根據(jù)云像元數(shù)量分治的遙感圖像時(shí)間序列聚類(lèi)方法
【專(zhuān)利摘要】本發(fā)明為了解決遙感圖像時(shí)間序列聚類(lèi)過(guò)程中廣泛存在的云像元的干擾，提出了一種根據(jù)時(shí)間序列中云像元數(shù)量的多少分而治之的聚類(lèi)方法。大致步驟為：(1)根據(jù)含云量對(duì)時(shí)間序列分組(2)對(duì)含云較少的序列，排除云像元并用動(dòng)態(tài)時(shí)間規(guī)整距離進(jìn)行K-means聚類(lèi)(3)利用上一步得到的聚類(lèi)中心作為訓(xùn)練樣本，利用歐式距離，且不計(jì)算云像元，對(duì)含云量中等的序列進(jìn)行最近鄰分類(lèi)，(4)對(duì)含云量很多的序列，參考其空間鄰域的情況確定類(lèi)別。本發(fā)明充分考慮了云對(duì)聚類(lèi)結(jié)果的影響，并利用適當(dāng)?shù)姆椒ㄟM(jìn)行了合理的規(guī)避，最大化地利用了數(shù)據(jù)，對(duì)各類(lèi)傳感器數(shù)據(jù)都有良好的適應(yīng)能力，并能取得良好的聚類(lèi)精度。
【專(zhuān)利說(shuō)明】根據(jù)云像元數(shù)量分治的遙感圖像時(shí)間序列聚類(lèi)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感圖像時(shí)間序列的聚類(lèi)技術(shù)，具體的說(shuō)，是一種根據(jù)每個(gè)遙感圖像時(shí)間序列中云像元數(shù)量的多少而采取相應(yīng)策略的圖像聚類(lèi)方法，屬于遙感圖像處理【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]對(duì)地球表面變化的監(jiān)測(cè)是遙感學(xué)科的主要任務(wù)之一，利用衛(wèi)星遙感影像對(duì)地表覆蓋進(jìn)行分類(lèi)或聚類(lèi)是監(jiān)測(cè)地表情況的重要手段。以往的地表覆蓋聚類(lèi)都是基于單幅影像的，但是由于單幅影像提供的信息量不足，且影像質(zhì)量千差萬(wàn)別，基于單幅影像的方法始終不能取得很好的效果。衛(wèi)星遙感影像到目前已經(jīng)有了幾十年的數(shù)據(jù)積累，而且新發(fā)射的衛(wèi)星時(shí)間分辨率越來(lái)越高，遙感圖像時(shí)間序列的處理技術(shù)已經(jīng)具備成熟的發(fā)展條件。遙感圖像時(shí)間序列是若干幅圖像按照時(shí)間排列而成的(如圖2所示)它能提供對(duì)地表覆蓋類(lèi)型隨時(shí)間變化情況的連續(xù)觀測(cè)，因此提供關(guān)于地表覆蓋類(lèi)別的更完備的信息。
[0003]聚類(lèi)是非監(jiān)督的分類(lèi)，不需要人工指定分類(lèi)樣本和對(duì)應(yīng)的類(lèi)別。基于遙感圖像時(shí)間序列的聚類(lèi)工作，【背景技術(shù)】主要包括時(shí)間序列的相似性度量(距離)和聚類(lèi)算法兩大部分。目前在相關(guān)的科研領(lǐng)域，專(zhuān)門(mén)針對(duì)遙感圖像時(shí)間序列聚類(lèi)的相關(guān)技術(shù)的研究不是很充分，大多數(shù)技術(shù)都是遷移自通用的時(shí)間序列處理領(lǐng)域。
[0004]法國(guó)的Fransois Petit jean 等人在《IEEE Transactions on Geoscience andRemote Sensing)) (IEEE 地球科學(xué)與遙感)Volume.50, page.3081-3095 上發(fā)表的“Satellite Image Time Series Analysis Under Time Warping”(基于時(shí)間規(guī)整的衛(wèi)星圖像時(shí)間序列分析)中提出了排除遙感圖像時(shí)間序列中的云像元，然后利用動(dòng)態(tài)時(shí)間規(guī)整距離可以處理長(zhǎng)度不同的序列的特點(diǎn)進(jìn)行聚類(lèi)的方法。這種方法首次將動(dòng)態(tài)時(shí)間規(guī)整距離引入遙感圖像時(shí)間序列處理領(lǐng)域，相當(dāng)有啟發(fā)性。但后來(lái)經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，這種方法在面對(duì)部分序列云像元很多情況下效果不好。在面對(duì)不同傳感器，不同空間尺度時(shí)，比較惡劣的云分布的情況下，我們?nèi)匀蝗鄙僖惶淄ㄓ玫倪b感圖像處理聚類(lèi)方法。

【發(fā)明內(nèi)容】

[0005]為了解決在大量云干擾下，有效進(jìn)行遙感圖像時(shí)間序列的聚類(lèi)的問(wèn)題，本發(fā)明提出了一套根據(jù)每個(gè)時(shí)間序列中云像元數(shù)量的多少而采取相應(yīng)策略的聚類(lèi)方法。本發(fā)明的特點(diǎn)是先對(duì)所有時(shí)間序列按照含有云像元的數(shù)量分組，不同組的時(shí)間序列，采取不同的距離度量和聚類(lèi)方式，合理的規(guī)避云像元對(duì)聚類(lèi)精度的影響，既最大化的利用了數(shù)據(jù)，又保證了聚類(lèi)的效果。
[0006]本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，主要步驟包括:
[0007]第一步，根據(jù)時(shí)間序列中含云像元的數(shù)量將時(shí)間序列分組，共分為三組，第一組時(shí)間序列含云像元數(shù)量少含云量小于或等于20%，第二組時(shí)間序列含云像元數(shù)量中等，含云量大于20%且小于80%，第三組時(shí)間序列含云像元數(shù)量多，含云量大于80%，分組的分界點(diǎn)不限于20%和80%，但至少要保證含云量少的第一組時(shí)間序列中的序列數(shù)量大于總數(shù)的 60% ；
[0008]第二步，對(duì)第一組時(shí)間序列排除序列中的云像元，然后采用基于動(dòng)態(tài)時(shí)間規(guī)整距離進(jìn)行K-means聚類(lèi)；
[0009]第三步，對(duì)第二組時(shí)間序列采用第一組的聚類(lèi)中心作為訓(xùn)練樣本，對(duì)于序列中非云的數(shù)據(jù)點(diǎn)用歐氏距離進(jìn)行最近鄰分類(lèi)；
[0010]第四步，對(duì)第三組時(shí)間序列采用空間領(lǐng)域聚類(lèi)。
[0011]進(jìn)一步，第三組時(shí)間序列的聚類(lèi)方式具體為:每個(gè)序列空間鄰域中哪種類(lèi)別的序列數(shù)量最多，此序列就屬于哪種類(lèi)別。
[0012]進(jìn)一步，對(duì)第一組時(shí)間序列進(jìn)行聚類(lèi)之前，先排除了序列中的云像元。
[0013]進(jìn)一步，對(duì)第一組時(shí)間序列進(jìn)行聚類(lèi)時(shí)，使用的時(shí)間序列相似性度量為動(dòng)態(tài)時(shí)間規(guī)整距離。
[0014]進(jìn)一步，對(duì)第二組時(shí)間序列進(jìn)行聚類(lèi)時(shí)，使用的時(shí)間序列相似性度量為非云像元的數(shù)據(jù)點(diǎn)間的歐氏距離。
[0015]本發(fā)明與現(xiàn)有的技術(shù)相比，不需要放棄那些云比較多的圖像，充分的利用了所有可能的數(shù)據(jù)資源。本發(fā)明對(duì)各種云覆蓋條件下的，各種類(lèi)型的傳感器的數(shù)據(jù)，都有很強(qiáng)的適應(yīng)能力。因此能滿足全國(guó)乃至全球等大空間尺度的地表聚類(lèi)任務(wù)。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0016]圖1根據(jù)含云像元數(shù)量分治的遙感圖像時(shí)間序列聚類(lèi)方法整體流程圖
[0017]圖2遙感圖像時(shí)間序列概念圖
[0018]圖3時(shí)間序列動(dòng)態(tài)時(shí)間規(guī)整距離示意圖
[0019]圖4只計(jì)算非云像元的時(shí)間序列歐式距離示意圖
[0020]圖5鄰域擴(kuò)展示意圖
【具體實(shí)施方式】
[0021]下面結(jié)合附圖，描述本發(fā)明的【具體實(shí)施方式】，圖1描述了整體的流程。
[0022](I)本方法的輸入:
[0023]本方法需要的輸入有兩個(gè)，一是多幅不同時(shí)相的遙感圖像按時(shí)間順序排列而組成的遙感圖像時(shí)間序列；二是每幅圖像相應(yīng)的云掩膜數(shù)據(jù)，標(biāo)記了每幅圖像上的每一個(gè)像素點(diǎn)是否是云像元。這兩個(gè)輸入缺一不可。
[0024](2)步驟1:根據(jù)含云像元數(shù)量，對(duì)所有時(shí)間序列進(jìn)行分組:
[0025]本方法的特點(diǎn)是根據(jù)每條遙感圖像時(shí)間序列中所含有的云像元的多少，而采取不同的聚類(lèi)策略，分而治之。第一步是對(duì)所有序列按照含云像元的數(shù)量進(jìn)行分組，總共分為三組，第一組序列含云像元數(shù)量小于或等于時(shí)間序列長(zhǎng)度的20% ;第二組序列含云像元數(shù)量介于時(shí)間序列長(zhǎng)度的20%至80%之間；第三組序列的含云像元數(shù)量大于或等于時(shí)間序列長(zhǎng)度的80%。除了 20%和80%這兩個(gè)分界點(diǎn)，也可以根據(jù)數(shù)據(jù)的具體情況選擇其他合適的分界點(diǎn)，比如10%和90%，但是一定要保證含云量少的第一組序列中的序列數(shù)量足夠多(大于總數(shù)的60%)。一般20%和80%是比較理想的分界點(diǎn)，不必變化。根據(jù)圖2所示，每條時(shí)間序列是跟圖像上的一個(gè)像素位置一一對(duì)應(yīng)的，時(shí)間序列的長(zhǎng)度即是圖像的幅數(shù)。根據(jù)輸入的每幅圖像的云掩膜數(shù)據(jù)，計(jì)算出每條時(shí)間序列中云像元的數(shù)量，然后再根據(jù)上述的分組標(biāo)準(zhǔn)執(zhí)行分組。
[0026](3)步驟2:對(duì)第一組遙感圖像時(shí)間序列基于動(dòng)態(tài)時(shí)間規(guī)整距離進(jìn)行K-means聚類(lèi):
[0027]動(dòng)態(tài)時(shí)間規(guī)整距離是一種相似性度量手段，其最大的特點(diǎn)是可以度量長(zhǎng)度不相同的時(shí)間序列之間的相似性。圖3給出了動(dòng)態(tài)時(shí)間規(guī)整距離的示意圖。但是如果兩條時(shí)間序列的長(zhǎng)度相差太大，或者數(shù)據(jù)過(guò)于破碎，相似性度量的效果也不理想。云像元是遙感圖像時(shí)間序列中不可避免的問(wèn)題，云作為噪聲，遮擋了真實(shí)的數(shù)據(jù)，而且云像元的時(shí)間與空間分布是隨機(jī)的，這都給時(shí)間序列的相似性度量帶來(lái)了嚴(yán)重的問(wèn)題。
[0028]利用動(dòng)態(tài)時(shí)間規(guī)整距離可以處理不同長(zhǎng)度時(shí)間序列的特點(diǎn)，我們排除序列中所有的云像元，得到長(zhǎng)短不一的序列，然后進(jìn)行相似性度量。但是因?yàn)樾蛄兄械脑葡裨獢?shù)量差別很大，刪除云像元之后剩余的時(shí)間序列要么過(guò)于破碎，要么長(zhǎng)短差別過(guò)于懸殊，都會(huì)影響相似性度量的結(jié)果。因此，我們先選出含云像元較少的時(shí)間序列，排除它們之中的云像元，所得到的時(shí)間序列的長(zhǎng)度差距不會(huì)很大，對(duì)它們利用動(dòng)態(tài)時(shí)間規(guī)整距離進(jìn)行K-means聚類(lèi)。K-means是最常用的數(shù)據(jù)聚類(lèi)方式，魯棒性很強(qiáng)，精度也比較高，速度較快。
[0029]含云像元量少于或等于20%的遙感圖像時(shí)間序列的數(shù)量一般較多，一般占65%以上，且空間分布較均勻，因此對(duì)于這一部分的序列進(jìn)行聚類(lèi)，已經(jīng)可以反映整體的聚類(lèi)結(jié)構(gòu)，得到的聚類(lèi)中心具有良好的代表性。經(jīng)過(guò)這一步，較大部分的數(shù)據(jù)確定了所屬的類(lèi)別標(biāo)記，同時(shí)我們也得到了全體序列的大致聚類(lèi)結(jié)構(gòu)和各類(lèi)別的代表性序列。
[0030]動(dòng)態(tài)時(shí)間規(guī)整距離的計(jì)算是一個(gè)動(dòng)態(tài)規(guī)劃問(wèn)題，先計(jì)算兩條序列所有數(shù)據(jù)點(diǎn)對(duì)之間的距離，再利用動(dòng)態(tài)規(guī)劃算法計(jì)算完整的兩條序列之間的距離。K-means是最簡(jiǎn)單最普遍的聚類(lèi)方法，對(duì)算法本身不再贅述，但是在K-means的計(jì)算過(guò)程中，需要計(jì)算序列的平均值，在動(dòng)態(tài)時(shí)間規(guī)整距離下的序列平均值，采用的是DBA (Dynamic Time WarpingBarycenter Averaging)算法。DBA算法需要給定一個(gè)初始序列,然后計(jì)算所有待平均序列與初始序列的動(dòng)態(tài)時(shí)間規(guī)整距離。對(duì)于初始序列中的每一個(gè)點(diǎn)，根據(jù)動(dòng)態(tài)時(shí)間規(guī)整距離中的數(shù)據(jù)點(diǎn)對(duì)應(yīng)關(guān)系，找到與之對(duì)應(yīng)的所有待平均序列中的點(diǎn)，然后求這些點(diǎn)的平均值，以更新初始序列中的點(diǎn)。當(dāng)初始序列中的點(diǎn)全部更新之后，DBA算法完成一次循環(huán)，按照同樣的方法繼續(xù)優(yōu)化初始序列，直至初始序列不再有變化，則此時(shí)的初始序列就是待平均序列在動(dòng)態(tài)時(shí)間規(guī)整距離定義下的平均序列。初始序列的選擇是從待平均序列中選擇任一最長(zhǎng)的序列。
[0031](4)步驟3:用第一組數(shù)據(jù)的聚類(lèi)中心作為訓(xùn)練樣本，對(duì)第二組數(shù)據(jù)進(jìn)行最近鄰分類(lèi):
[0032]對(duì)于含云像元量中等的序列，因?yàn)闊o(wú)效數(shù)據(jù)較多，如果讓它們參與整體聚類(lèi)結(jié)構(gòu)的確定，會(huì)影響聚類(lèi)精度。因此，在經(jīng)過(guò)上一步得到了各類(lèi)別的代表性序列之后，我們計(jì)算第二組的數(shù)據(jù)與各類(lèi)別代表性序列間的相似性，如果某序列與某一類(lèi)別的代表性序列最相似，則該序列屬于此類(lèi)別。
[0033]在這一步中，因?yàn)樾蛄兄械脑葡裨^多，刪除云像元會(huì)導(dǎo)致序列支離破碎，動(dòng)態(tài)時(shí)間規(guī)整距離的效果不佳，因此，我們選擇只對(duì)序列中非云像元的數(shù)據(jù)進(jìn)行歐式距離度量。歐式距離要求兩條時(shí)間序列的長(zhǎng)度相同。遙感圖像時(shí)間序列在刪除云像元之前的長(zhǎng)度都是相同的，在第一組數(shù)據(jù)的處理中，我們暫時(shí)屏蔽了其中的云像元，導(dǎo)致參與計(jì)算的時(shí)間序列長(zhǎng)度不同。但是在計(jì)算每一個(gè)類(lèi)別的平均序列的過(guò)程中，即得到代表性序列的過(guò)程中，我們總是選擇最長(zhǎng)的序列最為初始序列，這樣得到的平均序列的長(zhǎng)度也是最長(zhǎng)的，可以說(shuō)在絕大多數(shù)情況下，這個(gè)最長(zhǎng)的序列的長(zhǎng)度就是原始的未刪除云的序列的長(zhǎng)度，因?yàn)槊恳活?lèi)中幾乎總存在不含云的序列。如果遇到特殊情況，則我們先對(duì)初始序列在兩端進(jìn)行復(fù)制延拓，得到長(zhǎng)度與原始序列長(zhǎng)度相同的序列，再進(jìn)行平均值的計(jì)算。在兩端進(jìn)行復(fù)制延拓的過(guò)程，具體的說(shuō)就是如果序列的長(zhǎng)度與原始長(zhǎng)度差距為1，就復(fù)制序列的第一個(gè)數(shù)據(jù)點(diǎn)，放在序列最前面，如果長(zhǎng)度差距為2，就再?gòu)?fù)制序列的最后一個(gè)數(shù)據(jù)點(diǎn)，放在序列最后面，循環(huán)以上過(guò)程直至長(zhǎng)度補(bǔ)齊至原始長(zhǎng)度。注意這里的平均值的概念是定義在動(dòng)態(tài)時(shí)間規(guī)整距離之下的，參與計(jì)算的序列的長(zhǎng)度和平均值序列的長(zhǎng)度可以是不同的。這樣一來(lái)，每一類(lèi)代表性序列的長(zhǎng)度和未刪除云像元的序列的長(zhǎng)度就是相同的，我們可以應(yīng)用歐式距離度量它們之間的相似性。計(jì)算相似性的過(guò)程中，第二組數(shù)據(jù)中被標(biāo)記成云的數(shù)據(jù)點(diǎn)是不考慮的，只計(jì)算非云的數(shù)據(jù)點(diǎn)之間的距離，如圖4所示。
[0034]經(jīng)過(guò)這一步，絕大部分的數(shù)據(jù)都確定了所屬的類(lèi)別。
[0035](5)步驟4:基于前兩組數(shù)據(jù)的分類(lèi)結(jié)果，根據(jù)空間鄰域?qū)屏枯^多的第三組數(shù)據(jù)進(jìn)行分類(lèi)。
[0036]第三組數(shù)據(jù)的含云量很多，即是說(shuō)無(wú)效的數(shù)據(jù)占了絕大多數(shù)，我們認(rèn)為這種數(shù)據(jù)如果依然按照時(shí)間序列之間的相似性作為分類(lèi)的依據(jù)，則會(huì)產(chǎn)生很大的誤差，降低分類(lèi)的精度。因此，我們考慮采用基于空間鄰域的分類(lèi)依據(jù)。具體的說(shuō)，就是對(duì)于一個(gè)遙感圖像時(shí)間序列，如果它周?chē)拇蠖鄶?shù)序列都屬于同一個(gè)類(lèi)別，那么這個(gè)時(shí)間序列就被認(rèn)為屬于這個(gè)類(lèi)別。
[0037]第三組時(shí)間序列中序列的個(gè)數(shù)一般很少，前兩組序列一般涵蓋了所有時(shí)間序列數(shù)量的90%以上。經(jīng)過(guò)了對(duì)前兩組序列的分類(lèi)之后，絕大多數(shù)的序列都已經(jīng)被標(biāo)記了所屬的類(lèi)別。因此第三組序列中的某序列的空間鄰域之中大多數(shù)都是已經(jīng)有類(lèi)別標(biāo)記的數(shù)據(jù)。
[0038]在具體的實(shí)現(xiàn)當(dāng)中，一個(gè)像素位置的直接鄰域有八個(gè)像素點(diǎn)，可能會(huì)出現(xiàn)其中4個(gè)點(diǎn)屬于同一類(lèi)，而另外4個(gè)點(diǎn)屬于另一類(lèi)的情況，因而無(wú)法判斷所屬類(lèi)別。在這種情況下，則擴(kuò)大鄰域范圍直至鄰域中某一種類(lèi)別占多數(shù)，如圖5所示。
[0039](6)經(jīng)過(guò)以上4個(gè)步驟，遙感圖像時(shí)間序列中的所有序列都獲得了所屬類(lèi)別的標(biāo)記，完成了聚類(lèi)過(guò)程。整個(gè)過(guò)程充分考慮到了云對(duì)聚類(lèi)結(jié)果的影響，并利用適當(dāng)?shù)姆椒ㄟM(jìn)行了合理的規(guī)避，在最大化利用數(shù)據(jù)的同時(shí)取得了良好的聚類(lèi)效果。
[0040]本發(fā)明實(shí)施例已經(jīng)在PC平臺(tái)上實(shí)現(xiàn)，經(jīng)過(guò)不同傳感器的遙感圖像時(shí)間序列數(shù)據(jù)(TM，MODIS傳感器的歸一化植被指數(shù)數(shù)據(jù))驗(yàn)證，取得了比傳統(tǒng)方法更好的聚類(lèi)效果。
[0041]應(yīng)當(dāng)指出，以上所述【具體實(shí)施方式】可以使本領(lǐng)域的技術(shù)人員更全面地理解本發(fā)明，但不以任何方式限制本發(fā)明。因此，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，仍然可以對(duì)本發(fā)明進(jìn)行修改或者等同替換；而一切不脫離本發(fā)明的精神和技術(shù)實(shí)質(zhì)的技術(shù)方案及其改進(jìn)，其均應(yīng)涵蓋在本發(fā)明專(zhuān)利的保護(hù)范圍當(dāng)中。
【權(quán)利要求】
1.一種根據(jù)云像元數(shù)量分治的遙感圖像時(shí)間序列聚類(lèi)方法，該方法根據(jù)時(shí)間序列中含云像元的數(shù)量將時(shí)間序列分組進(jìn)而采取不同分類(lèi)策略，其特征在于，包括如下步驟: 第一步，根據(jù)時(shí)間序列中含云像元的數(shù)量將時(shí)間序列分組，共分為三組，第一組時(shí)間序列含云像元數(shù)量少含云量小于或等于20%，第二組時(shí)間序列含云像元數(shù)量中等，含云量大于20%且小于80%，第三組時(shí)間序列含云像元數(shù)量多，含云量大于80%，分組的分界點(diǎn)不限于20%和80%，但至少要保證含云量少的第一組時(shí)間序列中的序列數(shù)量大于總數(shù)的60% ； 第二步，對(duì)第一組時(shí)間序列排除序列中的云像元，然后采用基于動(dòng)態(tài)時(shí)間規(guī)整距離進(jìn)行K-means聚類(lèi)； 第三步，對(duì)第二組時(shí)間序列采用第一組的聚類(lèi)中心作為訓(xùn)練樣本，對(duì)于序列中非云的數(shù)據(jù)點(diǎn)用歐氏距離進(jìn)行最近鄰分類(lèi)； 第四步，對(duì)第三組時(shí)間序列采用空間領(lǐng)域聚類(lèi)。
2.根據(jù)權(quán)利要求1所述的遙感圖像時(shí)間序列聚類(lèi)方法，其特征是，第三組時(shí)間序列的聚類(lèi)方式具體為:每個(gè)序列空間鄰域中哪種類(lèi)別的序列數(shù)量最多，此序列就屬于哪種類(lèi)別。
3.根據(jù)權(quán)利要求1所述的遙感圖像時(shí)間序列聚類(lèi)方法，其特征是，對(duì)第一組時(shí)間序列進(jìn)行聚類(lèi)之前，先排除了序列中的云像元。
4.根據(jù)權(quán)利要求1所述的遙感圖像時(shí)間序列聚類(lèi)方法，其特征是，對(duì)第一組時(shí)間序列進(jìn)行聚類(lèi)時(shí)，使用的時(shí)間序列相似性度量為動(dòng)態(tài)時(shí)間規(guī)整距離。
5.根據(jù)權(quán)利要求1所述的遙感圖像時(shí)間序列聚類(lèi)方法，其特征是，對(duì)第二組時(shí)間序列進(jìn)行聚類(lèi)時(shí)，使用的時(shí)間序列相似性度量為非云像元的數(shù)據(jù)點(diǎn)間的歐氏距離。
【文檔編號(hào)】G06F17/30GK103984758SQ201410235145
【公開(kāi)日】2014年8月13日 申請(qǐng)日期:2014年5月30日 優(yōu)先權(quán)日:2014年5月30日
【發(fā)明者】唐娉, 張正, 胡昌苗, 周增光, 李騰, 霍連志 申請(qǐng)人:中國(guó)科學(xué)院遙感與數(shù)字地球研究所