Procesamiento de imágenes de teledetección con inteligencia artificial de SuperMap
Profunda integración con tecnología de inteligencia artificial, que proporciona capacidades de procesamiento inteligente
1. Tecnología de coincidencia de imágenes con IA
1.1 Mejora de la precisión de comparación de imágenes heterogéneas
• Algoritmo de coincidencia tradicional: la cantidad de datos coincidentes de puntos con el mismo nombre es pequeña y la precisión de la coincidencia no es alta.
• Algoritmo de coincidencia de IA: la cantidad de datos coincidentes para puntos con el mismo nombre se ha incrementado enormemente y la precisión de la coincidencia es mayor.
* En comparación con los algoritmos tradicionales, los algoritmos de IA pueden hacer frente a desafíos de coincidencia como diferencias de iluminación obvias, grandes diferencias de contraste y distorsión de radiación no lineal en imágenes heterogéneas. Consiga una correspondencia robusta de imágenes heterogéneas.
1.2 Coincidencia robusta de imágenes con textura débil
* La captura de pantalla utiliza el algoritmo de coincidencia MOTIF, que utiliza una sola banda de la imagen de referencia al realizar la coincidencia, por lo que es un efecto de escala de grises.
2. Procesamiento de geometría asistido por semántica de IA
2.1 Mejora de la precisión del procesamiento geométrico
• Una comparación entre el procesamiento geométrico tradicional y el procesamiento geométrico asistido por semántica de IA
3. Algoritmo AI DSM
3.1 Mejora de la integridad y la suavidad en áreas con deficiencias de textura
• Algoritmos tradicionales: presencia de agujeros y ruido
• Algoritmos de IA: Sin agujeros, mejor completitud
3.2 Mejora de la suavidad de las superficies y el reconocimiento de características
• Una comparación entre los métodos tradicionales y los métodos de IA
4. La IA permite una detección eficiente de deformaciones
• Detección de deformaciones de montaña
• Detección de deformaciones en edificios y carreteras
* Conocimientos previos
Dos causas principales de la pérdida de definición de las imágenes:
a. Errores en los datos del DEM: desviación significativa del terreno real
b. Las coordenadas de los objetos de los píxeles adyacentes son cercanas, pero con grandes diferencias de elevación
5. Eliminación automatizada de nubes mediante IA en imágenes de teledetección
6. Reparación automatizada de superficies de agua DSM/DEM mediante IA
• Valores anormales de elevación del agua
• Efectos en la superficie del agua reparada
• Escenario 1
Datos de agua proporcionados:
Información de elevación incluida en los atributos de datos, lo que permite la asignación automática de valores
• Escenario 2
No se proporcionan datos de agua:
a. La IA de detección remota extrae la superficie del agua de las imágenes originales
b. Suplemento automático de la elevación del agua basado en el DEM de referencia
c. Reparación de la superficie del agua mediante la combinación de información variada
7. Inspección de calidad automatizada basada en IA de ortofotos, que mejora la eficiencia y la precisión de la inspección manual
• La visualización jerárquica de los resultados de la inspección mejora significativamente la eficiencia de la inspección manual
• Inspección de calidad automatizada con IA de particiones de cuadrícula fina, lo que mejora la precisión de la inspección
* Los informes de precisión tradicionales son generales y no intuitivos, y requieren un desplazamiento pantalla por pantalla, lo que consume mucho tiempo;
Los resultados de producción de SuperMap no solo brindan informes de inspección, sino que también muestran errores de manera jerárquica según su magnitud;
Los usuarios solo deben concentrarse en áreas con una densidad de puntos rojos o naranjas para localizar rápidamente las regiones de alto riesgo, lo que mejorará la eficiencia de la inspección;
Por ejemplo, en la imagen de la última página, los métodos tradicionales requieren 54 pantallas para desplazarse, pero ahora solo se necesita atención en 5 áreas.
