卫星遥感影像分析
卫星遥感影像智能分析(Satellite image analysis)依托于盛大博通在深度学习,计算机视觉方向上的技术积累,采用基于深度学
习的多尺度融合检测技术,实现了卫星影像中的变化特征及建筑、土地、河流等多种目标信息的智能解译。

动土变化检测是指通过比对同一区域前后两个时期的遥感影像,排
除季节等干扰因素,按照一定的规则,提取出土地,水域等发生变
化的位置和范围。输入影像为两张合规的,不同时间同一地区的影
像文件,返回结果为发生变化的区域的图斑信息。
建筑物新增检测是指通过比对同一区域前后两个时期的遥感影像,
智能找出影像中新增加的建筑物信息。输入影像为两张合规的,不
同时间同一地区的影像文件,返回结果为新增加的建筑区域的图斑
信息


建筑物提取是指通过算法处理,提取出影像中出现的建筑物及其对
应的位置信息。输入结果为一张合规的影像文件,返回结果为影像
中出现的目标区域图斑信息。
利用AI技术智能分析自然资源和生态地质环境因子的时空变化规律,为高标准农田建设、矿产资源开采监管、水资源变化监测与污染审查、灾害监测等生态环境监测场景提供科学依据。
利用AI技术智能分析土地利用变化并提取建设用地信息,确定变化图斑的占地类型,智能分析出区域内土地使用性质和范围,为土地资源规划工作的可持续开展与科学管理提供有力支撑。
利用AI技术智能分析城市规划的土地利用变化、监测城市规划用地变迁、城市周期更新等问题,智能分析出城市区域内的土地,水域等变化的情况,为城市区域内的违法违建等城市建设管理提供多元有利信息。
基于盛大博通AI技术沉淀,保证机器智能解译精度满足客户实际业务需求。
基于盛大博通大规模数据计算能力,提升在大数据量遥感影像处理中机器解译效率。
支持本地离线环境部署,数据安全有保证。
支持计算资源及功能模块的快速拓展。
更新时间:2025-10-20
全部获取
基于ISSMFA与LMPNN算法的高光谱遥感影像分类
基于深度神经网络的高光谱遥感影像分类方法研究
基于SSMFA与kNNS算法的高光谱遥感影像分类
基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测
基于MFA与kNNS算法的高光谱遥感影像分类
基于克隆选择的多光谱遥感影像分类算法
基于ICA与SVM算法的高光谱遥感影像分类
基于mRMR特征优选算法的多光谱遥感影像分类效率精度分析
基于流形对齐的高光谱遥感图像降维和分类算法
基于分布异常的高光谱遥感影像小目标检测算法
基于可变类FCM算法的多光谱遥感影像分割
高光谱遥感影像分类方法综述
一种基于谱聚类算法的高光谱遥感图像分类方法
基于S~3VM模型的高光谱遥感影像分类
于核熵成分分析的高光谱遥感图像分类算法
基于深度学习的高光谱遥感影像分类
基于决策树的高光谱遥感影像分类方法研究
基于Mean-shift分割的高分辨率遥感影像变化检测方法