CN115100541A - 一种卫星遥感数据的处理方法、***及云平台 - Google Patents
一种卫星遥感数据的处理方法、***及云平台 Download PDFInfo
- Publication number
- CN115100541A CN115100541A CN202210856650.0A CN202210856650A CN115100541A CN 115100541 A CN115100541 A CN 115100541A CN 202210856650 A CN202210856650 A CN 202210856650A CN 115100541 A CN115100541 A CN 115100541A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- satellite remote
- image
- target
- subimages
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供的一种卫星遥感数据的处理方法、***及云平台,涉及数据处理技术领域。在本发明中,依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出卫星遥感图像对应的多帧卫星遥感子图像。对多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。依据每两帧卫星遥感子图像之间的图像相似度,对多帧卫星遥感子图像进行分类存储操作,以存储多帧卫星遥感子图像。基于上述方法,可以改善现有技术中卫星遥感数据的存储效果不佳的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种卫星遥感数据的处理方法、***及云平台。
背景技术
在各类遥感对地观测卫星的成功发射的基础上,有关地球及其各种资源环境的多分辨率的、海量的、实时的对地观测数据被不断获取。并且,随着遥感技术的发展,其数据规模还在以惊人的速度增长,使得存储大量的卫星遥感数据,即卫星遥感图像。其中,在对卫星遥感图像进行存储时,一般会先对卫星遥感图像进行分割,然后,依据对应的位置进行分别存储,如此,使得可能存在存储效果不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种卫星遥感数据的处理方法、***及云平台,以改善现有技术中卫星遥感数据的存储效果不佳的问题。
为实现上述目的,本发明实施例采用如下技术方案:
一种卫星遥感数据的处理方法,应用于云平台,所述卫星遥感数据的处理方法包括:
依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,所述多帧卫星遥感子图像拼接形成所述卫星遥感图像;
对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度;
依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像的步骤,包括:
在接收到原始卫星遥感图像的情况下,识别出是否接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令;
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像;
依据预先设置的图像分割尺寸,对所述待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,每一帧所述卫星遥感子图像的图像尺寸等于所述图像分割尺寸。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像的步骤,包括:
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,对所述原始卫星遥感图像的图像尺寸进行确定操作,以输出所述原始卫星遥感图像对应的目标图像尺寸;
对所述目标图像尺寸和图像尺寸参考值进行大小比较操作;
在所述目标图像尺寸小于或等于所述图像尺寸参考值的情况下,确定不将所述原始卫星遥感图像标记为待处理的卫星遥感图像,在所述目标图像尺寸大于所述图像尺寸参考值的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度的步骤,包括:
对所述两帧卫星遥感子图像中的一帧卫星遥感子图像进行图像标记操作,以形成目标卫星遥感子图像,再将对所述两帧卫星遥感子图像中的另一帧卫星遥感子图像进行图像标记操作,以形成参考卫星遥感子图像;
对所述目标卫星遥感子图像进行对象识别操作,以输出目标对象类型集合,再对所述参考卫星遥感子图像进行对象识别操作,以输出参考对象类型集合,所述目标对象类型集合包括的每一种目标对象类型属于所述目标卫星遥感子图像中识别出的一个对象对应的对象类型,所述参考对象类型集合包括的每一种参考对象类型属于所述参考卫星遥感子图像中识别出的一个对象对应的对象类型;
对所述目标卫星遥感子图像进行对象轮廓提取操作,以输出目标对象轮廓集合,再对所述参考卫星遥感子图像进行对象轮廓提取操作,以输出参考对象轮廓集合,所述目标对象轮廓集合包括从所述目标卫星遥感子图像中提取出的每一个对象的轮廓,所述参考对象轮廓集合包括从所述参考卫星遥感子图像中提取出的每一个对象的轮廓;
对于所述目标对象轮廓集合包括的每一个目标对象轮廓,对该目标对象轮廓与所述参考对象轮廓集合包括的每一个参考对象轮廓进行轮廓相似度计算,再对计算输出的每一个轮廓相似度进行均值计算操作,以输出该目标对象轮廓对应的目标轮廓相似度;
对于多个标准对象类型中的每一个标准对象类型,对该标准对象类型在所述目标对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第一出现频次,再对该标准对象类型再所述参考对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第二出现频次;
对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度;
对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度,在所述目标对象轮廓对应的对象类型不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将该目标对象轮廓对应的对象类型对应的类型重要度依据所述多个标准对象类型对应的多个类型重要度中的最小值确定;
依据所述目标对象轮廓集合包括的每一个目标对象轮廓对应的更新轮廓相似度,计算输出所述两帧卫星遥感子图像之间的图像相似度。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度的步骤,包括:
依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,计算输出所述第一出现频次对应的第一加权系数和所述第二出现频次对应的第二加权系数;
对于多个标准对象类型中的每一个标准对象类型,依据所述第一加权系数和所述第二加权系数,对该标准对象类型对应的第一出现频次和第二出现频次进行加权均值计算操作,以输出该标准对象类型对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度的步骤,包括:
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的对象类型是否属于所述多个标准对象类型中的任意一个标准对象类型进行确定;
对于每一个所述目标对象轮廓,在该目标对象轮廓对应的对象类型是不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将所述多个标准对象类型对应的多个类型重要度中的最小值,标记为该目标对象轮廓对应的类型重要度,在该目标对象轮廓对应的对象类型是属于所述多个标准对象类型中的一个标准对象类型的情况下,将该标准对象类型对应的类型重要度标记为该目标对象轮廓对应的类型重要度;
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的所述类型重要度和该目标对象轮廓对应的所述目标轮廓相似度进行乘积计算操作,以输出该目标对象轮廓对应的更新轮廓相似度。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像的步骤,包括:
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像对应的地理区域进行区域距离计算操作,以输出该两帧卫星遥感子图像之间的区域距离值,再依据该两帧卫星遥感子图像之间的区域距离值,对该两帧卫星遥感子图像之间的区域相关值进行确定操作,以输出该两帧卫星遥感子图像之间的区域相关值;
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像之间的区域相关值和该两帧卫星遥感子图像之间的图像相似度进行融合操作,以输出该两帧卫星遥感子图像之间的图像相关值;
依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
在一些优选的实施例中,在上述卫星遥感数据的处理方法中,所述依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像的步骤,包括:
步骤1,对所述多帧卫星遥感子图像进行分类操作,以形成所述多帧卫星遥感子图像对应的多个遥感子图像初始集合,每一个所述遥感子图像初始集合包括至少一帧所述卫星遥感子图像;
步骤2,对所述多个遥感子图像初始集合进行集合数量统计操作,以输出所述多个遥感子图像初始集合对应的初始集合数量,再依据所述初始集合数量确定出具有负相关关系的第一分类系数;
步骤3,对于所述多个遥感子图像初始集合中的每一个遥感子图像初始集合,在该遥感子图像初始集合包括一帧卫星遥感子图像的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该第一遥感子图像初始集合对应的目标图像相关度赋值为最大的图像相关度,在该遥感子图像初始集合包括至少两帧卫星遥感子图像的情况下,对该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度与相关度参考值进行大小比较操作,再在该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度大于或等于所述相关度参考值的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度的平均值,标记为该第一遥感子图像初始集合对应的目标图像相关度;
步骤4,在所述多个遥感子图像初始集合中的至少一个遥感子图像初始集合未被标记为第一遥感子图像初始集合的情况下,跳转到步骤1,在所述多个遥感子图像初始集合中的每一个遥感子图像初始集合都被标记为第一遥感子图像初始集合的情况下,对每一个所述第一遥感子图像初始集合对应的目标图像相关度进行融合操作,以输出第二分类系数;
步骤5,对所述第一分类系数和所述第二分类系数进行融合操作,以输出目标分类系数,再将所述目标分类系数与分类系数参考值进行大小比较;
步骤6,在所述目标分类系数小于或等于所述分类系数参考值的情况下,跳转到步骤1,在所述目标分类系数大于所述分类系数参考值的情况下,将最近依次执行步骤1形成的所述多个遥感子图像初始集合,标记为对应的多个遥感子图像集合,再分别对每一个遥感子图像集合进行存储。
本发明实施例还提供一种卫星遥感数据的处理***,应用于云平台,所述卫星遥感数据的处理***包括:
图像分割模块,用于依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,所述多帧卫星遥感子图像拼接形成所述卫星遥感图像;
相似度计算模块,用于对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度;
图像分类存储模块,用于依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
本发明实施例还提供一种云平台,所述云平台用于执行上述的卫星遥感数据的处理方法。
本发明实施例提供的一种卫星遥感数据的处理方法、***及云平台,可以先依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出卫星遥感图像对应的多帧卫星遥感子图像。对多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。依据每两帧卫星遥感子图像之间的图像相似度,对多帧卫星遥感子图像进行分类存储操作,以存储多帧卫星遥感子图像。基于前述的内容,可以结合分割形成的卫星遥感子图像之间的图像相似度,对卫星遥感子图像进行分类存储操作,使得在存储之后,便于进行查找(通过分类,如将图像相似度高的作为一类一并进行存储,便于一并查找到图像相似度较高的卫星遥感子图像,或者,将图像相似度第的作为一类一并进行存储,并于一并查找得到图像相似度较低的卫星遥感子图像,以提高查找到的图像的多样性),可以在一定程度提高对于存储的管控效果,从而以改善现有技术中卫星遥感数据的存储效果不佳的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的云平台的结构框图。
图2为本发明实施例提供的卫星遥感数据的处理方法包括的各步骤的流程示意图。
图3为本发明实施例提供的卫星遥感数据的处理***包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
参照图1所示,本发明实施例提供了一种云平台。
详细地,在一些可能实现的实施方式中,所述云平台可以包括存储器和处理器。其中,所述存储器和处理器之间可以直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的卫星遥感数据的处理方法。
详细地,在一些可能实现的实施方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
详细地,在一些可能实现的实施方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上***(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
详细地,在一些可能实现的实施方式中,所述云平台可以是一种具备数据处理能力的服务器。
参照图2所示,本发明实施例还提供一种卫星遥感数据的处理方法,可应用于上述云平台。其中,所述卫星遥感数据的处理方法有关的流程所定义的方法步骤,可以由所述云平台实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像。
在本发明实施例中,所述云平台可以依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像。所述多帧卫星遥感子图像(按照对应的分割形成的关系)可以拼接形成所述卫星遥感图像。
步骤S120,对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。
在本发明实施例中,所述云平台可以对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。
步骤S130,依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
在本发明实施例中,所述云平台可以依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
基于上述方法,即上述的卫星遥感数据的处理方法,可以先依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出卫星遥感图像对应的多帧卫星遥感子图像。对多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。依据每两帧卫星遥感子图像之间的图像相似度,对多帧卫星遥感子图像进行分类存储操作,以存储多帧卫星遥感子图像。基于前述的内容,可以结合分割形成的卫星遥感子图像之间的图像相似度,对卫星遥感子图像进行分类存储操作,使得在存储之后,便于进行查找(通过分类,如将图像相似度高的作为一类一并进行存储,便于一并查找到图像相似度较高的卫星遥感子图像,或者,将图像相似度第的作为一类一并进行存储,并于一并查找得到图像相似度较低的卫星遥感子图像,以提高查找到的图像的多样性),可以在一定程度提高对于存储的管控效果,从而以改善现有技术中卫星遥感数据的存储效果不佳的问题。
详细地,在一些可能实现的实施方式中,上述方法包括的步骤S110中,可以进一步包括以下具体内容:
在接收到原始卫星遥感图像的情况下,识别出是否接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令;
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像;
依据预先设置的图像分割尺寸,对所述待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,每一帧所述卫星遥感子图像的图像尺寸等于所述图像分割尺寸。
详细地,在一些可能实现的实施方式中,上述方法包括的所述在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像的步骤,可以进一步包括以下具体内容:
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,对所述原始卫星遥感图像的图像尺寸进行确定操作,以输出所述原始卫星遥感图像对应的目标图像尺寸;
对所述目标图像尺寸和图像尺寸参考值进行大小比较操作;
在所述目标图像尺寸小于或等于所述图像尺寸参考值的情况下,确定不将所述原始卫星遥感图像标记为待处理的卫星遥感图像,在所述目标图像尺寸大于所述图像尺寸参考值的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像。
详细地,在一些可能实现的实施方式中,上述方法包括的步骤S120中,可以进一步包括以下具体内容:
对所述两帧卫星遥感子图像中的一帧卫星遥感子图像进行图像标记操作,以形成目标卫星遥感子图像,再将对所述两帧卫星遥感子图像中的另一帧卫星遥感子图像进行图像标记操作,以形成参考卫星遥感子图像;
对所述目标卫星遥感子图像进行对象识别操作,以输出目标对象类型集合,再对所述参考卫星遥感子图像进行对象识别操作,以输出参考对象类型集合,所述目标对象类型集合包括的每一种目标对象类型属于所述目标卫星遥感子图像中识别出的一个对象对应的对象类型,所述参考对象类型集合包括的每一种参考对象类型属于所述参考卫星遥感子图像中识别出的一个对象对应的对象类型;
对所述目标卫星遥感子图像进行对象轮廓提取操作,以输出目标对象轮廓集合,再对所述参考卫星遥感子图像进行对象轮廓提取操作,以输出参考对象轮廓集合,所述目标对象轮廓集合包括从所述目标卫星遥感子图像中提取出的每一个对象的轮廓,所述参考对象轮廓集合包括从所述参考卫星遥感子图像中提取出的每一个对象的轮廓;
对于所述目标对象轮廓集合包括的每一个目标对象轮廓,对该目标对象轮廓与所述参考对象轮廓集合包括的每一个参考对象轮廓进行轮廓相似度计算,再对计算输出的每一个轮廓相似度进行均值计算操作,以输出该目标对象轮廓对应的目标轮廓相似度;
对于多个标准对象类型中的每一个标准对象类型,对该标准对象类型在所述目标对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第一出现频次(即所述标准对象类型的出现次数),再对该标准对象类型再所述参考对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第二出现频次;
对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度;
对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度,在所述目标对象轮廓对应的对象类型不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将该目标对象轮廓对应的对象类型对应的类型重要度依据所述多个标准对象类型对应的多个类型重要度中的最小值确定;
依据所述目标对象轮廓集合包括的每一个目标对象轮廓对应的更新轮廓相似度(例如,可以计算每一个目标对象轮廓对应的更新轮廓相似度的平均值),计算输出所述两帧卫星遥感子图像之间的图像相似度。
详细地,在一些可能实现的实施方式中,上述方法包括的所述对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度的步骤,可以进一步包括以下具体内容:
依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,计算输出所述第一出现频次对应的第一加权系数和所述第二出现频次对应的第二加权系数(所述第一加权系数与所述目标对象类型集合包括的对象类型的数量正相关,所述第二加权系数与所述目参考对象类型集合包括的对象类型的数量正相关);
对于多个标准对象类型中的每一个标准对象类型,依据所述第一加权系数和所述第二加权系数,对该标准对象类型对应的第一出现频次和第二出现频次进行加权均值计算操作,以输出该标准对象类型对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度。
详细地,在一些可能实现的实施方式中,上述方法包括的所述对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度的步骤,进一步包括以下具体内容:
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的对象类型是否属于所述多个标准对象类型中的任意一个标准对象类型进行确定;
对于每一个所述目标对象轮廓,在该目标对象轮廓对应的对象类型是不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将所述多个标准对象类型对应的多个类型重要度中的最小值,标记为该目标对象轮廓对应的类型重要度,在该目标对象轮廓对应的对象类型是属于所述多个标准对象类型中的一个标准对象类型的情况下,将该标准对象类型对应的类型重要度标记为该目标对象轮廓对应的类型重要度;
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的所述类型重要度和该目标对象轮廓对应的所述目标轮廓相似度进行乘积计算操作,以输出该目标对象轮廓对应的更新轮廓相似度。
详细地,在一些可能实现的实施方式中,上述方法包括的步骤S120中,可以进一步包括以下具体内容:
对所述两帧卫星遥感子图像中的一帧卫星遥感子图像进行图像标记操作,以形成目标卫星遥感子图像,再将对所述两帧卫星遥感子图像中的另一帧卫星遥感子图像进行图像标记操作,以形成参考卫星遥感子图像;
对所述目标卫星遥感子图像和预先配置的标准卫星遥感子图像进行图像差分操作,以输出所述目标卫星遥感子图像对应的目标差分图像,再对所述参考卫星遥感子图像和所述标准卫星遥感子图像进行图像差分操作,以输出所述参考卫星遥感子图像对应的参考差分图像;
对所述目标卫星遥感子图像进行特征点识别操作(所述特征点识别操作可以包括,ORB特征点识别技术),以输出所述目标卫星遥感子图像对应的第一特征点集合,再对所述目标差分图像进行特征点识别操作,以输出所述目标差分图像对应的第二特征点集合;
对所述参考卫星遥感子图像进行特征点识别操作,以输出所述参考卫星遥感子图像对应的第三特征点集合,再对所述参考差分图像进行特征点识别操作,以输出所述参考差分图像对应的第四特征点集合;
依据预设数量和每一个特征点对应的像素位置,对所述第一特征点集合包括的多个第一特征点进行聚类操作,以输出数量为所述预设数量的多个第一特征点子集合,再依据所述预设数量和每一个特征点对应的像素位置,对所述第二特征点集合包括的多个第二特征点进行聚类操作,以输出数量为所述预设数量的多个第二特征点子集合,再依据所述预设数量和每一个特征点对应的像素位置,对所述第三特征点集合包括的多个第三特征点进行聚类操作,以输出数量为所述预设数量的多个第三特征点子集合,再依据所述预设数量和每一个特征点对应的像素位置,对所述第四特征点集合包括的多个第四特征点进行聚类操作,以输出数量为所述预设数量的多个第四特征点子集合;
对于所述多个第一特征点子集合中的每一个第一特征点子集合,依据该第一特征点子集合包括的每一个第一特征点对应的像素位置,对该第一特征点子集合进行中心位置确定操作,以输出该第一特征点子集合对应的第一中心位置,对于所述多个第二特征点子集合中的每一个第二特征点子集合,依据该第二特征点子集合包括的每一个第二特征点对应的像素位置,对该第二特征点子集合进行中心位置确定操作,以输出该第二特征点子集合对应的第二中心位置;
对于所述多个第三特征点子集合中的每一个第三特征点子集合,依据该第三特征点子集合包括的每一个第三特征点对应的像素位置,对该第三特征点子集合进行中心位置确定操作,以输出该第三特征点子集合对应的第三中心位置,对于所述多个第四特征点子集合中的每一个第四特征点子集合,依据该第四特征点子集合包括的每一个第四特征点对应的像素位置,对该第四特征点子集合进行中心位置确定操作,以输出该第四特征点子集合对应的第四中心位置;
依据每一个所述第一特征点子集合对应的第一中心位置和每一个所述第三特征点子集合对应的第三中心位置,对所述多个第一特征点子集合和所述多个第三特征点子集合进行一一关联操作(即关联后的第一中心位置和第三中心位置之间的距离的平均值最小),再依据每一个所述第二特征点子集合对应的第二中心位置和每一个所述第四特征点子集合对应的第四中心位置,对所述多个第二特征点子集合和所述多个第四特征点子集合进行一一关联操作(即关联后的第二中心位置和第四中心位置之间的距离的平均值最小);
对于每一个所述第一特征点子集合,依据该第一特征点子集合包括的每一个第一特征点的像素位置和该第一特征点子集合关联的第三特征点子集合包括的每一个第三特征点的像素位置,对该第一特征点子集合和该第三特征点子集合进行相关度计算操作(例如,可以先像素位置之间的距离的平均值,再将该平均值对应的负相关系数作为特征相关度),以输出该第一特征点子集合对应的特征相关度;
对于每一个所述第二特征点子集合,依据该第二特征点子集合包括的每一个第二特征点的像素位置和该第二特征点子集合关联的第四特征点子集合包括的每一个第四特征点的像素位置,对该第二特征点子集合和该第四特征点子集合进行相关度计算操作(如上所述),以输出该第二特征点子集合对应的特征相关度;
依据每一个所述第一特征点子集合对应的特征相关度和每一个所述第二特征点子集合对应的特征相关度(例如,先计算每一个所述第一特征点子集合对应的特征相关度的第一平均值,再计算每一个所述第二特征点子集合对应的特征相关度的第二平均值,再将第一平均值和第二平均值进行加权求和计算),融合得到所述两帧卫星遥感子图像之间的图像相似度。
详细地,在一些可能实现的实施方式中,上述方法包括的步骤S130中,可以进一步包括以下具体内容:
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像对应的地理区域进行区域距离计算操作,以输出该两帧卫星遥感子图像之间的区域距离值,再依据该两帧卫星遥感子图像之间的区域距离值,对该两帧卫星遥感子图像之间的区域相关值进行确定操作,以输出该两帧卫星遥感子图像之间的区域相关值(所述区域相关值可以与所述区域距离值负相关);
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像之间的区域相关值和该两帧卫星遥感子图像之间的图像相似度进行融合操作(例如,可以对区域相关值和图像相似度进行加权均值计算),以输出该两帧卫星遥感子图像之间的图像相关值;
依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
详细地,在一些可能实现的实施方式中,上述方法包括的所述依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像的步骤,可以进一步包括以下具体内容:
步骤1,对所述多帧卫星遥感子图像进行分类操作,以形成所述多帧卫星遥感子图像对应的多个遥感子图像初始集合,每一个所述遥感子图像初始集合包括至少一帧所述卫星遥感子图像;
步骤2,对所述多个遥感子图像初始集合进行集合数量统计操作,以输出所述多个遥感子图像初始集合对应的初始集合数量,再依据所述初始集合数量确定出具有负相关关系的第一分类系数;
步骤3,对于所述多个遥感子图像初始集合中的每一个遥感子图像初始集合,在该遥感子图像初始集合包括一帧卫星遥感子图像的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该第一遥感子图像初始集合对应的目标图像相关度赋值为最大的图像相关度,在该遥感子图像初始集合包括至少两帧卫星遥感子图像的情况下,对该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度与相关度参考值进行大小比较操作,再在该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度大于或等于所述相关度参考值的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度的平均值,标记为该第一遥感子图像初始集合对应的目标图像相关度;
步骤4,在所述多个遥感子图像初始集合中的至少一个遥感子图像初始集合未被标记为第一遥感子图像初始集合的情况下,跳转到步骤1,在所述多个遥感子图像初始集合中的每一个遥感子图像初始集合都被标记为第一遥感子图像初始集合的情况下,对每一个所述第一遥感子图像初始集合对应的目标图像相关度进行融合操作,以输出第二分类系数;
步骤5,对所述第一分类系数和所述第二分类系数进行融合操作,以输出目标分类系数,再将所述目标分类系数与分类系数参考值进行大小比较;
步骤6,在所述目标分类系数小于或等于所述分类系数参考值的情况下,跳转到步骤1,在所述目标分类系数大于所述分类系数参考值的情况下,将最近依次执行步骤1形成的所述多个遥感子图像初始集合,标记为对应的多个遥感子图像集合,再分别对每一个遥感子图像集合进行存储(例如,可以针对每一个遥感子图像集合,将该遥感子图像集合包括的全部卫星遥感子图像一并进行存储,一并存储可以是指,存储于一个设备或一个存储设备的多个存储空间的一个存储空间,或者,存储于不同的存储空间,但是,分别进行关联处理,使得可以在查找时,便于一并关联输出)。
参照图3所示,本发明实施例还提供一种卫星遥感数据的处理***,可应用于上述云平台。其中,所述卫星遥感数据的处理***可以包括图像分割模块、相似度计算模块和图像分类存储模块。
详细地,在一些可能实现的实施方式中,所述图像分割模块,用于依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,所述多帧卫星遥感子图像拼接形成所述卫星遥感图像。所述相似度计算模块,用于对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度,所述图像分类存储模块,用于依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
综上所述,本发明提供的一种卫星遥感数据的处理方法、***及云平台,可以先依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出卫星遥感图像对应的多帧卫星遥感子图像。对多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度。依据每两帧卫星遥感子图像之间的图像相似度,对多帧卫星遥感子图像进行分类存储操作,以存储多帧卫星遥感子图像。基于前述的内容,可以结合分割形成的卫星遥感子图像之间的图像相似度,对卫星遥感子图像进行分类存储操作,使得在存储之后,便于进行查找(通过分类,如将图像相似度高的作为一类一并进行存储,便于一并查找到图像相似度较高的卫星遥感子图像,或者,将图像相似度第的作为一类一并进行存储,并于一并查找得到图像相似度较低的卫星遥感子图像,以提高查找到的图像的多样性),在一定程度提高对于存储的管控效果,从而以改善现有技术中卫星遥感数据的存储效果不佳的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种卫星遥感数据的处理方法,其特征在于,应用于云平台,所述卫星遥感数据的处理方法包括:
依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,所述多帧卫星遥感子图像拼接形成所述卫星遥感图像;
对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度;
依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
2.如权利要求1所述的卫星遥感数据的处理方法,其特征在于,所述依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像的步骤,包括:
在接收到原始卫星遥感图像的情况下,识别出是否接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令;
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像;
依据预先设置的图像分割尺寸,对所述待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,每一帧所述卫星遥感子图像的图像尺寸等于所述图像分割尺寸。
3.如权利要求2所述的卫星遥感数据的处理方法,其特征在于,所述在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像的步骤,包括:
在识别出接收到对所述原始卫星遥感图像进行分类存储的目标存储请求指令的情况下,对所述原始卫星遥感图像的图像尺寸进行确定操作,以输出所述原始卫星遥感图像对应的目标图像尺寸;
对所述目标图像尺寸和图像尺寸参考值进行大小比较操作;
在所述目标图像尺寸小于或等于所述图像尺寸参考值的情况下,确定不将所述原始卫星遥感图像标记为待处理的卫星遥感图像,在所述目标图像尺寸大于所述图像尺寸参考值的情况下,将所述原始卫星遥感图像标记为待处理的卫星遥感图像。
4.如权利要求1所述的卫星遥感数据的处理方法,其特征在于,所述对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度的步骤,包括:
对所述两帧卫星遥感子图像中的一帧卫星遥感子图像进行图像标记操作,以形成目标卫星遥感子图像,再将对所述两帧卫星遥感子图像中的另一帧卫星遥感子图像进行图像标记操作,以形成参考卫星遥感子图像;
对所述目标卫星遥感子图像进行对象识别操作,以输出目标对象类型集合,再对所述参考卫星遥感子图像进行对象识别操作,以输出参考对象类型集合,所述目标对象类型集合包括的每一种目标对象类型属于所述目标卫星遥感子图像中识别出的一个对象对应的对象类型,所述参考对象类型集合包括的每一种参考对象类型属于所述参考卫星遥感子图像中识别出的一个对象对应的对象类型;
对所述目标卫星遥感子图像进行对象轮廓提取操作,以输出目标对象轮廓集合,再对所述参考卫星遥感子图像进行对象轮廓提取操作,以输出参考对象轮廓集合,所述目标对象轮廓集合包括从所述目标卫星遥感子图像中提取出的每一个对象的轮廓,所述参考对象轮廓集合包括从所述参考卫星遥感子图像中提取出的每一个对象的轮廓;
对于所述目标对象轮廓集合包括的每一个目标对象轮廓,对该目标对象轮廓与所述参考对象轮廓集合包括的每一个参考对象轮廓进行轮廓相似度计算,再对计算输出的每一个轮廓相似度进行均值计算操作,以输出该目标对象轮廓对应的目标轮廓相似度;
对于多个标准对象类型中的每一个标准对象类型,对该标准对象类型在所述目标对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第一出现频次,再对该标准对象类型再所述参考对象类型集合中的出现频次进行统计操作,以输出该标准对象类型对应的第二出现频次;
对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度;
对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度,在所述目标对象轮廓对应的对象类型不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将该目标对象轮廓对应的对象类型对应的类型重要度依据所述多个标准对象类型对应的多个类型重要度中的最小值确定;
依据所述目标对象轮廓集合包括的每一个目标对象轮廓对应的更新轮廓相似度,计算输出所述两帧卫星遥感子图像之间的图像相似度。
5.如权利要求4所述的卫星遥感数据的处理方法,其特征在于,所述对于多个标准对象类型中的每一个标准对象类型,依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,对该标准对象类型对应的第一出现频次和第二出现频次进行融合操作,以输出对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度的步骤,包括:
依据所述目标对象类型集合包括的对象类型的数量和所述参考对象类型集合包括的对象类型的数量,计算输出所述第一出现频次对应的第一加权系数和所述第二出现频次对应的第二加权系数;
对于多个标准对象类型中的每一个标准对象类型,依据所述第一加权系数和所述第二加权系数,对该标准对象类型对应的第一出现频次和第二出现频次进行加权均值计算操作,以输出该标准对象类型对应的目标出现频次,再依据该目标出现频次进行正相关值的确定操作,以输出该标准对象类型对应的类型重要度。
6.如权利要求4所述的卫星遥感数据的处理方法,其特征在于,所述对于每一个所述目标对象轮廓,依据该目标对象轮廓对应的对象类型对应的类型重要度,对该目标对象轮廓对应的目标轮廓相似度进行更新操作,以输出该目标对象轮廓对应的更新轮廓相似度的步骤,包括:
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的对象类型是否属于所述多个标准对象类型中的任意一个标准对象类型进行确定;
对于每一个所述目标对象轮廓,在该目标对象轮廓对应的对象类型是不属于所述多个标准对象类型中的任意一个标准对象类型的情况下,将所述多个标准对象类型对应的多个类型重要度中的最小值,标记为该目标对象轮廓对应的类型重要度,在该目标对象轮廓对应的对象类型是属于所述多个标准对象类型中的一个标准对象类型的情况下,将该标准对象类型对应的类型重要度标记为该目标对象轮廓对应的类型重要度;
对于每一个所述目标对象轮廓,对该目标对象轮廓对应的所述类型重要度和该目标对象轮廓对应的所述目标轮廓相似度进行乘积计算操作,以输出该目标对象轮廓对应的更新轮廓相似度。
7.如权利要求1所述的卫星遥感数据的处理方法,其特征在于,所述依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像的步骤,包括:
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像对应的地理区域进行区域距离计算操作,以输出该两帧卫星遥感子图像之间的区域距离值,再依据该两帧卫星遥感子图像之间的区域距离值,对该两帧卫星遥感子图像之间的区域相关值进行确定操作,以输出该两帧卫星遥感子图像之间的区域相关值;
对于所述多帧卫星遥感子图像中的每两帧卫星遥感子图像,对该两帧卫星遥感子图像之间的区域相关值和该两帧卫星遥感子图像之间的图像相似度进行融合操作,以输出该两帧卫星遥感子图像之间的图像相关值;
依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
8.如权利要求7所述的卫星遥感数据的处理方法,其特征在于,所述依据每两帧卫星遥感子图像之间的图像相关度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像的步骤,包括:
步骤1,对所述多帧卫星遥感子图像进行分类操作,以形成所述多帧卫星遥感子图像对应的多个遥感子图像初始集合,每一个所述遥感子图像初始集合包括至少一帧所述卫星遥感子图像;
步骤2,对所述多个遥感子图像初始集合进行集合数量统计操作,以输出所述多个遥感子图像初始集合对应的初始集合数量,再依据所述初始集合数量确定出具有负相关关系的第一分类系数;
步骤3,对于所述多个遥感子图像初始集合中的每一个遥感子图像初始集合,在该遥感子图像初始集合包括一帧卫星遥感子图像的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该第一遥感子图像初始集合对应的目标图像相关度赋值为最大的图像相关度,在该遥感子图像初始集合包括至少两帧卫星遥感子图像的情况下,对该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度与相关度参考值进行大小比较操作,再在该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度大于或等于所述相关度参考值的情况下,将该遥感子图像初始集合标记为第一遥感子图像初始集合,以及,将该遥感子图像初始集合包括的每两帧卫星遥感子图像之间的图像相关度的平均值,标记为该第一遥感子图像初始集合对应的目标图像相关度;
步骤4,在所述多个遥感子图像初始集合中的至少一个遥感子图像初始集合未被标记为第一遥感子图像初始集合的情况下,跳转到步骤1,在所述多个遥感子图像初始集合中的每一个遥感子图像初始集合都被标记为第一遥感子图像初始集合的情况下,对每一个所述第一遥感子图像初始集合对应的目标图像相关度进行融合操作,以输出第二分类系数;
步骤5,对所述第一分类系数和所述第二分类系数进行融合操作,以输出目标分类系数,再将所述目标分类系数与分类系数参考值进行大小比较;
步骤6,在所述目标分类系数小于或等于所述分类系数参考值的情况下,跳转到步骤1,在所述目标分类系数大于所述分类系数参考值的情况下,将最近依次执行步骤1形成的所述多个遥感子图像初始集合,标记为对应的多个遥感子图像集合,再分别对每一个遥感子图像集合进行存储。
9.一种卫星遥感数据的处理***,其特征在于,应用于云平台,所述卫星遥感数据的处理***包括:
图像分割模块,用于依据预先设置的图像分割尺寸,对待处理的卫星遥感图像进行分割操作,以输出所述卫星遥感图像对应的多帧卫星遥感子图像,所述多帧卫星遥感子图像拼接形成所述卫星遥感图像;
相似度计算模块,用于对所述多帧卫星遥感子图像中的每两帧卫星遥感子图像进行相似度计算操作,以输出每两帧卫星遥感子图像之间的图像相似度;
图像分类存储模块,用于依据每两帧卫星遥感子图像之间的图像相似度,对所述多帧卫星遥感子图像进行分类存储操作,以存储所述多帧卫星遥感子图像。
10.一种云平台,其特征在于,所述云平台用于执行权利要求1-8任意一项所述的卫星遥感数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856650.0A CN115100541B (zh) | 2022-07-21 | 2022-07-21 | 一种卫星遥感数据的处理方法、***及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856650.0A CN115100541B (zh) | 2022-07-21 | 2022-07-21 | 一种卫星遥感数据的处理方法、***及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100541A true CN115100541A (zh) | 2022-09-23 |
CN115100541B CN115100541B (zh) | 2023-06-06 |
Family
ID=83299152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210856650.0A Active CN115100541B (zh) | 2022-07-21 | 2022-07-21 | 一种卫星遥感数据的处理方法、***及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100541B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826806A (zh) * | 2023-02-09 | 2023-03-21 | 广东粤港澳大湾区硬科技创新研究院 | 一种卫星遥测数据的辅助标注方法、装置及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096816A (zh) * | 2011-01-28 | 2011-06-15 | 武汉大学 | 基于最小生成树的多尺度多层次影像分割方法 |
CN105426903A (zh) * | 2015-10-27 | 2016-03-23 | 航天恒星科技有限公司 | 一种遥感卫星图像的云判方法及*** |
US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
CN108255873A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 海量遥感卫星数据自动处理方法 |
CN109657616A (zh) * | 2018-12-19 | 2019-04-19 | 四川立维空间信息技术有限公司 | 一种遥感影像土地覆盖自动分类方法 |
CN109657080A (zh) * | 2018-09-29 | 2019-04-19 | 中国科学院上海高等研究院 | 高分卫星遥感数据的分布式处理方法/***和介质 |
CN111402299A (zh) * | 2020-04-08 | 2020-07-10 | 中国人民解放军海军航空大学 | 基于静止轨道凝视卫星的遥感图像目标跟踪方法和装置 |
AU2021102192A4 (en) * | 2021-04-26 | 2021-06-17 | Qingdao Agricultural University | Remote sensing classification and identification method, device, equipment and storage medium for soil types |
CN113012094A (zh) * | 2020-11-30 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种卫星遥感数据的处理方法及相关装置 |
CN113761240A (zh) * | 2021-09-30 | 2021-12-07 | 辽宁工程技术大学 | 一种立体测绘卫星影像数据归档方法和*** |
CN114491107A (zh) * | 2021-12-21 | 2022-05-13 | 浙江大学 | 一种基于五层十五级遥感瓦片数据的分层分块组织方法 |
CN114494887A (zh) * | 2022-02-14 | 2022-05-13 | 中煤航测遥感集团有限公司 | 遥感图像分类方法、装置、计算机设备和可读存储介质 |
-
2022
- 2022-07-21 CN CN202210856650.0A patent/CN115100541B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096816A (zh) * | 2011-01-28 | 2011-06-15 | 武汉大学 | 基于最小生成树的多尺度多层次影像分割方法 |
CN105426903A (zh) * | 2015-10-27 | 2016-03-23 | 航天恒星科技有限公司 | 一种遥感卫星图像的云判方法及*** |
US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
CN108255873A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 海量遥感卫星数据自动处理方法 |
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
CN109657080A (zh) * | 2018-09-29 | 2019-04-19 | 中国科学院上海高等研究院 | 高分卫星遥感数据的分布式处理方法/***和介质 |
CN109657616A (zh) * | 2018-12-19 | 2019-04-19 | 四川立维空间信息技术有限公司 | 一种遥感影像土地覆盖自动分类方法 |
CN111402299A (zh) * | 2020-04-08 | 2020-07-10 | 中国人民解放军海军航空大学 | 基于静止轨道凝视卫星的遥感图像目标跟踪方法和装置 |
CN113012094A (zh) * | 2020-11-30 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种卫星遥感数据的处理方法及相关装置 |
AU2021102192A4 (en) * | 2021-04-26 | 2021-06-17 | Qingdao Agricultural University | Remote sensing classification and identification method, device, equipment and storage medium for soil types |
CN113761240A (zh) * | 2021-09-30 | 2021-12-07 | 辽宁工程技术大学 | 一种立体测绘卫星影像数据归档方法和*** |
CN114491107A (zh) * | 2021-12-21 | 2022-05-13 | 浙江大学 | 一种基于五层十五级遥感瓦片数据的分层分块组织方法 |
CN114494887A (zh) * | 2022-02-14 | 2022-05-13 | 中煤航测遥感集团有限公司 | 遥感图像分类方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (3)
Title |
---|
WEILI KOU ET AL: "HDFS Enabled Storage and Management of Remote Sensing Data", 《2016 2ND IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS》 * |
王卓琳: "基于猫群算法的遥感影像数据存储优化方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
陆丽珍: "基于数据库方式的遥感图像库内容检索研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826806A (zh) * | 2023-02-09 | 2023-03-21 | 广东粤港澳大湾区硬科技创新研究院 | 一种卫星遥测数据的辅助标注方法、装置及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115100541B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12020473B2 (en) | Pedestrian re-identification method, device, electronic device and computer-readable storage medium | |
US10762376B2 (en) | Method and apparatus for detecting text | |
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN110569721A (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
CN111652217A (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
CN112418278A (zh) | 一种多类物体检测方法、终端设备及存储介质 | |
CN109409288B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114978037B (zh) | 太阳能电池性能数据监控方法及*** | |
US20210150182A1 (en) | Cloud detection from satellite imagery | |
CN102737243A (zh) | 获取多幅图像的描述信息的方法及装置与图像匹配方法 | |
CN111680183B (zh) | 对象检索方法及装置、存储介质及电子设备 | |
CN115018840A (zh) | 精密铸件裂纹检测方法、***及装置 | |
CN114140712A (zh) | 一种自动图像识别分发***及方法 | |
CN115100541A (zh) | 一种卫星遥感数据的处理方法、***及云平台 | |
CN115687674A (zh) | 服务于智慧云服务平台的大数据需求分析方法及*** | |
CN113949881B (zh) | 一种基于智慧城市数据的业务处理方法及*** | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN113780532B (zh) | 语义分割网络的训练方法、装置、设备及存储介质 | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN115082709B (zh) | 遥感大数据处理方法、***及云平台 | |
CN115424193A (zh) | 一种训练图像信息处理的方法及*** | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN116662415B (zh) | 基于数据挖掘的智能匹配方法及*** | |
CN115761598B (zh) | 一种基于云端业务平台的大数据分析方法及*** | |
CN111625672B (zh) | 图像处理方法、装置、计算机设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230517 Address after: 718100 No. 141 Yinzhou North Road, Yinzhou Street, Mizhi County, Yulin City, Shaanxi Province Applicant after: Mizhi Yubao Beidou Agricultural Development Co.,Ltd. Address before: No. 236, Rixin Middle Road, Xishan District, Kunming City, Yunnan Province, 650000 Applicant before: Wen Juan |
|
GR01 | Patent grant | ||
GR01 | Patent grant |