CN117522900B - 一种基于计算机图像处理的遥感影像分析方法 - Google Patents
一种基于计算机图像处理的遥感影像分析方法 Download PDFInfo
- Publication number
- CN117522900B CN117522900B CN202311706923.4A CN202311706923A CN117522900B CN 117522900 B CN117522900 B CN 117522900B CN 202311706923 A CN202311706923 A CN 202311706923A CN 117522900 B CN117522900 B CN 117522900B
- Authority
- CN
- China
- Prior art keywords
- segmentation
- image
- value
- region
- negative
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 238000003703 image analysis method Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 147
- 238000000034 method Methods 0.000 claims abstract description 70
- 238000010191 image analysis Methods 0.000 claims abstract description 43
- 238000003709 image segmentation Methods 0.000 claims abstract description 19
- 230000008602 contraction Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于遥感影像领域,涉及图像处理技术,用于解决现有技术中遥感影像分析方法无法满足多种基础遥感图像的分割要求的问题,具体是一种基于计算机图像处理的遥感影像分析方法,将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像通过影像分析平台发送至图像分割模块;采用点扩分割法对处理图像进行分割处理得到外扩区域与补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;本发明可以采用点扩分割法与面缩分割法同时对处理图像进行分割处理,从而使遥感图像可以得到多元化的分割处理结果,适用于不同基础参数与图像特征的图像进行分割处理。
Description
技术领域
本发明属于遥感影像领域,涉及图像处理技术,具体是一种基于计算机图像处理的遥感影像分析方法。
背景技术
随着遥感技术的发展,高分辨力遥感影像在地理学、国土科学、生态学等众多领域得到了广泛的研究与应用;在影像图像数据日益增大的情况下,人们对于影像的中期处理-提取的要求也逐渐提高,遥感影像分析的方法也多种多样。
现有技术中遥感影像分析方法的图像分割方式过于单一,单一的图像分割方式无法满足多种基础遥感图像的分割要求,导致最终的遥感影像分析结果精确性低下。
针对上述技术问题,本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于计算机图像处理的遥感影像分析方法,用于解决现有技术中遥感影像分析方法无法满足多种基础遥感图像的分割要求的问题;
本发明需要解决的技术问题为:如何提供一种可以采用多种图像分割方式共同进行图像分割分析的基于计算机图像处理的遥感影像分析方法。
本发明的目的可以通过以下技术方案实现:
一种基于计算机图像处理的遥感影像分析方法,包括以下步骤:
步骤一:对遥感影像进行接收与预处理:将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像通过影像分析平台发送至图像分割模块;
步骤二:采用点扩分割法对处理图像进行分割处理得到外扩区域与补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;
步骤三:采用面缩分割法对处理图像进行分割处理得到内缩区域,将内缩区域通过影像分析平台发送至分割管理模块;
步骤四:对点扩分割法与面缩分割法的分割结果进行管理分析:获取处理图像的扩差数据KC、补充数据BC以及缩差数据SC并进行数值计算得到处理图像的管理系数GL,通过管理系数GL对处理图像的分割区域进行标记,将分割区域发送至影像分析平台。
作为本发明的一种优选实施方式,在步骤二中,采用点扩分割法对处理图像进行分割处理的具体过程包括:将处理图像分割为若干个均匀的网格区域,将网格区域的角点标记为处理点i,i=1,2,…,n为正整数,对处理点进行外扩分析:获取处理点的灰度值并标记为M1,通过公式M1min=M1-t1,M1max=M1+t1得到处理点的灰度范围(M1min,M1max),其中t1为预设的灰度分割标准值;由灰度值位于灰度范围之内且与处理点连续的像素格构成处理点的外扩区域,将外扩区域之外的像素格构成封闭区域标记为补充区域。
作为本发明的一种优选实施方式,在步骤三中,采用面缩分割法对处理图像进行分割处理的具体过程包括:对处理图像中所有像素格的灰度值进行求和取平均值得到灰均值,将灰度值大于灰均值的像素格标记为第一正向格,将灰度值不大于灰均值的像素格标记为第一负向格;由连续的第一正向格构成第一正向区域,由连续的第一负向格构成第一负向区域;然后对所有的第一正区域与第一负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,通过存储模块获取到分割阈值,将分割系数与分割阈值进行比较并通过比较结果对内缩区域进行标记。
作为本发明的一种优选实施方式,在步骤三中,将分割系数与分割阈值进行比较的具体过程包括:若分割系数小于分割阈值,则面缩分割法的分割过程完成,将第一正向区域与第一负向区域标记为内缩区域,将内缩区域发送至影像分析平台,影像分析平台接收到内缩区域后将内缩区域发送至分割管理模块;若分割系数大于等于分割阈值,则计算所有第一正向区域内所有像素格的灰度值的平均值并标记为正向均值,将第一正向区域内灰度值大于正向均值的像素格标记为第二正向格,将第一正向区域内灰度值不大于正向均值的像素格标记为第三正向格;计算所有第一负向区域内所有像素格的灰度值的平均值并标记为负向均值,将第一负向区域内灰度值大于负向均值的像素格标记为第二负向格,将第一负向区域内灰度值不大于负向均值的像素格标记为第三负向格;由所有连续的第二正向格构成第二正向区域,由所有连续的第三正向格构成第三正向区域,由所有连续的第二负向格构成第二负向区域,由所有连续的第三负向格构成第三负向区域;然后对所有的第二正向区域、第三正向区域、第二负向区域与第三负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,再次将分割系数与分割阈值进行比较,直至分割系数小于分割阈值,将所有的正向区域与负向区域标记为内缩区域。
作为本发明的一种优选实施方式,在步骤四中,扩差数据KC的获取过程包括:将外扩区域内像素格的灰度值的最大值与最小值的差值标记为外扩区域的扩差值,对所有外扩区域的扩差值进行求和取平均值得到处理图像的扩差数据KC;补充数据BC为采用点扩分割法得到的补充区域的数量;缩差数据SC的获取过程包括:将内缩区域内像素格的灰度值的最大值与最小值的差值标记为内缩区域的缩差值,对所有内缩区域的缩差值进行求和取平均值得到处理图像的缩差数据SC。
作为本发明的一种优选实施方式,在步骤四中,对分割区域进行标记的具体过程包括:通过存储模块获取到管理阈值GLmax,将处理图像的管理系数GL与管理阈值GLmax进行比较:若管理系数GL小于管理阈值GLmax,则将外扩区域与补充区域作为分割区域发送至影像分析平台;若管理系数GL大于等于管理阈值GLmax,则将内缩区域作为分割区域发送至影像分析平台。
作为本发明的一种优选实施方式,应用于基于计算机图像处理的遥感影像分析系统当中,包括影像分析平台,所述影像分析平台通信连接有预处理模块、图像分割模块、分割管理模块以及存储模块;
所述预处理模块用于对遥感影像进行接收与预处理并将得到的处理图像通过影像处理平台发送至图像分割模块;
所述图像分割模块包括点扩分割单元与面缩分割单元,所述点扩分割单元用于采用点扩分割法对处理图像进行分割处理并得到外扩区域与补充区域;所述面缩分割单元用于采用面缩分割法对处理图像进行分割处理并得到内缩区域;
所述分割管理模块用于对点扩分割法与面缩分割法的分割结果进行管理分析并对分割区域进行标记,将分割区域发送至影像分析平台。
本发明具备下述有益效果:
1、通过预处理模块可以对遥感影像进行接收与预处理,对遥感影像进行分解之后,对遥感影像进行放大与灰度变换处理,为图像分割模块的分割处理提供基础图像;
2、通过图像分割模块可以采用点扩分割法与面缩分割法同时对处理图像进行分割处理,点扩分割法进行分割处理得到外扩区域与补充区域,面缩分割法进行分割处理得到内缩区域,从而使遥感图像可以得到多元化的分割处理结果,适用于不同基础参数与图像特征的图像进行分割处理;
3、通过分割管理模块可以对点扩分割法与面缩分割法的分割结果进行管理分析,对外扩区域、补充区域以及内缩区域的分割参数进行综合分析与计算得到管理系数,通过管理系数对分割区域进行标记,在点扩分割法与面缩分割法的分割结果中筛选出分割精度更高的分割区域,提高遥感影像分析结果的精确性。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的系统框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
如图1所示,一种基于计算机图像处理的遥感影像分析系统,包括影像分析平台,影像分析平台通信连接有预处理模块、图像分割模块、分割管理模块以及存储模块。
预处理模块用于对遥感影像进行接收与预处理:将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像发送至影像分析平台,影像分析平台接收到处理图像后将处理图像发送至图像分割模块;对遥感影像进行接收与预处理,对遥感影像进行分解之后,对遥感影像进行放大与灰度变换处理,为图像分割模块的分割处理提供基础图象。
图像分割模块包括点扩分割单元与面缩分割单元,点扩分割单元用于采用点扩分割法对处理图像进行分割处理:将处理图像分割为若干个均匀的网格区域,将网格区域的角点标记为处理点i,i=1,2,…,n为正整数,对处理点进行外扩分析:获取处理点的灰度值并标记为M1,通过公式M1min=M1-t1,M1max=M1+t1得到处理点的灰度范围(M1min,M1max),其中t1为预设的灰度分割标准值;由灰度值位于灰度范围之内且与处理点连续的像素格构成处理点的外扩区域,将外扩区域之外的像素格构成封闭区域标记为补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;面缩分割单元用于采用面缩分割法对处理图像进行分割处理:对处理图像中所有像素格的灰度值进行求和取平均值得到灰均值,将灰度值大于灰均值的像素格标记为第一正向格,将灰度值不大于灰均值的像素格标记为第一负向格;由连续的第一正向格构成第一正向区域,由连续的第一负向格构成第一负向区域;然后对所有的第一正区域与第一负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,通过存储模块获取到分割阈值,将分割系数与分割阈值进行比较:若分割系数小于分割阈值,则面缩分割法的分割过程完成,将第一正向区域与第一负向区域标记为内缩区域,将内缩区域发送至影像分析平台,影像分析平台接收到内缩区域后将内缩区域发送至分割管理模块;若分割系数大于等于分割阈值,则计算所有第一正向区域内所有像素格的灰度值的平均值并标记为正向均值,将第一正向区域内灰度值大于正向均值的像素格标记为第二正向格,将第一正向区域内灰度值不大于正向均值的像素格标记为第三正向格;计算所有第一负向区域内所有像素格的灰度值的平均值并标记为负向均值,将第一负向区域内灰度值大于负向均值的像素格标记为第二负向格,将第一负向区域内灰度值不大于负向均值的像素格标记为第三负向格;由所有连续的第二正向格构成第二正向区域,由所有连续的第三正向格构成第三正向区域,由所有连续的第二负向格构成第二负向区域,由所有连续的第三负向格构成第三负向区域;然后对所有的第二正向区域、第三正向区域、第二负向区域与第三负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,再次将分割系数与分割阈值进行比较,直至分割系数小于分割阈值,将所有的正向区域与负向区域标记为内缩区域;采用点扩分割法与面缩分割法同时对处理图像进行分割处理,点扩分割法进行分割处理得到外扩区域与补充区域,面缩分割法进行分割处理得到内缩区域,从而使遥感图像可以得到多元化的分割处理结果,适用于不同基础参数与图像特征的图像进行分割处理。
分割管理模块用于对点扩分割法与面缩分割法的分割结果进行管理分析:获取处理图像的扩差数据KC、补充数据BC以及缩差数据SC,扩差数据KC的获取过程包括:将外扩区域内像素格的灰度值的最大值与最小值的差值标记为外扩区域的扩差值,对所有外扩区域的扩差值进行求和取平均值得到处理图像的扩差数据KC;补充数据BC为采用点扩分割法得到的补充区域的数量;缩差数据SC的获取过程包括:将内缩区域内像素格的灰度值的最大值与最小值的差值标记为内缩区域的缩差值,对所有内缩区域的缩差值进行求和取平均值得到处理图像的缩差数据SC;通过公式GL=α1*KC+α2*BCe+α3*SC得到处理图像的管理系数GL,其中α1、α2以及α3均为比例系数,且α1>α2>α3>1,e为自然常数,e的取值为2.718;通过存储模块获取到管理阈值GLmax,将处理图像的管理系数GL与管理阈值GLmax进行比较:若管理系数GL小于管理阈值GLmax,则将外扩区域与补充区域作为分割区域发送至影像分析平台;若管理系数GL大于等于管理阈值GLmax,则将内缩区域作为分割区域发送至影像分析平台;对点扩分割法与面缩分割法的分割结果进行管理分析,对外扩区域、补充区域以及内缩区域的分割参数进行综合分析与计算得到管理系数,通过管理系数对分割区域进行标记,在点扩分割法与面缩分割法的分割结果中筛选出分割精度更高的分割区域,提高遥感影像分析结果的精确性。
实施例二
如图2所示,一种基于计算机图像处理的遥感影像分析方法,包括以下步骤:
步骤一:对遥感影像进行接收与预处理:将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像通过影像分析平台发送至图像分割模块;
步骤二:采用点扩分割法对处理图像进行分割处理得到外扩区域与补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;
步骤三:采用面缩分割法对处理图像进行分割处理得到内缩区域,将内缩区域通过影像分析平台发送至分割管理模块;
步骤四:对点扩分割法与面缩分割法的分割结果进行管理分析:获取处理图像的扩差数据KC、补充数据BC以及缩差数据SC并进行数值计算得到处理图像的管理系数GL,通过管理系数GL对处理图像的分割区域进行标记,将分割区域发送至影像分析平台。
一种基于计算机图像处理的遥感影像分析方法,工作时,将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像通过影像分析平台发送至图像分割模块;采用点扩分割法对处理图像进行分割处理得到外扩区域与补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;采用面缩分割法对处理图像进行分割处理得到内缩区域,将内缩区域通过影像分析平台发送至分割管理模块;获取处理图像的扩差数据KC、补充数据BC以及缩差数据SC并进行数值计算得到处理图像的管理系数GL,通过管理系数GL对处理图像的分割区域进行标记,将分割区域发送至影像分析平台。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式GL=α1*KC+α2*BCe+α3*SC;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的管理系数;将设定的管理系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到α1、α2以及α3的取值分别为4.65、3.53和3.17;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的管理系数;只要不影响参数与量化后数值的比例关系即可,如管理系数与扩差数据的数值成正比。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (1)
1.一种基于计算机图像处理的遥感影像分析方法,其特征在于,包括以下步骤:
步骤一:对遥感影像进行接收与预处理:将遥感影像分解为一帧一帧的遥感图像,将遥感图像放大为像素格图像并进行灰度变换得到处理图像,将处理图像通过影像分析平台发送至图像分割模块;
步骤二:采用点扩分割法对处理图像进行分割处理得到外扩区域与补充区域,将外扩区域与补充区域通过影像分析平台发送至分割管理模块;
步骤三:采用面缩分割法对处理图像进行分割处理得到内缩区域,将内缩区域通过影像分析平台发送至分割管理模块;
步骤四:对点扩分割法与面缩分割法的分割结果进行管理分析:获取处理图像的扩差数据KC、补充数据BC以及缩差数据SC并进行数值计算得到处理图像的管理系数GL,通过管理系数GL对处理图像的分割区域进行标记,将分割区域发送至影像分析平台;
在步骤二中,采用点扩分割法对处理图像进行分割处理的具体过程包括:将处理图像分割为若干个均匀的网格区域,将网格区域的角点标记为处理点i,i=1,2,…,n为正整数,对处理点进行外扩分析:获取处理点的灰度值并标记为M1,通过公式M1min=M1-t1,M1max=M1+t1得到处理点的灰度范围(M1min,M1max),其中t1为预设的灰度分割标准值;由灰度值位于灰度范围之内且与处理点连续的像素格构成处理点的外扩区域,将外扩区域之外的像素格构成封闭区域标记为补充区域;
在步骤三中,采用面缩分割法对处理图像进行分割处理的具体过程包括:对处理图像中所有像素格的灰度值进行求和取平均值得到灰均值,将灰度值大于灰均值的像素格标记为第一正向格,将灰度值不大于灰均值的像素格标记为第一负向格;由连续的第一正向格构成第一正向区域,由连续的第一负向格构成第一负向区域;然后对所有的第一正区域与第一负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,通过存储模块获取到分割阈值,将分割系数与分割阈值进行比较并通过比较结果对内缩区域进行标记;
在步骤三中,将分割系数与分割阈值进行比较的具体过程包括:若分割系数小于分割阈值,则面缩分割法的分割过程完成,将第一正向区域与第一负向区域标记为内缩区域,将内缩区域发送至影像分析平台,影像分析平台接收到内缩区域后将内缩区域发送至分割管理模块;若分割系数大于等于分割阈值,则计算所有第一正向区域内所有像素格的灰度值的平均值并标记为正向均值,将第一正向区域内灰度值大于正向均值的像素格标记为第二正向格,将第一正向区域内灰度值不大于正向均值的像素格标记为第三正向格;计算所有第一负向区域内所有像素格的灰度值的平均值并标记为负向均值,将第一负向区域内灰度值大于负向均值的像素格标记为第二负向格,将第一负向区域内灰度值不大于负向均值的像素格标记为第三负向格;由所有连续的第二正向格构成第二正向区域,由所有连续的第三正向格构成第三正向区域,由所有连续的第二负向格构成第二负向区域,由所有连续的第三负向格构成第三负向区域;然后对所有的第二正向区域、第三正向区域、第二负向区域与第三负向区域内的像素格数量进行求和取平均值得到分割值,将分割值与处理图像的像素格数量的比值标记为分割系数,再次将分割系数与分割阈值进行比较,直至分割系数小于分割阈值,将所有的正向区域与负向区域标记为内缩区域;
在步骤四中,扩差数据KC的获取过程包括:将外扩区域内像素格的灰度值的最大值与最小值的差值标记为外扩区域的扩差值,对所有外扩区域的扩差值进行求和取平均值得到处理图像的扩差数据KC;补充数据BC为采用点扩分割法得到的补充区域的数量;缩差数据SC的获取过程包括:将内缩区域内像素格的灰度值的最大值与最小值的差值标记为内缩区域的缩差值,对所有内缩区域的缩差值进行求和取平均值得到处理图像的缩差数据SC;
在步骤四中,对分割区域进行标记的具体过程包括:通过存储模块获取到管理阈值GLmax,将处理图像的管理系数GL与管理阈值GLmax进行比较:若管理系数GL小于管理阈值GLmax,则将外扩区域与补充区域作为分割区域发送至影像分析平台;若管理系数GL大于等于管理阈值GLmax,则将内缩区域作为分割区域发送至影像分析平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311706923.4A CN117522900B (zh) | 2023-12-13 | 2023-12-13 | 一种基于计算机图像处理的遥感影像分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311706923.4A CN117522900B (zh) | 2023-12-13 | 2023-12-13 | 一种基于计算机图像处理的遥感影像分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117522900A CN117522900A (zh) | 2024-02-06 |
CN117522900B true CN117522900B (zh) | 2024-05-17 |
Family
ID=89766461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311706923.4A Active CN117522900B (zh) | 2023-12-13 | 2023-12-13 | 一种基于计算机图像处理的遥感影像分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522900B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167169A (en) * | 1994-09-09 | 2000-12-26 | Gemfire Corporation | Scanning method and architecture for display |
RU88538U1 (ru) * | 2009-02-18 | 2009-11-20 | Алексей Юрьевич Ремов | Технический комплекс для создания медицинского шаблона, используемого при проведении хирургических операций (варианты) |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN103927731A (zh) * | 2014-05-05 | 2014-07-16 | 武汉大学 | 无需pos辅助的低空遥感影像快速自动拼接方法 |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN105787911A (zh) * | 2016-03-21 | 2016-07-20 | 中国林业科学研究院资源信息研究所 | 一种基于拓扑分形算法的图像腐蚀与膨胀处理方法 |
CN107025685A (zh) * | 2017-04-11 | 2017-08-08 | 南京林业大学 | 拓扑感知下的机载建筑屋顶点云建模方法 |
CN109949308A (zh) * | 2019-03-05 | 2019-06-28 | 北京空间飞行器总体设计部 | 一种抗星光干扰的空间相对导航目标快速提取方法 |
AU2018203328A1 (en) * | 2018-05-11 | 2019-11-28 | Canon Kabushiki Kaisha | System and method for aligning views of a graphical object |
CN114326422A (zh) * | 2021-12-14 | 2022-04-12 | 深圳市时誉高精科技有限公司 | 一种基于智能家居用ZigBee远程控制器 |
CN114993387A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市联智通达智能有限公司 | 一种基于人工智能的主板生产加工监管系统 |
CN115512159A (zh) * | 2022-09-27 | 2022-12-23 | 成都理工大学 | 面向对象的高分辨率遥感影像地表覆盖分类方法及系统 |
CN115761321A (zh) * | 2022-11-10 | 2023-03-07 | 黑龙江迅锐科技有限公司 | 面向光学遥感影像水体缺失数据重建方法及系统 |
CN115861247A (zh) * | 2022-12-09 | 2023-03-28 | 山东科技大学 | 一种高分辨率遥感影像轮廓多级正则化方法、系统及应用 |
WO2023109718A1 (zh) * | 2021-12-15 | 2023-06-22 | 深圳先进技术研究院 | 一种模糊聚类遥感影像分割方法、系统、终端及存储介质 |
CN116486086A (zh) * | 2023-04-28 | 2023-07-25 | 安徽星太宇科技有限公司 | 一种基于热红外遥感影像的目标检测方法 |
CN116778333A (zh) * | 2023-06-26 | 2023-09-19 | 衡阳市大雁地理信息有限公司 | 一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11869125B2 (en) * | 2020-09-30 | 2024-01-09 | Adobe Inc. | Generating composite images with objects from different times |
-
2023
- 2023-12-13 CN CN202311706923.4A patent/CN117522900B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167169A (en) * | 1994-09-09 | 2000-12-26 | Gemfire Corporation | Scanning method and architecture for display |
RU88538U1 (ru) * | 2009-02-18 | 2009-11-20 | Алексей Юрьевич Ремов | Технический комплекс для создания медицинского шаблона, используемого при проведении хирургических операций (варианты) |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN103927731A (zh) * | 2014-05-05 | 2014-07-16 | 武汉大学 | 无需pos辅助的低空遥感影像快速自动拼接方法 |
CN105095957A (zh) * | 2014-05-12 | 2015-11-25 | 浙江理工大学 | 一种基于图像分割的蚕茧计数方法 |
CN105787911A (zh) * | 2016-03-21 | 2016-07-20 | 中国林业科学研究院资源信息研究所 | 一种基于拓扑分形算法的图像腐蚀与膨胀处理方法 |
CN107025685A (zh) * | 2017-04-11 | 2017-08-08 | 南京林业大学 | 拓扑感知下的机载建筑屋顶点云建模方法 |
AU2018203328A1 (en) * | 2018-05-11 | 2019-11-28 | Canon Kabushiki Kaisha | System and method for aligning views of a graphical object |
CN109949308A (zh) * | 2019-03-05 | 2019-06-28 | 北京空间飞行器总体设计部 | 一种抗星光干扰的空间相对导航目标快速提取方法 |
CN114326422A (zh) * | 2021-12-14 | 2022-04-12 | 深圳市时誉高精科技有限公司 | 一种基于智能家居用ZigBee远程控制器 |
WO2023109718A1 (zh) * | 2021-12-15 | 2023-06-22 | 深圳先进技术研究院 | 一种模糊聚类遥感影像分割方法、系统、终端及存储介质 |
CN114993387A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市联智通达智能有限公司 | 一种基于人工智能的主板生产加工监管系统 |
CN115512159A (zh) * | 2022-09-27 | 2022-12-23 | 成都理工大学 | 面向对象的高分辨率遥感影像地表覆盖分类方法及系统 |
CN115761321A (zh) * | 2022-11-10 | 2023-03-07 | 黑龙江迅锐科技有限公司 | 面向光学遥感影像水体缺失数据重建方法及系统 |
CN115861247A (zh) * | 2022-12-09 | 2023-03-28 | 山东科技大学 | 一种高分辨率遥感影像轮廓多级正则化方法、系统及应用 |
CN116486086A (zh) * | 2023-04-28 | 2023-07-25 | 安徽星太宇科技有限公司 | 一种基于热红外遥感影像的目标检测方法 |
CN116778333A (zh) * | 2023-06-26 | 2023-09-19 | 衡阳市大雁地理信息有限公司 | 一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统 |
Non-Patent Citations (2)
Title |
---|
Spatial-spectral segmentation of hyperspectral images for subpixel target detection;Yilong Liang等;《Journal of Applied Remote Sensing》;20190716;第13卷(第3期);第036502-1至036502-16页 * |
三维面形测量及其在强激光功率密度测量中的应用;王邦平;《中国优秀博硕士学位论文全文数据库 (硕士)信息科技辑》;20041215(第04期);第I135-77页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117522900A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287849B (zh) | 一种适用于树莓派的轻量化深度网络图像目标检测方法 | |
CN115049936B (zh) | 一种面向高分遥感影像的边界增强型语义分割方法 | |
CN113610778B (zh) | 一种基于语义分割的桥梁表面裂纹检测方法与系统 | |
CN110826693B (zh) | 基于DenseNet卷积神经网络的三维大气温度廓线反演方法和系统 | |
CN115984850A (zh) | 基于改进Deeplabv3+的轻量级遥感影像语义分割方法 | |
CN114972085B (zh) | 一种基于对比学习的细粒度噪声估计方法和系统 | |
CN114219773B (zh) | 一种桥梁裂缝检测数据集预筛选与标定方法 | |
CN111104850A (zh) | 一种基于残差网络的遥感影像建筑物自动提取方法和系统 | |
CN111126234B (zh) | 一种基于多源卫星影像的船舶自动识别方法 | |
CN117522900B (zh) | 一种基于计算机图像处理的遥感影像分析方法 | |
CN115439753A (zh) | 一种基于dem的陡峭河岸识别方法及系统 | |
CN117173175B (zh) | 一种基于超像素的图像相似度检测方法 | |
CN114693693A (zh) | 一种基于卷积神经网络的胎儿胼胝体超声图像分割方法 | |
CN105389825A (zh) | 图像处理方法及系统 | |
CN117911252A (zh) | 基于深度学习去除图像中光照的方法及系统 | |
CN116309387A (zh) | 一种基于深度学习的核安全壳裂缝检测方法及系统 | |
CN115100451B (zh) | 一种用于液压泵漏油监控的数据扩充方法 | |
CN109784168B (zh) | 一种高分辨率遥感输电通道巡视方法及系统 | |
CN114897923B (zh) | 天然气水合物ct图像阈值分割方法、系统、设备及介质 | |
CN116558476A (zh) | 一种高墩大跨径连续刚构桥桥墩沉降位移监测方法及系统 | |
CN110543854B (zh) | 一种基于图像处理的岩土结构检测方法 | |
Tian et al. | An improved method for NURBS surface based on particle swarm optimization BP neural network | |
CN112700227B (zh) | 一种航测内业图幅地类处理标准工时计算方法、系统及应用 | |
CN118031914B (zh) | 一种基于无人机遥感技术的城市工程测绘方法 | |
CN113592877B (zh) | 一种抽水蓄能电站红线超标识别方法及装置 |
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 |