CN114494082B - 一种基于图像识别的影像地图瓦片图处理方法 - Google Patents
一种基于图像识别的影像地图瓦片图处理方法 Download PDFInfo
- Publication number
- CN114494082B CN114494082B CN202210339987.4A CN202210339987A CN114494082B CN 114494082 B CN114494082 B CN 114494082B CN 202210339987 A CN202210339987 A CN 202210339987A CN 114494082 B CN114494082 B CN 114494082B
- Authority
- CN
- China
- Prior art keywords
- map
- tile
- gray
- image
- extract
- 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
Links
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000006835 compression Effects 0.000 claims abstract description 8
- 238000007906 compression Methods 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims description 55
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 150000001875 compounds Chemical class 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 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
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的影像地图瓦片图处理方法,包括以下步骤:S1、通过GIS平台进行影像图配图,得到瓦片图;S2、根据瓦片图进行量化打分,从而对瓦片图进行分类;S3、将分类的瓦片图进行不同程度的高比压缩,得到最终的瓦片图;本发明更能体现5G网络优势,当前常用256×256瓦片图,单个图片几KB到十几KB,是基于3G、4G网络设计的,几乎体现不出5G网络的通讯优势,而本发明瓦片图单张大约100KB左右,并能减少存储空间及瓦片文件数量,5G网络下效果非常好。
Description
技术领域
本发明属于瓦片图像处理技术领域,具体涉及一种基于图像识别的影像地图瓦片图处理方法。
背景技术
瓦片地图是地理信息系统中地图服务一种。指将一定范围内的地图按照一定的尺寸和格式,按缩放级别或者比例尺,切成若干行和列的正方形栅格图片,对切片后的正方形栅格图片被形象的称为瓦片图(Tile),而用来发布影像地图的瓦片地图就叫做影像地图瓦片图。
瓦片图是采用瓦片地图金字塔实现地图缩放。瓦片地图金字塔模型是一种多分辨率层次模型,从瓦片金字塔的底层到顶层,分辨率越来越低,瓦片图数量越来越少,但表示的地理范围不变;目前影像地图服务采用的瓦片地图通常大小设置为256×256,96dpi,格式为JPG或者PNG。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于图像识别的影像地图瓦片图处理方法解决了处理瓦片图较小且数量大的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于图像识别的影像地图瓦片图处理方法,包括以下步骤:
S1、通过GIS平台进行影像图配图,得到瓦片图;
S2、根据瓦片图进行量化打分,从而对瓦片图进行分类;
S3、将分类的瓦片图进行不同程度的高比压缩,得到最终的瓦片图。
进一步地:所述步骤S1具体为:
通过GIS平台生成瓦片图,所述瓦片图的大小设置为2048×2048,并将所述瓦片图以离散形式储存。
进一步地:所述步骤S2包括以下分步骤:
S21、将瓦片图进行去噪处理,并转换为灰度图;
S22、设置灰度阈值,并计算灰度图的灰度均值;
S23、判断灰度均值是否大于灰度阈值,若是,则令中间系数a=1,并进入步骤S24,否则令中间系数a=0,并跳转步骤S25;
S24、通过识别算法提取灰度图,计算灰度图中所有提取物的复杂度,进而确定灰度图的复杂系数;
S25、根据复杂系数或中间系数对灰度图进行量化评分,并将得分相同灰度图对应的瓦片图分为一类。
上述进一步方案的有益效果为:
上述进一步方案的有益效果为:通过计算灰度均值,可以表示灰度图的目视效果,并可以反映灰度图中所包含的信息,设置灰度阈值筛选出灰度均值较大的灰度图,所述灰度图包含的提取物较多,需要计算其复杂系数。
进一步地:所述步骤S24中,计算灰度图中所有提取物的复杂度表达式具体为:
式中,F k 为提取物k的复杂度,P k 为提取物k的周长,S k 为提取物k的面积。
上述进一步方案的有益效果为:复杂度F用于表示提取物的复杂程度,并且本发明
根据提取物的复杂程度为每个提取物赋予有效数据,灰度图中的提取物的数量越多,则
提取物复杂度越大。灰度图中的提取物地物类型越多,则提取物有效数据越大。
进一步地:所述步骤S24中,确定灰度图的复杂系数G的表达式具体为:
其中,F t+q 为提取物t+q的复杂度,F t-q 为提取物t-q的复杂度,F t 为提取物t的复杂度。
上述进一步方案的有益效果为:通过灰度图影响权重进行修正,使得计算复杂系数越能反映灰度图整体的信息,复杂系数越大表示灰度图包含的提取物信息越多,提取物的轮廓和图像越清楚。
进一步地:所述步骤S25中,对灰度图进行量化评分的方法具体为:通过识别算法提取灰度图,得到提取物的类型总数b,根据瓦片图设置复杂度系数阈值M,判断中间系数a是否为0;
若是,则量化评分R=a;
若否,则当G>M时,令量化评分R=a+1;当G<M时,令量化评分R=a;
且当量化评分R大于10时,令量化评分为10。
进一步地:所述步骤S3具体为:将分类后的瓦片图用优化的WEBP格式进行瓦片图有损压缩,设置压缩后的图像质量=量化评分×10,并设置压缩后的图像质量最大值,当压缩后的图像质量大于图像质量最大值时,令压缩后的图像质量为图像质量最大值,将将所有压缩后的瓦片图作为最终的瓦片图。
本发明的有益效果为:
(1)本发明更能体现5G网络优势,当前常用256×256瓦片图,单个图片几KB到十几KB,是基于3G、4G网络设计的,几乎体现不出5G网络的通讯优势,而本发明瓦片图单张大约100KB左右,并能减少存储空间及瓦片文件数量,5G网络下效果非常好。
(2)本发明会降低瓦片地图服务并发请求数,采用本发明瓦片图处理方法的并发处理能力需求仅为当前常用方式的1/40。
附图说明
图1为本发明的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1:
如图1所示,在本发明的一个实施例中,一种基于图像识别的影像地图瓦片图处理方法,包括以下步骤:
S1、通过GIS平台进行影像图配图,得到瓦片图;
S2、根据瓦片图进行量化打分,从而对瓦片图进行分类;
S3、将分类的瓦片图进行不同程度的高比压缩,得到最终的瓦片图。
所述步骤S1具体为:
通过GIS平台生成瓦片图,所述瓦片图的大小设置为2048×2048,并将所述瓦片图以离散形式储存。
在本实施例中,本发明设置的瓦片图的大小能减少存储空间及瓦片文件数量。目前,为了提高访问速度,通常服务器存储瓦片图会采用直接以离散的图片文件的形式存在硬盘上,单个瓦片比较小,会占用大于本身大小的的存储空间,且不方便迁移、备份。以四川省为例子,天地图18级地图大约会产生2千万张万瓦片图,如果为高清影像会占用大约1TB空间,而本发明仅有约2-3百万张瓦片,是原瓦片数量的1/8,占用大约25GB空间,是原有瓦片的1/40。
本发明更适合前端图像智能识别,在高清影像中256×256瓦片图中地物大概率会被分到1张或几张不同的瓦片,经大量实验得出2048×2048瓦片图更适合采用图像智能识别进行地物自动提取。
所述步骤S2包括以下分步骤:
S21、将瓦片图进行去噪处理,并转换为灰度图;
S22、设置灰度阈值,并计算灰度图的灰度均值;
S23、判断灰度均值是否大于灰度阈值,若是,则令中间系数a=1,并进入步骤S24,否则令中间系数a=0,并跳转步骤S25;
S24、通过识别算法提取灰度图,计算灰度图中所有提取物的复杂度,进而确定灰度图的复杂系数;
S25、根据复杂系数或中间系数对灰度图进行量化评分,并将得分相同灰度图对应的瓦片图分为一类。
在本实施例中,通过计算灰度均值,可以表示灰度图的目视效果,并可以反映灰度图中所包含的信息,设置灰度阈值筛选出灰度均值较大的灰度图,所述灰度图包含的提取物较多,需要计算其复杂系数。
所述步骤S24中,计算灰度图中所有提取物的复杂度表达式具体为:
式中,F k 为提取物k的复杂度,P k 为提取物k的周长,S k 为提取物k的面积。
基于所述提取物的复杂度,计算每个提取物的有效数据;其中提取物t的有效数据a t 的表达式具体为:
式中,t=1,…,N,N为提取物的总数,F t+q 为提取物t+q的复杂度,F t-q 为提取物t-q的复杂度,F t 为提取物t的复杂度;
在本实施例中,复杂度F用于表示提取物的复杂程度,并且本发明根据提取物的复
杂程度为每个提取物赋予有效数据,灰度图中的提取物的数量越多,则提取物复杂度越
大。灰度图中的提取物地物类型越多,则提取物有效数据越大。
所述步骤S24中,确定灰度图的复杂系数G的表达式具体为:
在本实施例中,本发明在计算灰度图的复杂系数过程中,通过灰度图影响权重进行修正,使得计算复杂系数越能反映灰度图整体的信息,复杂系数越大表示灰度图包含的提取物信息越多,提取物的轮廓和图像越清楚。
所述步骤S25中,对灰度图进行量化评分的方法具体为:通过识别算法提取灰度图,得到提取物的类型总数b,根据瓦片图设置复杂度系数阈值M,判断中间系数a是否为0;
若是,则量化评分R=a;
若否,则当G>M时,令量化评分R=a+1;当G<M时,令量化评分R=a;
且当量化评分R大于10时,令量化评分为10。
在本实施例中,本发明设置复杂度系数阈值M,将提取物清晰灰度图对应的瓦片图评分加1。
所述步骤S3具体为:将分类后的瓦片图用优化的WEBP格式进行瓦片图有损压缩,设置压缩后的图像质量=量化评分×10,并设置压缩后的图像质量最大值,当压缩后的图像质量大于图像质量最大值时,令压缩后的图像质量为图像质量最大值,并将压缩后的图像质量默认值设置为80,将将所有压缩后的瓦片图作为最终的瓦片图。经过大量实验获取,该方法进行有损压缩后的影像瓦片图文件大小变成原文件的1/50-1/20,肉眼几乎无法分辨出图像质量变化。
本发明的有益效果为:本发明更能体现5G网络优势,当前常用256×256瓦片图,单个图片几KB到十几KB,是基于3G、4G网络设计的,几乎体现不出5G网络的通讯优势,而本发明瓦片图单张大约100KB左右,并能减少存储空间及瓦片文件数量,5G网络下效果非常好。
本发明会降低瓦片地图服务并发请求数。以PC浏览器浏览地图为例,假设显示分辨率为1920×1080,那么在浏览瓦片影像地图时,单屏需要同时显示大约40张256×256瓦片图,而采用本发明,只需要同时显示1-4张,如果拖动地图浏览会使单屏访问瓦片地图逐渐接近到1张。因此采用本发明瓦片图处理方法的并发处理能力需求仅为当前常用方式的1/40。
在本发明的描述中,需要理解的是,术语“中心”、“厚度”、“上”、“下”、“水平”、“顶”、“底”、“内”、“外”、“径向”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和简化描述,而不是指示或暗示所指的设备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。此外,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或隐含指明的技术特征的数量。因此,限定由“第一”、“第二”、“第三”的特征可以明示或隐含地包括一个或者更多个该特征。
Claims (3)
1.一种基于图像识别的影像地图瓦片图处理方法,其特征在于,包括以下步骤:
S1、通过GIS平台进行影像图配图,得到瓦片图;
S2、根据瓦片图进行量化打分,从而对瓦片图进行分类;
S3、将分类的瓦片图进行不同程度的高比压缩,得到最终的瓦片图;
所述步骤S2包括以下分步骤:
S21、将瓦片图进行去噪处理,并转换为灰度图;
S22、设置灰度阈值,并计算灰度图的灰度均值;
S23、判断灰度均值是否大于灰度阈值,若是,则令中间系数a=1,并进入步骤S24,否则令中间系数a=0,并跳转步骤S25;
S24、通过识别算法提取灰度图,计算灰度图中所有提取物的复杂度,进而确定灰度图的复杂系数;
S25、根据复杂系数或中间系数对灰度图进行量化评分,并将得分相同灰度图对应的瓦片图分为一类;
所述步骤S22中,计算灰度图的灰度均值ρ表达式具体为:
式中,(i,j)为灰度图i行j列的像素位置,m为灰度图的总行数,n为灰度图的总列数,f(i,j)为灰度图(i,j)位置上的灰度值;
所述步骤S24中,计算灰度图中所有提取物的复杂度表达式具体为:
式中,Fk为提取物k的复杂度,Pk为提取物k的周长,Sk为提取物k的面积;
所述步骤S24中,确定灰度图的复杂系数G的表达式具体为:
式中,τ为灰度图影响权值,αt为提取物t的有效数据,其中t=1,…,N,N为提取物的总数,其计算公式具体为:
其中,Ft+q为提取物t+q的复杂度,Ft-q为提取物t-q的复杂度,Ft为提取物t的复杂度;
所述步骤S25中,对灰度图进行量化评分的方法具体为:根据瓦片图设置复杂度系数阈值M,判断中间系数a是否为0;
若是,则量化评分R=a;
若否,则当G>M时,令量化评分R=a+1;当G<M时,令量化评分R=a;
且当量化评分R大于10时,令量化评分为10。
2.根据权利要求1所述的基于图像识别的影像地图瓦片图处理方法,其特征在于,所述步骤S1具体为:
通过GIS平台生成瓦片图,所述瓦片图的大小设置为2048×2048,并将所述瓦片图以离散形式储存。
3.根据权利要求1所述的基于图像识别的影像地图瓦片图处理方法,其特征在于,所述步骤S3具体为:将分类后的瓦片图用优化的WEBP格式进行瓦片图有损压缩,设置压缩后的图像质量=量化评分×10,并设置压缩后的图像质量最大值,当压缩后的图像质量大于图像质量最大值时,令压缩后的图像质量为图像质量最大值,将所有压缩后的瓦片图作为最终的瓦片图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210339987.4A CN114494082B (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别的影像地图瓦片图处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210339987.4A CN114494082B (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别的影像地图瓦片图处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114494082A CN114494082A (zh) | 2022-05-13 |
CN114494082B true CN114494082B (zh) | 2022-07-08 |
Family
ID=81487420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210339987.4A Active CN114494082B (zh) | 2022-04-02 | 2022-04-02 | 一种基于图像识别的影像地图瓦片图处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494082B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259826B1 (en) * | 1997-06-12 | 2001-07-10 | Hewlett-Packard Company | Image processing method and device |
CN104820714A (zh) * | 2015-05-20 | 2015-08-05 | 国家电网公司 | 基于hadoop的海量瓦片小文件存储管理方法 |
CN107301194A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 瓦片式栅格地图的压缩存储及发布方法 |
CN109902135A (zh) * | 2019-02-19 | 2019-06-18 | 武大吉奥信息技术有限公司 | 一种矢量瓦片预处理方法及装置 |
CN111814542A (zh) * | 2020-05-29 | 2020-10-23 | 汉海信息技术(上海)有限公司 | 地理对象的提取方法、装置及电子设备 |
US11274929B1 (en) * | 2017-10-17 | 2022-03-15 | AI Incorporated | Method for constructing a map while performing work |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143289A (zh) * | 2019-12-26 | 2020-05-12 | 四川航天神坤科技有限公司 | 一种地图的瓦片数据处理方法及装置 |
CN111681295B (zh) * | 2020-05-07 | 2023-06-13 | 天津市测绘院有限公司 | 一种基于超分图像重建的瓦片地图切片与服务方法及系统 |
US11768504B2 (en) * | 2020-06-10 | 2023-09-26 | AI Incorporated | Light weight and real time slam for robots |
CN113568995B (zh) * | 2021-05-11 | 2023-08-01 | 数简科技(苏州)有限公司 | 基于检索条件的动态瓦片地图制作方法及瓦片地图系统 |
CN114238772A (zh) * | 2021-12-24 | 2022-03-25 | 韩效遥 | 内容自适应感知的网络地图智能推荐系统 |
-
2022
- 2022-04-02 CN CN202210339987.4A patent/CN114494082B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6259826B1 (en) * | 1997-06-12 | 2001-07-10 | Hewlett-Packard Company | Image processing method and device |
CN104820714A (zh) * | 2015-05-20 | 2015-08-05 | 国家电网公司 | 基于hadoop的海量瓦片小文件存储管理方法 |
CN107301194A (zh) * | 2016-10-09 | 2017-10-27 | 上海炬宏信息技术有限公司 | 瓦片式栅格地图的压缩存储及发布方法 |
US11274929B1 (en) * | 2017-10-17 | 2022-03-15 | AI Incorporated | Method for constructing a map while performing work |
CN109902135A (zh) * | 2019-02-19 | 2019-06-18 | 武大吉奥信息技术有限公司 | 一种矢量瓦片预处理方法及装置 |
CN111814542A (zh) * | 2020-05-29 | 2020-10-23 | 汉海信息技术(上海)有限公司 | 地理对象的提取方法、装置及电子设备 |
Non-Patent Citations (5)
Title |
---|
Arc GIS Server 平台下地图瓦片存储关键技术研究;刘鹏 等;《地理空间信息》;20141031;第12卷(第5期);89-93 * |
Joël van Neerbos 等.Towards a Parallel Topological Watershed: First Results.《HAL open science》.2012,1-13. * |
公共服务电子地图瓦片分类插值重建方法研究;申淑娟 等;《城市勘测》;20131231(第6期);50-53 * |
基于 ArcGIS Engine 无冗余地图瓦片裁切方法的研究;魏磊 等;《测绘与空间地理信息》;20160531;第39卷(第5期);146-148 * |
网络环境中地图瓦片的索引与压缩方法研究;李海亭;《中国博士学位论文全文数据库信息科技辑》;20150515(第(2015)05期);I138-109 * |
Also Published As
Publication number | Publication date |
---|---|
CN114494082A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020221013A1 (zh) | 一种图像处理方法、装置、电子设备以及存储介质 | |
WO2023000159A1 (zh) | 高分辨率遥感影像半监督分类方法、装置、设备及介质 | |
CN109711401B (zh) | 一种基于Faster Rcnn的自然场景图像中的文本检测方法 | |
WO2021146937A1 (zh) | 文字识别方法、文字识别装置和存储介质 | |
CN110334719B (zh) | 一种提取遥感影像中建筑物图像的方法及系统 | |
CN101957991A (zh) | 一种遥感图像配准方法 | |
US20220076459A1 (en) | Image optimization method, apparatus, device and storage medium | |
CN109829074B (zh) | 目标区域正射影像检索方法、存储介质、电子设备 | |
CN112766184A (zh) | 基于多层级特征选择卷积神经网络的遥感目标检测方法 | |
CN113112519A (zh) | 基于感兴趣目标分布的关键帧筛选方法 | |
CN103700110B (zh) | 全自动影像匹配方法 | |
CN115205672A (zh) | 一种基于多尺度区域注意力的遥感建筑物语义分割方法及系统 | |
CN114926826A (zh) | 场景文本检测系统 | |
CN114529773A (zh) | 基于结构单元的表格识别方法、系统、终端及介质 | |
CN116645328A (zh) | 一种高精度轴承套圈表面缺陷智能检测方法 | |
CN110503002B (zh) | 一种人脸检测方法和存储介质 | |
CN114494082B (zh) | 一种基于图像识别的影像地图瓦片图处理方法 | |
CN114419430A (zh) | 一种基于SE-U-Net++模型的耕地地块提取方法及装置 | |
CN113628180A (zh) | 一种基于语义分割网络的遥感建筑物检测方法及系统 | |
CN110223248A (zh) | 一种红外图像细节增强的动态范围压缩方法 | |
CN110276738B (zh) | 一种bmp图像的roi替换处理方法 | |
CN115082778A (zh) | 一种基于多分支学习的宅基地识别方法及系统 | |
CN113971763A (zh) | 一种基于目标检测和超分重建的小目标分割方法和装置 | |
CN111723743A (zh) | 一种小尺度行人快速检测方法 | |
CN111402223A (zh) | 一种利用变电站视频图像的变电站缺陷问题检测方法 |
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 |