中科星图GVE（案例）——AI实现建筑用地变化前后对比情况

目录

简介

函数

gve.Services.AI.ConstructionLandChangeExtraction(image1,image2)

代码

结果

知识星球

机器学习

---

简介

AI可以通过分析卫星图像、航拍影像或其他地理信息数据，实现建筑用地变化前后对比。以下是一种可能的实现方法：

1. 数据获取：从卫星图像提供商、航拍影像提供商或地理信息数据提供商获取相关数据。这些数据应包括建筑用地的变化前后的图像或影像数据。

2. 数据预处理：对获取的数据进行预处理，包括图像或影像的校正、去噪、裁剪等操作，以确保数据质量和一致性。

3. 特征提取：使用计算机视觉技术和图像处理算法，提取建筑用地图像或影像中的特征。这些特征可以包括颜色、纹理、形状、大小等。

4. 变化检测：对变化前后的特征进行比较和分析，通过对比不同特征的差异，检测出建筑用地的变化。例如，可以比较相同位置的像素值、纹理特征、边缘特征等。

5. 变化可视化：将建筑用地变化的结果以可视化的方式呈现出来，例如在卫星图像中显示新建筑的位置、面积，或者使用动画效果展示建筑用地的变化过程。

需要注意的是，建筑用地变化的精确度和准确度取决于数据质量、特征提取算法的准确性以及算法参数的优化。此外，建筑用地变化的分析结果可能会受到其他因素的影响，如遮挡物、光照条件等。因此，在使用AI实现建筑用地变化对比时，需要对数据进行严格的处理和分析，以确保结果的可靠性和准确性。

函数

gve.Services.AI.ConstructionLandChangeExtraction(image1,image2)

建设用地变化检测

方法参数

- image1( Image )

image实例

- image2( Image )

image实例

返回值: FeatureCollection

代码

/*** @File    :   AI_Construction_Land_Change* @Time    :   2024/06/04* @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    :   检测建筑用地变化前后对比情况* @Name    :   通用建筑用地变化检测*/
/** */
// 获取geometry对象
var geometry = gve.Geometry.Polygon([[[117.10536519464627,31.852696363484398],[117.10977658752489,31.852696363484398],[117.10977658752489,31.8561969852761],[117.10536519464627,31.8561969852761],[117.10536519464627,31.852696363484398]]
])// 指定分辨率，外扩等
//@Ignore
var option = {};// 获取指定区域tif数据
var source2023 = "Base_Image_V2023_1";
var image1 = gve.Image.fromGeometry(geometry, source2023, option);// 数据来源
var source2024 = "Base_Image_V2024_1";
var image2 = gve.Image.fromGeometry(geometry, source2024, option);// 获取建筑物变化的FeatureCollection
var featureCol = gve.Services.AI.ConstructionLandChangeExtraction(image1, image2);Map.centerObject(featureCol);
Map.addLayer(featureCol);//使用卷帘对比建筑物变化前后的图像
Map.CompareImage(image1, image2, [featureCol]);

结果

知识星球

https://wx.zsxq.com/group/48888525452428 

机器学习

https://www.cbedai.net/xg