简介
自动提取AI采样区域的过火区域是一个复杂的问题，需要利用图像处理和机器学习算法来实现。
下面是一个基本的方法来自动提取AI采样区域的过火区域：
图像预处理：首先，对采样区域的图像进行预处理。可以使用图像增强技术，例如直方图均衡化或对比度增强，以提高图像的质量和可视化效果。
特征提取：使用计算机视觉算法，例如边缘检测、纹理特征提取或颜色特征提取，来提取图像中的特征。这些特征可以用来区分过火区域和非过火区域。
分割和分类：利用图像分割算法，例如阈值分割、区域生长或基于图的分割，将图像分割成多个区域。然后，使用监督学习算法（如支持向量机、随机森林或卷积神经网络）对这些区域进行分类，将其标记为过火区域或非过火区域。
后处理：对分类结果进行后处理，例如去除误分类的区域或填充空洞。还可以进行形态学操作，例如膨胀和腐蚀，以去除图像中的噪声和不规则边界。
需要注意的是，以上方法是一个基本的框架，可以根据具体情况进行适当的调整和改进。此外，由于火灾图像的复杂性和多变性，可能无法完全准确地提取过火区域，因此人工的手动检查和修正是必要的。
函数
gve.Services.AI.burnedAreaExtraction(fromGridRes)
过火区域识别
方法参数
- fromGridRes( Image ImageCollection )
image实例
返回值: FeatureCollection
代码
/**
* @File : AI_BurnedArea_Extraction
* @Time : 2023/04/28
* @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 : 采样区域的过火区域提取
* @Name : 过火区域提取
*/
/** */
// 获取geometry对象
var geometry = gve.Geometry.Polygon(
[
[
[
105.96137424319234,
29.650135262860147
],
[
105.97386891329752,
29.650135262860147
],
[
105.97386891329752,
29.658549281637903
],
[
105.96137424319234,
29.658549281637903
],
[
105.96137424319234,
29.650135262860147
]
]
]
)
// 数据来源
var source = "Base_Image_V2023_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);
var burnedFeatureCol = gve.Services.AI.burnedAreaExtraction(image)
var style = { color: '#ff1800', fillColor: '#f3eb07', polygonFillColor: "#00000000" };
Map.centerObject(geometry)
Map.addLayer(burnedFeatureCol, { style: style });
结果
知识星球
https://wx.zsxq.com/group/48888525452428
机器学习
https://www.cbedai.net/xg
