CN102265189B - 林地的自动树龄分类 - Google Patents
林地的自动树龄分类 Download PDFInfo
- Publication number
- CN102265189B CN102265189B CN200980152611.5A CN200980152611A CN102265189B CN 102265189 B CN102265189 B CN 102265189B CN 200980152611 A CN200980152611 A CN 200980152611A CN 102265189 B CN102265189 B CN 102265189B
- Authority
- CN
- China
- Prior art keywords
- image
- color
- age
- class
- tree
- 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.)
- Expired - Fee Related
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
- G06V20/188—Vegetation
Abstract
通过把关注区域的三个时间上间隔的图像的中红外数据分配给假彩色合成图像的相应RGB颜色分量而生成假彩色合成图像。然后,把假彩色合成图像的RGB颜色分量转换成颜色空间数据并且分类到多个颜色类。把树龄分配给颜色类以建立关注区域的树龄类的分类图像。
Description
技术领域
对于林地公司、政府或者研究机构通常很重要的是,在无需实际进入和检查森林的情况下,能够对森林中的树木的树龄进行精确分类。例如,到达远方林地是困难的,或者森林太大以至于派员工来调查整个现场在成本上是不经济的。因此,通常使用森林的卫星或者航空图像来对森林中的树木的树龄进行分类。
一种传统的使用卫星图像的树龄分类方法包括在若干个时间上间隔的图像中检测差异,以确定何时对森林区域进行采伐,并且在若干个后续图像中跟踪相应的区域,以确定树木生长的如何。根据图像之间的变化的分析,能够确定树龄。这样的方法是耗时的,并且需要一定量的人工观察,因此难于自动化。
对于给出的这些问题,需要一种以更有效并且能够自动化的使用远程获取的图像来对树龄自动分类的系统和方法。
发明内容
为了解决以上问题,本公开的技术利用对关注区域的图像进行分析以对树龄进行分类的计算机系统来取代对树龄进行分类的人工处理。在一个实施例中,包括中红外数据的三个时间上间隔的图像被加载到计算机的存储器中,并且被用于建立关注区域的假彩色合成图像。通过把来自三个图像中的每一个的中红外数据分配到用于假彩色合成图像的不同RGB颜色分量而建立假彩色合成图像。然后,用于假彩色合成图像的RGB颜色分量被转换为颜色空间数据,并且被分类到多个颜色类。基于编码的逻辑或者根据已经被预先把颜色类映射到特定树龄或者树龄范围的数据集,每种颜色类被分配给树龄。
在一个实施例中,来自关注区域的三个图像的中红外数据被用于假彩色合成图像的RGB颜色分量。在另一个实施例中,中红外数据与一定百分比的来自图像的近红外数据混合,以建立RGB颜色分量。
提供上述概述以用简化的形式介绍将在具体实施方式部分中详细描述的概念。该概述无意标识所要求保护的主题的关键特征,也无意帮助确定所要求保护的主题的范围。
附图说明
结合附图,通过参考以下的详细说明,将更好地理解所公开的技术的上述方面和很多伴生的优点,并且因此能够更容易地理解本发明的上述方面和伴随的优点,在附图中:
图1示出了根据所公开技术的一个实施例的用于对树龄进行自动分类的技术;
图2示出了根据公开的技术的另一个实施例的用于对树龄进行自动分类的技术;
图3示出了用于执行公开的技术的实施例的合适的计算机系统的框图;以及
图4是根据公开的技术的实施例的通过计算机系统执行以对树龄进行自动分类的步骤的流程图。
具体实施方式
如上所述,本公开的技术涉及使用遥感图像对诸如森林的关注区域中的树的树龄进行分类的方法和装置。在以下详细描述的实施例中,遥感图像是地球资源卫星(Landsat)图像,其包括六个反射带中的图像数据,所述六个反射带包括红色、绿色和蓝色可见光带,以及近红外和中红外带。然而,也可以使用包括中红外图像数据的其他远程获取的图像,诸如利用其他卫星系统获取的图像。
如图1中所示,获取诸如私有森林、国有森林、州或者省属森林等等的关注区域的三个图像10、20、30。图像中的中红外数据具有与图像中的做光合作用的植物或者树木的反射率相对应的亮度。在一个实施例中,图像10、20、30是地球资源卫星图像,并且从带5和/或带7数据(分别为1.55至1.75和2.08至2.35微米)取得中红外数据。在这两个光谱带中,活跃生长的树木比不那么快速生长的树木显得更加明亮。例如,在1988年取得的第一图像10中,与树木区域42相对应的中红外数据显得明亮,其指示最近采伐的区域或者年轻的活跃生长的树木的区域。与树木的第二区域44相对应的中红外数据显得较不明亮,其指示较老的树木,并且与树木的第三区域46相对应的中红外数据显得更暗,其指示更老的树木。例如,在1998年取得的第二图像20中,与树木的第二区域44相对应的中红外数据现在变得明亮,其指示该区域中的树木已经在拍摄第一图像的时刻和拍摄第二图像的时刻之间的时间内被采伐。与树木的第三区域46相对应的中红外数据现在是图像中最暗的,其指示该区域具有图像中最老的树木。
例如,在2008年取得的第三图像30中,与树木区域46相对应的中红外数据现在最亮,指示该区域中的树木已经在获得第二图像20的时刻和获得第三图像30的时刻之间的某个时间被采伐。与树木的第一区域42相对应的中红外数据现在是第三图像30中最暗的,指示在第一图像10中曾经年轻的树木现在是第三图像30中最老的。
为了对关注区域的树木的树龄进行自动分类,建立假彩色合成图像,其中用不同的颜色显示分类的树木的树龄。传统上,在树木的树龄分类图像中用红色显示最老的树木,用绿色显示中树龄的树木,并且用蓝色显示新种植的树木或者已采伐的区域。然而,如果需要,可以使用其他的颜色分配。
为了对树龄进行分类,本公开的技术利用假彩色合成图像中的颜色和树龄呈现出稳定关系的事实,只要是利用来自时间上间隔的图像的中红外数据来建立假彩色合成图像。
为了建立假彩色合成图像,来自三个图像10、20、30中每个的中红外数据被用于假彩色合成图像50的红色、绿色、和蓝色(RGB)颜色分量。如果假彩色合成图像中的最老的树木被用红色来显示,则来自第一图像10的中红外数据被用于假彩色合成图像中的红色分量。来自第二图像20的中红外数据被用于假彩色合成图像中的绿色分量,并且来自第三图像30的中红外数据被用于假彩色合成图像中的蓝色分量。在所示的例子中,来自第一图像10的100%的中红外带7数据被用于红色分量,来自第二图像20的100%的中红外带7数据被用于绿色分量,并且来自第三图像30的100%的中红外带7数据被用于蓝色分量。所得到的假彩色合成图像50以红色来显示晚轮伐(later rotation)阶段的树木,使用绿色来显示中轮伐阶段的树木,并且利用蓝色来显示早轮伐阶段或者已采伐区域中的树木。1988年图像中的晚轮伐阶段中的树木与2008年图像中的过成熟的树木被以深灰色来显示。
为了对关注区域中的树木的树龄进行分类,在假彩色合成图像50中显示的各种颜色被分类或者被划分到颜色的范围。如果在假彩色合成图像中使用8位RGB颜色分量值,则假彩色合成图像50中的可能的颜色总数为大约1,670万。为了减小假彩色合成图像中的颜色数量,对图像中的颜色进行分类。在一个实施例中,RGB颜色分量首先被转换到诸如HSV或者HSG的颜色空间中。HSG颜色空间在没有失真的情况下将RGB颜色分量转换到极坐标颜色空间中。
在HSG颜色空间中,按照与已知的HSV或者HSB颜色空间相同的方式来计算H(色调)。S(饱和度)计算为S=(r2+g2+b2-G2)0.5,并且G(灰度)计算为G=(r+g+b)/sqrt(3),其中,r、g和b是假彩色合成图像中的像素的颜色分量值。在一个实施例中,可以在显示之前,根据计算机成像领域的普通技术人员已知的技术,对假彩色合成图像50的RGB颜色分量进行对比度增强。然后,对比度增强的RGB数据被转换为颜色空间数据,并且然后被分类。
诸如可从莱卡地理系统(Leica Geosystems)公司获得的ErdasTM的商用软件或者类似的分类程序可以把假彩色合成图像中的像素分类到若干光谱类。Erdas程序或者其他软件把假彩色合成图像中的像素的RGB分量转换到颜色空间中,并且允许用户指定期望颜色类数目和/或分配给任何一类的最小像素数目。该软件把那些像素数目不大于期望像素数目的颜色类组合到其他的颜色类中。
一旦进行了分类,假彩色合成图像的各颜色类被指定树木的树龄或者树龄范围(例如,0-5年、5-10年、10-15年、15-20年、20-25年、25-30年、30-35年以及35年以上)。如上所述,来自诸如地球资源卫星专题扫描仪(Landsat TM)的卫星图像的带对各种陆地覆盖类型具有不同的灵敏度。短波红外(SWIR或者中红外)带比近红外(NIR)带对于陆地覆盖类型提供较少的变化,而中红外带提供足够的变化以区分大多数陆地覆盖类型。
当来自三个时间上间隔的图像的中红外带中的每个都被用于制作新的RGB假彩色合成图像时,在彩色监视器上观察与森林树龄分类相关的颜色组。例如,通过将2008年中红外带数据分配给蓝色分量、将1998年中红外带数据分配给绿色分量、将1988年中红外带数据分配给红色分量使得在彩色监视器上进行显示,能够将来自在2008、1998、1988年获取的图像的中红外带用于建立新的假彩色合成图像。
非林地区域将具有各种明亮的颜色,常年水体将具有深黑色,对于早轮伐的树木,森林将被显示为蓝色,对于中轮伐的树木,森林将被显示为绿色,并且对于晚轮伐的树木,森林将被显示为红色。超过30年的森林树木中,针叶树将具有深黑色,而阔叶树将具有灰色。
只要图像的获取日期是已知的,则根据三个图像制成的中红外假彩色合成图像将表现出颜色和森林树龄分类之间的一致的关系。利用上述的颜色/带/日期组合,处于早轮伐的森林将始终显示为各种蓝颜色,处于中轮伐的森林将显示为各种绿颜色,而处于晚轮伐的森林将显示为各种红颜色,并且成熟的森林将基于它们的森林类型而为深黑色或者灰色。
因为对于地球资源卫星多时态TM图像的中红外带的合成而言,颜色和森林树龄分类之间的关系是一致的,所以能够进行自动的森林树龄分类。只要图像获取日期是已知的,则制定树龄类和颜色的方案,使得用于精确的森林树龄分类。通过了解假彩色合成图像上的颜色可以预测树龄类。
人眼不能对相同的RGB颜色进行精确的颜色分辨;其依赖于人的情绪、环境、相邻颜色、颜色的偏好或者每个个体对颜色的定义。此外,颜色分辨会因人而异或者因时间而异。然而,用于在彩色屏幕上显示的RGB颜色的数字不会因为时间或者计算机而改变。如果使用颜色模型(色调、饱和度以及亮度或者灰度),并且计算机确定假彩色合成图像上的颜色定义,则可以存在一致和自动的颜色识别。然后,基于树龄类和颜色的方案,计算机可以对每种颜色分配用于森林树龄类的代码。
在一个实施例中,使用用于上述示例的颜色模型,亮度值大于某阈值(例如,大于最大亮度的80%)的所有颜色被分类为非林地;饱和度小于某阈值(例如,小于最大高饱和度的10%)的所有颜色被分类为成熟的森林;亮蓝色用于5年的森林;并且暗蓝色用于10年的森林。利用绿色和红色的同样解释应用于森林,即,亮绿色区域表示10-15年的树木,暗绿色区域表示15-20年的树木,而亮红色区域表示20-25年的树木,暗红色区域表示25-30年的树木。树龄的具体范围依赖于获取各图像的时刻之间的时间。例如,如果图像在2008年和1993年获得,则假彩色合成图像中的暗蓝色区域表示至到15年的树木,等等。可以通过分析假彩色合成图像中的颜色像素的亮度来判定亮色的构成如何不同于暗色。在一个实施例中,亮度可以在0-100之间变化,亮度范围被分成两个部分,例如,0-49和50-100,以定义暗色和亮色。
在一些情况下,地球资源卫星图像的中红外数据不区分相近树龄的树木。因此,在图2所示的实施例中,通过组合中红外数据和一定比例的近红外数据,如地球资源卫星带4(Landsat Band 4)数据,来生成假彩色合成图像。地球资源卫星带4数据对于光合作用非常敏感,并且因此能够区分以稍微不同速率生长的树木。然而,如果单独地使用该近红外带中的数据,则会将太多的变化引入到假彩色合成图像中。近红外数据的级别通常随图像之间的时间而增加,以提供所需级别的变化。通常,需要使用占多数的中红外数据和占少数的近红外数据来建立假彩色合成图像,以实现所需等级的变化。
在图2中所示的实施例中,使用来自第一图像10的80%的带7数据和20%的带4数据来建立假彩色合成图像52的红色分量。使用95%的带7数据和5%的带4数据来建立绿色分量的数据。使用来自第三图像30的100%的带7数据来建立假彩色合成图像52中的蓝色分量的数据。如所示的,作为将带4地球资源卫星图像数据的一部分与带7地球资源卫星图像数据混合的结果,假彩色图像具有许多不同着色的红色区域54和许多不同着色的绿色区域56。不同着色的区域中的每一个使得可对树龄进行更加精细的区分。
在另一个实施例中,当使用来自带5地球资源卫星图像的中红外数据来代替带7的数据或者与带7的数据进行混合时,来自带5地球资源卫星图像的中红外数据也会产生好的结果。中红外和近红外数据的具体混合可以根据所需的差别和成像的光谱范围的等级而进行调节。
图3示出了用于根据来自关注区域的遥感图像对树龄进行分类的适用的计算机系统。计算机100执行包括在诸如CD 102、DVD、硬盘、记忆棒等的计算机存储介质上或者从远程计算机系统中下载的一系列的指令。计算机系统100将关注区域的至少三个图像加载到存储器中。可以通过卫星系统112获取这些图像,并且将其存储在远程计算机110上,以用于购买。可以通过因特网来下载这些图像,或者可以将其存储在诸如CD或者DVD等的计算机可读介质上。
计算机系统100建立树龄类的分类图像,使得在监视器120上显示。附加地或者替代地,计算机100将树龄类的分类图像存储在例如硬盘122的计算机可读存储装置上,用于以后的分析,或者将树龄类的分类图像发送给打印机126。树龄类的分类图像还可以经由有线或者无线通信链路传输到远方的位置。
图4示出了通过计算机系统100执行的系列步骤,以根据本公开的技术的实施例对图像中的树龄进行分类。虽然以特定的顺序示出并且描述了步骤,但是本领域的技术人员应该理解,该顺序是可以改变,或者可以执行不同的步骤来实现所描述的功能。
在180处,获取关注区域的遥感图像。所述图像可以事先存储在存储器中,并且从存储器中读取,或者可以从计算机可读介质中读取。替代地,可以从商业或者政府网站下载图像。在一个实施例中,图像是地球资源卫星图像,但是包含与地球资源卫星图像的中红外带7(2.08-2.35微米)或者带5(1.55-1.77微米)和近红外带4(0.76-0.90微米)相当的光谱范围中的数据的其他图像也是可用的。
在182处,通过把三个图像对齐而准备它们,使得每个图像中的同一像素表示关注区域中的同一物理位置。如果图像具有不同的分辨率,则必要时可以通过重新采样来使分辨率相同。在184处,填充任何图像间隙,并且去除诸如爆米花状云朵的遮蔽物。在本发明的一个实施例中,使用2008年8月22日提交的美国专利申请No.12/197164中描述的技术来去除云朵和填充间隙,通过引用将该专利申请合并于此。简要概括来说,在美国专利申请No.12/197164中描述的技术用来自同一区域的第二源图像的数据来替代目标图像中的遮蔽的图像数据或者填充间隙,其中,在所述同一区域中,目标和源图像的像素均被分类为多个颜色类。从源图像获取以代替目标图像中遗失或者被遮蔽像素的像素的颜色根据在目标和源图像的像素的相应的颜色类中的像素的平均或者中间值的比较来进行调整。这种调整可以帮助用于对在目标和源图像之间的变化的照明条件或者年的时间变化进行补偿。
在186处,根据如上所述的三个图像建立假彩色合成图像。观看假彩色合成图像的用户可以接受假彩色合成图像,或者根据在各颜色区域中出现多少变化来改变用于建立假彩色合成图像的近红外数据的量。例如,如果希望在绿色区域中有更多的变化,则可把来自用于假彩色合成图像的绿色分量的图像的更大百分比的近红外数据与中红外数据进行混合。替代地,计算机可以确定变化的数目,即,颜色类的数目,并且通过相应地控制近红外和中红外数据的混合来进行调整。一旦在假彩色合成图像中所示变化的数量是满意的,则将用于假彩色合成图像的RGB颜色分量(可能已经进行了对比度增强或者用于显示的其它修改)转换到诸如HSG、HSV、或HSB的颜色坐标空间。
在190处,对颜色空间数据进行分类,并且在192处,在如上所述地识别非森林区域和成熟树木之后,为每个分类的颜色分配树龄。
虽然已经示出和描述了示例性实施例,但是应该明白,可以在不脱离本发明的范围的情况下,对其进行各种的变化。因此,通过权利要求以及其等价物来确定本发明的范围。
Claims (12)
1.一种通过计算机系统执行的分类关注区域中的树木的树龄的方法,所述方法包括:
把所述关注区域的具有中红外数据的三个时间上间隔的图像存储在计算机的存储器中;
通过把来自所述图像的中红外数据分配给假彩色合成图像的RGB颜色分量而建立所述关注区域的所述假彩色合成图像,其中所述中红外数据具有1.55-2.35微米的光谱范围;
把所述RGB颜色分量转换成定义所述假彩色合成图像中颜色的颜色空间数据;
分类所述颜色空间数据以定义若干颜色类;
把树龄分配给所述颜色类以建立所述关注区域的树龄类的分类图像;以及
显示所述树龄类的分类图像。
2.根据权利要求1所述的方法,其中,显示树龄分类的假彩色合成图像包括在计算机监视器上显示所述树龄类的分类图像。
3.根据权利要求1所述的方法,其中,显示所述树龄类的分类图像包括把树龄分类的假彩色合成图像传输到计算机打印机。
4.根据权利要求1所述的方法,其中,根据来自所述关注区域的图像的所述中红外数据与近红外数据的组合来建立用于所述假彩色合成图像的所述RGB颜色分量,其中所述近红外图像数据具有0.76-0.90微米的光谱范围。
5.根据权利要求1所述的方法,其中,每一颜色类具有亮度值的范围,并且其中,具有大于最大亮度值的80%的亮度值的每一颜色类被分类为所述树龄类的分类图像中的非林地区域。
6.根据权利要求1所述的方法,其中,每一颜色类具有饱和度值的范围,并且其中,具有小于最大饱和度值的10%的饱和度值的每一颜色类被分类为所述树龄类的分类图像中的成熟森林区域。
7.一种分类关注区域中的树木的树龄的计算机系统,包括:
用于把把所述关注区域的具有中红外数据的三个时间上间隔的图像存储在计算机的存储器中的装置;
用于通过把来自所述图像的中红外数据分配给假彩色合成图像的RGB颜色分量而建立所述关注区域的所述假彩色合成图像的装置,其中所述中红外数据具有1.55-2.35微米的光谱范围;
用于把所述RGB颜色分量转换成定义所述假彩色合成图像中颜色的颜色空间数据的装置;
用于分类所述颜色空间数据以定义若干颜色类的装置;
用于把树龄分配给所述颜色类以建立所述关注区域的树龄类的分类图像的装置;以及
用于显示所述树龄类的分类图像的装置。
8.根据权利要求7所述的系统,其中,显示树龄分类的假彩色合成图像包括在计算机监视器上显示所述树龄类的分类图像。
9.根据权利要求7所述的系统,其中,显示所述树龄类的分类图像包括把树龄分类的假彩色合成图像传输到计算机打印机。
10.根据权利要求7所述的系统,其中,根据来自所述关注区域的图像的所述中红外数据与近红外数据的组合来建立用于所述假彩色合成图像的所述RGB颜色分量,其中所述近红外图像数据具有0.76-0.90微米的光谱范围。
11.根据权利要求7所述的系统,其中,每一颜色类具有亮度值的范围,并且其中,具有大于最大亮度值的80%的亮度值的每一颜色类被分类为所述树龄类的分类图像中的非林地区域。
12.根据权利要求7所述的系统,其中,每一颜色类具有饱和度值的范围,并且其中,具有小于最大饱和度值的10%的饱和度值的每一颜色类被分类为所述树龄类的分类图像中的成熟森林区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/343,930 US8064692B2 (en) | 2008-12-24 | 2008-12-24 | Automatic age classification of forest land |
US12/343,930 | 2008-12-24 | ||
PCT/US2009/066869 WO2010074933A1 (en) | 2008-12-24 | 2009-12-04 | Automatic age classification of forest land |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102265189A CN102265189A (zh) | 2011-11-30 |
CN102265189B true CN102265189B (zh) | 2014-03-26 |
Family
ID=42266195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980152611.5A Expired - Fee Related CN102265189B (zh) | 2008-12-24 | 2009-12-04 | 林地的自动树龄分类 |
Country Status (7)
Country | Link |
---|---|
US (2) | US8064692B2 (zh) |
CN (1) | CN102265189B (zh) |
AR (1) | AR074497A1 (zh) |
BR (1) | BRPI0923469A2 (zh) |
CA (1) | CA2744718A1 (zh) |
UY (1) | UY32357A (zh) |
WO (1) | WO2010074933A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8655070B1 (en) * | 2009-11-04 | 2014-02-18 | Google Inc. | Tree detection form aerial imagery |
US9495597B2 (en) * | 2011-10-20 | 2016-11-15 | Monsanto Technology Llc | Plant stand counter |
WO2013126568A1 (en) | 2012-02-21 | 2013-08-29 | Massachusetts Eye & Ear Infirmary | Calculating conjunctival redness |
JP2017514658A (ja) | 2014-05-02 | 2017-06-08 | マサチューセッツ アイ アンド イヤー インファーマリー | 角膜蛍光染色の等級付け |
US9934591B2 (en) | 2016-04-08 | 2018-04-03 | Orbital Insight, Inc. | Remote determination of quantity stored in containers in geographical region |
RU2657363C1 (ru) * | 2017-04-20 | 2018-06-13 | Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет аэрокосмического приборостроения" | Способ определения параметров состояния почвенно-растительного покрова по данным многоспектрального аэрокосмического зондирования |
CN107247809B (zh) * | 2017-07-19 | 2020-05-26 | 南京林业大学 | 一种人工林森林年龄空间制图的新方法 |
BR112021010122A2 (pt) * | 2018-12-21 | 2021-08-24 | The Climate Corporation | Previsão de produção a nível de campo durante estação |
CN109829372A (zh) * | 2018-12-26 | 2019-05-31 | 北京木业邦科技有限公司 | 树木间伐方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341439A (en) * | 1989-09-21 | 1994-08-23 | Hsu Shin Yi | System for texture-based automatic detection of man-made objects in representations of sensed natural environmental scenes |
US5886662A (en) * | 1997-06-18 | 1999-03-23 | Zai Amelex | Method and apparatus for remote measurement of terrestrial biomass |
CA2347181A1 (en) * | 2000-06-13 | 2001-12-13 | Eastman Kodak Company | Plurality of picture appearance choices from a color photographic recording material intended for scanning |
US6525319B2 (en) * | 2000-12-15 | 2003-02-25 | Midwest Research Institute | Use of a region of the visible and near infrared spectrum to predict mechanical properties of wet wood and standing trees |
US7212670B1 (en) * | 2002-05-03 | 2007-05-01 | Imagetree Corp. | Method of feature identification and analysis |
US7639842B2 (en) * | 2002-05-03 | 2009-12-29 | Imagetree Corp. | Remote sensing and probabilistic sampling based forest inventory method |
DE10239801A1 (de) * | 2002-08-29 | 2004-03-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zum Extrahieren von Texturmerkmalen aus einem mehrkanaligen Bild |
-
2008
- 2008-12-24 US US12/343,930 patent/US8064692B2/en active Active
-
2009
- 2009-12-04 BR BRPI0923469A patent/BRPI0923469A2/pt not_active IP Right Cessation
- 2009-12-04 CN CN200980152611.5A patent/CN102265189B/zh not_active Expired - Fee Related
- 2009-12-04 WO PCT/US2009/066869 patent/WO2010074933A1/en active Application Filing
- 2009-12-04 CA CA2744718A patent/CA2744718A1/en not_active Abandoned
- 2009-12-07 AR ARP090104729A patent/AR074497A1/es not_active Application Discontinuation
- 2009-12-22 UY UY0001032357A patent/UY32357A/es not_active Application Discontinuation
-
2011
- 2011-10-13 US US13/273,099 patent/US8254640B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
WO2010074933A1 (en) | 2010-07-01 |
US8064692B2 (en) | 2011-11-22 |
CN102265189A (zh) | 2011-11-30 |
CA2744718A1 (en) | 2010-07-01 |
US20120033878A1 (en) | 2012-02-09 |
US8254640B2 (en) | 2012-08-28 |
AR074497A1 (es) | 2011-01-19 |
BRPI0923469A2 (pt) | 2016-01-19 |
WO2010074933A8 (en) | 2011-02-03 |
UY32357A (es) | 2010-07-30 |
US20100158364A1 (en) | 2010-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102265189B (zh) | 林地的自动树龄分类 | |
White et al. | Signal design and courtship presentation coincide for highly biased delivery of an iridescent butterfly mating signal | |
Wascher | Landscape-indicator development: European approach | |
CN109416735A (zh) | 自然环境中杂草的识别 | |
CA2990317A1 (en) | Systems and methods for enhancing synthetic aperture radar imagery | |
EP2727049A1 (en) | Method and apparatus for removing artifacts from aerial images | |
CN102547063A (zh) | 基于颜色对比度增强的自然感彩色融合方法 | |
CN107801012A (zh) | 白平衡处理方法及装置、电子装置和计算机可读存储介质 | |
CN103778628A (zh) | 田间开放环境下的叶片病害程度获取方法及系统 | |
Ozkan | Assessment of visual landscape quality using IKONOS imagery | |
US8478028B2 (en) | Method and system for converting at least one first-spectrum image into a second-spectrum image | |
US20100238165A1 (en) | Geospatial modeling system for colorizing images and related methods | |
Yuan et al. | Sensitivity examination of YOLOv4 regarding test image distortion and training dataset attribute for apple flower bud classification | |
CN107358255A (zh) | 基于卷积神经网络的gamma绑点分类学习方法及装置 | |
Lysenko et al. | Determination of the not uniformity of illumination in process monitoring of wheat crops by UAVs | |
Fischer | PCA-based supervised identification of biological soil crusts in multispectral images | |
CN111007474A (zh) | 一种基于多特征的天气雷达回波分类方法 | |
CN102999622B (zh) | 一种基于数据库的在视频中搜索目标的方法 | |
Chaki et al. | Introduction to image color feature | |
White et al. | Package ‘pavo’ | |
Ecke et al. | Towards operational UAV-based forest health monitoring: Species identification and crown condition assessment by means of deep learning | |
Wang-qin | Prediction Model Analysis of Rice Leaf Color and SPAD Value Based on Computer Vision [J] | |
Kressler et al. | Segmentation based classification of aerial images and its potential to support the update of existing land use data bases | |
CN106155280A (zh) | 交互方法、交互装置以及用户设备 | |
Maia et al. | Package ‘pavo’ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140326 Termination date: 20171204 |
|
CF01 | Termination of patent right due to non-payment of annual fee |