CN116597107A - 一种数字乡村信息化建模方法及系统 - Google Patents

一种数字乡村信息化建模方法及系统 Download PDF

Info

Publication number
CN116597107A
CN116597107A CN202310860551.4A CN202310860551A CN116597107A CN 116597107 A CN116597107 A CN 116597107A CN 202310860551 A CN202310860551 A CN 202310860551A CN 116597107 A CN116597107 A CN 116597107A
Authority
CN
China
Prior art keywords
satellite
image
map
live
images
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.)
Granted
Application number
CN202310860551.4A
Other languages
English (en)
Other versions
CN116597107B (zh
Inventor
蒋小春
彭述刚
陈琼
王大成
关国翔
梁治锟
叶君滢
施婷
向天竹
宁鹏程
许培杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Huiyu Intelligent Survey Technology Co ltd
Original Assignee
Guangdong Huiyu Intelligent Survey Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Huiyu Intelligent Survey Technology Co ltd filed Critical Guangdong Huiyu Intelligent Survey Technology Co ltd
Priority to CN202310860551.4A priority Critical patent/CN116597107B/zh
Publication of CN116597107A publication Critical patent/CN116597107A/zh
Application granted granted Critical
Publication of CN116597107B publication Critical patent/CN116597107B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05Geographic models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及数字乡村建模技术领域,具体公开了一种数字乡村信息化建模方法及系统,所述方法包括基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;根据实景图和待检卫星图创建乡村模型。本发明通过卫星数据对乡村区域进行全局式分析,确定发生变化的子区域,然后,通过采集端对子区域进行部分数据采集,进而创建乡村模型;本发明通过降低专业人员工作量的方式,变相地扩大其工作范围,使得有限的乡村建模资源能够完成更大范围的建模任务。

Description

一种数字乡村信息化建模方法及系统
技术领域
本发明涉及数字乡村建模技术领域,具体是一种数字乡村信息化建模方法及系统。
背景技术
现有的数字乡村建设过程大都离不开乡村建模过程,只有具备相应的乡村模型,才能够进行后续的服务开发环节;现有的乡村模型建模过程大都依赖于人工采集过程,通过人工控制采集设备对整个乡村进行全局式的采集,然后更新乡村模型,这种方式的灵活度很高,但是相关工作人员的工作压力较大,而在现有的背景下,相关工作人员的要求很高,大都是专业人员,数量很少,乡村建模资源极为有限,因此,如何在有限的乡村建模资源条件下,尽量的扩大建模区域是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种数字乡村信息化建模方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种数字乡村信息化建模方法,所述方法包括:
基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
根据实景图和待检卫星图创建乡村模型。
作为本发明进一步的方案:所述基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图的步骤包括:
向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
其中,所述卷积核包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
作为本发明进一步的方案:所述根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图的步骤包括:
根据时间戳排列所述卫星图组;
根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
根据相似度保留最小层数的卫星图,作为待检卫星图。
作为本发明进一步的方案:所述转换模型包括:
其中,F为由转换图像确定的方阵,f为由卫星图确定的方阵;A为转换系数矩阵,为A中的元素坐标,N为方阵尺寸。
作为本发明进一步的方案:所述比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图的步骤包括:
根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
将所述采集路径向采集端发送,获取实景图像。
作为本发明进一步的方案:所述根据实景图和待检卫星图创建乡村模型的步骤包括:
读取待检卫星图,创建基底图层;
读取实景图,创建实景图层;
将所述实景图层叠加至所述基底图层;所述实景图对应的时间点与所述待检卫星图对应的时间点的差值小于预设的阈值;所述实景图对应的时间点后于所述待检卫星图对应的时间点;
叠加实景图层和基底图层,得到二维图,将二维图输入现有的建模软件,创建含有时间标签的乡村模型;所述时间标签由待检卫星图的时间戳确定。
本发明技术方案还提供了一种数字乡村信息化建模系统,所述系统包括:
卫星图获取模块,用于基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
特征提取应用模块,用于根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
实景图获取模块,用于比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
模型创建模块,用于根据实景图和待检卫星图创建乡村模型。
作为本发明进一步的方案:所述卫星图获取模块包括:
权限获取单元,用于向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
服务器应用单元,用于基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
下采样单元,用于基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
其中,所述卷积核包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
作为本发明进一步的方案:所述特征提取应用模块包括:
图组排列单元,用于根据时间戳排列所述卫星图组;
图像转换单元,用于根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
相似度计算单元,用于根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
循环执行单元,用于循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
数据保留单元,用于根据相似度保留最小层数的卫星图,作为待检卫星图。
作为本发明进一步的方案:所述实景图获取模块包括:
数值归一单元,用于根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
异或运算单元,用于对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
路径确定单元,用于根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
图像获取单元,用于将所述采集路径向采集端发送,获取实景图像。
与现有技术相比,本发明的有益效果是:本发明通过卫星数据对乡村区域进行全局式分析,确定发生变化的子区域,这一过程由计算设备完成,需要的专业人员的数量较少,然后,通过采集端对子区域进行部分数据采集,进而创建乡村模型;本发明通过降低专业人员工作量的方式,变相地扩大其工作范围,使得有限的乡村建模资源能够完成更大范围的建模任务。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1为数字乡村信息化建模方法的流程框图。
图2为数字乡村信息化建模方法的第一子流程框图。
图3为数字乡村信息化建模方法的第二子流程框图。
图4为数字乡村信息化建模方法的第三子流程框图。
图5为数字乡村信息化建模方法的第四子流程框图。
图6为数字乡村信息化建模系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为数字乡村信息化建模方法的流程框图,本发明实施例中,一种数字乡村信息化建模方法,所述方法包括:
步骤S100:基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
卫星图需要借助卫星服务完成,关于卫星服务的服务方,本发明不做讨论,在现有技术中,很多地图服务能够提供卫星图,如果本方法执行主体的级别不够高,采用地图服务提供的卫星图也是可行的技术方案;卫星图的清晰度与本方法执行主体能够获取到的卫星数据读取权限相关,获取到的卫星数据读取权限越高,卫星图的清晰度越高。
一般情况下,如果本方法执行主体不具备最终端的卫星服务器给予的权限,就使用地图服务的卫星图。
总而言之,获取卫星图的过程并不困难,在现有技术中,属于常规技术,本发明技术方案的区别点在于,在获取卫星图的过程中,确定乡村区域,也即,仅获取一定范围内的卫星图。
步骤S200:根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
在获取卫星图时,同时获取卫星图的拍摄时间,一般情况下,卫星图的拍摄时间间隔较长,卫星图本身的离散度很高;遍历卫星图,提取卫星图的像素特征,对像素特征进行分析,可以剔除掉一些重复度较高的卫星图,并且定位相邻卫星图在哪些区域处不同。
步骤S300:比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
经过像素特征的选取过程后,剩下的待检卫星图之间的差异都比较大;比对相邻的待检卫星图,可以进一步判定哪些区域存在差异;基于此,向采集端发送由存在差异的区域确定的采集路径,采集端在采集路径下不断地采集实景图;所述采集端是具备移动功能和拍摄功能的智能设备,可以是现有的无人机。
步骤S400:根据实景图和待检卫星图创建乡村模型;
获取到待检卫星图和实景图后,可以创建乡村模型;所述乡村模型可以是二维数据,此时,仅需要直接合并实景图和待检卫星图,即可得到乡村模型。
除此之外,乡村模型还可以是三维模型,借助现有的三维建模软件,可以将二维数据(实景图和待检卫星图)转换为三维数据,过程中可以进行渲染,进而创建三模乡村模型。
本发明技术方案的重点在于,通过卫星数据对整个乡村进行变化监测,根据变化监测结果确定重点采集区域,进而通过有限的采集资源对整个乡村进行数据采集,从而提高乡村模型的时效性。
图2为数字乡村信息化建模方法的第一子流程框图,所述基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图的步骤包括:
步骤S101:向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
权限获取过程并不困难,包括请求发送阶段和权限接收阶段。
步骤S102:基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
当接收到卫星服务器授予的卫星数据读取权限后,通过卫星数据读取权限即可获取卫星图;在本发明技术方案的一个实例中,在权限获取过程中,同步上传区域范围,所述区域范围就是乡村区域的区域范围。
步骤S103:基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
如果卫星数据读取权限足够高,获取的卫星图的精度也会很高,此时,卫星图的数据量很大,在后续的处理过程中,消耗的计算资源很多;实际上,资源消耗量并不重要,真正重要的是处理时间,当消耗的计算资源量很大时,处理时间较长,这是本发明技术方案中想要避免的(长时间的数据处理)。
下采样过程的目的是降低图像的数据量,比如,将一个区域内的像素用一个像素点代替,一般情况下,所述区域选取3*3大小的区域;那么一次下采样过程,整个图像缩放为原来的1/9;关于将一个区域内的像素用一个像素点代替,采用离散形式的卷积过程,也即,通过卷积核确定区域内各像素点的权重,进而共同影响最终的像素点。
在本发明技术方案中,提供两种3*3卷积核,包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
图3为数字乡村信息化建模方法的第二子流程框图,所述根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图的步骤包括:
步骤S201:根据时间戳排列所述卫星图组;
由上述内容可以得知,得到卫星图后,对卫星图进行处理,可以得到卫星图组,由于卫星图组是基于同一卫星图生成的,其时间戳采用对应卫星图的时间信息,通过时间戳可以对卫星图组进行排列。
步骤S202:根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
由于卫星图组中的卫星图是基于下采样过程生成的卫星图组,因此,随着层数的提高,对应卫星图的清晰度下降;在判断相邻卫星图的相似度时,根据层数的降序进行逐层判断,如果清晰度较低时,两个卫星图的差异足够大,那么无须进行后续的判定过程,一般情况下,清晰度越高,待比对的两个图像的差异越大。
步骤S203:根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
在对转换图像进行比对的过程中,也并非是全局比对,而是逐渐地提高比对范围,如果已有区域的相似度足够小,那么也无须进行后续的比对过程;所述递增范围一般是从图像的左上顶点开始,按照图像尺寸逐渐扩大范围。
步骤S204:循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
循环执行上述内容,相似度足够小时,跳出循环;除此之外,还有一个条件,就是层数足够的低,一般情况下,层数阈值采用最小层图像对应的层数,比如零层或一层。
步骤S205:根据相似度保留最小层数的卫星图,作为待检卫星图;
如果相邻的两个卫星图组的循环跳出条件是层数达到预设的层数阈值,此时,说明两个相邻的卫星图组的相似度较高,此时,保留其中一个卫星图组中最小层数的卫星图即可,层数越小,清晰度越高,数据量越大,作为待检卫星图,对于后续的建模过程更加合适。
如果循环跳出条件是相似度阈值足够小,那么就说明两个卫星图组的差异较大,在对应的时间段内该乡村区域发生了变化,此时,需要同时保留两个卫星图组中的最小层图像。
经过上述处理过程,留下的待检卫星图是差异度较高且清晰度较高的卫星图。
其中,下采样即上述循环比对过程,用于提高相似比对的效率。
作为本发明技术方案的一个优选实施例,所述转换模型包括:
其中,F为由转换图像确定的方阵,f为由卫星图确定的方阵;A为转换系数矩阵,为A中的元素坐标,N为方阵尺寸;
上述转换模型是DCT变换的一种具体应用,它用于将图像从空间域转换至频率域,它可以将低频像素点集中在图像左上角,结合上述内容提及的递增范围,可以使得比对过程的效率更高;其原理在于,图像中低频数据较多,占比较大,为图像主体部分,高频数据一般是噪声,从左上角开始,逐渐增加比对范围,可以逐渐地比对图像主体部分,从而先对主体部分进行比对,当相似度较小时,不再进行后续的比对过程。
图4为数字乡村信息化建模方法的第三子流程框图,所述比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图的步骤包括:
步骤S301:根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
待检卫星图中各像素点的色值种类极多,如果采用RGB色值,分析过程会非常困难,因此,在本发明技术方案中先对待检卫星图进行数据简化,数据简化的方式是,预先对色值进行分类,然后遍历待检卫星图中的像素点,判断该像素点的色值属于哪一类,根据分类结果可以得到一个“简化矩阵”,称为卫星图矩阵;
步骤S302:对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
当生成卫星图矩阵后,比对相邻的卫星图,即可确定差异矩阵;所述差异矩阵中仅包括1和0,数值为1的元素代表两个卫星图矩阵中的数值不同,也即,存在差异的像素点。
步骤S303:根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
遍历数值为1的元素,以该元素为中心,获取预设半径范围内的数值为1的元素数量,通过元素数量除以半径范围内的像素点总数,即可计算出差异密度;所述差异密度用于表征一个区域内差异像素点的占比;根据差异密度选取某些元素作为待检点位,采用现有的路径规划技术,可以确定由待检点位组成的采集路径。
需要说明的是,一个半径范围内,仅设置一个待检点位,也即,选取好一个待检点位后,该半径范围内不再设置其他待检点位。
步骤S304:将所述采集路径向采集端发送,获取实景图像;
将采集路径向采集端发送,通过采集端获取实景图像即可。
图5为数字乡村信息化建模方法的第四子流程框图,所述根据实景图和待检卫星图创建乡村模型的步骤包括:
步骤S401:读取待检卫星图,创建基底图层;
步骤S402:读取实景图,创建实景图层;
在本发明技术方案的一个实施中,分别对待检卫星图和实景图进行独立分析,可以得到两个独立的图层,称为基底图层和实景图层。
步骤S403:将所述实景图层叠加至所述基底图层;所述实景图对应的时间点与所述待检卫星图对应的时间点的差值小于预设的阈值;所述实景图对应的时间点后于所述待检卫星图对应的时间点;
根据时间对应关系将实景图层叠加至基底图层上,即可得到用于生成乡村模型二维数据;所述时间对应关系是指,实景图层与基底图层的时间戳尽量靠近,并且实景图层的时间戳晚于基底图层的时间戳。
步骤S404:叠加实景图层和基底图层,得到二维图,将二维图输入现有的建模软件,创建含有时间标签的乡村模型;所述时间标签由待检卫星图的时间戳确定;
叠加实景图层和基底图层,可以得到二维数据,借助现有的建模软件,可以得到乡村模型;本发明技术方案的目的是,对生成乡村模型的数据采集过程进行优化,因此,对于具体的建模过程并不限定,甚至将采集到的数据发送到人工建模端,接收人工建模端反馈的乡村模型也是可行的方案。
值得一提的是,在叠加过程中,可以增设显示度按钮,用于根据工作人员的指令对叠加过程进行调整。
图6为数字乡村信息化建模系统的组成结构框图,本发明实施例中,一种数字乡村信息化建模系统,所述系统10包括:
卫星图获取模块11,用于基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
特征提取应用模块12,用于根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
实景图获取模块13,用于比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
模型创建模块14,用于根据实景图和待检卫星图创建乡村模型。
其中,所述卫星图获取模块11包括:
权限获取单元,用于向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
服务器应用单元,用于基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
下采样单元,用于基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
其中,所述卷积核包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
进一步的,所述特征提取应用模块12包括:
图组排列单元,用于根据时间戳排列所述卫星图组;
图像转换单元,用于根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
相似度计算单元,用于根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
循环执行单元,用于循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
数据保留单元,用于根据相似度保留最小层数的卫星图,作为待检卫星图。
具体的,所述实景图获取模块13包括:
数值归一单元,用于根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
异或运算单元,用于对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
路径确定单元,用于根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
图像获取单元,用于将所述采集路径向采集端发送,获取实景图像。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种数字乡村信息化建模方法,其特征在于,所述方法包括:
基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
根据实景图和待检卫星图创建乡村模型;
所述基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图的步骤包括:
向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
其中,所述卷积核包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
2.根据权利要求1所述的数字乡村信息化建模方法,其特征在于,所述根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图的步骤包括:
根据时间戳排列所述卫星图组;
根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
根据相似度保留最小层数的卫星图,作为待检卫星图。
3.根据权利要求2所述的数字乡村信息化建模方法,其特征在于,所述转换模型包括:
其中,F为由转换图像确定的方阵,f为由卫星图确定的方阵;A为转换系数矩阵,为A中的元素坐标,N为方阵尺寸。
4.根据权利要求1所述的数字乡村信息化建模方法,其特征在于,所述比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图的步骤包括:
根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
将所述采集路径向采集端发送,获取实景图像。
5.根据权利要求1所述的数字乡村信息化建模方法,其特征在于,所述根据实景图和待检卫星图创建乡村模型的步骤包括:
读取待检卫星图,创建基底图层;
读取实景图,创建实景图层;
将所述实景图层叠加至所述基底图层;所述实景图对应的时间点与所述待检卫星图对应的时间点的差值小于预设的阈值;所述实景图对应的时间点后于所述待检卫星图对应的时间点;
叠加实景图层和基底图层,得到二维图,将二维图输入现有的建模软件,创建含有时间标签的乡村模型;所述时间标签由待检卫星图的时间戳确定。
6.一种数字乡村信息化建模系统,其特征在于,所述系统包括:
卫星图获取模块,用于基于已授权的卫星数据读取权限获取乡村区域的含有时间戳的卫星图;
特征提取应用模块,用于根据时间戳排列卫星图,提取卫星图的像素特征,根据像素特征选取待检卫星图;
实景图获取模块,用于比对选取的待检卫星图,根据比对结果确定采集路径,基于采集路径获取实景图;其中,所述实景图含有时间戳;
模型创建模块,用于根据实景图和待检卫星图创建乡村模型;
所述卫星图获取模块包括:
权限获取单元,用于向卫星服务器发送含有区域范围的权限获取请求,接收卫星服务器授予的卫星数据读取权限;
服务器应用单元,用于基于卫星数据读取权限在卫星服务器中获取区域范围内的卫星图;
下采样单元,用于基于预设的卷积核对卫星图进行下采样,得到卫星图组;所述卫星图组中卫星图的层数与清晰度呈反比;
其中,所述卷积核包括均值卷积核和高斯卷积核;所述均值卷积核包括:
所述高斯卷积核包括:
7.根据权利要求6所述的数字乡村信息化建模系统,其特征在于,所述特征提取应用模块包括:
图组排列单元,用于根据时间戳排列所述卫星图组;
图像转换单元,用于根据层数降序在所有卫星图组中提取卫星图,将相邻的卫星图输入预设的转换模型,得到转换图像;
相似度计算单元,用于根据预设的递增范围在所述转换图像中截取待检区,计算待检区的相似度;
循环执行单元,用于循环执行上述内容直至循环跳出条件;所述循环跳出条件包括相似度达到预设的相似度阈值和层数达到预设的层数阈值;
数据保留单元,用于根据相似度保留最小层数的卫星图,作为待检卫星图。
8.根据权利要求6所述的数字乡村信息化建模系统,其特征在于,所述实景图获取模块包括:
数值归一单元,用于根据预设的像素范围对待检卫星图进行数值归一化,得到卫星图矩阵;
异或运算单元,用于对时域中相邻的卫星图矩阵进行异或运算,得到差异矩阵;
路径确定单元,用于根据所述差异矩阵定位待检点位,根据待检点位确定采集路径;
图像获取单元,用于将所述采集路径向采集端发送,获取实景图像。
CN202310860551.4A 2023-07-14 2023-07-14 一种数字乡村信息化建模方法及系统 Active CN116597107B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310860551.4A CN116597107B (zh) 2023-07-14 2023-07-14 一种数字乡村信息化建模方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310860551.4A CN116597107B (zh) 2023-07-14 2023-07-14 一种数字乡村信息化建模方法及系统

Publications (2)

Publication Number Publication Date
CN116597107A true CN116597107A (zh) 2023-08-15
CN116597107B CN116597107B (zh) 2023-12-19

Family

ID=87608393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310860551.4A Active CN116597107B (zh) 2023-07-14 2023-07-14 一种数字乡村信息化建模方法及系统

Country Status (1)

Country Link
CN (1) CN116597107B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172322A (zh) * 2023-11-03 2023-12-05 中国标准化研究院 一种建立数字乡村知识图谱的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107408294A (zh) * 2014-10-08 2017-11-28 微软技术许可有限责任公司 交叉水平的图像混合
CN115631421A (zh) * 2022-12-23 2023-01-20 北京瞭望神州科技有限公司 耕地智慧保护方法及保护系统
CN115908729A (zh) * 2022-11-11 2023-04-04 咪咕文化科技有限公司 三维实景构建方法、装置、设备及计算机可读存储介质
DE102022202548B3 (de) * 2022-03-15 2023-05-04 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Trainieren eines Computerprogrammprodukts

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107408294A (zh) * 2014-10-08 2017-11-28 微软技术许可有限责任公司 交叉水平的图像混合
DE102022202548B3 (de) * 2022-03-15 2023-05-04 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Trainieren eines Computerprogrammprodukts
CN115908729A (zh) * 2022-11-11 2023-04-04 咪咕文化科技有限公司 三维实景构建方法、装置、设备及计算机可读存储介质
CN115631421A (zh) * 2022-12-23 2023-01-20 北京瞭望神州科技有限公司 耕地智慧保护方法及保护系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172322A (zh) * 2023-11-03 2023-12-05 中国标准化研究院 一种建立数字乡村知识图谱的方法
CN117172322B (zh) * 2023-11-03 2024-03-12 中国标准化研究院 一种建立数字乡村知识图谱的方法

Also Published As

Publication number Publication date
CN116597107B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN116597107B (zh) 一种数字乡村信息化建模方法及系统
Yadav et al. An improved deep learning-based optimal object detection system from images
CN116343103B (zh) 一种基于三维gis场景与视频融合的自然资源监管方法
CN108447064B (zh) 一种图片处理方法及装置
CN111738280A (zh) 一种图像识别方法、装置、设备及可读存储介质
CN115222920B (zh) 基于图像的数字孪生时空知识图谱构建方法和装置
CN111080501A (zh) 基于手机信令数据的真实人群密度时空分布估算方法
CN111741329B (zh) 一种视频处理方法、装置、设备及存储介质
CN116168246A (zh) 一种用于铁路工程的弃渣场识别方法、装置、设备及介质
CN115457492A (zh) 目标检测方法、装置、计算机设备及存储介质
CN115439753A (zh) 一种基于dem的陡峭河岸识别方法及系统
CN112668675B (zh) 一种图像处理方法、装置、计算机设备及存储介质
Chen et al. Robust camera model identification using demosaicing residual features
CN114118410A (zh) 图结构的节点特征提取方法、设备及存储介质
CN116962612A (zh) 应用于仿真系统的视频处理方法、装置、设备及存储介质
Ranisavljević et al. A dynamic and generic cloud computing model for glaciological image processing
CN116978042A (zh) 一种图像处理方法、相关设备及存储介质
ZHANG et al. Investigation on the Relationship between Population Density and Satellite Image Features--a Deep Learning Based Approach.
Amritesh et al. Localised Land-Use Classification Using U-Net and Satellite Imaging
CN113449697B (zh) 视频信息处理方法、设备及计算机存储介质
Lu et al. Global road extraction using a pseudo-label guided framework: from benchmark dataset to cross-region semi-supervised learning
Amer et al. Worldwide Population Estimates for Small Geographic Areas: Can We Do a Better Job?
Keertika et al. Big data Analytics based Tourist Behaviour Analysis
Epitropou et al. Evaluation of the accuracy of an inverse image-based reconstruction method for chemical weather data
Kimata et al. Hierarchical and Compact Bitmap Based Data Structure of Human Dynamics Data for Visualization

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