目录
简介
函数
gve.Image.fromGeometry(geometry,source,options)
gve.Services.AI.buildingExtraction(fromGridRes)
代码
结果
编辑
知识星球
机器学习
简介
要提取指定采样区域的建筑物范围,可以使用遥感图像处理和计算机视觉技术。以下是一种可能的方法:
- 获取高分辨率遥感图像:从卫星或其他航拍平台获取高分辨率的遥感图像,确保图像清晰且覆盖了感兴趣的区域。
- 图像预处理:对遥感图像进行预处理,包括去噪、增强对比度等操作,以提高后续处理的准确性。
- 目标检测:使用目标检测算法,如基于深度学习的目标检测算法(如YOLO、SSD等)或传统的物体检测算法,识别图像中的建筑物目标。
- 目标定位:对于检测到的建筑物目标,使用边缘检测、轮廓提取等技术,确定建筑物的准确边界。
- 区域标记:根据目标定位的结果,在原始遥感图像上标记出建筑物所在的区域,可以使用矩形框、多边形等方式标记。
- 可视化展示:可根据需要将提取的建筑物范围以图形的形式进行展示,可以通过图像处理软件或编程语言实现。
请注意,以上方法是一种一般性的处理流程,具体的实现方式可能因应用场景和需求而有所不同。
函数
gve.Image.fromGeometry(geometry,source,options)
获取指定区域tif数据,返回Image类型
方法参数
- geometry( Geometry )
Geometry实例
- source( string )
数据来源
- options( Object )
指定分辨率、外扩等
返回值: Image
gve.Services.AI.buildingExtraction(fromGridRes)
获取建筑物的geojson文件路径
方法参数
- fromGridRes( Image )
image实例
返回值: FeatureCollection
代码
/**
 * @File    :   AI_Building_Extraction
 * @Time    :   2023/04/14
 * @Author  :   GEOVIS Earth Brain
 * @Version :   0.1.0
 * @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
 * @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有
 * @Desc    :   提取采样区域的建筑物
 * @Name    :   建筑物提取
 */
/** */
// 获取geometry对象
var geometry = gve.Geometry.Polygon([
    [
        [
            117.09212608187454,
            31.837186370327444
        ],
        [
            117.0966726879081,
            31.837186370327444
        ],
        [
            117.0966726879081,
            31.83226931765556
        ],
        [
            117.09212608187454,
            31.83226931765556
        ],
        [
            117.09212608187454,
            31.837186370327444
        ]
    ]
]);
// 数据来源
var source = "Base_Image_V2024_1";
// 指定分辨率,外扩等
//@Ignore
var option = {};
// 获取指定区域tif数据 
var image = gve.Image.fromGeometry(geometry, source, option);
// 获取建筑物的FeatureCollection
var buildingFeatureCol = gve.Services.AI.buildingExtraction(image)
var style = { color: '#f8e71c', fillColor: '#f8e71c' };
Map.centerObject(geometry)
Map.addLayer(buildingFeatureCol, { style: style });









