共查询到10条相似文献,搜索用时 390 毫秒
1.
传统的卫星影像覆盖率获取方法大多是在相关平台搜索和查询对应的遥感影像,再通过影像快视图查看整体的覆盖情况,操作过程较复杂,且无法获取精确的覆盖率值.鉴于此,提出了一种基于数据访问API的影像覆盖率查询方法,只需提供相关必要参数,即可快速查询所需遥感影像及其对应的覆盖率.首先利用遥感数据访问API,根据查询参数查询所需遥感影像的元数据;然后通过相关方法对影像元数据进行一系列的地理处理与分析,进而获取卫星影像的覆盖率值;最后以我国省级行政区划高分辨率卫星影像覆盖率查询与监测为应用案例进行了实验分析.结果表明,通过该方法可实时查询和监测目标区域精确的卫星影像覆盖率值,比传统方法更快捷、方便. 相似文献
2.
3.
空间对地观测需求的增长和任务的多样性导致卫星区域覆盖分析变得越来越复杂。当前的遥感卫星区域覆盖算法与应用无法提供实时响应和应对高并发请求的在线服务,并且分析结果不能做到实时可视化,增加了数据的认知难度。针对于此,本文结合流式处理技术,提出一种高效的遥感卫星区域覆盖实时分析方法与可视化服务。首先,采用一种多模式判断策略,实现遥感卫星区域覆盖相关参数的高效计算;然后,对持续流入的数据进行实时分块,实现数据实时处理;最后,结合流式处理技术,提供实时响应和可视化的在线服务。利用多星多地面区域数据进行试验验证,结果表明,本文方法在保证传感器任意指向下遥感卫星区域覆盖参数计算精度的同时,效率得到较大提升,并且能够及时高效地通过数据流的方式,实现分析结果的实时可视化。 相似文献
4.
针对在野外像控点测量困难区域如何使用控制点快速纠正高分辨率卫星影像的问题,本文提出了基于稀少像控点的区域网平差方法,以实现在高精度、强现势性DEM的限制下,利用卫星影像快速制作1:10 000 DOM。并以阿拉善盟测区为例,进行了精度评价。结果表明,使用稀少像控点即可满足1:10 000 DOM的精度,可实现基于稀少控制点的遥感影像快速生产,有效地解决控制点难以获取时,造成DOM精度低且生产进度缓慢的问题。该方法能够为沙漠、林区等控制点缺乏地区提供一定的借鉴与参考。 相似文献
5.
随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法:首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。 相似文献
6.
7.
卫星遥感影像的区域网平差成图精度 总被引:3,自引:0,他引:3
从卫星遥感影像区域网平差模型出发,利用卫星影像附带的RPC模型以及像面的3种变换模型建立了卫星遥感影像区域网平差的数学模型.按照所构建的数学模型,对某地区4景IKONOS影像进行直接空间前方交会处理,获得满足1:10万成图精度要求的加密点;利用该4景影像进行无地面控制点的区域网平差处理,获得满足1:2.5万成图精度要求的加密点;利用4角点位置的控制点进行区域网平差,获得满足1:1万的成图精度要求的加密点.试验证实,卫星影像的区域网平差技术在卫星遥感对地目标定位中有较好的应用前景. 相似文献
8.
9.
一种基于LiDAR点云的建筑物提取方法 总被引:2,自引:0,他引:2
从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。 相似文献
10.
级联卷积神经网络的遥感影像飞机目标检测 总被引:1,自引:0,他引:1
传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法。首先根据全卷积神经网络能够支持输入任意大小图像的特点,采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索,快速获取疑似飞机目标作为兴趣区域,然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位。为提高卷积神经网络对地物目标的辨识能力,在卷积层中引入多层感知器,并在训练过程中采取多任务学习与离线难分样本挖掘的策略;在测试阶段,建立影像金字塔进行多级搜索,并结合非极大值抑制消除冗余窗口,从而实现由粗到精的飞机目标检测与识别。对多个数据集下多种复杂场景的遥感影像进行测试,结果表明,本文方法具有较高的准确性和较强的稳健性,可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案。 相似文献