申请/专利权人：南通有来信息技术有限公司

申请日：2022-10-27

公开（公告）日：2022-11-25

公开（公告）号：CN115393737A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G06V10/762;G06V10/56

优先权：

专利状态码：有效-授权

法律状态：2022.12.23#授权;2022.12.13#实质审查的生效;2022.11.25#公开

摘要：本发明涉及数据处理技术领域，具体涉及一种遥感对象确定方法。该方法对经由遥感设备识别得到的遥感图像数据进行获取，然后对获取的数据进行处理分析，侧重点是对获取数据后的数据处理方法进行改进，在将遥感图像转换得到颜色样本空间并确定稀疏区域后，进一步确定了稀疏区域中稀疏像素点的稀疏程度以及其邻域内密集像素点对其的距离影响因子，以所确定的稀疏程度以及距离影响因子分别进行两种稀疏像素点所属聚类簇的聚类投票，以更高投票值对应的聚类簇作为稀疏像素点的簇分类，有效结合了邻域像素点所在样本空间的位置与稀疏程度两方面因素为稀疏像素点划分更为准确的聚类簇，实现了对遥感图像中不同的关注区域也即不同的遥感对象的更准确确定。

主权项：1.一种遥感对象确定方法，其特征在于，包括以下步骤：获取遥感图像数据，将遥感图像数据映射到三维颜色空间得到颜色样本空间；对颜色样本空间中的像素点进行密度判断确定颜色样本空间中的稀疏区域，然后确定稀疏区域的稀疏程度并将稀疏区域的稀疏程度作为稀疏区域中稀疏像素点的稀疏程度；确定稀疏像素点邻域内密集像素点对稀疏像素点的距离影响因子；根据稀疏像素点邻域内密集像素点对稀疏像素点的距离影响因子对稀疏像素点所属簇类进行第一类投票，根据稀疏像素点的稀疏程度对稀疏像素点所属簇类进行第二类投票，选取两类投票结果中的较大值所对应的簇类作为稀疏像素点的簇分类；以均值漂移聚类方法对颜色样本空间中非稀疏区域内的像素点进行聚类，以所确定的各个稀疏像素点的簇分类对所有稀疏像素点进行聚类，完成对遥感过程中不同的遥感对象的确定；所述对颜色样本空间中的像素点进行密度判断确定颜色样本空间中的稀疏区域的方法为：从颜色样本空间中任选一个样本点P，判断样本点P的邻域半径中的样本点数量M，如果样本点数量M大于密度阈值m，则将样本点P的邻域半径内的邻域区域记为密集区域并不再被选取，但该邻域区域内的样本点判断样本点数量时会被计算，已经被确定为稀疏区域的像素点不会被再更改为密集区域；如果样本点数量M不大于密度阈值m，则将样本点P的邻域半径内的邻域区域记为稀疏区域，但该邻域区域内的样本点判断样本点数量时会被计算，且已经被确定为密集区域的像素点依然会被再更改为稀疏区域；在未被标记的区域中继续选取样本点并进行稀疏区域与密集区域的判断，直到所有的样本点都进行了区域标记，完成颜色样本空间中稀疏区域的确定；所述确定稀疏区域的稀疏程度并将稀疏区域的稀疏程度作为稀疏区域中稀疏像素点的稀疏程度的方法为：首先使用稀疏区域中像素点数量值与确定稀疏区域时所使用的邻域半径来确定稀疏区域的密集程度也即稀疏区域中像素点的密集程度值： 其中，为稀疏区域的密集程度也即稀疏区域中像素点的密集程度值，为稀疏区域中像素点的数量，为确定稀疏区域时所使用的邻域半径；对所有稀疏区域的密集程度也即稀疏区域中像素点的密集程度进行归一化处理，然后确定各个稀疏区域的稀疏程度也即稀疏区域中稀疏像素点的稀疏程度： 其中，表示稀疏区域的稀疏程度也即稀疏区域中稀疏像素点的稀疏程度，表示归一化后的稀疏区域的密集程度也即稀疏区域中像素点的密集程度值。

全文数据：

权利要求：

百度查询： 南通有来信息技术有限公司 一种遥感对象确定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD