CN114648627A - 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 - Google Patents
一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 Download PDFInfo
- Publication number
- CN114648627A CN114648627A CN202210321967.4A CN202210321967A CN114648627A CN 114648627 A CN114648627 A CN 114648627A CN 202210321967 A CN202210321967 A CN 202210321967A CN 114648627 A CN114648627 A CN 114648627A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- image
- arid
- value
- processed
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法及系统,具体该方法包括步骤一:对采集的光学遥感影像进行预处理,得到各波段地表反射率影像;步骤二:计算得到归一化植被指数,进而基于植被指数计算得到待处理区域的植被覆盖度;步骤三:构建植被覆盖度判断模型;步骤四:结合植被覆盖度判断模型,按可变窗口搜索低植被覆盖区对应待处理影像像元均值作为高植被覆盖区对应的各待处理中心像元值,得到待处理图像对应的植被信息抑制结果图像。本发明实现了干旱半干旱区光学遥感影像的植被信息抑制,解决了现有技术方法在去除影像植被信息干扰中对先验知识、野外数据采集工作的要求,提高了影像植被信息抑制结果的可靠性。
Description
技术领域
本发明属于遥感信息提取和数字图像处理领域,涉及对干旱半干旱区多光谱或高光谱各波段遥感影像的植被信息抑制,具体涉及一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法及系统。
背景技术
在遥感基础地质以及土壤特性定量反演领域,光学遥感已成为其中重要的数据来源之一。随着遥感传感器及其成像技术的发展,不同平台、不同传感器的光学遥感数据越来越多,其获取便捷、成像质量高、波段信息丰富等优势能为基础地质、土壤特性等领域的研究提供丰富、可靠的数据支撑。
去除植被信息干扰是遥感地质、土壤特性等遥感应用研究领域的重要前提问题。目前,国内外学者已经提出多种针对光学影像的植被信息抑制方法,从而更好地实现岩石、土壤等光谱信息的提取,进而开展基础地质和土壤特性等相关研究,主要包括基于混合像元分解的植被抑制技术、基于多种植被指数的主成分分析、软落叶技术等。其中,混合像元分解法需要足够的光谱数据处理先验知识,且需要野外实地采集光谱数据,处理卫星光学影像受到限制;植被指数主成分分析处理过程繁琐、工作量大;软落叶技术则只能针对特定信息进行增强。此外,近年来有诸多学者对抑制-掩膜-强迫不变-直方图均衡化的植被抑制方法进行探究和改进,该方法主要通过统计拟合植被指数和各波段反射率的散点图,进而通过散点图拟合曲线的分段均值平化实现植被抑制,然而这种基于二维曲线的处理方法不能充分利用影像像元间的空间位置关系,难以获得可靠的植被抑制结果。
植被信息抑制对于遥感地质、土壤特性等领域的研究至关重要,便捷、高效、可靠的植被抑制处理将为后续研究奠定良好的数据基础。针对抑制-掩膜-强迫不变-直方图均衡化方法的缺陷,结合干旱半干旱区稀疏且不均匀的植被覆盖条件,依据各波段影像低植被覆盖区像元反射率进行高植被覆盖区影像滤波的方法而非对二维曲线的滤波实现该类区域的植被信息抑制,处理过程能充分利用各像元间的空间位置关系,获得更加可观的植被抑制结果。
发明内容
针对上述现有光学影像植被信息抑制方法的局限性,本发明的目的在于提供一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法及系统,一方面摆脱现有光学遥感影像植被信息抑制技术对光谱数据处理经验、野外实测光谱工作的较高要求,另一方面解决现有方法对影像空间信息利用不充分、抑制结果可靠性较低的问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
一种干旱半干旱区光学遥感影像植被信息抑制方法,所述的方法为:
步骤一:采集需要进行植被抑制处理的干旱半干旱区光学遥感影像,对采集的光学各波段遥感影像进行预处理,得到不同波段的地表反射率影像;
步骤二:采用预处理后的红光和近红外波段影像计算得到归一化植被指数,进而基于植被指数计算得到待处理区域的植被覆盖度;
步骤三:构建植被覆盖度判断模型,依据指定植被覆盖度阈值划分为低、高植被覆盖区;
步骤四:结合植被覆盖度判断模型,以高植被覆盖区对应的待处理像元为中心,按设定步长窗口搜索低植被覆盖区,直至窗口内低植被覆盖区对应像素个数达到设定数目时,将低植被覆盖区对应待处理影像像元均值作为高植被覆盖区对应的各待处理中心像元值,得到待处理图像对应的植被信息抑制结果图像。
进一步,步骤一中对采集的光学各波段遥感影像进行预处理包括:
对采集的光学原始影像依次进行辐射定标、大气校正、正射校正,投影转换到目标坐标系,得到预处理后的各波段地表反射率影像;
所述的光学遥感影像可以是由不同平台、不同传感器获取的多光谱、高光谱影像。
所述的步骤二中植被指数计算方式如下:
其中:RNIR、RR分别表示近红外、红光波段光谱反射率。
所述的步骤二中植被覆盖度计算方式如下:
其中,NDVImin为取置信区间的最小值时,对应的植被指数,NDVImax为取置信区间的最大值时,对应的植被指数。
所述的步骤三中植被覆盖度判断模型为0-1矩阵,依据指定植被覆盖度阈值划分低、高植被覆盖区,构造得到0-1矩阵,其中0值区对应高植被覆盖区,1值区对应低植被覆盖区。
更详尽地,本发明的步骤四为:
参照植被覆盖度判断模型0-1矩阵,逐像素处理0值区对应的各光谱波段影像像元,以此作为待处理中心像元,按设定步长的方形窗口搜索对应0-1矩阵的1值,直至窗口内1值像素个数达到指定数目,将1值对应待处理影像像元均值作为0值对应的各待处理中心像元值,从而得到待处理图像对应的植被信息抑制结果图像。
步骤四还具体包括:
步骤4.1,移动窗口搜索低植被覆盖区像元:
逐像元处理0-1矩阵0值区对应各波段影像像元,1值区对应影像区域不做处理,以0值区各待处理像元为中心,使用3×3窗口对0-1矩阵进行初始搜索,窗口边长增加步长为2,直至搜索窗口中的1值像元数目不少于指定数目m2,记录以各待处理像元为中心搜索得到的1值像元在待处理影像中的对应位置;
步骤4.2,高植被覆盖区像元均值滤波:
计算步骤4.1中以各待处理像元为中心搜索得到的1值像元对应待处理影像的像元均值,得到各待处理像元均值滤波后的像元值;
步骤4.3,生成植被抑制结果影像:
由0-1矩阵中0值区对应待处理影像处理后的结果与1值区对应待处理影像的原始像元共同构成各波段影像植被信息抑制的结果图像。
本发明还公开了一种干旱半干旱区光学遥感影像植被信息抑制方法的信息系统,包括影像加载及预处理模块,其特征在于还包括:植被覆盖度估算模块、植被信息抑制模块,影像加载及预处理模块、植被覆盖度估算模块和植被信息抑制模块依次相连,
所述的影像加载及预处理模块用于采集需要进行植被抑制处理的干旱半干旱区光学遥感影像,对采集的光学各波段遥感影像进行预处理,得到不同波段的地表反射率影像;
所述的植被覆盖度估算模块用于通过归一化处理,得到基于植被指数计算得到待处理区域的植被覆盖度;
所述的植被信息抑制模块用于实现基于低植被覆盖区影像均值滤波的植被信息抑制。
此外,本发明还可以是一种电子设备,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行本发明的所述的干旱半干旱区光学遥感影像植被信息抑制方法。
同时,本发明还可以是一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时,实现本发明上述技术方案的干旱半干旱区光学遥感影像植被信息抑制方法。
本发明与现有技术相比,具有如下技术效果:
(Ⅰ)本发明提供了一种有效的干旱半干旱区光学遥感影像植被信息抑制方法,打破某些现有算法对光谱数据丰富的处理经验及野外大量实测光谱数据采集工作的要求,具有更加良好的可操作性。
(Ⅱ)本发明所提出的植被信息抑制方法面向影像滤波,通过大小可变的移动窗口对邻近非植被区的像元进行搜索,能充分利用高植被覆盖区的邻近像元反射率信息,从而解决现有技术方法对影像空间信息利用不充分、植被抑制结果可靠性不足的问题。
附图说明
图1为本发明的光学遥感影像植被信息抑制方法流程图;
图2为待处理区域植被覆盖度图像;
图3为待处理区域构造所得0-1矩阵图像;
图4为植被抑制处理过程原理示意图;
图5为植被抑制前Landsat 8三波段RGB组合图像;
图6为抑制-掩膜-强迫不变-直方图均衡化方法处理后Landsat 8三波段RGB组合图像;
图7为本发明方法植被抑制后Landsat 8三波段RGB组合图像。
具体实施方式
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
光学影像可以是来自不同平台、不同传感器的多光谱或高光谱影像,以及不同传感器、不同波段的光学组合影像。
待处理的光学影像需包含能够用于计算植被覆盖度的红光、近红外波段影像数据。
实施例1:
一种基于影像滤波的干旱半干旱区光学遥感影像植被信息抑制方法,所述的方法为:
步骤一:采集需要进行植被抑制处理的干旱半干旱区光学遥感影像,对采集的光学各波段遥感影像进行预处理,得到不同波段的地表反射率影像;
本次实例所用影像为2020年6月份的内蒙古多伦县典型干旱半干旱区Landsat 8数据的红光、近红外、短波红外三个波段影像数据,待处理影像大小为4438×3716,区内植被覆盖稀疏且不均匀,满足本发明所提方法对待处理区域地理环境条件的适用性要求。
光学遥感影像预处理:
对采集的Landsat 8数据的红光、近红外、短波红外三个波段影像依次进行辐射定标、大气校正、正射校正,得到WGS-84坐标系、UTM投影的预处理后的各波段地表反射率数据;
步骤二:采用预处理后的红光和近红外波段影像计算得到归一化植被指数,进而基于植被指数计算得到待处理区域的植被覆盖度;
步骤2.1,植被指数计算:
采用预处理后的Landsat 8的红光、近红外波段反射率影像计算得到待处理区域的归一化植被指数NDVI图像,计算见公式1;
(公式1)中,RNIR、RR分别表示近红外、红光波段光谱反射率。
步骤2.2,植被覆盖度估算:
取5%-95%置信度范围内的NDVI进行植被覆盖度估算,通过统计步骤2.1中NDVI图像的累计概率分布,取5%处对应的NDVI值0.1619为最小值NDVImin,95%处对应的NDVI值0.4334为最大值NDVImax,将各像元NDVI值与NDVImin的差值除以NDVImax与NDVImin的差值的结果作为各像元的植被覆盖度,如公式2所示。待处理区域植被覆盖度图像如图2所示。
步骤三:依据指定植被覆盖度阈值划分低、高植被覆盖区,构造得到0-1矩阵,其中0值区对应高植被覆盖区,1值区对应低植被覆盖区;
步骤3.1,构造0-1矩阵:
依据植被覆盖度阈值m1为60%构造植被覆盖度判断模型0-1矩阵,植被覆盖度大于60%的高植被覆盖区赋值为0,小于等于60%的低植被覆盖区赋值为1,待处理区域0-1矩阵如图3所示。
步骤四:参照0-1矩阵逐像素处理0值区对应的红光、近红外、短波红外三个波段影像像元,以待处理像元为中心,按步长为2的方形窗口搜索对应0-1矩阵的1值,直至窗口内1值像素个数达到指定数目,由搜索到的1值区对应待处理影像像元均值滤波处理搜索窗口中心像元的像素值,得到待处理图像对应的植被信息抑制结果图像。图4为植被抑制处理过程原理示意图。
步骤4.1,移动窗口搜索低植被覆盖区像元:
逐像元处理0-1矩阵0值区对应各波段影像像元,1值区对应影像区域不做处理,以0值区各待处理像元为中心,使用3×3窗口对0-1矩阵进行初始搜索,窗口边长增加步长为2,直至搜索窗口中1值像元数目不少于m2个,即可停止针对当前中心像元的窗口搜索,实施例中m2取1,记录以各待处理像元为中心搜索得到的1值像元在待处理影像中的对应位置,以其他0值像元为中心、采用同样的可变窗口搜索记录1值像元位置;
步骤4.2,高植被覆盖区像元均值滤波:
计算步骤4.1中以各待处理像元为中心搜索得到的1值像元对应待处理影像的像元均值,得到各待处理像元均值滤波后的像元值;
(公式3)中,R0process为当前待处理0值像元位置均值滤波处理后的光谱反射率;n表示以当前0值像元为中心,移动可变窗口搜索到的1值像元个数,n为大于等于m2的最小整数;R1i为以当前0值像元为中心,移动可变窗口搜索到的第i个1值区像元对应的原始波段影像光谱反射率。
步骤4.3,生成植被抑制结果影像:
由0-1矩阵中0值区对应影像均值滤波处理后的结果、1值区对应待处理影像的原始像元值共同构成各波段影像植被信息抑制后的结果图像。为了更好地说明本发明所提植被抑制方法的可靠性,图5给出了植被抑制前Landsat 8短波红外、近红外、红光波段突出显示植被的RGB组合影像,图6、图7分别给出了抑制-掩膜-强迫不变-直方图均衡化方法处理后Landsat 8三波段RGB组合图像以及本发明方法植被抑制后Landsat 8三波段RGB组合图像,两种方法的处理区域均为植被覆盖度达60%以上的高植被覆盖区。
基于本发明的整体技术方案,本发明还公开了一种干旱半干旱区光学遥感影像植被信息抑制系统,所述的植被信息抑制系统包括影像加载及预处理模块、植被覆盖度估算模块、植被信息抑制模块;
所述的影像加载及预处理模块用于加载待处理的多光谱或高光谱影像,并用于执行光学影像预处理;
所述的植被覆盖度估算模块用于执行基于归一化植被指数的植被覆盖度估算;
所述的植被信息抑制模块用于执行基于低植被覆盖区影像均值滤波的高植被覆盖区的植被信息抑制。
由图5、图6、图7植被抑制前后突出显示植被的对比图可知,图5原始三波段RGB组合图像中绿色植被信息明显,经过已有抑制-掩膜-强迫不变-直方图均衡化方法的处理,图6绿色植被信息得到一定程度的抑制,但仍有部分植被信息难以去除;而经过本发明方法的处理,图7中全区域的植被信息相比图5得到了有效抑制,且原来的高植被覆盖区与周边区域具备了良好的同质性,其处理结果可为遥感地质、土壤特性等有遥感影像植被信息抑制需求的领域研究提供良好的数据支撑。实施例表明,本发明内容在内蒙古多伦县典型干旱半干旱区的光学遥感植被信息抑制中表现出良好的适用性。
本发明还提供了一种电子设备,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行本发明的干旱半干旱区光学遥感影像植被信息抑制方法。
同时,本发明所保护的产品还可以是一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时,实现本发明的干旱半干旱区光学遥感影像植被信息抑制方法。
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、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、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系统。
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系统的制造品,该指令系统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。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种干旱半干旱区光学遥感影像植被信息抑制方法,其特征在于,所述的方法为:
步骤一:采集需要进行植被抑制处理的干旱半干旱区光学遥感影像,对采集的光学各波段遥感影像进行预处理,得到不同波段的地表反射率影像;
步骤二:采用预处理后的红光和近红外波段影像计算得到归一化植被指数,进而基于植被指数计算得到待处理区域的植被覆盖度;
步骤三:构建植被覆盖度判断模型,依据指定植被覆盖度阈值划分为低、高植被覆盖区;
步骤四:结合植被覆盖度判断模型,以高植被覆盖区对应的待处理像元为中心,按设定步长窗口搜索低植被覆盖区,直至窗口内低植被覆盖区对应像素个数达到设定数目时,将低植被覆盖区对应待处理影像像元均值作为高植被覆盖区对应的各待处理中心像元值,得到待处理图像对应的植被信息抑制结果图像。
2.如权利要求1所述的干旱半干旱区光学遥感影像植被信息抑制方法,其特征在于,所述的步骤一中对采集的光学各波段遥感影像进行预处理包括:
对采集的光学原始影像依次进行辐射定标、大气校正、正射校正,投影转换到目标坐标系,得到预处理后的各波段地表反射率影像;
所述的光学遥感影像可以是由不同平台、不同传感器获取的多光谱、高光谱影像。
5.如权利要求1所述的干旱半干旱区光学遥感影像植被信息抑制方法,其特征在于,所述的步骤三中植被覆盖度判断模型为0-1矩阵,依据指定植被覆盖度阈值划分低、高植被覆盖区,构造得到0-1矩阵,其中0值区对应高植被覆盖区,1值区对应低植被覆盖区。
6.如权利要求5所述的干旱半干旱区光学遥感影像植被信息抑制方法,其特征在于,所述的步骤四为:
参照植被覆盖度判断模型0-1矩阵,逐像素处理0值区对应的各光谱波段影像像元,以此作为待处理中心像元,按设定步长的方形窗口搜索对应0-1矩阵的1值,直至窗口内1值像素个数达到指定数目,将1值对应待处理影像像元均值作为0值对应的各待处理中心像元值,从而得到待处理图像对应的植被信息抑制结果图像。
7.如权利要求6所述的干旱半干旱区光学遥感影像植被信息抑制方法,其特征在于,所述的步骤四具体包括:
步骤4.1,移动窗口搜索低植被覆盖区像元:
逐像元处理0-1矩阵0值区对应各波段影像像元,1值区对应影像区域不做处理,以0值区各待处理像元为中心,使用3×3窗口对0-1矩阵进行初始搜索,窗口边长增加步长为2,直至搜索窗口中的1值像元数目不少于指定数目m2,记录以各待处理像元为中心搜索得到的1值像元在待处理影像中的对应位置;
步骤4.2,高植被覆盖区像元均值滤波:
计算步骤4.1中以各待处理像元为中心搜索得到的1值像元对应待处理影像的像元均值,得到各待处理像元均值滤波后的像元值;
步骤4.3,生成植被抑制结果影像:
由0-1矩阵中0值区对应待处理影像处理后的结果与1值区对应待处理影像的原始像元共同构成各波段影像植被信息抑制的结果图像。
8.一种实现如权利要求1-7所述的干旱半干旱区光学遥感影像植被信息抑制方法的信息系统,包括影像加载及预处理模块,其特征在于还包括:植被覆盖度估算模块、植被信息抑制模块,影像加载及预处理模块、植被覆盖度估算模块和植被信息抑制模块依次相连,
所述的影像加载及预处理模块用于采集需要进行植被抑制处理的干旱半干旱区光学遥感影像,对采集的光学各波段遥感影像进行预处理,得到不同波段的地表反射率影像;
所述的植被覆盖度估算模块用于通过归一化处理,得到基于植被指数计算得到待处理区域的植被覆盖度;
所述的植被信息抑制模块用于实现基于低植被覆盖区影像均值滤波的植被信息抑制。
9.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求中1-7任一项所述的干旱半干旱区光学遥感影像植被信息抑制方法。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时,实现权利要求1-7中任一项所述的干旱半干旱区光学遥感影像植被信息抑制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210321967.4A CN114648627A (zh) | 2022-03-29 | 2022-03-29 | 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210321967.4A CN114648627A (zh) | 2022-03-29 | 2022-03-29 | 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648627A true CN114648627A (zh) | 2022-06-21 |
Family
ID=81996008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210321967.4A Pending CN114648627A (zh) | 2022-03-29 | 2022-03-29 | 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648627A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439759A (zh) * | 2022-11-09 | 2022-12-06 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
-
2022
- 2022-03-29 CN CN202210321967.4A patent/CN114648627A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439759A (zh) * | 2022-11-09 | 2022-12-06 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
CN115439759B (zh) * | 2022-11-09 | 2023-04-11 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20060233421A1 (en) | Methods and apparatus for adaptive foreground background analysis | |
CN111931709B (zh) | 遥感影像的水体提取方法、装置、电子设备及存储介质 | |
CN101131734A (zh) | 适用于高光谱遥感图像的自动波段选择方法 | |
CN107145891B (zh) | 一种基于遥感影像的水体提取方法及系统 | |
CN113433075B (zh) | 一种简单的黑臭水体遥感快速监测方法 | |
CN115861823B (zh) | 一种基于自监督深度学习的遥感变化检测方法和装置 | |
CN116448760B (zh) | 一种基于机器视觉的农业智能监测系统及方法 | |
CN114648627A (zh) | 一种干旱半干旱区光学遥感影像植被信息抑制方法及系统 | |
Djerriri et al. | Improving hyperspectral image classification by combining spectral and multiband compact texture features | |
CN115393728A (zh) | 一种基于Sentinel-1/2时间序列遥感图像的废弃鱼塘提取方法 | |
CN113421273B (zh) | 林草搭配信息遥感提取方法及装置 | |
CN114419458A (zh) | 一种基于高分辨率卫星遥感的裸土监测方法、装置和设备 | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
Goerner et al. | Monitoring of the Ecuadorian mountain rainforest with remote sensing | |
CN112668670A (zh) | 地膜识别方法及其相关设备 | |
Mirzapour et al. | Object-based multispectral image segmentation and classification | |
CN113657351A (zh) | 基于深度学习的高分遥感影像林草变化检测装置及方法 | |
Larionov et al. | Agricultural Fields Segmentation on Satellite Images Using Convolutional Neural Networks | |
CN115984702B (zh) | 一种基于高分影像监测矿区林地变化的方法 | |
CN114419559B (zh) | 基于注意力机制的配网线路杆塔藤蔓攀爬隐患识别方法 | |
CN111553852B (zh) | 一种光学遥感影像快视图的生成方法及装置 | |
Nauss et al. | Package ‘satellite’ | |
CN117152621B (zh) | 建筑物变化检测方法、装置、电子设备及存储介质 | |
Tarverdiyev et al. | Target Detection in Multispectral Images via Detail Enhanced Pansharpening | |
Robila et al. | Exploring independent component analysis for remote sensing |
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 |