CN116935220A - 基于数字视频数据的城市格局监测方法、装置及存储介质 - Google Patents
基于数字视频数据的城市格局监测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116935220A CN116935220A CN202310880496.5A CN202310880496A CN116935220A CN 116935220 A CN116935220 A CN 116935220A CN 202310880496 A CN202310880496 A CN 202310880496A CN 116935220 A CN116935220 A CN 116935220A
- Authority
- CN
- China
- Prior art keywords
- pattern
- target area
- ecological
- geographic information
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 2
- 239000000758 substrate Substances 0.000 claims 1
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及基于数字视频数据的城市格局监测方法、装置及存储介质，应用于城市规划技术领域，包括：通过在某区域的全景视频图像中，结合地理信息系统获取的该区域的地理信息，对全景视频图像数据转换成的帧图像进行地理信息的标记，使得每一帧图像中均包含地理坐标信息，这样用户就可以直观的感受到某具体坐标点的城市格局，且将rgb帧图像转换为hsv帧图像，通过标记的地理信息获取到目标区域的hsv帧图像，通过计算目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局，这样就能将城市格局数据化，通过具体的数据来展现城市某区域的格局，相较于直接监测图像，结果更为精确，监测效果更为明显。
Description
技术领域
本发明涉及城市规划技术领域，具体涉及基于数字视频数据的城市格局监测方法、装置及存储介质。
背景技术
城市格局变化是城市管理与城乡规划研究的重要内容，未来要实现城市格局精细化管理与研究需要匹配更加灵活、便携且科学的监测方法或工具；目前开展城市格局监测的方法主要是依托图像或视频数据，这些数据来源于全景图像采集设备，主要包括：数字单反相机、鱼眼镜头、全景云台以及三角支架等等，通过以上硬件设备进行图像采集，然后经由专门的图像处理软件进行图像的特征提取、图像配准、图像融合最终拼接成所需的全景图像，这些数据尽管能够概览全局，但是一方面缺乏地理信息，无法精准的感受到某特定区域的城市格局变化，另一方面直接从图像观看，对城市格局的感受不够精确、简单。
发明内容
有鉴于此，本发明的目的在于提供基于数字视频数据的城市格局监测方法、装置及存储介质，以解决现有技术中，通过视频图像拼接全景图像没有包含地理信息，不能对特定区域的城市格局进行直观监测，且通过图像直接监测城市格局，结果不够精确的问题。
根据本发明实施例的第一方面，提供基于数字视频数据的城市格局监测方法，所述方法包括：
获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局。
优选地，还包括：
获取目标区域的遥感卫星植被图片，根据遥感卫星植被图片计算目标区域的归一化植被指数；
计算所述目标区域的生态格局与归一化植被指数的相关性指标，若所述相关性指标满足预设的标准，表示该目标区域的生态格局通过准确性验证。
优选地，
所述根据遥感卫星植被图片计算目标区域的归一化植被指数包括：
获取目标区域遥感卫星植被图片中的近红外波段以及红光波段；
通过归一化植被指数计算公式获取目标区域的归一化植被指数，所述归一化植被指数计算公式如下所示：
式中，NDVI表示归一化植被指数，NIR表示近红外波段，R表示红光波段。
优选地，
所述计算所述目标区域的生态格局与归一化植被指数的相关性指标包括：构建城市生态格局与归一化植被指数的拟合模型，通过构建的拟合模型计算拟合模型中的相关性指标。
优选地，还包括：
获取到所述某一区域的全景视频图像数据以及地理信息数据后，对数据的图像格式按照预设的标准图像格式进行校准，获取到标准的图像格式，对所述标准的图像格式进行帧图像转换。
优选地，
所述将每一帧rgb图像转换为hsv帧图像包括：
通过hsv转换公式对rgb图像进行转换，所述hsv转换公式如下所示：
v＝max
式中，r，g，b分别表示rgb图像的三通道值，max表示r，g，b三通道值中的最大值，min表示r，g，b三通道值中的最小值，下表展示了RGB和HSV颜色模型对于常见颜色的描述对比表：
优选地，
所述绿色植被像素值表示hsv帧图像中，35＜h＜77、43＜s＜255、46＜v＜255的像素点的数量。
优选地，
所述通过绿色植被像素值获取目标区域的生态格局以及非生态格局包括：
所述目标区域的生态格局计算公式为：
式中，urban ecological patterns表示目标区域的生态格局，pixels of greenvegetation表示hsv帧图像中绿色植被像素值，pixels of the urban pattern表示hsv帧图像中总像素数值；
所述目标区域的非生态格局计算公式为：
式中，urban non-ecological patterns表示目标区域的非生态格局，pixels ofnon-green vegetation表示hsv帧图像中非绿色植被像素值，其中，非绿色植被像素值等于1-绿色植被像素值，即pixels of non-green vegetation＝1-pixels of greenvegetation。
根据本发明实施例的第二方面，提供基于数字视频数据的城市格局监测装置，所述装置包括：
数据获取模块：用于获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
帧图像转换模块：用于将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
格局监测模块：用于将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局。
根据本发明实施例的第三方面，提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现所述的基于数字孪生的物流装备再设计方法中的各个步骤。
本发明的实施例提供的技术方案可以包括以下有益效果：
本申请通过在某区域的全景视频图像中，结合地理信息系统获取的该区域的地理信息，对全景视频图像数据转换成的帧图像进行地理信息的标记，使得每一帧图像中均包含地理坐标信息，这样用户就可以直观的感受到某具体坐标点的城市格局，且将rgb帧图像转换为hsv帧图像，通过标记的地理信息获取到目标区域的hsv帧图像，通过计算目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局，这样就能将城市格局数据化，通过具体的数据来展现城市某区域的格局，相较于直接监测图像，结果更为精确，监测效果更为明显。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的基于数字视频数据的城市格局监测方法的流程示意图；
图2是根据另一示例性实施例示出的hsv颜色空间模型图；
图3是根据另一示例性实施例示出的基于数字视频数据的城市格局监测装置的系统示意图；
附图中：1-数据获取模块，2-帧图像转换模块，3-格局监测模块。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的基于数字视频数据的城市格局监测方法的流程示意图，如图1所示，该方法包括：
S1，获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
S2，将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
S3，将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局；
可以理解的是，基于背景技术存在的技术问题，本发明提出了一种地理信息系统数字视频数据的城市格局监测方法，以解决背景技术中提出的问题，该方法可用于完整路段，指定时间变量的城市生态格局与城市非生态格局评估，是构建城市生态景观数据库或绿色宜居村镇建设数据库的重要数据收集方法，也可以为城市绿地规划提供参考；具体为：获取城市某一区域的全景视频图像数据(全景视频图像数据利用广角成像设备，亦或使用普通相机获取)，然后通过地理信息系统获取该区域的地理信息数据，所述的地理信息系统通常是通过GPS或北斗等获取到该区域的地理地图信息，所述的地理地图信息包括：时间信息、纬度、经度、海拔、向北速度、向东速度等，其中，经度与纬度是必须的信息，用于确定该地区的地理位置；将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息，视频图像数据转帧图像数据的原理为：单位时间内采集到的视频图像的帧数称为帧率，常用的单位为“帧/秒”，帧率的倒数就是时间采样的间隔或两帧之间的时间间隔。目前国际上最常用的标准制式是ntsc(national televisionstandards committee)、pal(phase alternating line)和secam(sequential colormemory)，ntsc制式的帧率为30帧/秒，为北美及许多亚洲国家的电视标准，pal和secam制式的帧率为25帧/秒，pal为西欧许多国家和中国的电视标准，secam为东欧和法国的电视标准，通过视频图像数据转帧图像数据的过程，可以提取指定高精度时间的指定图像数据；然后将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域(值得说明的是，所述的目标区域为上述的城市某一区域的部分或全部)的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局；本申请通过在某区域的全景视频图像中，结合地理信息系统获取的该区域的地理信息，对全景视频图像数据转换成的帧图像进行地理信息的标记，使得每一帧图像中均包含地理坐标信息，这样用户就可以直观的感受到某具体坐标点的城市格局，且将rgb帧图像转换为hsv帧图像，通过标记的地理信息获取到目标区域的hsv帧图像，通过计算目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局，这样就能将城市格局数据化，通过具体的数据来展现城市某区域的格局，相较于直接监测图像，结果更为精确，监测效果更为明显。
优选地，还包括：
获取目标区域的遥感卫星植被图片，根据遥感卫星植被图片计算目标区域的归一化植被指数；
计算所述目标区域的生态格局与归一化植被指数的相关性指标，若所述相关性指标满足预设的标准，表示该目标区域的生态格局通过准确性验证；
可以理解的是，遥感卫星植被图片是对城市生态格局的俯视图，与本申请基于实时精确测量运动的仪器或数据存在相关关系，遥感卫星植被图片来自于美国航空航天局(national aeronautics and space administration，NASA)定期发布的modis(moderate-resolution imaging spectroradiometer，中分辨率成像光谱仪)数据系列，modis数据是相当成熟的数据库，该数据中已经包含了拍摄时间以及地理信息，通过地理信息的校对，便可以对目标区域的生态格局进行校验，在城市生态格局分析中，遥感技术因其具有大面积同步覆盖、时效性高和经济成本低等优点被广泛运用，归一化植被指数(normalizeddifference vegetation index,NDVI)是测量和绘制地球表面的绿色植物分布，并用植被指数来对地表植被状况进行简单、有效的度量，NDVI能反映出植被覆盖与植物冠层的背景影响，与生物量、植被盖度、叶面积指数等量化植物生长状况的指标有很好的相关性，是表征地表植被状况的主要指标，通过计算将目标区域的生态格局与归一化植被指数的相关性指标，来验证本申请所得到的生态化格局的科学性以及合理性。
优选地，
所述根据遥感卫星植被图片计算目标区域的归一化植被指数包括：
获取目标区域遥感卫星植被图片中的近红外波段以及红光波段；
通过归一化植被指数计算公式获取目标区域的归一化植被指数，所述归一化植被指数计算公式如下所示：
式中，NDVI表示归一化植被指数，NIR表示近红外波段，R表示红光波段。
优选地，
所述计算所述目标区域的生态格局与归一化植被指数的相关性指标包括：构建城市生态格局与归一化植被指数的拟合模型，通过构建的拟合模型计算拟合模型中的相关性指标；
可以理解的是，构建城市生态格局与NDVI的拟合模型，通过线性模型(NDVI＝α+βGVI+ε)、对数模型(NDVI＝α+βlnGVI+ε)、幂指数模型(NDVI＝αGVIβ)、Logistic模型等来检验拟合结果，如果F统计量通过显著性检验，并且R2＞0.8，则说明本申请构建的一种基于地理信息系统数字视频数据的城市格局监测方法适合于特定地区开展城市格局高精度监测与研究，同时这些研究可以通过积累形成历史数据，模拟历史演化。
优选地，还包括：
获取到所述某一区域的全景视频图像数据以及地理信息数据后，对数据的图像格式按照预设的标准图像格式进行校准，获取到标准的图像格式，对所述标准的图像格式进行帧图像转换；
可以理解的是，对输入的图像格式制定规则，根据实际研究与工作需要，对图像数据尺寸、视角参数等信息进行调整，地理信息系统数据与视频数据规则预处理是为得到清晰图像以及精准图像备注记录的过程，而标准的图像格式的预设规则包括下表所示的各方面，
表1数据规则信息结构
优选地，
所述将每一帧rgb图像转换为hsv帧图像包括：
通过hsv转换公式对rgb图像进行转换，所述hsv转换公式如下所示：
v＝max
式中，r，g，b分别表示rgb图像的三通道值，max表示r，g，b三通道值中的最大值，min表示r，g，b三通道值中的最小值；
可以理解的是，图像数据的显示可能是不同颜色模型的结果，颜色模型是统一分析结果的重要描述方式，选择合适的颜色模型至关重要，一般图像数据包括rgb(red、green、blue)模式，cmy(cyan，magenta，yellow)模式、cmyk(cyan，magenta，yellow，black)模式、hsv(hue,saturation,value)模式等，一般情况，帧图像数据为rgb模式，需要转换为hsv模式，这是因为hsv模式具有减少图像中色彩和灰度信息干扰的优势，是最接近符合人类描述和解释的颜色，如附图2所示，某一像素点的h可以由该点与白色基准线所形成的圆心角表示，h的取值范围为[0,360]；某一点的s可以由该点与所在圆面的圆心之间的距离表示，距离越大，饱和度越高，反之越低；某一点的v可以由该点所在圆面与圆锥顶部之间的距离表示，距离越大，亮度越高，反之则越低。
优选地，
所述绿色植被像素值表示hsv帧图像中，35＜h＜77、43＜s＜255、46＜v＜255的像素点的数量；
可以理解的是，为了监测城市的生态化建设进度，而生态化建设与目标区域的植被覆盖面积息息相关，所以在获取到目标区域的hsv帧图像后，需要提取hsv帧图像中的绿色植被像素值，而绿色植被像素值在hsv帧图像中的取值范围在：35＜h＜77、43＜s＜255、46＜v＜255。
优选地，
所述通过绿色植被像素值获取目标区域的生态格局以及非生态格局包括：
所述目标区域的生态格局计算公式为：
式中，urban ecological patterns表示目标区域的生态格局，pixels of greenvegetation表示hsv帧图像中绿色植被像素值，pixels of the urban pattern表示hsv帧图像中总像素数值；
所述目标区域的非生态格局计算公式为：
式中，urban non-ecological patterns表示目标区域的非生态格局，pixels ofnon-green vegetation表示hsv帧图像中非绿色植被像素值，其中，非绿色植被像素值等于1-绿色植被像素值，即pixels of non-green vegetation＝1-pixels of greenvegetation；
可以理解的是，目标区域的生态格局的计算通过提取目标区域的绿色植被像素值比上总像素数值乘以百分百，同理，目标区域的非生态格局则是提取目标区域的非绿色植被像素值比上总像素值乘以百分百，而绿色植被像素值加上非绿色植被像素值即为总像素值。
实施例二
图3是根据另一示例性实施例示出的基于数字视频数据的城市格局监测装置的系统示意图，包括：
数据获取模块1：用于获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
帧图像转换模块2：用于将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
格局监测模块3：用于将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局；
可以理解的是，本申请通过数据获取模块1用于获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；通过帧图像转换模块2用于将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；通过格局监测模块3用于将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局；本申请通过在某区域的全景视频图像中，结合地理信息系统获取的该区域的地理信息，对全景视频图像数据转换成的帧图像进行地理信息的标记，使得每一帧图像中均包含地理坐标信息，这样用户就可以直观的感受到某具体坐标点的城市格局，且将rgb帧图像转换为hsv帧图像，通过标记的地理信息获取到目标区域的hsv帧图像，通过计算目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局，这样就能将城市格局数据化，通过具体的数据来展现城市某区域的格局，相较于直接监测图像，结果更为精确，监测效果更为明显。
实施例三：
本实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现上述方法中的各个步骤；
可以理解的是，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.基于数字视频数据的城市格局监测方法，其特征在于，所述方法包括：
获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取目标区域的遥感卫星植被图片，根据遥感卫星植被图片计算目标区域的归一化植被指数；
计算所述目标区域的生态格局与归一化植被指数的相关性指标，若所述相关性指标满足预设的标准，表示该目标区域的生态格局通过准确性验证。
3.根据权利要求2所述的方法，其特征在于，
所述根据遥感卫星植被图片计算目标区域的归一化植被指数包括：
获取目标区域遥感卫星植被图片中的近红外波段以及红光波段；
通过归一化植被指数计算公式获取目标区域的归一化植被指数，所述归一化植被指数计算公式如下所示：
式中，NDVI表示归一化植被指数，NIR表示近红外波段，R表示红光波段。
4.根据权利要求3所述的方法，其特征在于，
所述计算所述目标区域的生态格局与归一化植被指数的相关性指标包括：构建城市生态格局与归一化植被指数的拟合模型，通过构建的拟合模型计算拟合模型中的相关性指标。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取到所述某一区域的全景视频图像数据以及地理信息数据后，对数据的图像格式按照预设的标准图像格式进行校准，获取到标准的图像格式，对所述标准的图像格式进行帧图像转换。
6.根据权利要求5所述的方法，其特征在于，
所述将每一帧rgb图像转换为hsv帧图像包括：
通过hsv转换公式对rgb图像进行转换，所述hsv转换公式如下所示：
v＝max
式中，r，g，b分别表示rgb图像的三通道值，max表示r，g，b三通道值中的最大值，min表示r，g，b三通道值中的最小值。
7.根据权利要求6所述的方法，其特征在于，
所述绿色植被像素值表示hsv帧图像中，35＜h＜77、43＜s＜255、46＜v＜255的像素点的数量。
8.根据权利要求7所述的方法，其特征在于，
所述通过绿色植被像素值获取目标区域的生态格局以及非生态格局包括：
所述目标区域的生态格局计算公式为：
式中，urban ecological patterns表示目标区域的生态格局，pixels of greenvegetation表示hsv帧图像中绿色植被像素值，pixels of the urban pattern表示hsv帧图像中总像素数值；
所述目标区域的非生态格局计算公式为：
式中，urban non-ecological patterns表示目标区域的非生态格局，pixels of non-green vegetation表示hsv帧图像中非绿色植被像素值，其中，非绿色植被像素值等于1-绿色植被像素值，即pixels of non-green vegetation＝1-pixels of green vegetation。
9.基于数字视频数据的城市格局监测装置，其特征在于，所述装置包括：
数据获取模块：用于获取城市某一区域的全景视频图像数据，通过地理信息系统获取该区域的地理信息数据；
帧图像转换模块：用于将所述全景视频图像数据转换成每一时刻对应的rgb帧图像，通过地理信息数据标记每一帧rgb图像的地理信息；
格局监测模块：用于将每一帧rgb图像转换为hsv帧图像，通过标记的地理信息获取目标区域的hsv帧图像，获取目标区域hsv帧图像中的绿色植被像素值，通过绿色植被像素值获取目标区域的生态格局以及非生态格局。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现如权利要求1-8任一项所述的基于数字视频数据的城市格局监测方法中的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310880496.5A CN116935220A (zh) | 2023-07-17 | 2023-07-17 | 基于数字视频数据的城市格局监测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310880496.5A CN116935220A (zh) | 2023-07-17 | 2023-07-17 | 基于数字视频数据的城市格局监测方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116935220A true CN116935220A (zh) | 2023-10-24 |
Family
ID=88393554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310880496.5A Pending CN116935220A (zh) | 2023-07-17 | 2023-07-17 | 基于数字视频数据的城市格局监测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116935220A (zh) |
-
2023
- 2023-07-17 CN CN202310880496.5A patent/CN116935220A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107067447B (zh) | 一种大空间区域的整体化视频监控方法 | |
| CN108074517B (zh) | 逐点校正方法 | |
| CN103402117B (zh) | 基于Lab色度空间的视频图像偏色检测方法 | |
| CN104299215B (zh) | 一种特征点标定和匹配的图像拼接方法 | |
| US20220309200A1 (en) | Dynamic interactive simulation method for recognition and planning of urban viewing corridor | |
| CN112147078B (zh) | 一种农作物表型信息多源遥感监测方法 | |
| CN110675448B (zh) | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 | |
| CN106403904A (zh) | 一种基于无人机的景观尺度植被覆盖度的计算方法及系统 | |
| CN103606188A (zh) | 基于影像点云的地理信息按需采集方法 | |
| CN107734449A (zh) | 一种基于光标签的室外辅助定位方法、系统及设备 | |
| CN116182805A (zh) | 基于遥感图像的国土测绘方法 | |
| CN113610040B (zh) | 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法 | |
| CN109670789A (zh) | 一种用于生产建设项目水土保持的遥感监测系统 | |
| CN105243653A (zh) | 一种基于动态匹配的无人机遥感影像快速拼接技术 | |
| CN115100262B (zh) | 一种复杂场景三维温度和长波辐射模型的建立方法及系统 | |
| CN103544696A (zh) | 一种用于fpga实现的缝合线实时查找方法 | |
| CN107333031A (zh) | 一种适用于校园足球比赛的多路视频自动编辑方法 | |
| CN113792650A (zh) | 一种绿视率测量方法和系统 | |
| Gruber et al. | UltraCamX, the large format digital aerial camera system by Vexcel Imaging/Microsoft | |
| CN116935220A (zh) | 基于数字视频数据的城市格局监测方法、装置及存储介质 | |
| CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 | |
| King et al. | Airborne digital frame camera imaging for elevation determination | |
| KR20210032188A (ko) | 우시정 측정 시스템 및 방법 | |
| CN114565733B (zh) | 一种植被覆盖度测量方法、装置、电子设备及介质 | |
| CN114295108A (zh) | 一种其于外部设备及红外望远镜的测距方法及系统 |
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 |