CN117517215A - 一记录生态资源变化状态的遥感检测方法 - Google Patents
一记录生态资源变化状态的遥感检测方法 Download PDFInfo
- Publication number
- CN117517215A CN117517215A CN202311486065.7A CN202311486065A CN117517215A CN 117517215 A CN117517215 A CN 117517215A CN 202311486065 A CN202311486065 A CN 202311486065A CN 117517215 A CN117517215 A CN 117517215A
- Authority
- CN
- China
- Prior art keywords
- module
- remote sensing
- image
- ecological
- image data
- 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
- 230000008859 change Effects 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 48
- 230000005855 radiation Effects 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 23
- 230000010287 polarization Effects 0.000 claims description 20
- 238000012800 visualization Methods 0.000 claims description 9
- 241000607479 Yersinia pestis Species 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 7
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 241000238631 Hexapoda Species 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及生态资源变化状态遥感检测技术领域,且公开了一种记录生态资源变化状态的遥感检测方法,首先遥感影像收集模块会对需要检测的生态区域的多个不同时间段的图像数据进行采集,然后影像预处理模块基于遥感影像收集模块方法收集到的影像数据进行预处理操作,预处理方式包括了辐射矫正模块和大气矫正模块,影像数据预处理完成后通过影像数据配准模块将收集到的不同时期影像数据进行配准操作,使用的配准方法为空间坐标和特征匹配法,数据配准完成后通过影像检测模块对不同时期变化的区域进行分析,分析的方法为遥感图像差异分析,然后通过生态状态分析模块对发生变化的区域情况进行分析操作。
Description
技术领域
本发明涉及生态资源变化状态遥感检测技术领域,具体为一种记录生态资源变化状态的遥感检测方法。
背景技术
随着环境问题的加剧以及全球生态系统的不断恶化,生态资源变化监测逐渐成为国际上一个热门的研究领域。遥感技术由于其快速、高效、高精度和低成本等优势,逐渐成为监测生态资源变化的重要工具,生态资源遥感检测方法的发展经历了多个阶段,在初期阶段,使用航空摄影、卫星图像等遥感数据进行生态资源变化检测,但由于数据缺乏、分辨率低、信息获取困难等限制,使得数据处理和分析困难。在中期阶段,随着遥感技术和计算机技术的快速发展,使得遥感数据获取和处理更加方便,同时也出现了一些新的遥感数据,如LiDAR(激光雷达),高分辨率卫星影像,使得检测精度和效率进一步提升。在现代阶段,随着遥感技术不断创新,如多光谱遥感、高光谱遥感、合成孔径雷达遥感等技术的应用,为生态资源变化检测提供了更加精细、全面、准确的信息,为生态资源遥感检测方法的进一步提升带来无限可能,所以,在此提出了一种记录生态资源变化状态的遥感检测方法。
目前,记录生态资源变化状态的遥感检测方法通过通过反映地物表面的真实辐射状况来记录资源的生态变化情况,但是在记录的过程中大气的散射和吸收会导致地物表面的辐射信号被削弱或混杂,从而影响影像的质量和定量分析的准确性,并且在反应地面辐射通常会存在一定的辐射差异,影响结果的准确性,所以在此提出了一种记录生态资源变化状态的遥感检测方法,通过利用遥感影像中不同极化方向的辐射值之间的差异来估计大气散射的贡献达到去除大气的散射和吸收对辐射的影响,以及通过将原始的数字数值转换为反射率以反映地物表面的真实辐射特征,在不同时间和不同传感器获取的影像具有可比性的同时更准确的获取地物反射信息。
发明内容
针对现有技术中记录的过程中大气的散射和吸收会导致地物表面的辐射信号被削弱或混杂影响结果的准确性的不足,本发明提供了一种记录生态资源变化状态的遥感检测方法,具备在不同时间和不同传感器获取的影像具有可比性的同时更准确的获取地物反射信息的优点。
为实现上述目的,本发明提供如下技术方案:一种记录生态资源变化状态的遥感检测方法,所述遥感检测方法模块包括;
用于收集遥感检测所需图像数据的遥感影像收集模块;
用于将收集到的遥感检测图像数据进行预处理的影像预处理模块;
用于将不同时期的遥感影像进行配准的影像数据配准模块;
用于识别检测不同时期的影像数据生态状态变化情况的影像检测模块;
用于分析不同时期的影像数据的生态状态变化原因的生态状态分析模块;
用于将分析结果进行输出查看的分析结果输出模块;
首先遥感影像收集模块会对需要检测的生态区域的多个不同时间段的图像数据进行采集,然后影像预处理模块基于遥感影像收集模块方法收集到的影像数据进行预处理操作,预处理方式包括了辐射矫正模块和大气矫正模块,影像数据预处理完成后通过影像数据配准模块将收集到的不同时期影像数据进行配准操作,使用的配准方法为空间坐标和特征匹配法,数据配准完成后通过影像检测模块对不同时期变化的区域进行分析,分析的方法为遥感图像差异分析,然后通过生态状态分析模块对发生变化的区域情况进行分析操作,使用的方法可以为随机森林分类标记法,找出发生变化的区域并进行分析,最后通过分析结果输出模块使用可视化模块方法进行结果可视化输出。
所述遥感影像收集模块方法通过使用多个卫星传感器获取遥感影像,例如,Landsat系列卫星、MODIS卫星,用来长期的获取不同时间段观测的数据。
所述影像预处理模块的辐射矫正模块方法用于消除遥感影像收集模块方法收集到的图像数据的辐射差异,将遥感影像中的数字值转换为表观反射率或辐射亮度,通过大气转换模型(ATM)法基于大气散射理论建立大气转换模型,通过估计大气散射成分并去除,将原始的数字数值转换为反射率以反映地物表面的真实辐射特征,消除影像中的部分干扰因素,使得不同时间和不同传感器获取的影像具有可比性。
所述影像预处理模块的大气矫正模块方法用于减少遥感影像收集模块方法收集图像数据时大气对遥感影像的干扰,在遥感影像收集模块获取数据时,大气散射和吸收会导致地物表面的辐射信号被削弱或混杂,从而影响影像的质量和定量分析的准确性,大气矫正模块通过偏振差异法(Polarization Difference Method,PDM)利用遥感影像中不同极化方向的辐射值之间的差异来估计大气散射的贡献,从而实现大气校正,在获取数据时更准确的获取地物反射信息。
所述影像数据配准模块使用的空间坐标和特征匹配法配准方法将收集到的不同时间段遥感影像进行精确配准,首先对待配准影像和参考影像提取空间坐标点并进行相互匹配,确定两个影像之间的几何变换参数,实现影像对齐,接着从待匹配影像和参考影像中检测出具有稳定特征的关键点,如SIFT、SURF、ORB等特征点算法然后利用特征点之间的相似性进行匹配,确定两幅图像之间的几何变换关系从而实现影像配准。
所述影像检测模块所使用的遥感图像差异分析方法对收集到的多幅不同时期的遥感影像数据进行初步的比较,检测地物和环境的变化和演化情况,入两幅影像中比较出差异信息,如颜色、纹理、形状、位置等差异特征,然后将比较出的变化和演化情况通过生态状态分析模块通过生态状态分析模块进行生态状态分析。
所述生态状态分析模块根据影像检测模块记录的影像差异特征进行分类标记,记录不同类型的森林覆盖变化状态,例如记录不同影像的生态资源的变化趋势、评估森林健康状况、监测森林病虫害等,并为相关决策提供科学依据和支持。
所述分析结果输出模块将生态状态分析模块分析的结果进行结果输出,通过可视化模块将地图中出现异常的地区用不同颜色标示,例如绿色表示森林覆盖,红色表示破碎森林,黄色表示森林病虫害,灰色表示无森林覆盖等,直观地展示不同地区的生态资源变化状态。
有益效果:
1、该记录生态资源变化状态的遥感检测方法,通过在处理图像信息时使用了偏振差异法,减小了地物表面的辐射差异,提高遥感图像的质量,让获取后的遥感图像具有更好的视觉效果,更加的便于处理分析。
2、该记录生态资源变化状态的遥感检测方法,通过采用彩色地图可视化的方式,可以直观地反映生态资源的变化状态,不仅可以清晰地展示地表物体的分布,还能够通过颜色等视觉效果,快速了解不同地区生态环境的差异为生态保护和可持续发展提供更全面的支持。
附图说明
图1为一种记录生态资源变化状态的遥感检测方法的步骤图。
图中:1、遥感影像收集模块;2、影像预处理模块;3、影像数据配准模块;4、影像检测模块;5、生态状态分析模块;6、分析结果输出模块;7、辐射矫正模块;8、大气矫正模块;9、空间坐标和特征匹配法;10、遥感图像差异分析;11、可视化模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参阅图1,一种记录生态资源变化状态的遥感检测方法,遥感检测方法模块包括;
用于收集遥感检测所需图像数据的遥感影像收集模块;
用于将收集到的遥感检测图像数据进行预处理的影像预处理模块;
用于将不同时期的遥感影像进行配准的影像数据配准模块;
用于识别检测不同时期的影像数据生态状态变化情况的影像检测模块;
用于分析不同时期的影像数据的生态状态变化原因的生态状态分析模块;
用于将分析结果进行输出查看的分析结果输出模块;
首先遥感影像收集模块会对需要检测的生态区域的多个不同时间段的图像数据进行采集,然后影像预处理模块基于遥感影像收集模块方法收集到的影像数据进行预处理操作,预处理方式包括了辐射矫正模块和大气矫正模块,影像数据预处理完成后通过影像数据配准模块将收集到的不同时期影像数据进行配准操作,使用的配准方法为空间坐标和特征匹配法,数据配准完成后通过影像检测模块对不同时期变化的区域进行分析,分析的方法为遥感图像差异分析,然后通过生态状态分析模块对发生变化的区域情况进行分析操作,使用的方法可以为随机森林分类标记法,找出发生变化的区域并进行分析,最后通过分析结果输出模块使用可视化模块方法进行结果可视化输出。
遥感影像收集模块方法通过使用多个卫星传感器获取遥感影像,例如,Landsat系列卫星、MODIS卫星,用来长期的获取不同时间段观测的数据。
影像预处理模块2的辐射矫正模块7方法用于消除遥感影像收集模块1方法收集到的图像数据的辐射差异,将遥感影像中的数字值转换为表观反射率或辐射亮度,通过大气转换模型(ATM)法基于大气散射理论建立大气转换模型,通过估计大气散射成分并去除,将原始的数字数值转换为反射率以反映地物表面的真实辐射特征,消除影像中的部分干扰因素,使得不同时间和不同传感器获取的影像具有可比性。
影像预处理模块2的大气矫正模块8方法用于减少遥感影像收集模块1方法收集图像数据时大气对遥感影像的干扰,在遥感影像收集模块1获取数据时,大气散射和吸收会导致地物表面的辐射信号被削弱或混杂,从而影响影像的质量和定量分析的准确性,大气矫正模块8通过偏振差异法(Polarization Difference Method,PDM)利用遥感影像中不同极化方向的辐射值之间的差异来估计大气散射的贡献,从而实现大气校正,在获取数据时更准确的地物反射信息。
其中:影像预处理模块2的大气矫正模块8使用的通过偏振差异法(PolarizationDifference Method,PDM)通过使用多偏振传感器或通过不同时间采集的遥感图像来获取不同偏振状态下的图像数据。首先过程为首先分析偏振差别,对获取的偏振图像进行分析,比较不同偏振状态下地物的辐射特征差异,可以通过计算相应的偏振参数,如偏振角、偏振率等来评估不同地物或场景之间的差异。然后进行校正遥感图像,根据分析得出的偏振差别信息,利用数学模型或算法对遥感图像进行校正。可以通过拟合曲线、反射率转换等方法。最后进行评估校正效果,与地面实测数据进行比对,以验证校正效果。
实施例二
请参阅图1,在实施例一基础上进一步的,影像数据配准模块3使用的空间坐标和特征匹配法9配准方法将收集到的不同时间段遥感影像进行精确配准,首先对待配准影像和参考影像提取空间坐标点并进行相互匹配,确定两个影像之间的几何变换参数,实现影像对齐,接着从待匹配影像和参考影像中检测出具有稳定特征的关键点,如SIFT、SURF、ORB等特征点算法然后利用特征点之间的相似性进行匹配,确定两幅图像之间的几何变换关系从而实现影像配准。
影像检测模块4所使用的遥感图像差异分析10方法对收集到的多幅不同时期的遥感影像数据进行初步的比较,检测地物和环境的变化和演化情况,入两幅影像中比较出差异信息,如颜色、纹理、形状、位置等差异特征,然后将比较出的变化和演化情况通过生态状态分析模块5通过生态状态分析模块5进行生态状态分析。
生态状态分析模块5根据影像检测模块4记录的影像差异特征进行分类标记,记录不同类型的森林覆盖变化状态,例如记录不同影像的生态资源的变化趋势、评估森林健康状况、监测森林病虫害等,并为相关决策提供科学依据和支持。
分析结果输出模块6将生态状态分析模块5分析的结果进行结果输出,通过可视化模块11将地图中出现异常的地区用不同颜色标示,例如绿色表示森林覆盖,红色表示破碎森林,黄色表示森林病虫害,灰色表示无森林覆盖等,直观地展示不同地区的生态资源变化状态。
其中:分析结果输出模块6将分析得到的结果用彩色地图进行可视化展示,通过可视化模块11使用地理信息系统(GIS)软件或数据可视化工具,将不同生态资源变化状态用不同的颜色进行标记,生成彩色地图,绿色表示森林覆盖,红色表示破碎森林,黄色表示森林病虫害,灰色表示无森林覆盖等,能够更直观地展示不同地区的生态资源变化状态,不仅可以清晰地展示地表物体的分布,还能够通过颜色等视觉效果,快速了解不同地区生态环境的差异。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种记录生态资源变化状态的遥感检测方法,其特征在于:所述遥感检测方法模块包括;
用于收集遥感检测所需图像数据的遥感影像收集模块(1);
用于将收集到的遥感检测图像数据进行预处理的影像预处理模块(2);
用于将不同时期的遥感影像进行配准的影像数据配准模块(3);
用于识别检测不同时期的影像数据生态状态变化情况的影像检测模块(4);
用于分析不同时期的影像数据的生态状态变化原因的生态状态分析模块(5);
用于将分析结果进行输出查看的分析结果输出模块(6);
首先遥感影像收集模块(1)会对需要检测的生态区域的多个不同时间段的图像数据进行采集,然后影像预处理模块(2)基于遥感影像收集模块(1)方法收集到的影像数据进行预处理操作,预处理方式包括了辐射矫正模块(7)和大气矫正模块(8),影像数据预处理完成后通过影像数据配准模块(3)将收集到的不同时期影像数据进行配准操作,使用的配准方法为空间坐标和特征匹配法(9),数据配准完成后通过影像检测模块(4)对不同时期变化的区域进行分析,分析的方法为遥感图像差异分析(10),然后通过生态状态分析模块(5)对发生变化的区域情况进行分析操作,使用的方法可以为随机森林分类标记法,找出发生变化的区域并进行分析,最后通过分析结果输出模块(6)使用可视化模块(11)方法进行结果可视化输出。
2.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述遥感影像收集模块(1)方法通过使用多个卫星传感器获取遥感影像,例如,Landsat系列卫星、MODIS卫星,用来长期的获取不同时间段观测的数据。
3.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述影像预处理模块(2)的辐射矫正模块(7)方法用于消除遥感影像收集模块(1)方法收集到的图像数据的辐射差异,将遥感影像中的数字值转换为表观反射率或辐射亮度,通过大气转换模型(ATM)法基于大气散射理论建立大气转换模型,通过估计大气散射成分并去除,将原始的数字数值转换为反射率以反映地物表面的真实辐射特征,消除影像中的部分干扰因素,使得不同时间和不同传感器获取的影像具有可比性。
4.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述影像预处理模块(2)的大气矫正模块(8)方法用于减少遥感影像收集模块(1)方法收集图像数据时大气对遥感影像的干扰,在遥感影像收集模块(1)获取数据时,大气散射和吸收会导致地物表面的辐射信号被削弱或混杂,从而影响影像的质量和定量分析的准确性,大气矫正模块(8)通过偏振差异法(Polarization Difference Method,PDM)利用遥感影像中不同极化方向的辐射值之间的差异来估计大气散射的贡献,从而实现大气校正,在更准确的获取地物反射信息。
5.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述影像数据配准模块(3)使用的空间坐标和特征匹配法(9)配准方法将收集到的不同时间段遥感影像进行精确配准,首先对待配准影像和参考影像提取空间坐标点并进行相互匹配,确定两个影像之间的几何变换参数,实现影像对齐,接着从待匹配影像和参考影像中检测出具有稳定特征的关键点,如SIFT、SURF、ORB等特征点算法然后利用特征点之间的相似性进行匹配,确定两幅图像之间的几何变换关系从而实现影像配准。
6.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述影像检测模块(4)所使用的遥感图像差异分析(10)方法对收集到的多幅不同时期的遥感影像数据进行初步的比较,检测地物和环境的变化和演化情况,入两幅影像中比较出差异信息,如颜色、纹理、形状、位置等差异特征,然后将比较出的变化和演化情况通过生态状态分析模块(5)通过生态状态分析模块(5)进行生态状态分析。
7.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述生态状态分析模块(5)根据影像检测模块(4)记录的影像差异特征进行分类标记,记录不同类型的森林覆盖变化状态,例如记录不同影像的生态资源的变化趋势、评估森林健康状况、监测森林病虫害等,并为相关决策提供科学依据和支持。
8.根据权利要求1所述的一种记录生态资源变化状态的遥感检测方法,其特征在于:所述分析结果输出模块(6)将生态状态分析模块(5)分析的结果进行结果输出,通过可视化模块(11)将地图中出现异常的地区用不同颜色标示,例如绿色表示森林覆盖,红色表示破碎森林,黄色表示森林病虫害,灰色表示无森林覆盖等,直观地展示不同地区的生态资源变化状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486065.7A CN117517215A (zh) | 2023-11-09 | 2023-11-09 | 一记录生态资源变化状态的遥感检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486065.7A CN117517215A (zh) | 2023-11-09 | 2023-11-09 | 一记录生态资源变化状态的遥感检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117517215A true CN117517215A (zh) | 2024-02-06 |
Family
ID=89756122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311486065.7A Pending CN117517215A (zh) | 2023-11-09 | 2023-11-09 | 一记录生态资源变化状态的遥感检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117517215A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137441A (en) * | 1998-09-09 | 2000-10-24 | Qualcomm Incorporated | Accurate range and range rate determination in a satellite communications system |
CN103400364A (zh) * | 2013-06-06 | 2013-11-20 | 武汉大学 | 一种森林资源变化监测方法 |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
CN105579811A (zh) * | 2013-09-27 | 2016-05-11 | 高通股份有限公司 | 外部混合照片制图 |
CN106157292A (zh) * | 2015-04-23 | 2016-11-23 | 尤淑撑 | 基于两时相遥感图像的国土资源变化监测 |
CN106530240A (zh) * | 2016-09-29 | 2017-03-22 | 南京邮电大学 | 一种基于多尺度融合和全变分优化的图像去雾方法 |
CN109827929A (zh) * | 2019-03-13 | 2019-05-31 | 福州大学 | 基于tsevi的森林覆盖变化检测方法 |
CN112016436A (zh) * | 2020-08-28 | 2020-12-01 | 北京国遥新天地信息技术有限公司 | 一种基于深度学习的遥感影像变化检测方法 |
CN113610729A (zh) * | 2021-08-06 | 2021-11-05 | 自然资源部国土卫星遥感应用中心 | 高光谱遥感影像星地协同大气校正方法、系统及存储介质 |
CN114445394A (zh) * | 2022-02-08 | 2022-05-06 | 上海市地质勘查技术研究院 | 一种地表变化检测方法和系统 |
CN116030349A (zh) * | 2023-02-03 | 2023-04-28 | 湖南星图空间信息技术有限公司 | 一种光学遥感影像船只检测方法 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
-
2023
- 2023-11-09 CN CN202311486065.7A patent/CN117517215A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6137441A (en) * | 1998-09-09 | 2000-10-24 | Qualcomm Incorporated | Accurate range and range rate determination in a satellite communications system |
CN103699543A (zh) * | 2012-09-28 | 2014-04-02 | 南京理工大学 | 基于遥感图像地物分类的信息可视化方法 |
CN103400364A (zh) * | 2013-06-06 | 2013-11-20 | 武汉大学 | 一种森林资源变化监测方法 |
CN105579811A (zh) * | 2013-09-27 | 2016-05-11 | 高通股份有限公司 | 外部混合照片制图 |
CN106157292A (zh) * | 2015-04-23 | 2016-11-23 | 尤淑撑 | 基于两时相遥感图像的国土资源变化监测 |
CN106530240A (zh) * | 2016-09-29 | 2017-03-22 | 南京邮电大学 | 一种基于多尺度融合和全变分优化的图像去雾方法 |
CN109827929A (zh) * | 2019-03-13 | 2019-05-31 | 福州大学 | 基于tsevi的森林覆盖变化检测方法 |
CN112016436A (zh) * | 2020-08-28 | 2020-12-01 | 北京国遥新天地信息技术有限公司 | 一种基于深度学习的遥感影像变化检测方法 |
CN113610729A (zh) * | 2021-08-06 | 2021-11-05 | 自然资源部国土卫星遥感应用中心 | 高光谱遥感影像星地协同大气校正方法、系统及存储介质 |
CN114445394A (zh) * | 2022-02-08 | 2022-05-06 | 上海市地质勘查技术研究院 | 一种地表变化检测方法和系统 |
CN116030349A (zh) * | 2023-02-03 | 2023-04-28 | 湖南星图空间信息技术有限公司 | 一种光学遥感影像船只检测方法 |
CN116596326A (zh) * | 2023-04-11 | 2023-08-15 | 常州双炬智能科技有限公司 | 一种基于遥感数据的城市环境检测及综合评估方法 |
Non-Patent Citations (2)
Title |
---|
叶松: "基于偏振信息的遥感图像大气散射校正", 《光学学报》, vol. 27, no. 6, 30 June 2007 (2007-06-30), pages 999 - 1003 * |
张玉娟: "《遥感数字图像处理》", 31 July 2016, 哈尔滨工程大学出版社, pages: 155 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mishra et al. | Change detection techniques in remote sensing: A review | |
CN112541921B (zh) | 城市绿地植被信息数据化精准测定方法 | |
Münzinger et al. | Mapping the urban forest in detail: From LiDAR point clouds to 3D tree models | |
Lu et al. | Land-use and land-cover change detection | |
CN112396019A (zh) | 一种基于无人机的植被分布识别方法、系统及可读存储介质 | |
CN111145157B (zh) | 基于高分辨率遥感影像的路网数据自动化质量检查方法 | |
CN111524224B (zh) | 一种电力变压器表面温度分布的全景成像方法 | |
CN104408705A (zh) | 一种高光谱图像的异常检测方法 | |
CN110956207B (zh) | 一种光学遥感影像全要素变化检测方法 | |
CN110188716B (zh) | 一种矿化信息提取方法及系统 | |
CN111398176A (zh) | 基于像元尺度特征的水体水色异常遥感识别方法和装置 | |
CN102855485A (zh) | 一种小麦抽穗的自动检测方法 | |
CN113570538B (zh) | 一种叶片rgb图像偏态分布参数信息采集及分析方法 | |
JP4003465B2 (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
CN113033385A (zh) | 一种基于深度学习的违章建筑遥感识别方法及系统 | |
CN114910891A (zh) | 一种基于非重叠视野的多激光雷达外参标定方法 | |
Erener et al. | A methodology for land use change detection of high resolution pan images based on texture analysis | |
CN113516177A (zh) | 基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法 | |
De Gélis et al. | Benchmarking change detection in urban 3D point clouds | |
CN112669363A (zh) | 城市绿地三维绿量测算方法 | |
CN117517215A (zh) | 一记录生态资源变化状态的遥感检测方法 | |
CN115825388A (zh) | 一种重金属估算模型的训练方法、估算方法、装置及设备 | |
CN112577954B (zh) | 城市绿地地上生物量估测方法 | |
Samadzadegan et al. | Evaluating the sensitivity of image fusion quality metrics to image degradation in satellite imagery | |
CN109255765B (zh) | 一种基于图像类型分析的遥感图像色彩校正方法 |
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 |