CN107832944A - 一种自然灾害风险监测*** - Google Patents
一种自然灾害风险监测*** Download PDFInfo
- Publication number
- CN107832944A CN107832944A CN201711081261.0A CN201711081261A CN107832944A CN 107832944 A CN107832944 A CN 107832944A CN 201711081261 A CN201711081261 A CN 201711081261A CN 107832944 A CN107832944 A CN 107832944A
- Authority
- CN
- China
- Prior art keywords
- mrow
- remote sensing
- evaluation
- sensing image
- msub
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种自然灾害风险监测***,包括图像采集装置、图像处理装置、风险评估模块、模型建立模块和风险监测模块,所述图像采集装置用于采集目标区域的遥感影像,所述图像处理装置用于对采集的遥感影像质量进行评价,筛选出高质量的遥感影像,所述风险评估模块用于根据筛选后的遥感影像对目标区域自然灾害风险进行评估,所述模型建立模块用于根据评估情况建立自然灾害风险模型,所述风险监测模块用于根据自然灾害风险模型对自然灾害风险进行监测。本发明的有益效果为:实现了自然灾害风险的有效监测。
Description
技术领域
本发明涉及自然灾害风险监测技术领域,具体涉及一种自然灾害风险监测***。
背景技术
近年来,我国自然灾害时有发生,严重制约了经济的发展,极大威胁了人民群众生命财产安全,对自然灾害风险进行监测,关系到经济的发展和人民的幸福。
发明内容
针对上述问题,本发明旨在提供一种自然灾害风险监测***。
本发明的目的采用以下技术方案来实现:
提供了一种自然灾害风险监测***,包括图像采集装置、图像处理装置、风险评估模块、模型建立模块和风险监测模块,所述图像采集装置用于采集目标区域的遥感影像,所述图像处理装置用于对采集的遥感影像质量进行评价,筛选出高质量的遥感影像,所述风险评估模块用于根据筛选后的遥感影像对目标区域自然灾害风险进行评估,所述模型建立模块用于根据评估情况建立自然灾害风险模型,所述风险监测模块用于根据自然灾害风险模型对自然灾害风险进行监测。
本发明的有益效果为:实现了自然灾害风险的有效监测。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
图像采集装置1、图像处理装置2、风险评估模块3、模型建立模块4、风险监测模块5。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种自然灾害风险监测***,包括图像采集装置1、图像处理装置2、风险评估模块3、模型建立模块4和风险监测模块5,所述图像采集装置1用于采集目标区域的遥感影像,所述图像处理装置2用于对采集的遥感影像质量进行评价,筛选出高质量的遥感影像,所述风险评估模块3用于根据筛选后的遥感影像对目标区域自然灾害风险进行评估,所述模型建立模块4用于根据评估情况建立自然灾害风险模型,所述风险监测模块5用于根据自然灾害风险模型对自然灾害风险进行监测。
本实施例实现了自然灾害风险的有效监测。
优选的,所述图像处理装置2包括第一评价模块、第二评价模块和综合评价模块,所述第一评价模块用于对遥感影像质量进行主观评价,获取第一评价值,所述第二评价模块用于对遥感影像质量进行客观评价,获取第二评价值,所述综合评价模块用于根据所述第一评价值和第二评价值对遥感影像质量进行综合评价。
本优选实施例通过主客观评价相结合的方式实现了遥感影像质量的准确评价。
优选的,所述第一评价模块包括遥感影像分类单元和主观评价单元,所述遥感影像分类单元用于对遥感影像进行分类处理,所述主观评价单元用于对分类后的遥感图像进行主观评价;所述遥感影像分类单元用于对遥感影像进行分类处理,具体为:将遥感影像分为两类,其中一类遥感图像具有标准参考图像,另一类遥感图像没有标准参考图像。
所述主观评价单元用于对分类后的遥感图像进行主观评价,具体为:
将测试人员分为两组,保证两组测试人员人数相同,第一组测试人员采用五分制对具有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员先观察标准参考图像,然后给出遥感影像的分值,计算组内分值的平均值a1,作为具有标准参考图像的遥感影像的第一评价值;第二组测试人员采用五分制对没有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员直接给出遥感影像的分值,计算组内分值的平均值a2;
第二组测试人员采用五分制对没有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员直接给出遥感影像的分值,计算组内分值的平均值a3,将a2和a3的平均值作为没有标准参考图像的遥感影像的第一评价值。
本优选实施例第一评价模块通过对遥感影像是否具有标准参考图像对遥感影像进行分类,有助于提高第一评价值的准确性,实现了遥感影像质量的主观评价,具体的,采用具有标准参考图像的遥感影像对测试人员进行训练后对没有标准参考图像的遥感影像进行评价,克服了主观评价的盲目性,有助于提高测试人员对没有标准参考图像的遥感影像的评价准确性。
优选的,所述第二评价模块包括噪声评价单元、云量评价单元、清晰度评价单元和第二评价值获取单元,所述噪声评价单元用于计算遥感影像质量的噪声评价因子,所述云量评价单元用于计算遥感影像质量的云量评价因子,所述清晰度评价单元用于计算遥感影像质量的清晰度评价因子,所述第二评价值获取单元用于根据噪声评价因子、云量评价因子和清晰度评价因子计算遥感影像质量的第二评价值。
所述噪声评价单元用于计算遥感影像质量的噪声评价因子,具体为:从遥感影像中选取一个均匀区域,计算噪声评价因子:
式中,D1表示噪声评价因子,Hk表示所选区域遥感影像中第k个像素的灰度值,N表示所选区域遥感影像中包含的像素个数;噪声评价因子越小,则遥感影像质量越好。
所述云量评价单元用于计算遥感影像质量的云量评价因子,具体采用下式进行:
式中,D2表示云量评价因子,S1表示云区覆盖的像素个数,S2表示遥感影像包含的像素的总数;云量评价因子越小,则遥感影像质量越好;
所述清晰度评价单元用于计算遥感影像质量的清晰度评价因子,具体采用下式进行:
式中,D3表示清晰度评价因子,H(i,j)表示遥感影像第i行、第j列的灰度值,P、Q分别表示遥感影像的总行数和总列数;清晰度评价因子越大,则遥感影像质量越好;
所述第二评价值获取单元用于根据噪声评价因子、云量评价因子和清晰度评价因子计算遥感影像质量的第二评价值,具体采用下式进行:
式中,D表示第二评价值。
本优选实施例第二评价模块通过计算第二评价值,实现了遥感影像质量的客观评价,采用多个评价因子进行评价,得到的评价结果更为科学合理,具体的,噪声评价因子对遥感影像的噪声进行了有效评价,云量评价因子对遥感影像的云量进行了有效评价,清晰度评价因子对遥感影像的清晰度进行了有效评价,有助于获取噪声小、云量少、清晰度高的遥感影像。
优选的,所述综合评价模块用于根据所述第一评价值和第二评价值对遥感影像质量进行综合评价,具体为:
采用下式计算遥感影像的综合评价值:
式中,Z1表示遥感影像的综合评价值,σ1和σ2为权值,σ1+σ2=1;综合评价值越大,则遥感影像的质量越好。
本优选实施例综合评价模块通过主客观结合的方式对遥感影像质量进行综合评价,一方面,主观评价通过用户观察进行,给遥感用户带来影像质量水平的直观感受,另一方面,客观评价采用精确量化的评价因子,易于相互比较。
采用本发明自然灾害风险监测***进行自然灾害风险监测,选取5个目标区域进行模拟实验,分别为目标区域1、目标区域2、目标区域3、目标区域4、目标区域5,对监测效率和监测准确性进行统计,同现有风险监测***相比,产生的有益效果如下表所示:
监测效率提高 | 监测准确性提高 | |
目标区域1 | 29% | 27% |
目标区域2 | 27% | 26% |
目标区域3 | 26% | 26% |
目标区域4 | 25% | 24% |
目标区域5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种自然灾害风险监测***,其特征在于,包括图像采集装置、图像处理装置、风险评估模块、模型建立模块和风险监测模块,所述图像采集装置用于采集目标区域的遥感影像,所述图像处理装置用于对采集的遥感影像质量进行评价,筛选出高质量的遥感影像,所述风险评估模块用于根据筛选后的遥感影像对目标区域自然灾害风险进行评估,所述模型建立模块用于根据评估情况建立自然灾害风险模型,所述风险监测模块用于根据自然灾害风险模型对自然灾害风险进行监测。
2.根据权利要求1所述的自然灾害风险监测***,其特征在于,所述图像处理装置包括第一评价模块、第二评价模块和综合评价模块,所述第一评价模块用于对遥感影像质量进行主观评价,获取第一评价值,所述第二评价模块用于对遥感影像质量进行客观评价,获取第二评价值,所述综合评价模块用于根据所述第一评价值和第二评价值对遥感影像质量进行综合评价。
3.根据权利要求2所述的自然灾害风险监测***,其特征在于,所述第一评价模块包括遥感影像分类单元和主观评价单元,所述遥感影像分类单元用于对遥感影像进行分类处理,所述主观评价单元用于对分类后的遥感图像进行主观评价;所述遥感影像分类单元用于对遥感影像进行分类处理,具体为:将遥感影像分为两类,其中一类遥感图像具有标准参考图像,另一类遥感图像没有标准参考图像。
4.根据权利要求3所述的自然灾害风险监测***,其特征在于,所述主观评价单元用于对分类后的遥感图像进行主观评价,具体为:
将测试人员分为两组,保证两组测试人员人数相同,第一组测试人员采用五分制对具有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员先观察标准参考图像,然后给出遥感影像的分值,计算组内分值的平均值a1,作为具有标准参考图像的遥感影像的第一评价值;第二组测试人员采用五分制对没有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员直接给出遥感影像的分值,计算组内分值的平均值a2;
第二组测试人员采用五分制对没有标准参考图像的遥感影像进行评分,分值越高,遥感影像质量越好,不同测试人员直接给出遥感影像的分值,计算组内分值的平均值a3,将a2和a3的平均值作为没有标准参考图像的遥感影像的第一评价值。
5.根据权利要求4所述的自然灾害风险监测***,其特征在于,所述第二评价模块包括噪声评价单元、云量评价单元、清晰度评价单元和第二评价值获取单元,所述噪声评价单元用于计算遥感影像质量的噪声评价因子,所述云量评价单元用于计算遥感影像质量的云量评价因子,所述清晰度评价单元用于计算遥感影像质量的清晰度评价因子,所述第二评价值获取单元用于根据噪声评价因子、云量评价因子和清晰度评价因子计算遥感影像质量的第二评价值。
6.根据权利要求5所述的自然灾害风险监测***,其特征在于,所述噪声评价单元用于计算遥感影像质量的噪声评价因子,具体为:从遥感影像中选取一个均匀区域,计算噪声评价因子:
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>2</mn>
<mo>+</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
</mrow>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>H</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
</mrow>
</msup>
</mrow>
式中,D1表示噪声评价因子,Hk表示所选区域遥感影像中第k个像素的灰度值,N表示所选区域遥感影像中包含的像素个数;噪声评价因子越小,则遥感影像质量越好。
7.根据权利要求6所述的自然灾害风险监测***,其特征在于,所述云量评价单元用于计算遥感影像质量的云量评价因子,具体采用下式进行:
<mrow>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>S</mi>
<mn>1</mn>
</msub>
<msub>
<mi>S</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>S</mi>
<mn>1</mn>
</msub>
<msub>
<mi>S</mi>
<mn>2</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
</mrow>
式中,D2表示云量评价因子,S1表示云区覆盖的像素个数,S2表示遥感影像包含的像素的总数;云量评价因子越小,则遥感影像质量越好;
所述清晰度评价单元用于计算遥感影像质量的清晰度评价因子,具体采用下式进行:
<mrow>
<msub>
<mi>D</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mi>l</mi>
<mi>n</mi>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>P</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>J</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>Q</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<mo>(</mo>
<mi>P</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>&times;</mo>
<mo>(</mo>
<mi>Q</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mfrac>
<mo>+</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
</mrow>
</msqrt>
</mrow>
式中,D3表示清晰度评价因子,H(i,j)表示遥感影像第i行、第j列的灰度值,P、Q分别表示遥感影像的总行数和总列数;清晰度评价因子越大,则遥感影像质量越好;
所述第二评价值获取单元用于根据噪声评价因子、云量评价因子和清晰度评价因子计算遥感影像质量的第二评价值,具体采用下式进行:
<mrow>
<mi>D</mi>
<mo>=</mo>
<mfrac>
<msup>
<mi>e</mi>
<msub>
<mi>D</mi>
<mn>3</mn>
</msub>
</msup>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
</mrow>
</msup>
</mfrac>
<mo>+</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>D</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msqrt>
</mrow>
式中,D表示第二评价值。
8.根据权利要求7所述的自然灾害风险监测***,其特征在于,所述综合评价模块用于根据所述第一评价值和第二评价值对遥感影像质量进行综合评价,具体为:
采用下式计算遥感影像的综合评价值:
式中,Z1表示遥感影像的综合评价值,σ1和σ2为权值,σ1+σ2=1;综合评价值越大,则遥感影像的质量越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081261.0A CN107832944A (zh) | 2017-11-07 | 2017-11-07 | 一种自然灾害风险监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081261.0A CN107832944A (zh) | 2017-11-07 | 2017-11-07 | 一种自然灾害风险监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832944A true CN107832944A (zh) | 2018-03-23 |
Family
ID=61654671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711081261.0A Withdrawn CN107832944A (zh) | 2017-11-07 | 2017-11-07 | 一种自然灾害风险监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832944A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206216A (zh) * | 2023-05-06 | 2023-06-02 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 一种基于遥感影像的矢量地理信息采集方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567996A (zh) * | 2012-01-05 | 2012-07-11 | 中国地质大学(武汉) | 一种遥感卫星图像质量评价的方法 |
CN104157009A (zh) * | 2014-08-21 | 2014-11-19 | 铁道第三勘察设计院集团有限公司 | 一种多源遥感影像质量定量比选方法 |
CN105100789A (zh) * | 2015-07-22 | 2015-11-25 | 天津科技大学 | 一种视频质量评价方法 |
CN205581960U (zh) * | 2016-04-20 | 2016-09-14 | 国家电网公司 | 一种基于卫星遥感图像的自然灾害风险监测*** |
CN106960436A (zh) * | 2017-03-20 | 2017-07-18 | 哈尔滨工业大学 | 一种光学遥感图像处理性能评估方法 |
-
2017
- 2017-11-07 CN CN201711081261.0A patent/CN107832944A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567996A (zh) * | 2012-01-05 | 2012-07-11 | 中国地质大学(武汉) | 一种遥感卫星图像质量评价的方法 |
CN104157009A (zh) * | 2014-08-21 | 2014-11-19 | 铁道第三勘察设计院集团有限公司 | 一种多源遥感影像质量定量比选方法 |
CN105100789A (zh) * | 2015-07-22 | 2015-11-25 | 天津科技大学 | 一种视频质量评价方法 |
CN205581960U (zh) * | 2016-04-20 | 2016-09-14 | 国家电网公司 | 一种基于卫星遥感图像的自然灾害风险监测*** |
CN106960436A (zh) * | 2017-03-20 | 2017-07-18 | 哈尔滨工业大学 | 一种光学遥感图像处理性能评估方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206216A (zh) * | 2023-05-06 | 2023-06-02 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 一种基于遥感影像的矢量地理信息采集方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105744256A (zh) | 基于图谱视觉显著的立体图像质量客观评价方法 | |
CN102842203B (zh) | 基于视频图像的桥梁病害监测方法 | |
CN110175789A (zh) | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 | |
CN106097222A (zh) | 顾及用户特征的公共设施空间可达性分析方法及装置 | |
CN107784651A (zh) | 一种基于模糊检测加权的模糊图像质量评价方法 | |
CN103871054A (zh) | 一种基于组合指标的图像分割结果定量评价方法 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN106251172A (zh) | 一种基于熵值法的用户价值评分计算方法及*** | |
CN107358339A (zh) | 一种基于大数据的轨道质量状态评估方法 | |
CN110738404A (zh) | 改良的生态***生态服务价值评价方法 | |
CN108257125A (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN102542285B (zh) | 基于谱图分析的图像集合的场景分类方法及装置 | |
CN107832944A (zh) | 一种自然灾害风险监测*** | |
CN114820532A (zh) | 一种蝗区分析方法及装置 | |
CN107563324A (zh) | 一种基于核基础超限学习机的高光谱图像分类方法及装置 | |
CN107886234A (zh) | 一种高效的城市规划*** | |
CN103268391A (zh) | 基于朴素贝叶斯的自适应雷电灾害风险预估方法 | |
CN103902798A (zh) | 数据预处理方法 | |
CN102521839B (zh) | 一种用于退化图像恢复的客观无参考图像质量评价方法 | |
CN108229797A (zh) | 一种组合倾向得分匹配模型与贝叶斯模型的道路安全评估方法 | |
CN107833433A (zh) | 一种预警准确的山区自然灾害预警*** | |
CN107256562A (zh) | 基于双目视觉***的图像去雾方法和装置 | |
CN116862283A (zh) | 养老环境评估、控制方法及*** | |
CN106600616A (zh) | 一种图像背景杂波度量方法及*** | |
CN114023061B (zh) | 基于车路协同路侧感知***的交通流量采集能力评价方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180323 |
|
WW01 | Invention patent application withdrawn after publication |