A (zh) | 2021-08-25 | 2021-08-25 | 一种遥感影像图制品及其制作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113689352A true CN113689352A (zh) | 2021-11-23 |
Family
ID=78582476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110981889.6A Pending CN113689352A (zh) | 2021-08-25 | 2021-08-25 | 一种遥感影像图制品及其制作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689352A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1636721A (zh) * | 2003-12-22 | 2005-07-13 | 雅马哈株式会社 | 在物体上打印图像图案的系统和方法 |
CN105631810A (zh) * | 2016-01-20 | 2016-06-01 | 北京邮电大学 | 一种基于像素网点复用的印刷方法及系统 |
CN106875481A (zh) * | 2016-12-30 | 2017-06-20 | 航天星图科技(北京)有限公司 | 一种三维可视化遥感影像地表分类模型的制作方法 |
CN112633123A (zh) * | 2020-12-18 | 2021-04-09 | 国网浙江省电力有限公司电力科学研究院 | 一种基于深度学习的异源遥感影像变化检测方法及装置 |
CN113190195A (zh) * | 2021-04-25 | 2021-07-30 | 中国电子科技集团公司第五十四研究所 | 一种大幅遥感影像可视化方法及系统 |
-
2021
- 2021-08-25 CN CN202110981889.6A patent/CN113689352A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1636721A (zh) * | 2003-12-22 | 2005-07-13 | 雅马哈株式会社 | 在物体上打印图像图案的系统和方法 |
CN105631810A (zh) * | 2016-01-20 | 2016-06-01 | 北京邮电大学 | 一种基于像素网点复用的印刷方法及系统 |
CN106875481A (zh) * | 2016-12-30 | 2017-06-20 | 航天星图科技(北京)有限公司 | 一种三维可视化遥感影像地表分类模型的制作方法 |
CN112633123A (zh) * | 2020-12-18 | 2021-04-09 | 国网浙江省电力有限公司电力科学研究院 | 一种基于深度学习的异源遥感影像变化检测方法及装置 |
CN113190195A (zh) * | 2021-04-25 | 2021-07-30 | 中国电子科技集团公司第五十四研究所 | 一种大幅遥感影像可视化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | Fully convolutional networks for multisource building extraction from an open aerial and satellite imagery data set | |
JP3748172B2 (ja) | 画像処理装置 | |
CN106709517B (zh) | 红树林识别方法及系统 | |
CN100533467C (zh) | 图像处理装置、图像形成装置、图像读取装置及图像处理方法 | |
KR100450162B1 (ko) | 화상 처리 장치 및 방법 | |
CN109872278B (zh) | 基于u形网络和生成对抗网络的图像云层移除方法 | |
KR100678395B1 (ko) | 위성영상과 항공영상을 이용한 지리정보 데이터의 실시간위치보정 시스템 및 그 방법 | |
CN103080950A (zh) | 二维码读取器及程序 | |
CN109614513A (zh) | 一种面向区域覆盖的遥感影像数据选取方法和系统 | |
JP4149464B2 (ja) | 画像処理装置 | |
CN112233049B (zh) | 一种用于提升图像清晰度的图像融合方法 | |
CN106446885A (zh) | 纸介盲文识别方法和系统 | |
CN111738969A (zh) | 图像融合方法、装置及计算机可读存储介质 | |
CN112581904A (zh) | 一种oled屏亮度灰阶图像的摩尔纹补偿方法 | |
CN112949602A (zh) | 无人机可见光影像森林类型分类方法 | |
CN112287838A (zh) | 基于静止气象卫星影像序列的云雾自动判识方法及系统 | |
CN112508988A (zh) | 一种遥感影像镶嵌线精确提取方法及装置 | |
CN102842140B (zh) | 图像处理装置以及图像处理方法 | |
JP2014016688A (ja) | 顕著性マップを利用した非写実変換プログラム、装置及び方法 | |
CN106599010B (zh) | 图码搜索法 | |
CN110852176A (zh) | 一种基于Mask-RCNN的高分三号SAR图像道路检测方法 | |
CN113888397A (zh) | 基于无人机遥感和图像处理技术的烟草清塘点株方法 | |
CN113689352A (zh) | 一种遥感影像图制品及其制作方法 | |
CN115223000B (zh) | 面向耕地资源监测的深度学习样本制作方法 | |
JPH07129762A (ja) | 素描風画像生成装置 |
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 |