CN113989132A - 全自动遥感影像预处理装置 - Google Patents
全自动遥感影像预处理装置 Download PDFInfo
- Publication number
- CN113989132A CN113989132A CN202111101153.1A CN202111101153A CN113989132A CN 113989132 A CN113989132 A CN 113989132A CN 202111101153 A CN202111101153 A CN 202111101153A CN 113989132 A CN113989132 A CN 113989132A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- preprocessing
- remote sensing
- module
- 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
- 238000007781 pre-processing Methods 0.000 title claims abstract description 100
- 238000013500 data storage Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 21
- 230000005855 radiation Effects 0.000 claims description 14
- 238000002310 reflectometry Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 2
- 101150010457 SAS5 gene Proteins 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009365 direct transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种全自动遥感影像预处理装置,该装置包括以下模块:第一获取模块;第二获取模块;遥感平台;数据存储模块;AI中控模块;预处理模块;输出模块;初始化模块。本发明将AI赋能遥感处理全流程,实现自动化模块装配,构建全工序、自动化、定制化的遥感数据预处理装置,实现大规模的影像自动化协同生产,降低了遥感影像预处理中对人工干预的要求,提高了遥感影像预处理的效率。
Description
技术领域
本发明涉及遥感影像处理领域,具体涉及一种全自动遥感影像预处理装置。
背景技术
近年来,随着卫星技术的迅速进步与发展,多颗遥感卫星相继发射。这些遥感卫星全天时的对地观测使得遥感影像数据量飞速增长,满足了各类信息化应用对海量数据的需求,推动了遥感技术的整体发展。遥感卫星在成像时,由于各种因素的影响,相应遥感影像存在一定的几何畸变和辐射量的失真等现象。这些畸变和失真等现象影响了影像的质量和使用。遥感影像预处理作为遥感应用的第一步,也是非常重要的一步,能够有效的减少这些畸变和失真等现象带来的影响。传统遥感数据预处理和生产中工序多。标准的影像生产产品,如数字正射影像图DOM(Digital Orthophoto Map),不能满足多样性的要求,需要定制化的服务来实现多样性。同时,传统作业方式通常采用人工或半自动方式,人工交互多,依赖人为的参与和选择,仍未实现全自动化的处理,因而整体处理效率低。当涉及工作量大的工程时,会耗费大量的人力和时间。需要一种全自动化、定制化、全工序的能高效快速完成预处理任务的装置。
发明内容
本发明提出一种全自动遥感影像预处理装置,能够解决上述现有技术的问题,将AI赋能遥感预处理全流程,构建全工序、自动化、定制化的遥感数据预处理装置,实现大规模的影像自动化协同生产。降低了遥感影像预处理中对人工干预的要求,提高了遥感影像预处理的效率。
本发明实施例提供的一种全自动遥感影像预处理装置,包括:
第一获取模块,用于获取遥感影像数据及定制化任务。获取的遥感影像数据为依据资源卫星中心数据分级的1A级数据,1A级数据为原始数据经数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准处理的影像数据;并提供卫星直传姿轨数据生产的RPC文件;
第二获取模块,用于获取参考影像及预处理流程中所需的辅助数据;
遥感平台,与内部服务器相连接,可检索和调用内部服务器连接的内部数据库中的数据,用于提供遥感影像数据及定制化任务,检索并提供辅助数据;
数据存储模块,用于存储第一获取模块和第二获取模块获取的数据以及预处理模块返回的数据;
AI中控模块,用于根据获取的遥感影像和定制化任务内容生成定制化的预处理流程指令;
预处理模块,由多个预处理单元构成,预处理单元间相互独立,不同的预处理单元负责不同的预处理内容,预处理模块用于接收预处理流程指令并对数据存储模块中的数据进行处理,处理完成后输出数据至数据存储模块,并发送反馈信号至AI中控模块;
其中,预处理单元包括正射校正单元,几何精校正单元,厚云检测单元,辐射校正单元,大气校正单元,影像融合单元,雾检测单元,去雾单元,云填补单元,真彩色转换单元,匀光单元,模板匀色单元,影像筛选单元,镶嵌和裁切单元。定制化任务由影像数据经过的预处理单元类型和预处理单元的运行顺序实现;
输出模块,接收AI中控模块的指令,调用并输出数据存储模块中的数据至遥感平台;
初始化模块,用于对各个模块进行初始化;
其中,AI中控模块一次发送一条指令至预处理模块,待接收到来自预处理模块的反馈信号后,再发送下一条指令;
其中,预处理模块一次分配一条指令至单个预处理单元。当AI 中控模块连续发送指令至同一个预处理单元的次数超过预设值时,生成错误信号,根据错误信号中止预处理流程;
优选的,基于1A级数据,根据定制化的任务可生成定制化预处理影像,包括:
L2D:1A级数据经正射校正生成的影像;
L2E:1A级数据经正射校正、几何精校正,具有地图投影的影像,即2E级数据;
L2F:2E级数据经去厚云处理后的影像,即2F级数据;
L3:2F级数据经过辐射与大气校正,得到反射率影像,即L3数据;
L3A:2F级数据经辐射、大气校正和重投影后的标准反射率影像,即3A级反射率数据;
L3B:3A级反射率数据经影像融合后的高分辨率标准反射率影像,即3B级数据;
L3C:真实星源解译影像,3B级数据经云填补后的影像,即3C 级数据;
L3D:真实星源美化影像,3C级数据经匀光匀色后的影像,即3D 级数据;
L4:经由L3数据经镶嵌与裁切得到;
L4A:L3数据按照行政区划镶嵌裁切的日度更新影像,即4A级数据;
L4B:L3数据按照行政区划镶嵌裁切的月度更新影像,即4B级数据;
L4C:由4A或4B级数据,经匀光匀色得到的影像,即4C级数据;
L4D:虚拟星源解译影像,3C级数据经影像筛选、镶嵌与裁切得到,即4D级数据;
L4E:虚拟星源美化影像,3D数据经影像筛选、镶嵌与裁切得到,即4E级数据。
本发明的有益效果为:本发明提出一种全自动遥感影像预处理装置,将AI赋能遥感预处理全流程,构建全工序、自动化、定制化的遥感数据生产系统,实现大规模的影像自动化协同生产,解决了传统作业方式中,人工交互多,依赖人为的参与和选择,整体处理效率低的问题,降低了遥感影像预处理中对人工干预的要求,提高了遥感影像预处理的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例中一种全自动遥感影像预处理装置的示意图;
图2为本发明实施例中全自动遥感影像预处理装置的定制化预处理流程框图。L0、L1、L2、L3和L4对应的虚线框中的流程分别对应不同级别的影像数据;
图3为本发明装置后台资源分配规则示意图;
图4为本发明实施例中几何校正(L2E)的效果图;
图5(a)-(c)为本发明实施例中去云(L3C)的效果图。图5(a) 为去云前影像去云前;图5(b)云检测;图5(c)为去云后;
图6为本发明实施例中去雾的效果图;
图7为本发明实施例中匀光匀色(L3D)的效果图;
图8为本发明实施例中3C级定制化任务—真实星源解译的效果图;
图9为本发明实施例中3D级定制化任务—真实星源美化的效果图;
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所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的一种全自动遥感影像预处理装置如图1所示,包括:
第一获取模块,用于获取遥感影像数据及定制化任务。获取的遥感影像数据为依据资源卫星中心数据分级的1A级数据,1A级数据为原始数据经数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准处理的影像数据;并提供卫星直传姿轨数据生产的RPC文件;
第二获取模块,用于获取参考影像及预处理流程中所需的辅助数据;
遥感平台,与内部服务器相连接,可检索和调用内部数据库数据,用于提供遥感影像数据及定制化任务,检索并提供辅助数据;
数据存储模块,用于存储第一获取模块和第二获取模块获取的数据以及预处理模块返回的数据;
AI中控模块,用于根据获取的遥感影像和定制化任务内容生成定制化的预处理流程,生成指令;
预处理模块,由多个预处理单元构成,预处理单元间相互独立,不同的预处理单元负责不同的预处理内容,预处理模块用于接收指令并对数据存储模块中的数据进行处理,处理完成后输出数据至数据存储模块,并发送反馈信号至AI中控模块;
其中,预处理单元包括正射校正单元,几何精校正单元,厚云检测单元,辐射校正单元,大气校正单元,影像融合单元,雾检测单元,去雾单元,云填补单元,真彩色转换单元,匀光单元,模板匀色单元,影像筛选单元,镶嵌和裁切单元。定制化任务由影像数据经过的预处理单元类型和预处理单元的运行顺序实现;
输出模块,接收AI中控模块的指令,调用并输出数据存储模块中的数据至遥感平台;
初始化模块,用于对各个模块进行初始化;
其中,AI中控模块一次发送一条指令至预处理模块,待接收到来自预处理模块的反馈信号后,再发送下一条指令;
其中,预处理模块一次分配一条指令至单个预处理单元,同时最多有一个预处理单元运行。当AI中控模块连续发送指令至同一个预处理单元的次数超过预设值时,返回错误信号,流程中止;
优选的,根据定制化的任务可生成定制化预处理影像如图2所示,包括:
L2D:1A级数据经正射校正生成的影像;
L2E:1A级数据经正射校正、几何精校正,具有地图投影的影像,即2E级数据,本实施例中效果如图4所示;
L2F:2E级数据经去厚云处理后的影像,即2F级数据;
L3:反射率影像,即经过了辐射与大气校正后的影像,即L3级数据;
L3A:2F级数据经辐射、大气校正和重投影后的标准反射率影像,即3A级反射率数据;
L3B:3A级反射率数据经影像融合后的高分辨率标准反射率影像,即3B级数据;
L3C:真实星源解译影像,3B级数据经云填补后的影像,即3C 级数据,本实施例中如图8所示,去云效果如图5(a)-(c)所示;
L3D:真实星源美化影像,3C级数据经匀光匀色后的影像,即3D 级数据,本实施例中如图9所示,匀光匀色效果如图7所示;
L4:经由L3数据经镶嵌与裁切得到;
L4A:按照行政区划镶嵌裁切的日度更新影像,即4A级数据;
L4B:按照行政区划镶嵌裁切的月度更新影像,即4B级数据;
L4C:由4A或4B级数据,经匀光匀色得到的影像,即4C级数据;
L4D:虚拟星源解译影像,由3C数据,经影像筛选、镶嵌与裁切得到,即4D级数据,去雾效果如图6所示;
L4E:虚拟星源美化影像,由3D数据,经影像筛选、镶嵌与裁切得到,即4E级数据。
本发明一实施例中,定制化任务为3C级真实星源解译,任务流程为:正射校正,几何精校正,厚云检测,辐射校正,大气校正,影像融合和云填补,效果图如图8。具体实施流程如下:
遥感平台提供1A级遥感影像数据及3C级真实星源解译任务,经由第一获取模块发送至数据存储模块并存储;
数据存储模块将任务发送至AI中控模块;
AI中控模块分析任务,生成指令,指令经过数据存储模块发回至第二获取模块;
第二获取模块根据指令获取预处理所需辅助数据,如云填补中所需的参考影像,将辅助数据发送至数据存储模块;
数据存储模块待接收到辅助数据后,发送反馈信号至AI中控模块;
AI中控模块发送正射校正指令至预处理模块,预处理模块从数据存储模块调动遥感影像数据,将遥感影像数据和指令分配给正射校正单元;
正射校正单元对影像进行正射校正,完成后,预处理模块释放遥感影像数据并发送反馈信号至AI中控模块;
AI中控模块接收到反馈信号后,继续发送几何精校正指令至预处理模块,预处理模块从数据存储模块调动遥感影像数据,将遥感影像数据和指令分配给几何精校正单元;
AI中控模块依次将指令发送至预处理模块并分配给相应预处理单元,直到最后的预处理流程处理完毕,即当接收到云填补单元发回的结束反馈信号后,AI中控模块发送输出指令至输出模块;
输出模块调用数据存储模块,输出遥感影像数据至遥感平台;
初始化模块对各个模块进行初始化设置,全流程结束。
本发明实施例中,几何精度达到了平原地区优于1个像素,丘陵地区2-3个像素。一景GF1数据时间约35分钟。
本发明实施例中服务器配置为:
CPU服务器:数量3,CPU逻辑内核数>=32不小于2.60GHz算力,内存8*32G DDR4,硬盘ssd盘2*600G(系统盘),data盘sas5*2T (数据盘根据具体存储数据量分配),raid卡支持多raid配置,网卡万兆网>1,电源1+1冗余配置;
GPU服务器:数量6,CPU逻辑内核数>=32不小于2.60GHz算力,内存8*32G DDR4,硬盘ssd盘2*600G(系统盘),data盘sas5*2T (数据盘根据具体存储数据量分配),raid卡支持多raid配置,显卡16个NVIDIA TITAN RTX5000,网卡万兆网>1,电源1+1冗余配置;
本发明实施例中后台资源分配规则如图3所示,为根据释放的顺序来确定分配的资源的位置,保证“释放后剩余资源最多的优先被分配”的原则来分配;
本发明的有益效果为:本发明提出一种全自动遥感影像预处理装置,将AI赋能遥感预处理全流程,构建全工序、自动化、定制化的遥感数据生产系统,实现大规模的影像自动化协同生产,解决了传统作业方式中,人工交互多,依赖人为的参与和选择,整体处理效率低的问题,降低了遥感影像预处理中对人工干预的要求,提高了遥感影像预处理的效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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;
名词解释
DOM:Digital Orthophoto Map,数字正射影像图;
AI:Artificial Intelligence,人工智能;
CPU:Central Processing Unit,中央处理器;
GPU:Graphics Processing Unit,图形处理器;
RPC:Remote Procedure Call,远程过程调用;
MTFC:Modulation Transfer Function Compensation,调制传递函数补偿;
CCD:Charge-Coupled Devices,电荷耦合检测器。
Claims (10)
1.一种全自动遥感影像预处理装置,其特征在于,包括:
第一获取模块,用于获取遥感影像数据及定制化任务;
第二获取模块,用于获取辅助数据;
遥感平台,用于提供遥感影像数据及定制化任务,检索并提供辅助数据;
数据存储模块,用于存储第一获取模块和第二获取模块获取的数据以及预处理模块返回的数据;
AI中控模块,用于根据获取的遥感影像和定制化任务内容生成定制化的预处理流程指令;
预处理模块,用于接收预处理流程指令并对数据存储模块中的数据进行处理,处理完成后输出数据至数据存储模块,并发送反馈信号至AI中控模块;
输出模块,接收AI中控模块的指令,调用并输出数据存储模块中的数据;
初始化模块,用于对各个模块进行初始化。
2.根据权利要求1所述的全自动遥感影像预处理装置,其特征在于,AI中控模块一次发送一条指令至预处理模块,待接收到来自预处理模块的反馈信号后,再发送下一条指令。
3.根据权利要求1所述的全自动遥感影像预处理装置,其特征在于,预处理模块由多个预处理单元构成,预处理单元间相互独立,不同的预处理单元负责不同的预处理内容;
预处理模块一次分配一条指令至单个预处理单元。
4.根据权利要求3所述的全自动遥感影像预处理装置,其特征在于,预处理单元包括正射校正单元,几何精校正单元,厚云检测单元,辐射校正单元,大气校正单元,影像融合单元,雾检测单元,去雾单元,云填补单元,真彩色转换单元,匀光单元,模板匀色单元,影像筛选单元,镶嵌和裁切单元。
5.根据权利要求1所述的全自动遥感影像预处理装置,其特征在于,所述遥感影像数据包括依据资源卫星中心数据分级的1A级数据。
6.根据权利要求5所述的全自动遥感影像预处理装置,其特征在于,所述1A级数据包括原始数据经数据解析、均一化辐射校正、去噪、MTFC、CCD拼接、波段配准处理的影像数据。
7.根据权利要求6所述的全自动遥感影像预处理装置,其特征在于,所述1A级数据还包括卫星直传姿轨数据生产的RPC文件。
8.根据权利要求5所述的全自动遥感影像预处理装置,其特征在于,所述预处理模块,还用于:
L2D:1A级数据经正射校正生成的影像;
L2E:1A级数据经正射校正、几何精校正,具有地图投影的影像,即2E级数据;
L2F:2E级数据经去厚云处理后的影像,即2F级数据;
L3:2F级数据经过辐射与大气校正,得到反射率影像,即L3数据;
L3A:2F级数据经辐射、大气校正和重投影后的标准反射率影像,即3A级反射率数据;
L3B:3A级反射率数据经影像融合后的高分辨率标准反射率影像,即3B级数据;
L3C:真实星源解译影像,3B级数据经云填补后的影像,即3C级数据;
L3D:真实星源美化影像,3C级数据经匀光匀色后的影像,即3D级数据;
L4:经由L3数据经镶嵌与裁切得到;
L4A:L3数据按照行政区划镶嵌裁切的日度更新影像,即4A级数据;
L4B:L3数据按照行政区划镶嵌裁切的月度更新影像,即4B级数据;
L4C:由4A或4B级数据,经匀光匀色得到的影像,即4C级数据;
L4D:虚拟星源解译影像,3C级数据经影像筛选、镶嵌与裁切得到,即4D级数据;
L4E:虚拟星源美化影像,3D数据经影像筛选、镶嵌与裁切得到,即4E级数据。
9.根据权利要求1至8中任一项所述的全自动遥感影像预处理装置,其特征在于,AI中控模块,还用于连续发送预处理流程指令至预处理模块中同一预处理单元的次数超过预设值时,生成错误信号,根据错误信号中止预处理流程。
10.根据权利要求1至8中任一项所述的全自动遥感影像预处理装置,其特征在于,遥感平台,与内部服务器相连接,还用于检索和调用与内部服务器连接的内部数据库中的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101153.1A CN113989132A (zh) | 2021-09-18 | 2021-09-18 | 全自动遥感影像预处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101153.1A CN113989132A (zh) | 2021-09-18 | 2021-09-18 | 全自动遥感影像预处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989132A true CN113989132A (zh) | 2022-01-28 |
Family
ID=79736117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101153.1A Pending CN113989132A (zh) | 2021-09-18 | 2021-09-18 | 全自动遥感影像预处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989132A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294705A (zh) * | 2016-08-08 | 2017-01-04 | 长安大学 | 一种批量遥感影像预处理方法 |
CN110717960A (zh) * | 2019-10-22 | 2020-01-21 | 北京建筑大学 | 一种建筑垃圾遥感图像样本的生成方法 |
CN111079807A (zh) * | 2019-12-05 | 2020-04-28 | 二十一世纪空间技术应用股份有限公司 | 一种地物分类方法及装置 |
KR102267766B1 (ko) * | 2020-06-19 | 2021-06-23 | 한국항공우주연구원 | 위성 영상 기하보정 시스템 및 그 방법 |
CN113297902A (zh) * | 2021-04-14 | 2021-08-24 | 中国科学院计算机网络信息中心 | 一种基于众包模式在线标注遥感影像生成样本数据集的方法和装置 |
-
2021
- 2021-09-18 CN CN202111101153.1A patent/CN113989132A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294705A (zh) * | 2016-08-08 | 2017-01-04 | 长安大学 | 一种批量遥感影像预处理方法 |
CN110717960A (zh) * | 2019-10-22 | 2020-01-21 | 北京建筑大学 | 一种建筑垃圾遥感图像样本的生成方法 |
CN111079807A (zh) * | 2019-12-05 | 2020-04-28 | 二十一世纪空间技术应用股份有限公司 | 一种地物分类方法及装置 |
KR102267766B1 (ko) * | 2020-06-19 | 2021-06-23 | 한국항공우주연구원 | 위성 영상 기하보정 시스템 및 그 방법 |
CN113297902A (zh) * | 2021-04-14 | 2021-08-24 | 中国科学院计算机网络信息中心 | 一种基于众包模式在线标注遥感影像生成样本数据集的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8605081B2 (en) | Converting 3D data to hogel data | |
CN110751712A (zh) | 基于云平台的在线三维渲染技术及系统 | |
Merritt et al. | Raster3D Version 2.0. A program for photorealistic molecular graphics | |
CN110795858B (zh) | 家装设计图纸的生成方法和装置 | |
DE102019135639A1 (de) | Auf Echtzeit-Strahlverfolgung (RTRT) basierende adaptive Mehrfrequenzschattierung (AMFS) | |
CN110012279A (zh) | 基于3d点云数据的分视角压缩和传输方法及系统 | |
JPH0635999A (ja) | 画像編集処理システムおよび画像編集処理装置 | |
CN103310443A (zh) | 高分辨率遥感影像快速处理方法及系统 | |
DE102021207678A1 (de) | Streamen eines komprimierten lichtfelds | |
CN102375978A (zh) | 处理图像的方法和设备 | |
US20230401763A1 (en) | Image Generation Method and Apparatus | |
CN106454402A (zh) | 转码任务调度方法和装置 | |
CN110852980A (zh) | 交互式图像填充方法及系统、服务器、设备及介质 | |
DE102021127982A1 (de) | Streaming eines lichtfeldes mit verlustfreier oder verlustbehafteter kompression | |
CN110232338A (zh) | 基于二值神经网络的轻量化Web AR识别方法及系统 | |
CN113593027A (zh) | 一种三维航电显控界面装置 | |
CN113989132A (zh) | 全自动遥感影像预处理装置 | |
CN110415324A (zh) | 一种基于云端渲染的方法 | |
CN109919218A (zh) | 混合连接的多任务fcn模型系统 | |
CN117710549A (zh) | 渲染方法及设备 | |
CN113112441A (zh) | 基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法 | |
CN117036546A (zh) | 图片生成方法及装置、存储介质、计算设备 | |
CN110493242B (zh) | 基于WGAN-GP和U-net改进的图像增强的方法、装置及存储介质 | |
CN109685088A (zh) | 基于云端分离卷积神经网络的窄带通信智能图像分析系统 | |
WO2023160041A1 (zh) | 图像渲染方法、装置、计算机设备、计算机可读存储介质以及计算机程序产品 |
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 |