WO2017166261A1 - 时间-空间-光谱四维遥感数据的提取方法 - Google Patents

时间-空间-光谱四维遥感数据的提取方法 Download PDF

Info

Publication number
WO2017166261A1
WO2017166261A1 PCT/CN2016/078248 CN2016078248W WO2017166261A1 WO 2017166261 A1 WO2017166261 A1 WO 2017166261A1 CN 2016078248 W CN2016078248 W CN 2016078248W WO 2017166261 A1 WO2017166261 A1 WO 2017166261A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
spectral
time
preset
remote sensing
Prior art date
Application number
PCT/CN2016/078248
Other languages
English (en)
French (fr)
Inventor
张立福
孙雪剑
陈浩
Original Assignee
中国科学院遥感与数字地球研究所
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 中国科学院遥感与数字地球研究所 filed Critical 中国科学院遥感与数字地球研究所
Priority to PCT/CN2016/078248 priority Critical patent/WO2017166261A1/zh
Priority to US16/090,361 priority patent/US10740873B2/en
Publication of WO2017166261A1 publication Critical patent/WO2017166261A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—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
    • 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G06T3/4069—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by subpixel displacements
    • 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
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour

Definitions

  • the invention relates to the field of remote sensing technology, in particular to a method for extracting time-space-spectral four-dimensional remote sensing data.
  • remote sensing data is constantly developing in the direction of high time, high space and high spectral resolution. Due to the limitation of remote sensing technology, it is difficult to obtain images with high time and high spectral resolution at the same time. Now, through data processing, high time, high space and high spectral resolution can be obtained simultaneously.
  • the data meets the urgent needs of remote sensing applications for high-space, hyperspectral and high-time-resolution remote sensing data. Research and analysis based on time dimension and spectral dimension has become a hotspot in remote sensing research.
  • the remote sensing data used in this way contains three dimensions, two of which are space and one dimension is Time or spectrum, so a storage method based on a three-dimensional storage structure can be used.
  • a storage method based on a three-dimensional storage structure can be used.
  • the four-dimensional remote sensing data based on time-space-spectrum after data processing if the three-dimensional remote sensing data is stored, it must be dimensioned according to the spectral dimension or time dimension to form a three-dimensional cube set of time series or spectral sequence.
  • Such storage methods do not have multidimensional analysis of time, space, and spectra, and are inconvenient to efficiently manage, organize, extract, and operate four-dimensional remote sensing data.
  • the present invention provides a method for extracting time-space-spectral four-dimensional remote sensing data, which can improve the processing efficiency of four-dimensional remote sensing data.
  • the method for extracting time-space-spectral four-dimensional remote sensing data provided by the present invention includes:
  • the re-projected remote sensing image is a plurality of spectral cubes in a time series, and each spectral cube is a corresponding time point.
  • the re-projected remote sensing image is stored in the storage unit according to the first preset storage method to obtain remote sensing data in the first data format; or the re-projected remote sensing image is stored in the storage unit according to the second preset storage method, Remote sensing data in the second data format;
  • the first preset storage method includes:
  • the respective spectral cubes are stored in chronological order into the storage unit, wherein when each spectral cube is stored, the spatial-spectral data in the spectral cube is stored in the order of the spatial position first and last, and the space for the same spatial position - Spectral data is stored in descending order of spectral bands from high to low or low to high;
  • the second preset storage method includes:
  • Each spectral cube is stored in a chronological order into a storage unit, wherein the spatial-spectral data in the spectral cube is stored in descending order of spectral bands from high to low or low to high, and for The spatial-spectral data of the same spectral band is stored in the order of the spatial position first and last.
  • the requirement information is a spectral cube that extracts a preset time point, and the data format that matches the demand information is a first data format;
  • the requirement information is spectral data for extracting a preset spatial position at a preset time point, and the data format matching the demand information is a second data format.
  • the requirement information is a spectral cube that extracts a preset time point
  • the extracting method further includes:
  • the requirement information is a derived feature cube, and a data format matching the requirement information is the first data format; and the feature cube includes at least three selected from a spectral cube at a preset time point. Data of a preset spectral band, or data of at least three preset time points selected from time cubes of a preset spectral band.
  • the extraction method further includes:
  • selecting data of one spectral band from feature cubes including data of at least three preset spectral bands or selecting data of a time point from feature cubes including data of at least three preset time points for grayscale The figure shows.
  • the extraction method further includes:
  • the requirement information is a time cube for extracting a preset spectral band
  • the data format matching the requirement information is a third data format
  • the storage method corresponding to the third data format includes:
  • Each time cube is stored in a storage unit in descending order of spectral bands from high to low or low to high, wherein in storing the time cubes in each time cube
  • the space-time data is stored in the order of the spatial position first and last columns, and the space-time data for the same spatial location is stored in chronological order.
  • the extracting method further includes:
  • the requirement information is time spectrum data for extracting a preset spatial position of the preset spectral band
  • the data format matching the demand information is a fourth data format
  • the storage method corresponding to the fourth data format include:
  • Each time cube is stored into a storage unit in descending order of spectral bands from high to low or low to high, wherein space-time data within the time cube is stored in chronological order when each time cube is stored, and is The space-time data at the same time point is stored in the order of the spatial position first and last.
  • the requirement information is time-spectral data for extracting a preset spatial location
  • the data format matching the demand information is a fifth data format
  • the storage method corresponding to the fifth data format includes:
  • the four-dimensional remote sensing data is stored in the storage unit according to the spectral band from high to low or low to high, and the four-dimensional remote sensing data of the same spectral band is stored in chronological order, and the remote sensing data at the same time point is in accordance with the spatial position. Store in the order of the first and last columns.
  • the present invention uses a first preset storage method or a second preset storage method for storing, and the first preset storage method stores data of different spectral bands in a unified time, thereby ensuring storage of data in the entire spectral band.
  • the computer can extract a spectral band data at the fastest speed during extraction, reducing the number of The time overhead of the bit storage location is more suitable for the spatial operation of the image; and the second preset storage method preferentially organizes the spectral data of each pixel to ensure the continuity of each spectrum in the storage space, thus
  • the computer can extract the spectral data of one pixel at the fastest speed, which reduces the time overhead of locating the storage location, and is more suitable for the spectral operation of the image. It can be seen that when the storage is performed by any one of the above two preset storage methods, and the extraction requirement matches the current data format, the time overhead in locating the storage location can be reduced, thereby improving the extraction efficiency of the four-dimensional remote sensing data. .
  • FIG. 1 is a schematic flow chart of an embodiment of a method for extracting time-space-spectral four-dimensional remote sensing data according to the present invention
  • FIG. 2 is a storage structure diagram of remote sensing data stored in a first data format
  • FIG. 3 is a storage structure diagram of remote sensing data stored in a second data format
  • FIG. 4 is a storage structure diagram of remote sensing data stored in a third data format
  • FIG. 5 is a storage structure diagram of remote sensing data stored in a fourth data format
  • Figure 6 is a diagram showing a storage structure in which remote sensing data is stored in a fifth data format.
  • the invention provides a method for extracting time-space-spectral four-dimensional remote sensing data, as shown in Figures 1, 2 and 3, the method comprises:
  • the first preset storage method includes:
  • the respective spectral cubes are stored in chronological order into the storage unit, wherein when each spectral cube is stored, the spatial-spectral data in the spectral cube is stored in the order of the spatial position first and last, and the space for the same spatial position - Spectral data is stored in descending order of spectral bands from high to low or low to high;
  • the second preset storage method includes:
  • Each spectral cube is stored in a chronological order into a storage unit, wherein the spatial-spectral data in the spectral cube is stored in descending order of spectral bands from high to low or low to high, and for The spatial-spectral data of the same spectral band is stored in the order of the spatial position first and last.
  • FIG. 2 is a storage structure corresponding to the first data format
  • FIG. 3 is a storage structure corresponding to the second data format. It can be seen from Figures 2 and 3 that the spectral cube is the sum of the data of each spatial position in each spectral band at the same time point.
  • the reason why the present invention stores the remote sensing data as the first data format or the second data format is because the re-projected image data is a plurality of spectral cubes of a time series, and it is convenient to store the two data formats. ,high speed. Moreover, the two data formats facilitate subsequent data format conversion, so the conversion of the first data format and the second data format to other data formats is also convenient and easy.
  • the first preset storage method or the second preset storage method is used for storage, and the first preset storage method stores data of different spectral bands in a unified time to ensure the data of the entire spectral band.
  • the continuity of the storage space, so the computer can extract a spectral band data at the fastest speed during extraction, reducing the number of The time overhead of the bit storage location is more suitable for the spatial operation of the image.
  • the typical application scenarios are spectral band operation, spatial domain filtering, and the like.
  • the second preset storage method preferentially organizes the spectral data of each pixel to ensure the continuity of each spectrum in the storage space, so the computer can extract the spectral data of one pixel at the fastest speed, thereby reducing
  • the time overhead of locating the storage location is more suitable for the spectral operation of the image.
  • a typical application scenario is to extract spectral data of one or more pixels. It can be seen that when the storage is performed by the above two preset storage methods, and the extraction requirement matches the current data format, the time overhead in locating the storage location can be reduced, thereby improving the extraction efficiency of the four-dimensional remote sensing data.
  • the data format that matches the demand information is a first data format. If the demand information is the spectral data for extracting the preset spatial position of the preset time point, the data format matching the demand information is the second data format.
  • the matching refers to the optimal data format, and the extraction efficiency is the highest under the optimal data format.
  • the current data format is an optimal data format, that is, the extraction requirement is matched with the current data format, and then extracted, thereby improving the extraction efficiency.
  • the extraction method may further include:
  • the advantage of this is that the display of certain data at the same time as the extraction can improve the visibility of the data.
  • the demand information is a derived feature cube
  • the data matching data format is the first data format
  • the feature cube includes data of at least three preset spectral bands selected from spectral cubes at preset time points, or time cubes from a preset spectral band The data of at least three preset time points selected in the data.
  • the extraction method provided by the present invention may further include:
  • selecting data of one spectral band from feature cubes including data of at least three preset spectral bands or selecting data of a time point from feature cubes including data of at least three preset time points for grayscale The figure shows.
  • the advantage of this is that the display of certain data at the same time as the extraction can improve the visibility of the data.
  • the data format needs to be converted, and the so-called conversion is: the remote sensing data
  • the storage method corresponding to the data format matching the demand information is stored, and the remote sensing data of the data format matching the demand information is obtained. After the conversion is completed, the required remote sensing data is extracted to maintain the efficiency of the extraction.
  • the storage method corresponding to the third data format includes:
  • each time cube in order of high to low or low to high spectral bands Stored in a storage unit, wherein when each time cube is stored, the space-time data in the time cube is stored in the order of the spatial position first and last columns, and the space-time data for the same spatial location is stored in chronological order .
  • the time cube is the sum of data at various spatial positions at various time points in one spectral band.
  • This storage method guarantees spatial continuity, and on this basis, it highlights the continuity of the spectral band in time, so the computer can extract the time cube of a spectral band at the fastest speed, reducing the position in the storage location.
  • the time overhead, and thus the conversion efficiency, is a typical application scenario that extracts a time cube of a spectral band in a regular planar space region.
  • the extraction method provided by the present invention may further include:
  • the advantage of this is that the display of certain data at the same time as the export can improve the visibility of the data.
  • the data format matching the demand information is different from the above three data formats, and is a fourth data format
  • the fourth data format includes:
  • Each time cube is stored into a storage unit in descending order of spectral bands from high to low or low to high, wherein space-time data within the time cube is stored in chronological order when each time cube is stored, and is The space-time data at the same time point is stored in the order of the spatial position first and last.
  • Fig. 5 is a storage structure corresponding to the fourth data format. As can be seen from Fig. 5, this storage method prioritizes the time spectrum data of each pixel to ensure the continuity of each time spectrum in the storage space, so the computer can extract one pixel in the fastest way. The time spectrum data of the point reduces the time overhead in locating the storage space, thereby improving the conversion efficiency.
  • a typical application scenario is to extract time spectrum data of one or more pixels in a certain spectral band.
  • the data format matching the demand information is a fifth data format
  • the storage method corresponding to the fifth data format includes:
  • the four-dimensional remote sensing data is stored in the storage unit according to the spectral band from high to low or low to high, and the four-dimensional remote sensing data of the same spectral band is stored in chronological order, and the remote sensing data at the same time point is in accordance with the spatial position. Store in the order of the first and last columns.
  • Fig. 6 is a storage structure corresponding to the fifth data format. As can be seen from Fig. 6, this storage method preferentially organizes the spectral data of each pixel, so that the computer can extract the spectral data of one pixel and the time series data of the spectrum at the fastest speed, thereby reducing the positioning. The time overhead when storing the location, thereby improving the conversion efficiency.
  • a typical application scenario is to extract time-spectrum data and observe the change of a spectrum over time.
  • the present invention when storing four-dimensional data, the present invention has five storage methods, and five data formats can be generated, and each of the data formats can be adapted to different scenarios.
  • the data format of the present invention is guaranteed to be extracted. Adapted, thereby reducing the time overhead when locating the storage location and improving the extraction efficiency.
  • the remote sensing data of the optimal data format can be obtained by format conversion.
  • format conversion you can use direct conversion, or you can use indirect conversion to select one or several data formats for transition.
  • the adjacent two data formats are as similar as possible.
  • a set of basic conversion relationships include the following four ways:
  • the fourth data format ⁇ -> third data format ⁇ -> first data format is sequentially converted and implemented
  • the fourth data format ⁇ -> third data format ⁇ -> first data format ⁇ -> second data format is sequentially converted and implemented;
  • the third data format ⁇ -> the first data format ⁇ -> the second data format is sequentially converted and implemented;
  • the third data format ⁇ -> first data format ⁇ -> second data format ⁇ -> fifth data format is sequentially converted and implemented;
  • the first data format ⁇ -> the second data format ⁇ -> the fifth data format is sequentially converted in this order.
  • the file organization structure of the four-dimensional remote sensing data generally includes two files, one is a header file, and the other is a data file, wherein the data file is image data, and the header file records some attribute information of the image data, such as space and spectrum. , time spectrum size, data storage format, data type, etc., also recorded some additional descriptive information, such as coordinate projection, affine transformation coefficients, spectral dimension and time dimension name, file name, data offset and other information.
  • the method for extracting time-space-spectral four-dimensional remote sensing data provided by the present invention is stored by using a first preset storage method or a second preset storage method.
  • the reason why the remote sensing data is stored as the first data format or the second data format is Because the re-projected image data is a number of spectral cubes of a time series, it is convenient and fast to store the two data formats. Moreover, these two data formats facilitate subsequent data format conversions that may occur.
  • the time overhead in locating the storage location can be reduced, thereby improving the extraction efficiency of the four-dimensional remote sensing data, thereby Solving the existing storage method must be stored in the manner of spectral dimension or time dimension dimensionality reduction, which leads to the problem of low efficiency of subsequent data extraction, and has industrial applicability.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

公开了一种时间-空间-光谱四维遥感数据的提取方法，该方法包括：获取预设覆盖区域在预设时间段内的遥感影像(S1)；对所述遥感影像进行重新投影，使处于不同时间点的各遥感影像的各个像元位置重叠(S2)；将重新投影后的所有遥感影像按照第一预设存储方法存储至存储单元，或者，将重新投影后的所有遥感影像按照第二预设存储方法存储至存储单元(S3)；根据数据提取的需求信息，判断遥感数据的当前数据格式是否为与所述需求信息相匹配的数据格式(S4)，若是，则根据所述需求信息，确定所需遥感数据的存储位置，并对所需遥感数据进行提取(S5)。通过以上两种预设存储方法进行存储的话，可以减少在定位存储位置时的时间开销，从而提高对四维遥感数据的处理效率。

Description

时间-空间-光谱四维遥感数据的提取方法 技术领域
本发明涉及一种遥感技术领域，尤其是涉及一种时间-空间-光谱四维遥感数据的提取方法。
背景技术
随着遥感技术的发展突飞猛进，遥感数据正不断向着高时间、高空间以及高光谱分辨率的方向发展。传统遥感数据的获取由于遥感技术水平的限制，难以同时获取高时间、高光谱分辨率的影像，现在，通过数据处理的方式，已经可以获得可以同时满足高时间、高空间以及高光谱分辨率的数据，以满足遥感应用对高空间、高光谱、高时间分辨率遥感数据的迫切需求，基于时间维和光谱维的研究分析成为已经成为遥感研究的热点。
在传统的遥感研究工作中，无论是基于空间-光谱还是基于空间-时间，都是从三个维度展开，这种方式使用的遥感数据包含三个维度，其中两个维度是空间，一个维度是时间或光谱，所以采用基于三维存储结构的存储方法即可满足需要。但对于通过数据处理后的基于时间-空间-光谱的四维遥感数据，如果还按照三维遥感数据的存储方式，就必须按照光谱维或时间维降维成一个时间序列或光谱序列的三维立方体集合，这样的存储方法没有面向时间、空间和光谱多维分析，不便于高效地管理、组织、提取和运行四维遥感数据。
发明内容
针对以上缺陷，本发明提供一种时间-空间-光谱四维遥感数据的提取方法，可以提高对四维遥感数据的处理效率。
本发明提供的时间-空间-光谱四维遥感数据的提取方法包括：
获取预设覆盖区域在预设时间段内的遥感影像；
对所述遥感影像进行重新投影，使处于不同时间点的各遥感影像的各个像元位置重叠，重新投影后的遥感影像为在时间序列上的若干个光谱立方体，每一光谱立方体为对应时间点的空间-光谱数据；
将重新投影后的遥感影像按照第一预设存储方法存储至存储单元，得到第一数据格式的遥感数据；或者，将重新投影后的遥感影像按照第二预设存储方法存储至存储单元，得到第二数据格式的遥感数据；
根据数据提取的需求信息，判断遥感数据的当前数据格式是否为与所述需求信息相匹配的数据格式，
若是，则根据所述需求信息，确定所需遥感数据的存储位置，并对所需遥感数据进行提取；
其中，所述第一预设存储方法包括：
将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储；
其中，所述第二预设存储方法包括：
将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储，且对于处于同一光谱波段的空间-光谱数据按照空间位置先行后列的顺序进行存储。
可选的，所述需求信息为提取预设时间点的光谱立方体，与所述需求信息相匹配的数据格式为第一数据格式；或者
所述需求信息为提取预设时间点预设空间位置的光谱数据，与所述需求信息相匹配的数据格式为第二数据格式。
可选的，所述需求信息为提取预设时间点的光谱立方体，所述提取方法还包括：
在所述预设时间点的光谱立方体中选取三个光谱波段的数据，并将选取的三个光谱波段的数据作为RGB三个通道进行合成显示；或者，在所述预设时间点的光谱立方体中选取一个光谱波段的数据，并将选取的一个光谱波段的数据进行灰度显示。
可选的，所述需求信息为导出特征立方体，与所述需求信息相匹配的数据格式为所述第一数据格式；所述特征立方体包括从预设时间点的光谱立方体中选择出的至少三个预设光谱波段的数据，或者从预设光谱波段的时间立方体中选择出的至少三个预设时间点的数据。
可选的，该提取方法还包括：
从包括至少三个预设光谱波段的数据的特征立方体中选择出三个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出三个时间点的数据作为RGB三个通道进行合成显示；
或者，从包括至少三个预设光谱波段的数据的特征立方体中选择出一个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出一个时间点的数据进行灰度图显示。
可选的，该提取方法还包括：
在判定遥感数据的当前数据格式不同于与所述需求信息相匹配的数据格式时，将遥感数据按照与所述需求信息相匹配的数据格式所对应的存储方法进行存储，得到与所述需求信息相匹配的数据格式的遥感数据，并对所需遥感数据进行提取。
可选的，所述需求信息为提取预设光谱波段的时间立方体，与所述需求信息相匹配的数据格式为第三数据格式，与所述第三数据格式对应的存储方法包括：
将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
将各个时间立方体按照光谱波段从高至低或从低至高的顺序存储至存储单元中，其中在存储每一时间立方体时，该时间立方体中的 空间-时间数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-时间数据按照时间顺序进行存储。
可选的，所述提取方法还包括：
在所述预设光谱波段的时间立方体中选取三个时间点的数据，并将选取的三个时间点的数据作为RGB三个通道进行合成显示；或者，在所述预设光谱波段的时间立方体中选取一个时间点的数据，并将选取的一个时间点的数据进行灰度显示。
可选的，所述需求信息为提取预设光谱波段预设空间位置的时谱数据，与所述需求信息相匹配的数据格式为第四数据格式，与所述第四数据格式对应的存储方法包括：
将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
将各个时间立方体按照光谱波段从高至低或从低至高的顺序存储至存储单元中，其中在存储每一时间立方体时，该时间立方体内的空间-时间数据按照时间顺序进行存储，且对于处于同一时间点的空间-时间数据按照空间位置先行后列的顺序进行存储。
可选的，所述需求信息为提取预设空间位置的时间-光谱数据，与所述需求信息相匹配的数据格式为第五数据格式，与所述第五数据格式相对应的存储方法包括：
将所述四维遥感数据按照光谱波段从高至低或从低至高的顺序存储至存储单元中，对于同一光谱波段的四维遥感数据按照时间顺序进行存储，且对于同一时间点的遥感数据按照空间位置先行后列的顺序进行存储。
根据以上技术方案，本发明采用第一预设存储方法或第二预设存储方法进行存储，第一预设存储方法将统一时间不同光谱波段的数据存放在一起，保证了整个光谱波段数据的存储空间的连续性，因此在提取时计算机可以以最快的速度提取一个光谱波段数据，减少了在定 位存储位置时的时间开销，比较适合对影像的空间操作；而第二预设存储方法将每一像素点的光谱数据优先组织在一起，保证了每个光谱在存储空间上的连续性，因此计算机能够以最快的速度提取一个像素点的光谱数据，减少了定位存储位置上的时间开销，比较适合对影像的光谱操作。可见，通过以上两种预设存储方法中的任意一种进行存储的话，并且提取需求与当前数据格式相匹配时，可以减少在定位存储位置时的时间开销，从而提高对四维遥感数据的提取效率。
附图说明
图1是本发明时间-空间-光谱四维遥感数据的提取方法一实施例的流程示意图；
图2是遥感数据以第一数据格式进行存储的存储结构图；
图3是遥感数据以第二数据格式进行存储的存储结构图；
图4是遥感数据以第三数据格式进行存储的存储结构图；
图5是遥感数据以第四数据格式进行存储的存储结构图；
图6是遥感数据以第五数据格式进行存储的存储结构图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明提供一种时间-空间-光谱四维遥感数据的提取方法，如图1、2、3所示，该方法包括：
S1、获取预设覆盖区域在预设时间段内的遥感影像；
S2、对所述遥感影像进行重新投影，使处于不同时间点的各遥感影像的各个像元位置重叠，重新投影后的遥感影像为在时间序列上的若干个光谱立方体，每一光谱立方体为对应时间点的空间-光谱数据；
S3、将重新投影后的所有遥感影像按照第一预设存储方法存储至存储单元，得到第一数据格式的遥感数据；或者，将重新投影后的所有遥感影像按照第二预设存储方法存储至存储单元，得到第二数据格 式的遥感数据；
S4、根据数据提取的需求信息，判断遥感数据的当前数据格式是否为与所述需求信息相匹配的数据格式，
S5、若是，则根据所述需求信息，确定所需遥感数据的存储位置，并对所需遥感数据进行提取；
其中，所述第一预设存储方法包括：
将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储；
其中，所述第二预设存储方法包括：
将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储，且对于处于同一光谱波段的空间-光谱数据按照空间位置先行后列的顺序进行存储。
图2为与第一数据格式相对应的存储结构，图3为与第二数据格式相对应的存储结构。从图2、3中可以看出光谱立方体为同一时间点各个光谱波段各个空间位置的数据总和。
可以理解的是，本发明之所以将遥感数据存储为第一数据格式或第二数据格式，是因为重新投影后的影像数据是时间序列的若干个光谱立方体，存储为这两种数据格式比较方便、速度快。再者，这两种数据格式便于后续可能出现的数据格式转换，因此第一种数据格式、第二数据格式转换为其他数据格式也比较方便、容易。
本发明提供的提取方法中，采用第一预设存储方法或第二预设存储方法进行存储，第一预设存储方法将统一时间不同光谱波段的数据存放在一起，保证了整个光谱波段数据的存储空间的连续性，因此在提取时计算机可以以最快的速度提取一个光谱波段数据，减少了在定 位存储位置时的时间开销，比较适合对影像的空间操作，比较典型的应用场景是光谱波段运算、空间域滤波等。而第二预设存储方法将每一像素点的光谱数据优先组织在一起，保证了每个光谱在存储空间上的连续性，因此计算机能够以最快的速度提取一个像素点的光谱数据，减少了定位存储位置上的时间开销，比较适合对影像的光谱操作，比较典型的应用场景是提取一个或多个像素点的光谱数据。可见，通过以上两种预设存储方法进行存储的话，并且提取需求与当前数据格式相匹配时，可以减少在定位存储位置时的时间开销，从而提高对四维遥感数据的提取效率。
在具体实施时，若所述需求信息为提取预设时间点的光谱立方体，则与所述需求信息相匹配的数据格式为第一数据格式。若所述需求信息为提取预设时间点预设空间位置的光谱数据，与所述需求信息相匹配的数据格式为第二数据格式。
可以理解的是，数据提取的需求不同，相匹配的数据格式是不同的，这里的匹配指的是最优的数据格式，在最优的数据格式下，提取效率最高。本发明中在提取之前判断当前数据格式是否为最优数据格式，即保证提取需求与当前数据格式是相匹配的，再进行提取，从而提高提取效率。
在具体实施时，若需求信息为提取预设时间点的光谱立方体，则所述提取方法还可以包括：
在所述预设时间点的光谱立方体中选取三个光谱波段的数据，并将选取的三个光谱波段的数据作为RGB三个通道进行合成显示；或者，在所述预设时间点的光谱立方体中选取一个光谱波段的数据，并将选取的一个光谱波段的数据进行灰度显示。
这样做的好处是：在提取的同时，对某些数据进行显示，可以提高数据的可视性。
在具体实施时，若所述需求信息为导出特征立方体，与所述需求 信息相匹配的数据格式为所述第一数据格式；所述特征立方体包括从预设时间点的光谱立方体中选择出的至少三个预设光谱波段的数据，或者从预设光谱波段的时间立方体中选择出的至少三个预设时间点的数据。
其中，所谓的特征立方体为：在这种情况下，本发明提供的提取方法还可以包括：
从包括至少三个预设光谱波段的数据的特征立方体中选择出三个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出三个时间点的数据作为RGB三个通道进行合成显示；
或者，从包括至少三个预设光谱波段的数据的特征立方体中选择出一个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出一个时间点的数据进行灰度图显示。
这样做的好处是：在提取的同时，对某些数据进行显示，可以提高数据的可视性。
当然，如果当前的数据格式并不是最优的，即遥感数据的当前数据格式不同于与所述需求信息相匹配的数据格式，则需要对数据格式进行转换，所谓的转换即是：将遥感数据按照与所述需求信息相匹配的数据格式所对应的存储方法进行存储，得到与所述需求信息相匹配的数据格式的遥感数据。在完成转换后再对所需遥感数据进行提取，从而保持提取的高效性。
其中，若所述需求信息为提取预设光谱波段的时间立方体，与所述需求信息相匹配的数据格式并不是第一数据格式，也不是第二数据格式，而是另一种数据格式，命名为第三数据格式，与所述第三数据格式对应的存储方法包括：
将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
将各个时间立方体按照光谱波段从高至低或从低至高的顺序存 储至存储单元中，其中在存储每一时间立方体时，该时间立方体中的空间-时间数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-时间数据按照时间顺序进行存储。
图4为与第三数据格式相对应的存储结构，在图4中时间立方体为在一个光谱波段各个时间点各个空间位置的数据总和。
这种存储方法保证了空间上的连续性，在此基础上又突出了光谱波段在时间上的连续性，因此计算机能以最快的速度提取一个光谱波段的时间立方体，减少在定位存储位置上的时间开销，从而提高转换效率，比较典型的应用场景是提取一个光谱波段在规则的平面空间区域的时间立方体。
当然，在提取时间立方体时，本发明提供的提取方法还可以进一步包括：
在所述预设光谱波段的时间立方体中选取三个时间点的数据，并将选取的三个时间点的数据作为RGB三个通道进行合成显示；或者，在所述预设光谱波段的时间立方体中选取一个时间点的数据，并将选取的一个时间点的数据进行灰度显示。
这样做的好处是：在导出的同时，对某些数据进行显示，可以提高数据的可视性。
其中，若所述需求信息为提取预设光谱波段预设空间位置的时谱数据，与所述需求信息相匹配的数据格式与上述三种数据格式也不同，为第四数据格式，与所述第四数据格式对应的存储方法包括：
将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
将各个时间立方体按照光谱波段从高至低或从低至高的顺序存储至存储单元中，其中在存储每一时间立方体时，该时间立方体内的空间-时间数据按照时间顺序进行存储，且对于处于同一时间点的空间-时间数据按照空间位置先行后列的顺序进行存储。
图5为与第四数据格式相对应的存储结构。参见图5可以看出，这种存储方法将每个像素点的时谱数据优先组织在一起，保证了每个时谱在存储空间上的连续性，因此计算机能以最快的方式提取一个像素点的时谱数据，减少在定位存储空间时的时间开销，从而提高转换效率，比较典型的应用场景是提取一个或者多个像素点在某个光谱波段的时谱数据。
其中，若所述需求信息为提取预设空间位置的时间-光谱数据，与所述需求信息相匹配的数据格式为第五数据格式，与所述第五数据格式相对应的存储方法包括：
将所述四维遥感数据按照光谱波段从高至低或从低至高的顺序存储至存储单元中，对于同一光谱波段的四维遥感数据按照时间顺序进行存储，且对于同一时间点的遥感数据按照空间位置先行后列的顺序进行存储。
图6为与第五数据格式相对应的存储结构。参见图6可以看出，这种存储方法将每个像素点的光谱数据优先组织在一起，因此计算机能够以最快的速度提取一个像素点的光谱数据和光谱的时间序列数据，减少了在定位存储位置时的时间开销，从而提高转换效率，比较典型的应用场景是提取时间-光谱数据，观察一条光谱随时间的变化。
可见，本发明在存储四维数据时，有五种存储方法，可以产生五种数据格式，每一种数据格式可以适合的场景是不同的，本发明在保证提取时的数据格式是与提取需求相适应的，从而减少在定位存储位置时的时间开销，提高提取效率。
尽管由于在最初存储后遥感数据的数据格式未必是与提取需求匹配的，但是可以通过格式转换得到最优数据格式的遥感数据。其中，在转换过中，可以采用直接转换，也可以采用间接转换的方式即选取一种或几种数据格式进行过渡。为提高转换效率，相邻两次数据格式尽量比较相似。这五种数据格式中的直接的两两转换有10种，为了便 于间接转换，在实践中找到了一组基本的转换关系，在后面实际的转换过程中利用这一组转换关系进行组合从而实现任意两种格式之间的转换。这里一组基本的转换关系包括下面4种方式：
(1)第一数据格式与第二数据格式之间的转换；
(2)第二数据格式与第五数据格式之间的转换；
(3)第一数据格式与第三数据格式之间的转换；
(4)第三数据格式与第四数据格式之间的转换；
这4种基本的转换关系是充分考虑了五种数据格式的内在特点，使计算机在存储单元中寻找目标数据的次数尽可能少，从而减少数据转换过程中花费的时间。
在这4种基本转换方式的基础上，可以实现另外6种转换，它们分别是：
(1)第四数据格式与第一数据格式之间的转换：
通过第四数据格式<->第三数据格式<->第一数据格式这种顺序依次转换实现；
(2)第四数据格式与第二数据格式之间的转换：
通过第四数据格式<->第三数据格式<->第一数据格式<->第二数据格式这种顺序依次转换实现；
(3)第四数据格式与第五数据格式之间的转换
通过第四数据格式<->第三数据格式<->第一数据格式<->第二数据格式<->第五数据格式这种顺序依次转换实现；
(4)第三数据格式与第二数据格式之间的转换
通过第三数据格式<->第一数据格式<->第二数据格式这种顺序依次转换实现；
(5)第三数据格式与第五数据格式之间的转换
通过第三数据格式<->第一数据格式<->第二数据格式<->第五数据格式这种顺序依次转换实现；
(6)第一数据格式与第五数据格式之间的转换
通过第一数据格式<->第二数据格式<->第五数据格式这种顺序依次转换实现。
最后，在这五种数据格式及以上转换关系的基础上，实现光谱、时谱、光谱立方体、时间立方体和/或特征立方体的提取。
另外，四维遥感数据的文件组织结构一般包含两个文件，一个是头文件，另一个是数据文件，其中数据文件中为影像数据，头文件中记录了影像数据的一些属性信息，例如空间、光谱、时间谱的大小、数据存储格式、数据类型等，还记录了一些附加的描述信息，例如坐标投影、仿射变换系数、光谱维和时间维的名称、文件名称、数据偏移等信息。
上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
工业实用性
本发明提供的时间-空间-光谱四维遥感数据的提取方法采用第一预设存储方法或第二预设存储方法进行存储，之所以将遥感数据存储为第一数据格式或第二数据格式，是因为重新投影后的影像数据是时间序列的若干个光谱立方体，存储为这两种数据格式比较方便、速度快。再者，这两种数据格式便于后续可能出现的数据格式转换。通过以上两种预设存储方法中的任一种进行存储的话，并且提取需求与当前数据格式相匹配时，可以减少在定位存储位置时的时间开销，从而提高对四维遥感数据的提取效率，从而解决现有存储方法必须按照光谱维或时间维降维的方式进行存储，导致后续的数据提取效率较低的问题，具有工业实用性。

Claims (10)

  1. 一种时间-空间-光谱四维遥感数据的提取方法，其特征在于，包括：
    获取预设覆盖区域在预设时间段内的遥感影像；
    对所述遥感影像进行重新投影，使处于不同时间点的各遥感影像的各个像元位置重叠，重新投影后的遥感影像为在时间序列上的若干个光谱立方体，每一光谱立方体为对应时间点的空间-光谱数据；
    将重新投影后的遥感影像按照第一预设存储方法存储至存储单元，得到第一数据格式的遥感数据；或者，将重新投影后的遥感影像按照第二预设存储方法存储至存储单元，得到第二数据格式的遥感数据；
    根据数据提取的需求信息，判断遥感数据的当前数据格式是否为与所述需求信息相匹配的数据格式，
    若是，则根据所述需求信息，确定所需遥感数据的存储位置，并对所需遥感数据进行提取；
    其中，所述第一预设存储方法包括：
    将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储；
    其中，所述第二预设存储方法包括：
    将各个光谱立方体按照时间顺序存储至存储单元中，其中在存储每一光谱立方体时，该光谱立方体中的空间-光谱数据按照光谱波段从高至低或从低至高的顺序进行存储，且对于处于同一光谱波段的空间-光谱数据按照空间位置先行后列的顺序进行存储。
  2. 根据权利要求1所述的提取方法，其特征在于，
    所述需求信息为提取预设时间点的光谱立方体，与所述需求信息 相匹配的数据格式为第一数据格式；或者
    所述需求信息为提取预设时间点预设空间位置的光谱数据，与所述需求信息相匹配的数据格式为第二数据格式。
  3. 根据权利要求2所述的提取方法，其特征在于，所述需求信息为提取预设时间点的光谱立方体，所述提取方法还包括：
    在所述预设时间点的光谱立方体中选取三个光谱波段的数据，并将选取的三个光谱波段的数据作为RGB三个通道进行合成显示；或者，在所述预设时间点的光谱立方体中选取一个光谱波段的数据，并将选取的一个光谱波段的数据进行灰度显示。
  4. 根据权利要求1所述的提取方法，其特征在于，所述需求信息为导出特征立方体，与所述需求信息相匹配的数据格式为所述第一数据格式；所述特征立方体包括从预设时间点的光谱立方体中选择出的至少三个预设光谱波段的数据，或者从预设光谱波段的时间立方体中选择出的至少三个预设时间点的数据。
  5. 根据权利要求4所述的提取方法，其特征在于，还包括：
    从包括至少三个预设光谱波段的数据的特征立方体中选择出三个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出三个时间点的数据作为RGB三个通道进行合成显示；
    或者，从包括至少三个预设光谱波段的数据的特征立方体中选择出一个光谱波段的数据或从包括至少三个预设时间点的数据的特征立方体中选择出一个时间点的数据进行灰度图显示。
  6. 根据权利要求1所述的提取方法，其特征在于，还包括：
    在判定遥感数据的当前数据格式不同于与所述需求信息相匹配的数据格式时，将遥感数据按照与所述需求信息相匹配的数据格式所对应的存储方法进行存储，得到与所述需求信息相匹配的数据格式的遥感数据，并对所需遥感数据进行提取。
  7. 根据权利要求6所述的提取方法，其特征在于，
    所述需求信息为提取预设光谱波段的时间立方体，与所述需求信息相匹配的数据格式为第三数据格式，与所述第三数据格式对应的存储方法包括：
    将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
    将各个时间立方体按照光谱波段从高至低或从低至高的顺序存储至存储单元中，其中在存储每一时间立方体时，该时间立方体中的空间-时间数据按照空间位置先行后列的顺序进行存储，且对于同一空间位置的空间-时间数据按照时间顺序进行存储。
  8. 根据权利要求7所述的提取方法，其特征在于，所述提取方法还包括：
    在所述预设光谱波段的时间立方体中选取三个时间点的数据，并将选取的三个时间点的数据作为RGB三个通道进行合成显示；或者，在所述预设光谱波段的时间立方体中选取一个时间点的数据，并将选取的一个时间点的数据进行灰度显示。
  9. 根据权利要求6所述的提取方法，其特征在于，
    所述需求信息为提取预设光谱波段预设空间位置的时谱数据，与所述需求信息相匹配的数据格式为第四数据格式，与所述第四数据格式对应的存储方法包括：
    将所述四维遥感数据按照光谱波段划分为多个时间立方体，每一时间立方体为对应光谱波段的空间-时间数据；
    将各个时间立方体按照光谱波段从高至低或从低至高的顺序存储至存储单元中，其中在存储每一时间立方体时，该时间立方体内的空间-时间数据按照时间顺序进行存储，且对于处于同一时间点的空间-时间数据按照空间位置先行后列的顺序进行存储。
  10. 根据权利要求6所述的提取方法，其特征在于，
    所述需求信息为提取预设空间位置的时间-光谱数据，与所述需 求信息相匹配的数据格式为第五数据格式，与所述第五数据格式相对应的存储方法包括：
    将所述四维遥感数据按照光谱波段从高至低或从低至高的顺序存储至存储单元中，对于同一光谱波段的四维遥感数据按照时间顺序进行存储，且对于同一时间点的遥感数据按照空间位置先行后列的顺序进行存储。
PCT/CN2016/078248 2016-04-01 2016-04-01 时间-空间-光谱四维遥感数据的提取方法 WO2017166261A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2016/078248 WO2017166261A1 (zh) 2016-04-01 2016-04-01 时间-空间-光谱四维遥感数据的提取方法
US16/090,361 US10740873B2 (en) 2016-04-01 2016-04-01 Extraction method for time-space-spectrum four-dimensional remote sensing data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2016/078248 WO2017166261A1 (zh) 2016-04-01 2016-04-01 时间-空间-光谱四维遥感数据的提取方法

Publications (1)

Publication Number Publication Date
WO2017166261A1 true WO2017166261A1 (zh) 2017-10-05

Family

ID=59962484

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/078248 WO2017166261A1 (zh) 2016-04-01 2016-04-01 时间-空间-光谱四维遥感数据的提取方法

Country Status (2)

Country Link
US (1) US10740873B2 (zh)
WO (1) WO2017166261A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754397A (zh) * 2019-07-09 2020-10-09 北京市商汤科技开发有限公司 一种遥感影像的镶嵌方法、装置、电子设备及存储介质
CN116721243A (zh) * 2023-08-11 2023-09-08 自然资源部第一海洋研究所 一种空谱特征约束的深度学习大气校正方法及系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111125392B (zh) * 2019-12-25 2023-06-16 华中科技大学 一种基于矩阵对象存储机制的遥感影像存储、查询方法
CN111291016B (zh) * 2020-02-19 2023-05-26 江苏易图地理信息科技股份有限公司 一种海量遥感影像数据分层混合存储与索引方法
CN112100130B (zh) * 2020-09-09 2022-08-16 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
CN112800992A (zh) * 2021-02-03 2021-05-14 成都鼎安华智慧物联网股份有限公司 基于遥感数据高温异常信息的提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008122830A1 (en) * 2007-04-10 2008-10-16 Heng Toon Ting Method and system for navigation and visualization of data in relational and/or multidimensional databases
CN103020325A (zh) * 2013-01-17 2013-04-03 中国科学院计算机网络信息中心 基于NoSQL数据库的分布式遥感数据组织查询方法
CN103137146A (zh) * 2011-11-28 2013-06-05 李忠奇 光学六维存储数据的方法及装置
CN103247059A (zh) * 2013-05-27 2013-08-14 北京师范大学 一种基于整数小波与视觉特征的遥感图像感兴趣区检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6124518B2 (ja) * 2012-06-28 2017-05-10 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008122830A1 (en) * 2007-04-10 2008-10-16 Heng Toon Ting Method and system for navigation and visualization of data in relational and/or multidimensional databases
CN103137146A (zh) * 2011-11-28 2013-06-05 李忠奇 光学六维存储数据的方法及装置
CN103020325A (zh) * 2013-01-17 2013-04-03 中国科学院计算机网络信息中心 基于NoSQL数据库的分布式遥感数据组织查询方法
CN103247059A (zh) * 2013-05-27 2013-08-14 北京师范大学 一种基于整数小波与视觉特征的遥感图像感兴趣区检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FENG, SHU: "Explanation of Creation, Storage Reference and Dimensionality Reduction Operations of C Language Dynamic Multi-dimensional Arrays by One Example", 21 March 2013 (2013-03-21), pages 2, XP055426616, Retrieved from the Internet <URL:http://blog.sina.com.cn/s/blog_62c832270101bdrp.html> *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754397A (zh) * 2019-07-09 2020-10-09 北京市商汤科技开发有限公司 一种遥感影像的镶嵌方法、装置、电子设备及存储介质
CN111754397B (zh) * 2019-07-09 2023-03-21 北京市商汤科技开发有限公司 一种遥感影像的镶嵌方法、装置、电子设备及存储介质
CN116721243A (zh) * 2023-08-11 2023-09-08 自然资源部第一海洋研究所 一种空谱特征约束的深度学习大气校正方法及系统
CN116721243B (zh) * 2023-08-11 2023-11-28 自然资源部第一海洋研究所 一种空谱特征约束的深度学习大气校正方法及系统

Also Published As

Publication number Publication date
US20190114745A1 (en) 2019-04-18
US10740873B2 (en) 2020-08-11

Similar Documents

Publication Publication Date Title
WO2017166261A1 (zh) 时间-空间-光谱四维遥感数据的提取方法
JP4918776B2 (ja) 電子文書比較プログラム、電子文書比較装置および電子文書比較方法
US8144995B2 (en) System and method for searching digital images
US11657473B2 (en) Method and system for storing and retrieving wide-area motion imagery frames as objects on an object storage device
WO2014183259A1 (zh) 一种全色−多光谱遥感图像融合方法
CN103995816B (zh) 信息处理设备和信息处理方法
WO2015024383A1 (zh) 用于颜色分布和纹理分布图像检索的相似度获取方法
JP6293386B2 (ja) データ処理装置、データ処理方法及びデータ処理プログラム
CN110211046B (zh) 一种基于生成对抗网络的遥感图像融合方法、系统和终端
US9996516B2 (en) Image processing device for determining a display position of an annotation
US20130251253A1 (en) Image processing device that displays retrieved image similar to target image
US20220122235A1 (en) Dual-Stage System for Computational Photography, and Technique for Training Same
US9208173B1 (en) Techniques for medical image retreival
US20140348402A1 (en) Techniques for Medical Image Retreival
WO2022052884A1 (zh) 含有图标图像的dicomdir文件生成方法及系统
AU2004218694A1 (en) Systems and methods for indexing and retrieving images
CN105427235B (zh) 一种图像浏览方法及系统
JP6291189B2 (ja) ハイパースペクトル画像の分解能を制御する方法
JP5892592B2 (ja) 超解像画像処理装置及び超解像画像処理用コードブック作成装置
CN108353143A (zh) 在不规则形状显示表面上投射图像
CN107239779B (zh) 一种扫描纸质海图水深点自动矢量化及信息提取的改进方法
JPH10254901A (ja) 画像検索方法および装置
JP5383292B2 (ja) 情報処理装置、情報処理方法、プログラム及び記憶媒体
JP2008257537A (ja) 情報登録装置、情報検索装置、情報検索システム、情報登録プログラム、および情報検索プログラム
JP4434876B2 (ja) 帳票検索装置、帳票検索システム、帳票検索方法及びそのプログラム

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16896041

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16896041

Country of ref document: EP

Kind code of ref document: A1