CN114969402B - 一种基于遥感影像的矢量地理信息采集方法 - Google Patents
一种基于遥感影像的矢量地理信息采集方法 Download PDFInfo
- Publication number
- CN114969402B CN114969402B CN202210879254.XA CN202210879254A CN114969402B CN 114969402 B CN114969402 B CN 114969402B CN 202210879254 A CN202210879254 A CN 202210879254A CN 114969402 B CN114969402 B CN 114969402B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- image data
- data
- module
- geographic information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于遥感影像的矢量地理信息采集系统及方法,涉及数据识别、数据处理领域,解决的技术问题是提高的矢量地理信息采集能力和数据采集质量。所述系统包括主控模块,用于控制矢量地理信息采集;采集模块,通过遥感影像采集矢量地理信息;影像处理模块,用于处理采集到的地理信息;存储模块,用于存储采集到的地理信息;数据通信模块,用于将采集到的地理信息从一处传递到另一处,以实现地理信息的交互;其中所述主控模块分别与采集模块、影像处理模块、转换模块、存储模块和数据通信模块交互。本发明不仅能够实现遥感影像的灵活控制,还能够提高遥感影像的矢量地理信息采集效率和质量。
Description
技术领域
本发明涉及数据识别、数据处理领域,且更确切地涉及一种基于遥感影像的矢量地理信息采集方法。
背景技术
遥感影像(简称:RS,英文:Remote Sensing Image)是指记录各种地物电磁波大小的胶片或照片,主要分为航空像片和卫星相片。由于用计算机处理的遥感图像必须是数字图像。以摄影方式获取的模拟图像必须用图像扫描仪等进行模/数(A/D)转换;以扫描方式获取的数字数据必须转存到一般数字计算机都可以读出的CCT等通用载体上。计算机图像处理要在图像处理系统中进行。图像处理系统是由硬件(计算机、显示器、数字化仪、磁带机等等)和软件(具有数据输入,输出,校正,变换,分类等功能)构成。图像处理内容主要包括校正、变换和分类。
在进行遥感影像数据信息处理过程中,遥测技术是一种利用电磁波、可见光、红外线等远距离感知目标反射或自身辐射来检测和识别的技术。在采集矢量地理信息时,容易出现信息定位不准确、采集速度慢等问题。
发明内容
针对上述技术的不足,本发明公开一种基于遥感影像的矢量地理信息采集方法,不仅能够实现遥感影像的灵活控制,还能够提高遥感影像的矢量地理信息采集效率和质量。
为了实现上述技术效果,本发明采用以下技术方案:
一种基于遥感影像的矢量地理信息采集系统,其中包括:
主控模块,用于控制矢量地理信息采集;
采集模块,通过遥感影像采集矢量地理信息;
影像处理模块,用于处理采集到的地理信息,影像处理模块包括多层级优化算法模型,实现数据处理的归纳处理;影像处理模块包括:输入模块,用于输入影像数据信息;数据参数处理模块,用于处理影像数据信息的参数信息;数据线性计算模块,用于计算影像数据模型的层级关系,将输入的数据信息转换为影像层级数据信息形式;分层计算模块,用于将输入的影像数据信息按照建模时间、层级建模受影响因素参数、影像数据信息样本信息和遥感影像坐标系数融合计算,将不同的数据信息分层计算,以输出数字化的影像数据信息;其中所述输入模块的输出端与数据参数处理模块的输入端连接,数据参数处理模块的输出端与数据线性计算模块的输入端连接,所述数据线性计算模块的输出端与分层计算模块的输入端连接;
存储模块,用于存储采集到的地理信息;
数据通信模块,用于将采集到的地理信息从一处传递到另一处,以实现地理信息的交互;
其中所述主控模块分别与采集模块、影像处理模块、转换模块、存储模块和数据通信模块交互。
作为本发明进一步的技术方案,所述输入模块为兼容无线通信接口的多通信输入模块,所述数据参数处理模块通过可编程控制器控制,数据线性计算模块通过编码模块实现数据信息的编码,所述分层计算模块通过分类模型实现不同数据信息的分类。
作为本发明进一步的技术方案,所述主控模块的控制芯片为AT91RM9200处理器。
作为本发明进一步的技术方案,采集模块为基于S350芯片的采集电路。
作为本发明进一步的技术方案,转换模块通过TLV5638数模转换实现信息转换,其中转换模块包括信号采样模块。
作为本发明进一步的技术方案,信号采样模块包括A/D采样模块和数据接口。
一种基于遥感影像的矢量地理信息采集方法,其中包括以下步骤:
(S1)通过主控模块控制矢量地理信息采集,
(S2)通过采集模块实现遥感影像采集矢量地理信息的采集;
(S3)通过影像处理模块实现遥感影像采集矢量地理信息的处理;
(S4)通过存储模块实现遥感影像采集矢量地理信息的存储;
(S5)通过数据通信模块将采集到的地理信息从一处传递到另一处,以实现地理的通信与交互;
影像处理模块实现遥感影像数据信息的处理方法为:
步骤一:首先将台区采集数据参数化,构建多层级模型如公式(1)所示:
式(1)中,表示采集遥感影像数据目标函数,表示采集遥感影像数据的周期,表示在设定标准条件下的影像数据,表示标准坐标系的纵坐标,表示采集设备数
据偏差,表示影像数据模型层级数,表示影像数据模型输入自变量, 和表示的是
遥感影像坐标系数;
影像数据模型层级数量取决于采集的数据在标准条件下的横纵坐标数值,因此得到关系式如公式(2)所示:
步骤二:将影像数据模型的层级关系式进行线性处理,经过标准平衡条件得到影像数据模型的双线性方程如公式(3)所示:
步骤三:对式(1)的模型结构进行细化分析,对其采集到的数据再次进行形式化分析,得到层级模型形式化线性函数如公式(4)所示:
针对不同情况遥感影像的数据模型建立适应度函数,提高采集效率,如公式(5)所示:
式(5)中,表示宏观建模时间周期,表示层级建模受影响程度,表示检
测仪采集的数据样本函数,表示层级建模速度,表示在设定标准条件下的影像数据,表示影像数据模型输入自变量,表示的是公式系数,和表示的是遥感影像坐标
系数。
本发明积极有益效果在于:
通过主控模块实现矢量地理信息采集信息的控制,通过采集模块提高遥感影像采集矢量地理信息,通过影像处理模块能够处理采集到的地理信息,在处理影响数据信息时,通过多层级优化算法模型实现数据处理的归纳处理;其中构建一种新型的影像处理模块。该模块包括:输入模块,用于输入影像数据信息;数据参数处理模块,用于处理影像数据信息的参数信息;数据线性计算模块,用于计算影像数据模型的层级关系,将输入的数据信息转换为影像层级数据信息形式;分层计算模块,用于将输入的影像数据信息按照建模时间、层级建模受影响因素参数、影像数据信息样本信息和遥感影像坐标系数融合计算,将不同的数据信息分层计算,以输出数字化的影像数据信息;其中所述输入模块的输出端与数据参数处理模块的输入端连接,数据参数处理模块的输出端与数据线性计算模块的输入端连接,所述数据线性计算模块的输出端与分层计算模块的输入端连接。该研究的系统通过存储模块实现采集到的地理信息的存储;通过数据通信模块将采集到的地理信息从一处传递到另一处,以实现地理信息的交互。
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性的前提下,还可以根据这些附图获得其它的附图,其中:
图1为本发明系统的总体结构示意图;
图2为本发明系统中影像处理模块的结构示意图;
图3为本发明主控模块结构示意图;
图4为本发明S350芯片电路示意图;
图5为本发明中采集模块结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例 1 (系统)
如图1所示,一种基于遥感影像的矢量地理信息采集系统,包括:
主控模块,用于控制矢量地理信息采集;
采集模块,通过遥感影像采集矢量地理信息;
如图2所示,影像处理模块,用于处理采集到的地理信息,影像处理模块包括多层级优化算法模型,实现数据处理的归纳处理;影像处理模块包括:输入模块,用于输入影像数据信息;数据参数处理模块,用于处理影像数据信息的参数信息;数据线性计算模块,用于计算影像数据模型的层级关系,将输入的数据信息转换为影像层级数据信息形式;分层计算模块,用于将输入的影像数据信息按照建模时间、层级建模受影响因素参数、影像数据信息样本信息和遥感影像坐标系数融合计算,将不同的数据信息分层计算,以输出数字化的影像数据信息;其中所述输入模块的输出端与数据参数处理模块的输入端连接,数据参数处理模块的输出端与数据线性计算模块的输入端连接,所述数据线性计算模块的输出端与分层计算模块的输入端连接;
存储模块,用于存储采集到的地理信息;
数据通信模块,用于将采集到的地理信息从一处传递到另一处,以实现地理信息的交互;
其中所述主控模块分别与采集模块、影像处理模块、转换模块、存储模块和数据通信模块交互。
在上述实施例中,所述输入模块为兼容无线通信接口的多通信输入模块,所述数据参数处理模块通过可编程控制器控制,数据线性计算模块通过编码模块实现数据信息的编码,所述分层计算模块通过分类模型实现不同数据信息的分类。
在上述实施例中,所述主控模块的控制芯片为AT91RM9200处理器。
如图3-图4所示,在具体实施例中,芯片系列应用的核心处理器为ARM920T内核控制器。该控制器内部设置有16KB指令和16KB数据 cache存储模块,为了提高数据的存储能力,还设置了MMU虚拟内存管理单元。该处理器还设置有Flash 存储器、LCD控制器、接口控制器和串行控制器。在进行多种数据采集时,采用16路12位ADC接口模块实现嵌入式数据信息的采集,对智能变电站数据信息输出的电压或者电流进行信号采集和计算,设备外部接有IDE接口,该接口与大容量IDE硬盘实现数据交互,以实现web信息存储和数据采集。在DM9161芯片的计算下,通过微处理器将EMAC接口以扩展的方式实现外部以太网接口RJ45,进而与工业以太网连接。AT91RM9200芯片计算单元通过SPI接口的作用,其输入端还能够与CAN控制器SJA1000的输入端连接,通过将CAN控制器的输入端与CAN收发器PCA82C250的输入端进行相连,进而实现数据信息的通信,从而实现与外部设备DeviceNet的连接,采用的工业以太网为EtherNet/IP通讯体系。
在上述实施例中,采集模块为基于S350芯片的采集电路。
如图2所示,对于适量地理信息的采集遥感影像,本申请采用嵌入式采集芯片作为整体硬件的基础,利用S350芯片的多个引脚完成采集遥感影像的数据对接和外接设备的连接,对采集到的不同的地理信息等多种数据类型进行分类处理,提高了数据的采集速度。本申请中所使用的信息采集芯片采用S350处理芯片,利用片外RAM负责数据储存,ROM与芯片输出完成对接,输出为MAX232传输机。在整体加入不同的调节电路用来保证采集硬件在工作时的安全稳定,保证接入系统的稳定运行,TXD和A/D引脚与信号调理转换功能块连接,中间设有继电保护电路,主要利用多开路继电器进行电路安全防护,通过与ET引脚相连, EA引脚与外圈电路相连,使硬件的采集作用范围能够根据不同的影像情况进行对应的采集,在S350芯片的内部集成了多个处理核,包括ARM子系统、遥感影像处理子系统、编解码子系统,ARM子系统要负责对其他外围电路的配置和控制,遥感影像处理子系统负责对遥感进行压缩编码、滤波,经过芯片的系统通过调节器进行影像数据的调节变化,变为可以被存储的地理信息。S350芯片通过32位引脚进行控制,增加了数据录入和输出的速度,加快了集成模块对于数据形式转换的初始化速度,芯片处理数据采用微秒级计算方式,提高了采集数据的灵敏度。
在具体实施例中,可编程控制器(Programmable Logic Controller)简称PC或PLC是一种数字运算操作的电子系统,专门在工业环境下应用而设计。它采用可以编制程序的存储器,用来在执行存储逻辑运算和顺序控制、定时、计数和算术运算等操作的指令,并通过数字或模拟的输入(I)和输出(O)接口,控制各种类型的机械设备或生产过程。可编程控制器是在电器控制技术和计算机技术的基础上开发出来的,并逐渐发展成为以微处理器为核心,把自动化技术、计算机技术、通讯技术融为一体的新型工业控制装置。PLC已被广泛应用于各种生产机械和生产过程的自动控制中,成为一种最重要、最普及、应用场合最多的工业控制装置,被公认为现代工业自动化的三大支柱(PLC、机器人、CAD/CAM)之一。可编程控制器在参数处理时,可以通过编制不同的数据程序,进而实现遥感影像数据信息的编制,从PLC的硬件结构形式上,PLC可以分为整体固定I/O型,基本单元加扩展型,模块式,集成式,其中央处理单元(CPU)是PLC的控制中枢,是PLC的核心起神经中枢的作用,每套PLC至少有一个CPU。CPU速度和内存容量是PLC的重要参数,它们决定着PLC的工作速度,I/O数量及软件容量等,因此限制着控制规模。存储器是存放系统软件的存储器;用户程序存储器是存放PLC用户程序应用;数据存储器用来存储PLC程序执行时的中间状态与信息,它相当于PC的内存。
在具体实施例中,本发明在具体工作过程中,首先由采集硬件传输系统构成系统的基础,实时数据采集传输系统遥感影像中的地理信息如位置、深度、高度等数据进行分析,通过建立的传感器采集安全数据组成为采集单元。接着将数据通过UART等通讯芯片部分进行快速高效率的传输,进入遥感影像数据转换模块。在该模块中包含有图像引擎,作用是对于影像中的画面进行图像形式处理,方便进行数据提取。影响处理算法对于采集到的数据进行规律化处理。在编解码子系统中将数据编码解码处理从而可以对数据进行更加细致的分析。最后将处理后的数据传输进入数据存储模块。
在具体实施例中,编码模块将信号(如遥感影像矢量地理数据信息)或数据进行编制、转换为可用以通讯、传输和存储的信号形式的设备。编码模块把角位移或直线位移转换成电信号,前者称为码盘,后者称为码尺。按照读出方式编码器可以分为接触式和非接触式两种;按照工作原理编码器可分为增量式和绝对式两类。增量式编码器是将位移转换成周期性的电信号,再把这个电信号转变成计数脉冲,用脉冲的个数表示位移的大小。绝对式编码器的每一个位置对应一个确定的数字码,因此它的示值只与测量的起始和终止位置有关,而与测量的中间过程无关。
如图4和图5所示,在上述实施例中,转换模块通过TLV5638数模转换实现信息转换,其中转换模块包括信号采样模块。
在具体实施例中,LPC2292将所采集到的数据整理后经过SPI端口接入元件连接器P1接入TLV5638的串行数字输入端口DIN、数字串行时钟输入端口SCLK、芯片选通端口CS(数字输入低电平有效)等三个端口,由供电电压输入端口VDD对芯片进行供电,右侧设有电压基准电路对芯片进行保护敬意保证信息精度。为实现电压、电流的同步信号采样。
在上述实施例中,信号采样模块包括A/D采样模块和数据接口。
电压或电流传感器输出信号之后经过采样以及滤波处理后,最终与单片机A/D转换端口相连。其整体工作原理如下,当线路发生不同种类的故障时,会产生不同的电压、电流信号波动,这些信号被传感器捕获,并导致电位器大小发生与之相应的改变,而电位器的数值改变也会使端口的电压值发生变化,并经放大器对信息进行处理后,最终由此将获取的信号由端口传输至芯片内部进行A/D转换,同时将采样数据储存在寄存器中,控制器发出AD采样中断时读取数据,经接口将16位数据输入到控制器中处理,而D1,D2两个二极管以及电容C1起到保护LPC2292接口的作用[6]。LPC2292的A/D引脚预设的有常见的几种串、并行接口,如高速串行、并行字节等接口,故而可以完成电压及电流不同的波动信号的同步采样功能。
实施例 2 (方法)
如图1所示,一种基于遥感影像的矢量地理信息采集方法,包括以下步骤:
(S1)通过主控模块控制矢量地理信息采集,
(S2)通过采集模块实现遥感影像采集矢量地理信息的采集;
(S3)通过影像处理模块实现遥感影像采集矢量地理信息的处理;
(S4)通过存储模块实现遥感影像采集矢量地理信息的存储;
(S5)通过数据通信模块将采集到的地理信息从一处传递到另一处,以实现地理的通信与交互;
影像处理模块实现遥感影像数据信息的处理方法为:
对于信息采集处算法方面,本研究采用多层级优化算法对采集遥感影像数据进行归纳处理,将处理后的传达至指令控制中心,从而完成数据采集。多层级影像数据优化算法主要根据采集遥感影像采集数据样本,对整体的采集设备进行控制,具有针对不同情况下的自适应性。
步骤一:首先将台区采集数据参数化,构建多层级模型如公式(1)所示:
式(1)中,表示采集遥感影像数据目标函数,表示采集遥感影像数据的周期,表示在设定标准条件下的影像数据,表示标准坐标系的纵坐标,表示采集设备
数据偏差,表示影像数据模型层级数,表示影像数据模型输入自变量, 和表示
的是遥感影像坐标系数;
在具体实施例中,将遥感影像数据目标函数、设定标准条件下的影像数据、标准坐标系的纵坐标、采集设备数据偏差、影像数据模型层级数、影像数据模型输入自变量和遥感影像坐标系数融合为数学模型以形成多层级模型,能够将反映多层级模型的不同数据信息转换为数学模型,以提高台区采集数据参数化分析能力。通过将不同数据信息通过积分的形式构建多层级模型,能够大大提高数据计算和运维计算能力。
影像数据模型层级数量取决于采集的数据在标准条件下的横纵坐标数值,因此得到关系式如公式(2)所示:
在本步骤中,在计算影像数据模型层级数量时,通过将遥感影像数据信息进行量化表示,通过一定的单位量进行计量,通过将不同数据信息转换为一定的数据量信息以提高影像数据计算能力。这种方法能够将影像数据模型层级信息包含影响影像数据模型层级计算的多种因素,通过量化计算的方法实现数据信息计算。
步骤二:将影像数据模型的层级关系式进行线性处理,经过标准平衡条件得到影像数据模型的双线性方程如公式(3)所示:
在本步骤中,将遥感影响数据信息通过线性处理能够提高数据规律性分布,以提高数据分析能力,通过将影像数据模型中的层级关系式应用不同的参数信息,以提高数据信息的转换和处理能力。在具体实施例中,影响遥感影响数据信息的因素分别为双线性影像数据层检测电压、双线性影像数据层检测误差、设定标准条件下的影像数据、影像数据模型输入自变量、影像数据模型层级数和遥感影像坐标系数,其中双线性影像数据层检测电压能够反映遥感影响数据信息线性处理时间,双线性影像数据层检测误差能够反映遥感影响数据信息检测误差,设定标准条件下的影像数据能够在标准工作环境下提出影像数据,并对影像数据不同的工作环境和参数进行设置、处理和计算。影像数据模型输入自变量信息能够反映出影像数据在整个变化函数中的应用能力。影像数据模型层级数能够反映双线性影像数据层检测信息的精度,通过遥感影像坐标系数能够定位遥感图像数据信息的位置,以提炼出双线性影像数据层检测信息。通过将这些数据信息函反映到公式中,以提高遥感影响数据信息的计算能力。
步骤三:对式(1)的模型结构进行细化分析,对其采集到的数据再次进行形式化分析,得到层级模型形式化线性函数如公式(4)所示:
在本步骤中,为了提高遥感影响数据信息分析能力,还能够通过线性处理能够提高数据规律性分布,在提高数据信息分析时,能够将影像数据层级载荷密度、
深度测量、影像数据模型输入自变量、测量系数以及遥感影像坐标系数反映到数据计算模型中,以提高层级模型数学计算函数,具体化分解层级模型中不同参数和数据信息,将影像数据模型中的层级关系式应用不同的参数信息,以提高数据信息的转换和处理能力。
接着为了计算组建层级模型消耗时间与采集数据情况之间的关系,对影响数据模型建立时间周期进行求导,通过该方法进行针对不同情况遥感影像的数据模型建立适应度函数,提高采集效率,如公式(5)所示:
式(5)中,表示宏观建模时间周期,表示层级建模受影响程度,表示检
测仪采集的数据样本函数,表示层级建模速度,表示在设定标准条件下的影像数据,表示影像数据模型输入自变量,表示的是公式系数,和表示的是遥感影像坐标系
数。
通过该公式可以得到计算组建层级模型消耗时间与采集数据情况的时间关系,通过不同的时间数值可以得到不同遥感影像下的采集情况,提升整体采集硬件适应性。
多层级拓扑优化算法对采集的地理信息数据进行分层次处理,通过计算与时间周期函数关系进行分类,根据设定的数据完成遥感影像数据的不同划分,使得采集数据更加具有规律化。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (1)
1.一种基于遥感影像的矢量地理信息采集方法,其特征在于:包括以下步骤:
(S1)通过主控模块控制矢量地理信息采集,
(S2)通过采集模块实现遥感影像采集矢量地理信息的采集;
(S3)通过影像处理模块实现遥感影像采集矢量地理信息的处理;
(S4)通过存储模块实现遥感影像采集矢量地理信息的存储;
(S5)通过数据通信模块将采集到的地理信息从一处传递到另一处,以实现地理的通信与交互;
影像处理模块实现遥感影像数据信息的处理方法为:
步骤一:首先将台区采集数据参数化,构建多层级模型如公式(1)所示:
式(1)中,表示采集遥感影像数据目标函数,表示采集遥感影像数据的周期,
表示在设定标准条件下的影像数据,表示标准坐标系的纵坐标,表示采集设备数
据偏差,表示影像数据模型层级数,表示影像数据模型输入自变量, 和表
示的是遥感影像坐标系数;
影像数据模型层级数量取决于采集的数据在标准条件下的横纵坐标数值,因此得到关系式如公式(2)所示:
步骤二:将影像数据模型的层级关系式进行线性处理,经过标准平衡条件得到影像数据模型的双线性方程如公式(3)所示:
步骤三:对式(1)的模型结构进行细化分析,对其采集到的数据再次进行形式化分析,得到层级模型形式化线性函数如公式(4)所示:
针对不同情况遥感影像的数据模型建立适应度函数,提高采集效率,如公式(5)所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210879254.XA CN114969402B (zh) | 2022-07-25 | 2022-07-25 | 一种基于遥感影像的矢量地理信息采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210879254.XA CN114969402B (zh) | 2022-07-25 | 2022-07-25 | 一种基于遥感影像的矢量地理信息采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114969402A CN114969402A (zh) | 2022-08-30 |
CN114969402B true CN114969402B (zh) | 2022-11-08 |
Family
ID=82970473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210879254.XA Active CN114969402B (zh) | 2022-07-25 | 2022-07-25 | 一种基于遥感影像的矢量地理信息采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114969402B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206216B (zh) * | 2023-05-06 | 2023-08-01 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 一种基于遥感影像的矢量地理信息采集方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
CN110458048A (zh) * | 2019-07-23 | 2019-11-15 | 南京林业大学 | 顾及城镇格局特征的人口分布时空演变与认知 |
CN112100130A (zh) * | 2020-09-09 | 2020-12-18 | 陕西师范大学 | 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020075311A1 (en) * | 2000-02-14 | 2002-06-20 | Julian Orbanes | Method for viewing information in virtual space |
CN111563408B (zh) * | 2020-03-09 | 2021-04-16 | 浙江中海达空间信息技术有限公司 | 多层次感知特征渐进自学习的高分辨率影像滑坡自动检测方法 |
CN113434736A (zh) * | 2021-06-10 | 2021-09-24 | 中国科学院电子学研究所苏州研究院 | 一种面向遥感大数据的多维混合索引方法及系统 |
-
2022
- 2022-07-25 CN CN202210879254.XA patent/CN114969402B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
CN110458048A (zh) * | 2019-07-23 | 2019-11-15 | 南京林业大学 | 顾及城镇格局特征的人口分布时空演变与认知 |
CN112100130A (zh) * | 2020-09-09 | 2020-12-18 | 陕西师范大学 | 一种基于数据立方体模型的海量遥感变量多维聚合信息的计算方法 |
Non-Patent Citations (2)
Title |
---|
基于空间信息多级网格的CA模型研究;危双丰等;《计算机工程与应用》;20070321(第09期);第8-11、39页 * |
海岸带遥感影像与海图融合显示技术研究;赵健等;《海洋测绘》;20180725(第04期);第66-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114969402A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114969402B (zh) | 一种基于遥感影像的矢量地理信息采集方法 | |
CN101533031B (zh) | 溶解氧智能变送器 | |
CN104807968A (zh) | 气体传感器及其识别与校准方法 | |
CN101965807A (zh) | 蛋鸡生产性能个体记录与鸡舍环境自动监测系统 | |
CN105902217A (zh) | 基于stm32的智能淋浴系统 | |
CN206583547U (zh) | 一种无线婴儿培养箱自动校准装置数据采集系统 | |
CN114509112A (zh) | 一种无线桥梁健康远程多参数监测系统 | |
CN101551260A (zh) | 光电轴角编码器细分误差的检测装置 | |
CN103743400B (zh) | 一种磁航向解算装置 | |
CN206192340U (zh) | 一种便携式倾角测量设备 | |
CN105404275B (zh) | 一种卫星控制测试设备自动检测系统及检测方法 | |
CN114113491B (zh) | 一种利用卷积神经网络计算的集成式机器嗅觉芯片 | |
CN114442704B (zh) | 一种基于大数据的智能电力生产监控方法及系统 | |
CN206258139U (zh) | 基于物联网的电子生产车间环境综合管理平台 | |
CN102039738A (zh) | 高速装订机页面在线模糊识别系统 | |
CN109855661A (zh) | 一种增量式编码器信号处理方法和系统 | |
CN108592955A (zh) | 一种多圈绝对值编码器及其测量方法 | |
CN115147497A (zh) | 一种标定方法、装置及电子设备 | |
CN111189396B (zh) | 一种基于神经网络的增量绝对光栅尺的位移检测方法 | |
CN203502039U (zh) | 全自动转速校验装置 | |
CN214040418U (zh) | 一种基于远程温度计的温度场复现装置 | |
CN103676960B (zh) | 聚光太阳能跟踪自校准装置及使用 | |
CN204758040U (zh) | 一种用于气体流量测量的智能监测装置 | |
CN212409779U (zh) | 一种监测数据采集器 | |
CN114777865B (zh) | 工业燃气预付费罗茨流量计量装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |