处理图像的方法、记录该方法的计算机可读存储介质以及用于处理图像的装置
技术领域
本公开涉及处理图像的方法、记录该方法的计算机可读存储介质以及用于处理图像的装置。
本公开涉及一种能够通过以时间序列获取的多个图像来预测无线环境的无线传播特性处理图像的方法、记录该方法的计算机可读存储介质以及用于处理图像的装置。
本公开涉及一种能够通过卫星图像以低成本预测网络设计的处理图像的方法、记录该方法的计算机可读存储介质以及用于处理图像的装置。
背景技术
为了满足在第4代(4G)通信系统商业化之后增加的无线数据业务需求，已经努力开发出改进的4G通信系统或准5G(pre-5G)通信系统。为此，改进的4G通信系统或pre-5G通信系统被称为超4G网络通信系统或后LTE系统。
另外，为了实现高数据传输速率，正在考虑在mmWave频带(例如，60GHz频带)中实现5G通信系统。在5G通信系统中，讨论了诸如波束成形、大规模MIMO、全维度MIMO(FD-MIMO)、阵列天线、模拟波束成形和大规模天线的技术，以减轻mmWave频带中的传播路径损耗并增加传播传输距离。
此外，已经开发了诸如演进小小区、高级小区、云无线电接入网络(云RAN)、超密集网络、设备到设备通信(D2D)、无线回程、移动网络、协作通信、协作多点(CoMP)和干扰消除等技术，以改善5G通信系统中的系统网络。
另外，5G系统已经开发了高级编码调制(ACM)方案，诸如混合FSK和QAM调制(FQAM)和滑动窗口叠加编码(SWSC)；以及高级接入技术，诸如滤波器组多载波(FBMC)、非正交多址接入(N0MA)和稀疏码多址接入(SCMA)。
如上所述，考虑在毫米波频带(60GHz)频带中实现5G通信系统，并且由于毫米波频带中的无线电波长短，因此需要设计复杂的网络。
为了在无线网络设计中有效地布置基站，可以预测传播路径损耗并且可以使用传播路径损耗来估计传播环境。
市区的传播环境具有独特的值，例如建筑物的布置、道路宽度、建筑物的高度、建筑材料和建筑物的方位，并且无线传播特性可能会根据各种特性而有所不同。另外，为了预测传播环境，可以进一步使用路径损耗值、天线增益、电缆损耗、衍射损耗和形态(morphology)损耗。
在无线网络设计中，需要预测传播路径以估计传播路径损耗，并且对于预测，需要实际的环境地图(例如，包括建筑物、树木和障碍物的三维(3D)图)。但是，在精确级别上实现实际环境地图是耗费较大的。
同时，可以通过街景图像信息来提取和使用与建筑物和障碍物等地理特征相关的数据，但是这需要花费大量时间，并且只能在街景可用的一些区域中受限地使用。
以上信息被呈现为背景信息，仅用于帮助理解本公开。没有作出任何确定，也没有作出断言，关于是否上述任一项可适用于本公开的现有技术。
发明内容
技术问题
本公开的方面将至少解决上述问题和/或缺点，并且至少提供以下描述的优点。因此，本公开的一方面是提供通过以时间序列获得的多个图像来预测传播环境的无线传播特性的图像处理方法、记录该方法的计算机可读存储介质以及图像处理设备。
本公开的另一方面在于提供一种基于以时间序列获得的多个图像来获取多层信息的图像处理方法、记录该方法的计算机可读存储介质以及图像处理设备。
本公开的另一方面在于提供一种通过基于以时间序列中获得的多个图像而获取的多层信息来预测传播环境的无线传播特性并获取射频设计信息的图像处理方法、记录该方法的计算机可读存储介质以及图像处理设备。
因此，本公开的另一方面在于提供一种基于关于多层信息之间的重叠区域的信息来预测传播环境的无线传播特性并获取射频设计信息的图像处理方法、记录该方法的计算机可读存储介质以及图像处理设备。
因此，本公开的另一方面是提供根据基于层信息获得的对象属性信息来预测传播环境的无线传播特性的图像处理方法、记录该方法的计算机可读存储介质以及图像处理设备。
本公开的另一方面在于提供一种根据基于关于多条层信息之间的重叠区域的信息而获得的用户设备(UE)密度信息来获取射频设计信息的图像处理方法、记录该方法的可读存储介质和图像处理设备。
其它方面将部分地在随后的描述中进行阐述，并且部分地从随后的描述中显而易见，或者可以通过实践所示的实施例而获知。
问题的解决方案
根据本公开的一方面，提供了用于处理图像的装置。该装置包括至少一个处理器和电连接到该至少一个处理器的存储器，其中该存储器存储当被执行时使得该至少一个处理器执行以下处理的指令：识别以时间序列收集的第一图像和第二图像，从第一图像获取与第一对象相对应的第一层信息，从第二图像获取与第二对象相对应的第二层信息，基于第一层信息和第二层信息获取无线传播参数，以及基于无线传播参数来获取射频设计信息。
根据本公开的另一方面，提供了处理图像的方法。该方法包括：识别以时间序列收集的第一图像和第二图像，从第一图像获取与第一对象相对应的第一层信息，从第二图像获取与第二对象相对应的第二层信息，基于第一层信息和第二层信息获取无线传播参数，以及基于无线传播参数来获取射频设计信息。
根据本公开的另一方面，提供了一种非暂时性计算机可读存储介质，其具有存储在其中的在由至少一个处理器执行时执行用于处理图像的方法的计算机程序代码。该方法包括：识别以时间序列收集的第一图像和第二图像，从第一图像获取与第一对象相对应的第一层信息，从第二图像获取与第二对象相对应的第二层信息，基于第一层信息和第二层信息获取无线传播参数，以及基于无线传播参数来获取射频设计信息。
从以下结合附图的详细描述中，本公开的其它方面、优点和显著特征对于本领域技术人员将变得显而易见，所述详细描述披露了本公开的各种实施例。
附图说明
通过以下结合附图的描述，本公开的某些实施例的上述和其它方面、特征和优点将更加明显，在附图中：
图1是示出了根据本公开的实施例的图像处理设备的框图；
图2是示出根据本公开的实施例的图像处理设备基于多个图像获取射频设计信息的操作的流程图；
图3示出了根据本公开的实施例的图像处理设备提取图像中的对象之间的边界并对对象进行分类的示例；
图4和图5示出了根据本公开的各种实施例的图像处理设备获取层信息以便区分图像中的对象的各种实施例；
图6示出根据本公开的实施例的图像处理设备输出利用多个图像获取的多条层信息的示例；
图7示出了根据本公开实施例的图像处理设备基于叶子对传播特性的影响来预测无线传播特性的概念；
图8和图9是示出根据本公开的各种实施例的由图像处理设备从多个图像获取的多条层信息与用于确定无线传播特性的无线传播参数之间的相关性的曲线图；
图10示出根据本公开的实施例的图像处理设备基于从多个图像获取的多条层信息来获取无线传播参数的示例；
图11示出根据本公开的实施例的图像处理设备基于从多个图像获取的多条层信息来配置UE密度信息的示例；以及
图12示出根据本公开的实施例的图像处理设备基于多个图像获取的多条层信息获取射频设计信息的示例。
应当注意，在全部附图中，相似的数字用于描述相同或相似的元件、特征和结构。
具体实施方式
提供以下参考附图的描述是为了帮助全面了解由权利要求及其等同形式所限定的本公开的各种实施例。其包括各种具体细节以帮助该理解，但这些仅被视为示例性的。因此，本领域普通技术人员将认识到，在不脱离本公开的范围和精神的情况下，可以对本文所描述的各种实施例进行各种更改和修改。此外，为了清楚和简明，可能省略对公知功能和结构的描述。
以下描述和权利要求中所使用的术语和措辞并不限于书面含义，而是仅仅由发明人使用以使得能够清楚而一致地理解本公开。因此，本领域技术人员应当明白，以下对本公开的各种实施例的描述仅仅为了说明的目的，而不旨在限制由所附权利要求及其等同形式所限定的本公开。
应理解，除非上下文中另有明确指示，单数形式的“一”、“一个”和“该”也包括多个所指对象。因此，例如对“组件表面”的引述包括对一个或更多个这种表面的引述。
在描述本公开的实施例时，将省略对本公开所属领域中公知的并且不直接与本公开相关的技术内容的描述。这样省略不必要的描述旨在防止模糊本公开的主要思想，并且更清楚地转移主要思想。
出于相同的原因，在附图中，一些元件可能被放大、省略或示意性地示出。此外，每个元件的大小并不能完全反映实际大小。在附图中，相同或相应的元件具有相同的附图标记。
通过参考下面结合附图详细描述的实施例，本公开的优点和特征以及实现它们的方式将是显而易见的。然而，本公开不限于下面阐述的实施例，而是可以以各种不同的形式实施。提供以下实施例仅仅是为了完全公开本公开，并告知本领域技术人员本公开的范围，并且本公开仅由所附权利要求的范围限定。在整个说明书中，相同或相似的附图标记表示相同或相似的元件。
在本文中，应当理解，流程图图示的每个方框以及流程图图示中方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实施(多个)流程图块中指定的功能的装置。这些计算机程序指令也可以存储在计算机可用或计算机可读存储器中，其可以指导计算机或其他可编程数据处理装置以特定方式运行，使得存储在计算机可用或计算机可读存储器中的指令产生包括实施(多个)流程图块中指定的功能的指令装置的制品。计算机程序指令也可以被加载到计算机或其他可编程数据处理装置上，以使得在计算机或其他可编程装置上执行一系列操作步骤，从而产生计算机实施的过程，使得在计算机或其他可编程装置上执行的指令提供用于实施(多个)流程图块中指定的功能的步骤。
并且流程图图示的每个块可以表示代码的模块、段或部分，其包括用于实施(多个)指定逻辑功能的一个或更多个可执行指令。还应当注意，在一些替代实施方式中，块中标注的功能可能不按顺序发生。例如，取决于所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。
如本文所使用的，“单元”指执行预定功能的软件元件或硬件元件，诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC)。然而，“单元”并不总是有局限于软件或硬件的含义。“单元”可以被构造成存储在可寻址存储介质中或者执行一个或更多个处理器。因此，“单元”包括例如软件元件、面向对象的软件元件、类元素或任务元素、过程(process)、功能、属性、过程(procedure)、子程序、程序代码段、驱动器、固件、微码、电路、数据、数据库、数据结构、表、数组和参数。由“单元”提供的元件和功能可以被组合成更少数量的元件、“单元”，或者被分成更多数量的元件、“单元”或“模块”。此外，元件和“单元”或“模块”可以被实施为在设备或安全多媒体卡内再现一个或更多个CPU。
提供本文中使用的特定术语是为了易于理解本公开，并且在不脱离本公开的精神和范围的情况下，可以将这些特定术语改变为其他形式。
图1是示出了根据本公开的实施例的图像处理设备100的框图。
参考图1，根据各种实施例的图像处理设备100可以包括至少一个处理器110和存储器120。
在下文中，将顺序地描述元件。
根据各种实施例的至少一个处理器110控制图像处理设备100的整体操作。
根据各种实施例的处理器110可以通过驱动软件(例如，程序)来控制连接到处理器110的图像处理设备100的至少一个其他元件(例如，硬件元件或软件元件)，并且可以执行各种数据处理和计算。
根据各种实施例的处理器110可以将从另一元件(例如，传感器模块或通信模块)接收的指令或数据加载到易失性存储器120，处理所加载的指令或数据，并将结果数据存储在非易失性存储器中。
根据各种实施例的处理器110可以包括主处理器110(例如，中央处理单元或应用处理器)和可以独立于主处理器运行并且额外地或替代地使用比主处理器更低的功率或为预定功能指定的功率发热辅助处理器(例如，图形处理单元、图像信号处理器、传感器集线器或通信处理器)。辅助处理器可以与主处理器分开操作，也可以嵌入主处理器中。
在此情况下，辅助处理器可以在主处理器处于非活动(例如，睡眠)状态时代替主处理器，或者在主处理器处于活动(例如，应用程序执行)状态时与主处理器一起，来控制与图像处理设备100的至少一个元件(例如，显示设备、传感器模块或通信模块)有关的至少一些功能或状态。
例如，辅助处理器(例如，图像信号处理器或通信处理器)可以被实现为在功能上与其相关的其他元件(例如，相机模块或通信模块)的一部分。存储器120可以存储图像处理设备100的至少一个元件(例如，处理器110或传感器模块)所使用的各种数据，例如，软件(例如，程序)以及与至相关的关于指令的输入数据或输出数据。
程序可以是存储在存储器120中的软件，并且可以包括例如操作系统、中间件或应用程序。
根据各种实施例的存储器120可以包括易失性存储器或非易失性存储器。
根据各种实施例的存储器120可以存储基础程序、应用和诸如用于图像处理设备100的操作以获取关于处理器110的处理和控制的程序、层信息、无线传输参数以及射频设计信息的数据。
根据各种实施例的存储器120可以执行用于临时存储关于处理器110的处理和控制的输入/输出数据的功能。
例如，存储器120可以存储用于处理器110的处理和控制的输入/输出数据、卫星图像、静止图像、运动图像、预览图像、层信息、无线传播参数和射频设计信息。
此外，存储器120可以以数据库(DB)的形式存储地理信息系统(GIS)数据，该地理信息系统数据包括建筑物数据(诸如将在其中设计无线网络的区域中的建筑物布局、建筑物材料和建筑物方向)以及诸如作为道路宽度和质心的坐标。
例如，GIS是计算机硬件、软件、地理数据和人力资源的集合，其被组织成有效地获取地理上排列的所有有形信息，并存储、更新、管理、分析和输出该信息。
GIS的优点是可以根据文档以所需的形式和期望的比例创建图形，并通过重叠或分解每个主题的层来执行各种类型的整体分析。此外，优点是容易进行测量、搜索、距离计算、影响计算、针对每个目的和类别的面积计算、对计算结果的分析、工程图文档的链接分析以及效果的视觉表达。GIS方案可用于构建土地信息系统和城市信息系统。
存储器120可以按照数据的形式预先在DB中存储根据层信息的无线传播参数值和根据无线传播参数值的射频设计信息。
根据各种实施例的处理器110可以根据来自用户的请求基于存储器120中存储的数据来处理用于无线网络设计的多个任务。
例如，存储器120中存储的指令可以控制处理器110基于多条层信息和利用存储器120中存储的多个图像获取的程序来获取无线传播参数和射频设计信息。
例如，存储器120中存储的指令可以控制处理器110基于利用存储器120中存储的多个图像获取的多条层信息来识别存储器120中存储的无线传播参数和射频设计信息。
例如，存储器120中存储的指令可以控制处理器110基于存储器120中存储的卫星图像来获得与网络设计相关的所需信息(例如，层信息、无线传播参数以及射频设计信息)并在DB中存储该信息。
根据各种实施例，存储器120中存储的指令可以使处理器110识别以时间序列收集的第一图像和第二图像，从第一图像获取与第一对象相对应的第一层信息，从第二图像获取与第二对象相对应的第二层信息，基于第一层信息和第二层信息获取无线传播参数，以及基于无线传播参数获取射频设计信息。
根据各种实施例的第一图像和第二图像可以是卫星图像。
例如，第一图像可以是通过在夏天拍摄预定区域而生成的卫星图像，而第二图像可以是通过在冬天拍摄相应区域而生成的卫星图像。
根据各种实施例，可以基于关于第一图像中的第一对象的边界的信息来获取第一层信息，并且可以基于关于第二图像中的第二对象的边界的信息来获取第二层信息。
根据各种实施例的第一层信息和第二层信息可以第三图像中被显示为第一对象层和第二对象层。
例如，第三图像可以是第一图像和第二图像中的一者，并且可以是与第一图像和第二图像分离的图像。
例如，第一图像、第二图像和第三图像可以是通过以时间序列拍摄相同区域而生成的卫星图像。
根据各种实施例的无线传播参数可以包括关于第一层信息与第二层信息之间的重叠区域的信息。
例如，关于第一层信息与第二层信息之间的重叠区域的信息可以包括关于与第三图像一起显示的第一对象层与第二对象层之间的重叠区域的信息。
例如，关于第一层信息与第二层信息之间的重叠区域的信息可以包括关于第一对象层与第二对象层之间的重叠区域与第二对象层(与第三张图片一起显示)的面积之比的信息。
根据各种实施例的无线传播参数可以包括干扰水平、传播路径损耗率、介电常数、衍射系数和穿透率中的至少一项。
例如，可以基于作为无线传播参数示例的关于第一层信息与第二层信息之间的重叠区域的信息来确定干扰水平、传播路径损耗率、介电常数、衍射系数和穿透率。
例如，根据关于第一层信息与第二层信息之间的重叠区域的信息，可以以DB形式在存储器120中存储干扰水平、传播路径损耗率、介电常数、衍射系数和穿透率。
根据各种实施例的无线传播参数还可以包括第一对象的属性信息和第二对象的属性信息。
例如，可以基于第一层信息来识别第一对象的属性信息，并且可以基于第二层信息来识别第二对象的属性信息。
例如，根据每条层信息的每个对象的属性信息可以以DB的形式存储在存储器120中。
根据各种实施例的无线传播参数还可以包括UE的密度信息。
例如，可以基于关于第一层与第二层之间的重叠区域的信息来识别UE的密度信息。
例如，根据关于第一层信息与第二层信息之间的重叠层的信息的UE的密度信息可以以DB的形式存储在存储器120中。
根据各种实施例的射频设计信息可以包括关于射频的安装点和安装数量的一条或更多条信息。
尽管未示出，但是根据各种实施例的图像处理设备100还可以包括通信模块、输入设备和显示设备。
例如，输入设备可以从用户接收数据以设计无线网络，并且输出设备可以向用户呈现用户的输入的结果和处理器110的处理结果。
根据各种实施例，通信模块可以支持在图像处理设备100和外部电子设备(例如，电子设备或服务器)之间建立有线或无线通信信道，并通过所建立的通信信道进行通信。
例如，通信模块可以包括支持独立于处理器(例如，应用处理器)而操作的有线通信或无线通信的一个或更多个通信处理器。
例如，通信模块可以包括无线通信模块(例如，蜂窝通信模块、短距离无线通信模块或全球导航卫星系统(GNSS)通信模块)或有线通信模块(例如，局域网(LAN)通信模块或电力线通信模块)，并且可以利用这些通信模块中的一种通过第一网络(例如，诸如蓝牙、Wi-Fi直连或红外数据协会(IrDA)的短距离通信网络)或第二网络(例如，诸位蜂窝网络、互联网或计算机网络(例如，LAN或WLAN)的长距离通信网络)与外部电子设备进行通信。上述类型的通信模块可以被实现为单个芯片或独立芯片。
根据各种实施例的输入设备是用于从图像处理设备100的外部(例如，用户)接收用于图像处理设备100的元件(例如，处理器110)的指令或数据的设备，并且可以包括例如麦克风、鼠标或键盘。
根据各种实施例的显示设备是用于向图像处理设备100的用户提供视觉信息的设备，并且可以包括例如显示器、全息图设备、投影仪以及用于控制相应设备的控制电路。根据实施例，显示设备可以包括触摸电路或用于测量触摸的压力强度的压力传感器。
例如，根据各种实施例的图像处理设备100可以通过显示设备将与从第一图像获取的第一对象相对应的第一层信息和与从第二图像获取的第二对象相对应的第二层信息与第三图像一起输出到第一对象层和第二对象层。
例如，根据各种实施例的图像处理设备100可以在一个图像中显示第一层信息和第二层信息作为第一对象层和第二对象层。
根据各种实施例的显示设备输出由图像处理设备100处理的信息。例如，显示设备可以显示由图像处理设备100拍摄或/和接收的图像、从图像获取的层信息、用户界面(UI)或与射频设计信息有关的图形用户界面(GUI)。
例如，显示设备可以如图6所示一起显示多条层信息，并且可以如图12所示显示与图像处理设备100所获取的射频设计信息相对应的基站位置和基站数量。
可以使用例如软件、硬件或其组合在计算机可读记录介质内实现本文描述的各种实施例。
根据硬件实施方式，可以使用ASIC、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、FPGA、处理器110、控制器、微控制器、微处理器和用于执行其他功能的电子单元来实现本文所描述的实施例。在某些情况下，可以由处理器110实现实施例。
根据软件实施方式，诸如过程或功能的实施例可以与用于执行至少一个功能或操作的单独的软件模块一起实现。可以通过由适当的程序语言编写的软件应用来实现软件代码。此外，软件代码可以存储在存储器120中并且由处理器110执行。
图2是示出根据本公开的实施例的图像处理设备基于多个图像获取射频设计信息的操作的流程图。
参考图2，在操作200，图像处理设备可以以时间序列识别第一图像和第二图像。
根据各种实施例的第一图像和第二图像可以是卫星图像。
例如，第一图像可以是通过在夏天拍摄预定区域而生成的卫星图像，而第二图像可以是通过在冬天拍摄相同区域而生成的卫星图像。
在操作210，图像处理设备可以从第一图像获取与第一对象相对应的第一层信息，并从第二图像获取与第二对象相对应的第二层信息。
例如，可以基于关于对象边界的信息来获取层信息，以便区分图像中的对象，并且可以与每个对象一起在图像中输出层信息。此时，可以将输出的层信息定义为图像内的对象层。
根据各种实施例的图像处理设备可以从多个图像获取与多个对象相对应的层信息，并且一起输出所获取的多条层信息。
在操作220，图像处理设备可以基于第一层信息和第二层信息来获取无线传播参数。
例如，无线传播参数可以包括关于第一层信息与第二层信息之间的重叠区域的信息、位于建筑物或道路附近的树木的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率、对象的属性信息以及UE的密度信息中的至少一条信息。
例如，在本说明书中，当第一对象是叶子并且第二对象是建筑物(或道路)时，关于第一层信息与第二层信息之间的重叠区域的信息可以称为叶子重叠率。
在这种情况下，叶子重叠率是关于叶子层与建筑物层(或道路层)之间的重叠区域的信息，并且可以包括关于叶子层与建筑物层(或道路层)之间的重叠区域与建筑物层(或道路层)的区域的比率的信息。
例如，可以以DB的形式将干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率和UE的密度存储在存储器中。
根据各种实施例的无线传播参数还可以包括第一对象的属性信息和第二对象的属性信息。
例如，可以基于第一层信息来识别第一对象的属性信息，并且可以基于第二层信息来识别第二对象的属性信息。
例如，根据每条层信息的每个对象的属性信息可以以DB的形式存储在存储器中。
根据各种实施例的无线传播参数还可以包括UE的密度信息。
例如，可以基于关于第一层与第二层之间的重叠区域的信息来识别UE的密度信息。
例如，根据关于第一层信息与第二层信息之间的重叠区域的信息的UE的密度信息可以以DB的形式存储在存储器中。
在操作230，图像处理设备可以基于无线传播参数来获取射频设计信息。
根据各种实施例的射频设计信息可以包括关于射频的设计点和设计的射频数量的一条或更多条信息。
图3至图6示出了根据本公开的各种实施例的图像处理设备对图像中的对象进行分类的各种示例。
根据各种实施例的图像分类可以是用于根据预定数量的土地覆盖物或主题自动指定图像的所有像素的任务。
例如，在根据各种实施例的图像分类中，可以使用边缘检测方法对图像内的对象进行分类。
例如，边缘可以与数字图像的亮度从低值变为高值或从高值变为低值的位置相对应，并且可以表示数字图像中包含的对象之间的边界(＝边界线)。
数字图像的边缘可以提供用于识别对象、识别位置/形状/尺寸、以及检测方向性的信息。
在图像内，根据各种实施例的图像处理设备可以通过边缘提取方法来提取图像中包括的对象之间的边界(边界线)，并且对图像内的对象进行分类。
检测输入图像中的对象之间的边界的方法可以包括各种方法，例如该领域中普遍使用的根据使用像素之间的差异通过亮度改变来进行的方法以及使用微分的方法，因此应注意，检测输入图像中的对象之间的边界线的方法不限于特定方法。
根据各种实施例的图像可以包括卫星图像。
根据各种实施例的卫星图像在可访问性、新近性(recency)和定期性方面具有优势，因此非常有用。
例如，一次获取大空间的信息是有效的。没有一种方法可以在不使用卫星的情况下全面探测国家土地的特征和当前使用状况。
此外，可以以与另一文档相关联和集成的方式来分析作为数字格式文档的卫星图像，并且可以将其作为时间序列文档进行累积。
例如，可以使用卫星图像的光谱特征来定量分析人文地理资源，例如土地覆盖图，并可以通过与地理信息集成或使用各种GIS空间分析方案来提取其他信息。
当以时间序列收集卫星图像数据时，可以进行变化检测和预测。
根据各种实施例的图像处理设备可以通过卫星图像对人造地理特征和自然地理特征(例如，建筑物、设施区域、交通设施区域和林地)进行分类。
例如，可以使用卫星图像进行分类的项目可以包括建筑物、设施区域、交通设施区域、林地、农田、草地和水域，并且通过在高清卫星图像上执行屏幕数字化来对土地使用进行分类时，可以对独立式住宅和公寓进行分类。
当GIS文件和卫星图像文件混合使用时，土地用途反映了根据人类活动目标细分的土地用途，即，可以会详细划分商业区、住宅区、商业设施区、以及住宅和商业混合区。
同时，根据一种方式，可以将方法分为使用频谱模式的方法、空间模式的方法和时间模式特征的方法。
例如，在光谱分类中，基于像素值识别光谱图案以对对象进行分类。即，可以通过每个像素的光谱信息在卫星图像中将对象分类。
在空间分类中，基于与相邻像素的相关性识别空间图案以对对象进行分类。即，可以通过像素与相邻像素之间的空间相关性在卫星图像中对对象进行分类。例如，可以考虑图像的纹理、像素之间的接近度以及对象的尺寸、形状、方向性和重复性。
在时间分类中，时间用作分类对象的工具。可以通过检测卫星图像根据时间的变化来识别和分类对象。
例如，可以使用在诸如不同季节的不同时间点拍摄的多个卫星图像来检测根据时间的对象变化特性，并且可以将对象变化特性应用于分类。
例如，稻田根据时间具有明显的特征，即稻田在春季接近水系统，在夏季接近绿色区域，在冬季接近裸露土地，并且因此可以通过时间分类来确定。
图3示出了根据本公开的各种实施例的图像处理设备提取图像中的对象之间的边界并对对象进行分类的示例。
参照图3，可以在图像300中对建筑物305和307，道路311以及叶子301、303和309进行分类。
例如，根据各种实施例的图像处理设备在图像中使用诸如空间分类和光谱分类的方法，并且通过边缘提取的图像处理方法来提取对象之间的边界以区分对象。
尽管树木的叶子、建筑物或道路具有不同的高度，并且建筑物或道路在实际环境中被叶子覆盖，但是如图3所示，在图像300中，树木的叶子301、303和309，建筑物305和307，以及道路311被示为仅由边界分开，使得仅通过图像的图像信息难以检测树木的叶子、建筑物或道路的实际形状的边界。
更具体地，当建筑物或道路被树木的叶子部分覆盖时，如图3所示，在图像300中，建筑物或道路的被树木的叶子覆盖的部分被分类为树木的叶子。因此难以预测仅由图像300中的边界分开的地理特征(例如树木的叶子301、303和309，建筑物305和307和道路311)的实际环境。
图4和图5示出了根据本公开的各种实施例的图像处理设备获取层信息以便区分图像中的对象的各种实施例。
可以基于关于图像中包括的对象之间的边界的信息来获取根据各种实施例的层信息。
根据各种实施例的图像处理设备可以输出图像，使得层信息与对象重叠，以便在视觉和图形上向用户提供图像中包括的对象的形状。
例如，层信息可以与每个对象一起在图像中输出，并且此时输出的层信息可以被定义为图像内的对象层。
例如，基于关于对象之间的边界的信息来获取层信息，因此可以根据图像内包括的对象之间的边界来显示对象层。
根据各种实施例，可以基于层信息来获取每个对象的属性信息。
例如，对象的属性信息指示作为对象的地理特征的特征，并且可以包括指示对象的标识符的层代码、对象类型信息和数值信息。
例如，层信息可以包括层形状信息，并且层形状信息可以包括层边界的形状信息或层内部的形状信息。
例如，可以基于层边界的形状信息来获取层代码，并且可以基于层内部的形状信息来获取对象类型信息或数值信息。
如图4至图6所示，可以用B#1、B#2、B#3、B#4、B#5、B#6、B#7、B#8和B#9表示与建筑物相对应的层代码，可以用F#1、F#2和F#3表示与树木的叶子相对应的层代码，可以用R#1表示与道路相对应的层代码。
根据各种实施例的图像处理设备可以基于以时间序列收集的多个图像来获取与多个对象相对应的多条层信息。
例如，可以从第一图像获取与第一对象相对应的第一层信息，并且可以从第二图像获取与第二对象相对应的第二层信息。
例如，根据各种实施例，可以基于关于第一图像中的第一对象的边界的信息来获取第一层信息，并且可以基于关于第二图像中的第二对象的边界的信息来获取第二层信息。
例如，尽管建筑物或道路被树木的叶子部分地覆盖，但是根据各种实施例的图像处理设备可以通过检测根据时间的对象变化特性并将其应用于分类，基于以时间序列收集的多个图像来获取与多个对象相对应的多条层信息，以将图像中包括的对象区分为具有单独的独立含义的原始形状。
在根据各种实施例的图像中，从图像提取的对象的边界可以根据根据季节的叶子变化特性而变化。
例如，建筑物或道路可能因夏天的树木茂盛而会被叶子覆盖，建筑物或道路因树木在冬季没有叶子而不会被叶子覆盖。
因此，由于根据季节的叶子变化特性，树木具有根据时间的独特特征(即，该树在夏季具有叶子，而在冬季没有叶子)，建筑物或道路也具有根据时间的独特特性(即建筑物或道路在夏季被树木的叶子覆盖，而在冬季未被树木的叶子覆盖)，从而可以基于以时间序列收集的多个图像将树木的叶子、建筑物和道路识别为独立实体。
例如，可以基于叶子变化特性，从在夏季期间叶子茂盛的夏季拍摄的图像中检测出树木的叶子的边界，并获取层信息。
更具体地，由于如图4所示，树木的叶子在夏季茂盛，因此可以基于从夏季拍摄的第一图像400的多光谱特性对叶子进行分类，并且可以基于分类的叶子的边界来获取第一层信息。
如图4所示，所获取的第一层信息可以与第一图像400一起被输出为叶子层401、403和405。
然而，由于树木的叶子覆盖了如图4所示的在夏季拍摄的第一图像400中的大部分建筑物或道路，因此难以将第一图像400中包括的建筑物或道路识别为独立实体。
根据各种实施例的图像处理设备可以从在没有叶子的冬天拍摄的第二图像500中检测建筑物或道路的边界，并获取第二层信息。
由于如图5所示，冬季拍摄的第二图像500中包括的树木没有叶子，因此不覆盖建筑物或道路，因此第二图像500中包括的建筑物或道路可被分类为独立实体，并且可以基于已分类的建筑物或道路的边界获取第二层信息。
所获取的第二层信息可以作为建筑物层501、502、503、504、505、506、507、508和509或道路层511与第二图像500一起输出。
根据各种实施例的图像处理设备可以基于层信息将图像内的多个对象识别为独立实体。
图6示出根据本公开的各种实施例的图像处理设备输出利用多个图像获取的多条层信息的示例。
参考图6，第一层信息和第二层信息可以与第三图像600一起输出。
例如，第三图像600可以是图4的第一图像400和图5的第二图像500中的一者，并且可以是与第一图像400和第二图像500分离的图像。
例如，第一图像400、第二图像500和第三图像600可以是通过以时间序列拍摄相同区域而生成的卫星图像。
根据各种实施例的图像处理设备可以通过将图像层中包括的多个对象和对象层一起显示来对多个对象进行分类。如图6所示，可以利用图4中获取的第一层信息和图5中获取的第二层信息与第三图像600一起显示叶子层601、603和605，建筑层611、612、613、614、615、616、617、618和619，以及道路层621。
由于如图5所示可以基于从图4所示的第一图像400获取的第一层信息来输出叶子层601、603和605并且基于从第二图像500获取的第二层信息输出建筑物层611、612、613、614、615、616、617和619或道路层621，所以，若如图6所示第一层信息和第二层信息与第三图像600一起输出，叶子层601与建筑物层611和613可能重叠地显示为独立的对象，叶子层601、603和605与道路层621可能重叠地显示为独立的对象。
因此，如图6所示，建筑物的被树木的叶子覆盖的部分631和632，或者道路的被树木的叶子覆盖的部分635、637和639可以被识别为第三图像600中建筑物层611和613或者道路层621的部分；可以基于关于叶子层601与建筑物层611和613间的重叠部分631和632的信息，或者关于叶子层601、603和605与道路层间的重叠部分635、637和639的信息，预测实际环境中有多少邻近建筑物或道路的树木的叶子覆盖了建筑物或道路。
因此，根据各种实施例的图像处理设备可以仅通过与图像一起显示的每个对象的层信息来预测诸如建筑物、道路和树木的叶子等地理特征的实际环境。
图7示出了根据本公开实施例的图像处理设备基于叶子对传播特性的影响来预测无线传播特性的概念。
波的传播通常可以描述为一种物理现象，例如反射、衍射和散射，并且由于接收器附近各种障碍物引起的衍射，波可能沿着非常复杂的各种传播路径到达接收器。
例如，传播环境的无线传播特性可以根据各种特性而变化，例如建筑物的布局、道路宽度、建筑物的高度、建筑材料、建筑物的方位、天线增益、线缆损耗、衍射损耗和形态损耗，并且可以通过预测传播路径损耗来估计。这是因为在设计移动通信系统的覆盖范围时，用于确定诸如演进节点B(eNB)的位置选择、发送功率的强度以及服务区域的大小等主要参数的最基本的事情是传播路径损耗。
例如，在波的传播期间产生的路径损耗从eNB扩展开，并且可以通过将诸如地理信息、距离信息和频率之类的系统参数应用于传播模型来计算。
例如，识别传播路径损耗的大小的方法包括现场测量和传播损耗预测方案。
例如，现场测量具有的优点在于，可以最准确地识别接收波的电强度，但是具有的缺点在于，每当系统参数的配置改变时，都应重复进行测量，因此效率低下且无效。
同时，主要基于波传播预测模型来使用传播损耗预测方案，其中利用表示为反射、衍射和散射的数学模型来执行预测。
同时，与当前用于大多数移动通信业务的1GHz至2GHz的无线传播特性相比，毫米波波段的频率可能会提供更多的信息，但是由于障碍物而导致的路径损耗较高，因此很难远程通信，并且会出现严重的根据衍射、折射和反射的多径现象。
高于或等于6GHz(特别是高于或等于10GHz)的毫米波的传播特性易受雨水的影响，由于传播特性的高度直线性以及根据衍射、折射和反射的多径现象而受到市区内建筑物等障碍物的传播路径损耗。
特别地，叶子造成的损耗对于毫米波很重要，传播损耗可以包括当波穿过树木时产生的传输损耗(叶子和茎造成的散射和吸收损耗)、树木的上部和侧面造成的衍射损耗和地面造成的反射损耗。
因此，在无线通信系统中，传播路径附近的叶子可能会显著影响接收到的无线电波的特性，传播路径上的树木或灌丛的叶子可能会造成损耗和衰落(多个波的干扰造成接收的电场的强度在无线信道上随时间变化的现象)。
也就是说，由于叶子对传播特性的影响在无线通信系统设计中很重要，因此，重要的是当预测传播环境的无线传播特性时预测多少传播路径损耗是由树木或灌丛的叶子产生的。
参考图7，在对应于区域A 701的实际环境703和705中，区域A 701是其中树木的叶子覆盖图像中的建筑物或道路的部分，该叶子导致传播路径损耗和衰落，成为阻碍无线传播的障碍，因此可以确定无线传播特性不佳。
也就是说，如图7所示，当树木的叶子覆盖图像中的大部分建筑物或道路时，叶子会成为阻碍无线传播的障碍物，因此可以预测该区域的无线传播特性不佳。
另一方面，如图7所示，在与区域B 711对应的实际环境713和715中，区域B 711中的树木的叶子没有覆盖图像中的大部分建筑物或道路，几乎没有叶子作为干扰无线传播的障碍，因此可以预测无线传播特性良好。
图8和图9是示出根据本公开的各种实施例的由图像处理设备从多个图像获取的多条层信息与用于确定无线传播特性的无线传播参数之间的相关性的曲线图。
参考图7，由于叶子对传播特性的影响在无线通信系统设计中很重要，因此，重要的是当预测传播环境的无线传播特性时预测多少传播路径损耗是由叶子产生的。
因此，根据各种实施例的图像处理设备可以使用关于和树木的叶子相对应的第一层信息与和建筑物或道路相对应的第二层信息之间的重叠区域的信息，以便预测多少传播路径损耗是由建筑物或道路上的树木的叶子所产生的。
例如，根据各种实施例的图像处理设备可以使用关于与第一层信息相对应的叶子层和与第二层信息相对应的建筑物层(或道路层)之间的重叠区域的信息，将其与图6所示的图像一起输出，以便预测多少传播路径损耗是由建筑物或道路上的树木的叶子所产生的。
例如，关于叶子层与建筑物层(或道路层)之间的重叠区域的信息是关于叶子层与建筑物层(或道路层)之间的重叠层和与图像一起显示的建筑物层(或道路层)一起显示的区域之间的比率的信息，可以被定义为图8至图9的x轴参数的叶子层与建筑物层(或道路层)之间的重叠信息(叶子重叠比率)。
根据各种实施例的无线传播参数可以包括叶子重叠信息、传播路径损耗率、介电常数、衍射系数和穿透率中的至少一项。
图8是示出了根据叶子重叠信息的传播路径损耗率的相关性的曲线图，并且图9是根据本公开的各种实施例的根据叶子重叠信息的介电常数、衍射系数和穿透率的相关性的曲线图。
参照图8，由于与图像一起显示的叶子层与建筑物层(或道路层)之间的重叠信息较大，即，由于从图像获得的叶子重叠信息(叶子重叠率)较大，根据各种实施例的图像处理设备可以预测实际传播环境中的传播路径损耗率较大，因此传播环境不佳。
例如，叶子层与建筑物层(或道路层)之间的高度重叠信息意味着叶子层与建筑物层(或道路层)之间的重叠面积和与图像一起显示的建筑物层(或道路层)区域的比率高，这意味着在实际传播环境中，建筑物(或道路)附近的树木的叶子作为无线传播障碍物的干扰水平很高，因此可以预测出由叶子造成的传播路径损耗很高。
作为影响无线传播的物理指标的介电常数、衍射系数和穿透率可以随和图像一起显示的叶子层与建筑物层(或道路层)之间的重叠信息(即，从图像获取的叶子重叠信息(叶子重叠率))而变化。
参考图9，根据各种实施例的图像处理设备可以预测，由于叶子重叠信息较大，介电常数和衍射系数变大并且穿透率变低。
例如，由于高介电常数和衍射系数、以及低穿透率是无线电波不能适当地传输的特性，因此可以预测，由于从图像获取的叶子重叠信息较大，在实际环境中传播路径损耗较大，并且传播环境不佳。
例如，叶子层与建筑物层(或道路层)之间的高度重叠信息意味着叶子层与建筑物层(或道路层)之间的重叠面积和与图像一起显示的建筑物层(或道路层)区域的比率高，这意味着在实际传播环境中，建筑物(或道路)附近的树木的叶子作为无线传播障碍物的干扰水平很高，使得无线电波的衍射系数和介电常数在传播另上增加并且无线无线电波的穿透率降低，因此可以误测无线传播特性不佳。
因此，根据各种实施例的图像处理设备可以预测实际环境中诸如树木的叶子、建筑物和道路的障碍物造成的传播路径损耗，仅通过与图像一起显示的诸如叶子层、建筑物层和道路层的图像信息来预测传播环境的无线传播特性，并且可以基于预测的无线传播特性获取射频设计信息。
例如，根据各种实施例的图像处理设备可以基于与图像一起显示的建筑物层(或道路层)与树木层之间的重叠率来获取包括实际环境中的邻近建筑物(或道路)的数目的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数和穿透率的无线传播参数，可以基于确定无线传播参数预测无线传播环境，并且可以根据其获取射频设计信息。
例如，射频设计信息包括关于射频的安装位置或安装数量的至少一条信息，将参考图11和图12对其进行详细描述。
图10示出根据本公开的实施例的图像处理设备基于从多个图像获取的多条层信息来获取无线传播参数的示例。
根据各种实施例的无线传播参数可以包括叶子重叠信息、邻近建筑物或道路的数目的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率和对象属性信息中的至少一项。
影响传播路径损耗的原因是无线电波到达距离、频带、传播距离中的障碍物分布、建筑物或障碍物的高度、eNB的天线的高度、以及移动站的高度。
参照图10，根据各种实施例的图像处理设备可以基于与图像1000一起显示的叶子层1001与建筑物层1003(或道路层1005)间的重叠率来预测实际环境1010中多少对应建筑物1013(或道路1015)被对应树木的叶子1011所覆盖。
例如，如图10所示，当与图像1000一起显示的叶子层1001与建筑物层1003之间的重叠率较小时，可以预测出实际环境1010中建筑物附近的树木的叶子1011覆盖建筑物1013的水平是较低的。
因此，可以预测由于作为无线传播障碍的树木的叶子的干扰水平低，由于树木的叶子引起的传播路径损耗低，并且无线传播特性良好。
例如，如图10所示，当在图像1000中显示的叶子层1001与道路层1005之间的重叠率处于中等水平时，可以预测出实际环境1010中道路附近的树木的叶子1011覆盖道路1015的水平是中等的。因此，可以预测出，在实际环境1010中，由作为无线传播障碍的树木的叶子造成的干扰是中等的，并且由于树木的叶子而引起的传播路径损耗也是中等的。
根据各种实施例的图像处理设备可以基于从图像获取的层信息来获取对象属性信息。
例如，层信息可以包括层形状信息，并且层形状信息可以包括层边界的形状信息或层内部的形状信息。
例如，对象的属性信息指示作为对象的地理特征的特征，并且可以包括指示对象的标识符的层代码、对象类型信息和数值信息。
例如，根据各种实施例，基于层信息由相应层指示的对象属性信息可以以数据的形式预先存储在DB中。
根据各种实施例的层代码是由与图像一起显示的对象层指示的对象的标识符，并且可以包括关于对象类型和索引的信息。例如，与建筑物相对应的层代码可以表示为B#n，与叶子相对应的层代码可以表示为F#n，与道路相对应的层代码可以表示为R#n(n为自然数)。
根据各种实施例的图像处理设备可以基于层形状信息来预测由相应层指示的对象的类型。
根据各种实施例，基于层信息由相应层指示的对象类型可以以数据的形式预先存储在DB中。
例如，如果层边界的形状是矩形，则由相应层指示的相应对象可以被预测为建筑物；如果层边界的形状是足迹形状，则由相应层指示的相应对象可以被预测为树木、叶子或灌丛；如果层边界的形状是与图像相交的矩形，则由相应层指示的相应对象可以被预测为道路。
根据各种实施例的对象类型信息可以包括反映对象目的的信息。例如，建筑物类型信息可以包括关于单个家庭单元(SFU)或多个住宅单元(MDU)的信息。
根据各种实施例的图像处理设备可以基于层形状信息来预测由相应层指示的对象的类型信息。
根据各种实施例，基于层信息由相应层指示的对象的类型信息可以以数据的形式预先存储在DB中。
例如，可以基于作为层的内部形状的建筑物的屋顶形状的信息来预测由相应层指示的相应建筑物的类型是SFU还是MDU。
根据各种实施例的对象的尺寸信息可以包括关于对象的宽度或高度中的至少一项的信息。
例如，道路的尺寸信息可以包括道路的宽度信息，建筑物的尺寸信息可以包括建筑物的高度信息，并且树木的尺寸信息可以包括树木的高度信息。
根据各种实施例的图像处理设备可以基于层形状信息来预测由相应层指示的对象的尺寸信息。
根据各种实施例，基于层信息由相应层指示的对象的尺寸信息可以以数据的形式预先存储在DB中。
例如，如图10所示，根据本公开的各种实施例的图像处理设备可以基于与图像1000一起显示的叶子层1001与建筑物层1003之间的重叠率来预测出实际环境1010中相应树木的叶子1011的高度较高。
此外，根据各种实施例的图像处理设备可以预测出，由于与图像1000一起显示的叶子层1201的面积较大，实际环境1010中的相应树木的叶子的高度较高。
如图10所示，根据各种实施例的图像处理设备可以基于与图像1000一起显示的道路层1005的形状来预测实际环境1010中的对应道路1015的宽度为20m。
此外，根据各种实施例的图像处理设备可以基于对象的类型信息来预测由相应层指示的对象的尺寸信息。
根据各种实施例的基于对象的类型信息的对象的尺寸信息可以以数据的形式预先存储在DB中。
例如，根据各种实施例的图像处理设备可以基于与图像一起显示的建筑物层1003的信息(例如，图层形状信息)，根据建筑物的屋顶形状，从存储器中存储的DB中识别建筑物的类型信息和尺寸信息。
例如，可以基于建筑物的类型信息来确定建筑物的尺寸信息。例如，如果建筑物的类型是SFU，则可以识别出建筑物的高度信息是12m，而如果建筑物的类型是MDU，则可以识别出建筑物的高度信息是20m。
例如，基于如图10所示的建筑物层1003中包括的屋顶形状的信息，可以识别建筑物的类型为SFU，建筑物的高度为12m。
图11示出根据本公开的实施例的图像处理设备基于从多个图像获取的多条层信息配置UE密度信息的示例。
根据各种实施例的无线传播参数可以包括叶子重叠信息、邻近建筑物或道路的数目的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率、对象属性信息和UE密度信息中的至少一项。
用于在无线网络设计系统中有效地布置eNB的传播分析方案是通过对合意的区域进行传播分析来分析覆盖范围，从而确定eNB的最佳位置。
为了构建在市区微小区/微微小区和传播环境中提供最佳覆盖范围的无线网络，应在无线网络设计系统中利用地理信息数据(例如建筑物的数据或构建无线物理的区域的数据)进行传播分析工作。
也即是，有必要确保准确的传播模型以设计和构建无线网络。为此，已经使用了各种传播模型，最广泛使用的传播模型是基于Okumura模型的Hata模型。
例如，Hata模型是便于使用的Okumura模型的方程式，并且与用于在无线电波未直接通过自由空间传播并通过建筑物、树木和丘陵的反复衍射和反射到达接收点的情况下计算路径损耗的模型相对应。
此外，由于Hata模型不能考虑所有传播环境，因此可以使用根据形态的损耗系数来提高精度。例如，形态是由自然环境、地形特征、房屋结构和布置特征作为用于设计无线网络的区域特征组而形成的多边形部分。
此外，由于市区中的传播环境具有独特的价，例如建筑物的布置、道路宽度、建筑物的高度、建筑材料和建筑物的方位，因此射线发射方案被广泛用作传播分析方法以考虑这样的各种特性。
该方案是一种射线追踪方案，其考虑到无线电波从发射天线以预定的分离角度发射的射线到达接收点为止经历的反射和衍射的影响，计算接收到的无线电波的强度。
射线追踪方案基于可能影响传播并估计多个追踪到的传播路径是否被反射和衍射的无线传播参数来跟踪多个传播路径，以计算多个传播路径的衰减和相位，并据此预测传播路径损耗信息，该无线传播参数值诸如为建筑物信息、发射天线的位置和天线特性。
也即是，射线追踪方案可以通过计算在从发送天线到接收位置的所有路径上传播的衰减和相位来计算传播损耗。
例如，射线追踪方案可以将地面和建筑物视为电介质，以便预测微小区eNB附近的传播损耗，并应用衍射的地理理论/均匀的衍射地理理论(GTD/UTD)以找到反射波和衍射波沿其前进的路径并预测传播损耗。
因此，积极地进行了一种方法的技术研究，该方法用于搜索由一条射线产生的传播分析半径内的所有反射点和衍射点，并确定射线是否与接收点相交。
射线发射方案提供了一种方法，该方法通过提供与根据测量和实验的传播模型相比更准确的市区传播环境特性的传播分析结果，来进一步改进无线网络设计系统的功能。
为了考虑当使用射线追踪方案时树木或建筑物或道路上的团块产生多少传播路径损耗，根据各种实施例的图像处理设备可以将叶子层与建筑物层之间的重叠信息或者叶子层与道路层之间的重叠信息插入到无线传播参数。
此外，如上所述，射线追踪方案可以将地面和建筑物视为电介质，以便在介电常数、衍射系数和穿透率也可以被插入到无线传播参数的情况下预测传播损耗。
同时，如图9所示，作为影响无线传播的物理指标的介电常数衍射系数和穿透率可能会根据建筑物层(或道路层)与树木层之间的重叠率而变化。
因此，根据各种实施例的图像处理设备可以通过无线传播参数中的叶子层与建筑物层(或道路层)之间的重叠信息来预测无线传播损耗。
同时，为了构建提供最佳覆盖范围的无线网络，根据各种实施例的图像处理设备可以基于地理信息数据(例如，在无线网络所处的区域中的建筑物数据或拓扑数据)来分析无线传播参数，并且可以构造并考虑了无线电波的到达范围以及根据eNB的容量和用户密度的容量，以确定eNB的实际服务区域。
例如，用户密度指示所需的呼叫数量，并且对应于UE密度。即，即使将无线电波到达范围确定为小区覆盖范围，如果小区容量仍不满足要求的呼叫次数，则可能存在无法支持该服务的区域，因此可能需要考虑在确定小区覆盖范围时，用户密度或与UE的所需呼叫量相对应的UE密度。
此外，当使用作为用于有效地布置eNB的传播分析方案的射线跟踪方案时，接收点的位置和密度可能与UE的位置和密度有关。
同时，用于有效地布置eNB的传播分析方案包括各种方法，例如本领域中常用的射线追踪方案或使用Hata模型的方案，因此不限于特定方法。
根据各种实施例的图像处理设备可以基于无线传播特性来配置用户密度(UE密度)，以便设计提供最佳覆盖范围的无线网络。
例如，如果在无线传播路径上的无线传播特性不佳，则根据各种实施例的图像处理设备可以通过在相应的无线传播路径上将用户密度(即，UE密度)配置为高来确定eNB的服务区域。
另一方面，如果在无线传播路径上的无线传播特性良好，则根据各种实施例的图像处理设备可以通过在相应的无线传播路径上将用户密度(即，UE密度)配置为低来确定eNB的服务区域。
当预测在无线传播路径上的无线传播特性时，根据各种实施例的图像处理设备可以使用与图像一起显示的多个层之间的重叠信息。
例如，根据各种实施例的图像处理设备可以基于与图像一起显示的建筑物层与树木层之间的重叠率或者与图像一起显示的道路层与树木层之间的重叠率，预测传播环境中的靠近建筑物或道路的树木的干扰水平、传播损耗率和无线传播特性。
因此，如果在与图像一起显示的建筑物层与树层之间的重叠率低，则在传播环境中建筑物附近的树木的干扰信息低，使得根据各种实施例的图像处理设备可以确定传播路径损耗低且无线传播特性良好，并通过在相应建筑物内将UE密度配置为低来确定eNB的服务区域。
例如，如图11所示，当在与图像1100一起显示的叶子层1101与建筑物层1103之间存在重叠区域时，在实际传播环境1110中，作为传播障碍物的建筑物1113附近的树木的叶子1111的干扰水平低，并且因此预测传播路径损耗低并且无线传播特性良好。
因此，当在叶子层1101与建筑物层1103之间不存在重叠区域或重叠区域较小时，无线传播环境良好。因此，UE的位置1117被配置为使得在与建筑物层1103相对应的建筑物1113内密度稀疏。例如，如图11所示，建筑物1113内的UE密度可以是每栋建筑物2个UE。
另一方面，如果在与图像一起显示的建筑物层和树层之间的重叠率高，则在实际传播环境中建筑物附近的树木的干扰信息高，使得根据各种实施例的图像处理设备可以确定传播路径损耗高且无线传播特性差，并通过在相应建筑物内将UE密度配置为高来确定eNB的服务区域。
例如，如图11所示，当在与图像1100一起显示的叶子层1101和建筑物层1105之间的重叠区域为25％时，在实际传播环境1120中，作为传播障碍物的建筑物1125附近的树木1121的干扰水平为中等，并且因此可以预测存在传播路径损耗并且无线传播特性不佳。
因此，如果在与图像1100一起显示的叶子层1101与建筑物层1105之间的重叠区域为高，则无线传播环境不佳，因此，可以将UE的位置1127配置为使得其密度在与建筑物层1105相对应的建筑物1125内是密集的。例如，如图11所示，建筑物1125内的UE密度可以是每栋建筑物10个UE。
因此，根据各种实施例的图像处理设备可以将叶子层与建筑物层(或道路层)之间的重叠信息插入无线传播参数中，基于多个层之间的重叠信息来预测无线传播环境，并在建筑物或道路内配置不同的UE密度，以便确定eNB的服务区域。
即，根据各种实施例的图像处理设备可以基于无线传播环境来配置UE密度，使得图像中包括的所有建筑物都属于eNB的服务区域。
根据各种实施例的图像处理设备可以基于根据从图像获取的层信息确定的无线传播路径损耗和UE密度信息来分析eNB的覆盖范围，并基于所分析的覆盖范围信息确定eNB的最佳数量和位置。
例如，根据各种实施例的图像处理设备可以通过基于与图像一起显示的多个对象层之间的重叠信息而获取的UE密度信息来获取关于eNB的最佳数量和位置的信息。
因此，根据各种实施例的图像处理设备可以仅通过以时间序列获取的卫星图像的图像信息来快速获取关于eNB的最佳数量和位置的信息。
图12示出根据本公开的实施例的图像处理设备基于多个图像获取的多条层信息获取射频设计信息的示例。
参考图12，根据各种实施例的图像处理设备可以基于与图像一起显示的多个对象层来预测无线传播特性，并且输出关于eNB的数量和eNB的位置的信息。
例如，影响传播路径损耗的原因可以是无线电波到达距离、频带、传播距离中的障碍物分布、建筑物或障碍物的高度、eNB的天线的高度、以及移动站的高度。
此外，为了确定eNB的实际服务区域，不仅可以考虑无线电波到达范围，而且还可以考虑根据eNB容量和用户密度的容量。
因此，根据各种实施例的无线传播参数可以包括叶子重叠信息、邻近建筑物或道路的数目的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率、对象属性信息和UE密度信息中的至少一项。
根据各种实施例的射频设计信息可以包括关于射频的设计点和设计的射频数量的一条或更多条信息。
根据各种实施例的图像处理设备可以基于从多个图像获取的多个层来获取无线传播参数。
例如，由于树木的叶子对传播特性的影响在如图7所示的无线通信系统设计中很重要，因此根据各种实施例的图像处理设备可以使用从与图像一起显示的建筑物层和叶子层获取的叶子重叠信息(叶子重叠率)，以便预测建筑物或道路上的树木或灌丛的叶子产生多少传播路径损耗。
例如，叶子重叠信息(叶子重叠率)可以包括关于与图像一起显示的建筑物层(或道路层)的与叶子层重叠的面积与建筑物层(或道路层)的面积的比的信息。
如图7至图11所示，根据各种实施例的图像处理设备可以预测出，由于基于与图像一起显示的多个对象层之间的重叠区域获取的叶子重叠信息(叶子重叠率)较大，在实际传播环境中靠近建筑物或道路的树木的叶子的干扰水平就较高。
此外，根据各种实施例的图像处理设备可以预测出，由于与图像一起显示的叶子层的面积较大，在实际传播环境中树木的叶子的干扰水平较高。
如图8所示，由于基于与图像一起显示的多个对象层之间的重叠区域获取的叶子重叠信息(叶子重叠率)较大，因此根据各种实施例的图像处理装置可以预测出传播路径损耗率较大，因此传播环境不佳。
如图9所示，由于基于与图像一起显示的多个对象层之间的重叠区域获取的叶子重叠信息(叶子重叠率)较大，介电常数和衍射系数变大并且穿透比率变低，使得根据各种实施例的图像处理设备不能很好地发送无线电波，因此可以预测传播环境不佳。
如图10所示，根据各种实施例的图像处理设备可以基于从图像获取的层信息来获取对象属性信息。
根据各种实施例，基于层信息由相应层指示的对象的属性信息可以以数据的形式预先存储在DB中。
例如，层信息可以包括与图像一起显示的层形状信息，并且层形状信息可以包括层的层边界形状信息或内部形状信息。
例如，对象的属性信息指示作为对象的地理特征的特征，并且可以包括指示对象的标识符的层代码、对象类型信息和数值信息。
根据各种实施例的图像处理设备可以基于层形状信息来预测由相应层、对象类型信息和对象尺寸信息指示的对象的类型。
例如，对象类型可以包括建筑物、道路和树木的叶子，对象类型信息可以包括关于SFU或MDU的信息，并且对象尺寸信息可以包括关于对象的宽度或高度中的至少一项的信息。
例如，如果层边界的形状是矩形，则由相应层指示的相应对象可以被预测为建筑物；如果层边界的形状是足迹形状，则由相应层指示的相应对象可以被预测为树木、叶子或灌丛；如果层边界的形状是与图像相交的矩形，则由相应层指示的相应对象可以被预测为道路。
根据各种实施例的层代码是由与图像一起显示的层指示的对象的标识符，并且可以包括关于对象类型和索引的信息。例如，如图12所示，与建筑物相对应的层代码可以表示为B#n，与叶子相对应的层代码可以表示为F#n，与道路相对应的层代码可以表示为R#n(n为自然数)。
例如，可以基于作为层的内部形状的建筑物的屋顶形状的信息来预测由相应层指示的相应建筑物的类型是SFU还是MDU。
例如，根据各种实施例的图像处理设备可以基于对象类型信息来获取由相应层指示的对象的尺寸信息。如果建筑物类型为SFU，则建筑物的高度信息为12m；如果建筑物类型为MDU，则建筑物的高度信息为20m。
例如，由于基于与图像一起显示的多个对象层之间的重叠区域获取的叶子重叠信息(叶子重叠率)较大，因此根据各种实施例的图像处理装置可以预测出在实际环境中相应树木的叶子的高度较高。
此外，由于与图像1000一起显示的叶子层1201的面积较大，根据各种实施例的图像处理设备可以预测出在实际环境1010中相应树木的叶子的高度较高。
此外，根据各种实施例的图像处理设备可以基于与图像一起显示的道路层1005的形状来预测实际环境中的对应道路1015的宽度。
如图11所示，为了设计提供最佳覆盖范围的无线网络，根据各种实施例的图像处理设备可以基于无线传播特性来配置用户密度(UE密度)。
根据各种实施例的图像处理设备可以基于无线传播环境来配置UE密度，使得卫星图像中包括的所有建筑物都属于eNB的服务区域。
如图11所示，由于基于与图像一起显示的多个对象层之间的重叠区域获取的叶子重叠信息(叶子重叠率)较大，因此根据各种实施例的图像处理装置可以预测出传播环境不佳，因此通过将相应建筑物内的UE密度配置为较高来确定eNB的服务区域。
因此，根据各种实施例的图像处理设备可以基于根据从图像获取的层信息确定无线传播路径损耗和包括UE的密度信息的无线传播参数来分析eNB的覆盖范围，并基于所分析的覆盖范围信息确定eNB的最佳数量和位置。
如上所述，根据各种实施例的图像处理设备可以基于从多个图像获取的多条层信息来获取无线传播参数值。
例如，如图12所示，可以将多条层信息与图像一起输出，叶子层1201、1203和1205，建筑物层1211、1212、1213、1214、1215、1216、1217、1218和1219，以及道路层1211可以与图像1200一起显示。
例如，可以基于关于与图像1200一起显示的叶子层1201、1203和1205，建筑物层1211、1212、1213、1214、1215、1216、1217、1218和1219，以及道路层1221之间的重叠区域的信息，来获取叶子重叠信息。
根据各种实施例的无线传播参数可以包括叶子重叠信息、邻近建筑物或道路的数目的叶子的干扰水平、传播路径损耗率、介电常数、衍射系数、穿透率、对象属性信息和UE密度信息中的至少一项。
根据各种实施例的图像处理设备可以从多个图像获取多条层信息，并且针对每个对象将基于多条层信息获取的无线传播参数以查找表的形式存储在DB中。
表1是示出了基于与建筑物相对应的层信息获取的无线传播参数值的表，表2是示出了基于与道路相对应的层信息获取的无线传播参数值的表，表3是示出了基于与树木的叶子相对应的层信息获取的无线传播参数值的表。
【表1】
【表2】
【表3】
根据各种实施例的图像处理设备可以基于从多个图像获取的多条层信息来获取无线传播参数值，基于所获取的无线传播参数值来预测实际的无线传播环境，并基于预测的无线传播环境获取射频设计信息。
例如，射频设计信息包括适当的小区大小、射频(eNB)的安装位置或关于安装数量的信息中的至少一项，并且适当的小区大小、eNB的的数量或eNB的位置中的至少一项可以被确定，使得图像中包括的所有建筑物属于eNB的服务区域。
例如，图像处理设备可以基于表1至表3所示的无线传播参数值来预测实际的无线传播环境，基于预测的无线传播环境来分析eNB的覆盖范围，并基于所分析的覆盖范围信息确定eNB的最佳数量。
根据各种实施例的图像处理设备可以进一步考虑图11所示的UE密度值以及表1至表3所示的无线传播参数值来预测实际的无线传播环境，基于预测的无线传播环境来分析eNB的覆盖范围，并基于所分析的覆盖范围信息确定eNB的最佳数量和位置。
此外，根据各种实施例的图像处理设备可以基于从图像获取的层信息来分析图像内的形态。
例如，形态是根据叶子层的分布和密度来确定土地用途，并且可以基于根据形态的损耗系数考虑传播环境来提高传播路径损耗的预测精度。
例如，形态是由自然环境、地形特征、房屋结构和布置特征作为用于设计无线网络的区域特征组而形成的多边形部分。
例如，根据各种实施例的图像处理设备可以通过考虑UE的密度值和如图11所示的根据形态的损耗系数只以及如表1至表3所示的无线传播参数值来提高无线传播环境的预测精度。
根据各种实施例的图像处理设备可以在预测无线传播环境时考虑该说明书中描述的无线传播参数中的至少一项，并且在考虑多个无线传播参数时通过对各个无线传播参数分配不同的权重值来执行重叠分析。
如图12所示，根据各种实施例的图像处理设备可以将从图4的第一图像400获取的第一层信息和从图5的第二图像500获取的第二层信息与第三图像1200一起输出，并显示叶子层1201、1203和1205，建筑物层1211、1212、1213、1214、1215、1216、1217、1218和1219，以及道路层1221。
如图12所示，根据各种实施例的图像处理设备可以通过无线传播参数值(包括叶子重叠信息、每个对象的属性信息、叶子的干扰水平、UE密度中的至少一项，是基于第三图像1200中显示的叶子层、建筑物层和道路层的面积和形状获取的)来预测实际的无线传播环境，基于预测的无线传播环境来分析eNB的覆盖范围，并且基于所分析的覆盖范围信息获取eNB的最佳数量(如图12的图像1210所示，其是2个，即eNB的位置1231和1233)。
因此，根据各种实施例的图像处理设备可以通过基于根据以时间序列收集的广大区域生成的卫星图像来预测实际的无线传播环境，从而快速地以低成本获取无线接入设计信息。
在本公开的上述详细实施例中，根据所呈现的详细实施例，本公开中包括的组件以单数或复数表示。然而，为了便于描述，选择单数形式或复数形式适合于所呈现的情况，并且本公开的各种实施例不限于一个元件或其多个元件。此外，在说明书中表述的多个元件可以被配置成一个元件，或者在说明书中的一个元件可以被配置成多个元件。
尽管已经在本公开的详细描述中描述了实施例，但是在不脱离本公开的范围的情况下，可以以各种形式修改本公开。因此，本公开的范围不应被限定为限于实施例，而应由所附权利要求及其等同物限定。
实施例和其中使用的术语不旨在将本文公开的技术限制为特定形式，并且应当理解为包括对相应实施例的各种修改、等同和/或替代。在描述附图时，相似的附图标记可用于表示相似的组成元件。单数表达可以包括复数表达，除非它们在上下文中明确不同。术语“A或B”、“A和/或B中的一个或更多个”、“A、B或C”或“A、B和/或C中的一个或更多个”可以包括它们的所有可能组合。在本公开的各种实施例中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可以修改对应的部件而不管其顺序或重要性，但不限制相应的部件。当元件(例如，第一元件)被称为“(功能上或通信地)连接到”或“直接耦合到”到另一元件(第二元件)时，该元件可以直接连接到另一元件或通过又一元件(例如，第三元件)连接到另一元件。
本文中使用的术语“模块”可以包括包括硬件、软件或固件的单元，并且可以例如与术语“逻辑”、“逻辑块”、“组件”或“电路”等互换使用。模块可以是集成组件、执行一个或更多个功能的最小单元或其一部分。例如，模块可以是ASIC。
本公开的各种实施例可以由包括存储在机器可读存储介质(例如，内部存储器或外部存储器)中的指令的软件(例如，程序)来实现。机器是可以从存储介质调用存储的指令并根据所调用的指令进行操作的设备，并且可以包括根据各种实施例的终端(例如，图13的终端1300)。指令在由处理器(例如，图13的处理器1320、图14的处理器1420或图15的处理器1520)执行时，可以使处理器直接执行与指令相对应的功能或使其他元件在处理器的控制下执行该功能。指令可以包括由编译器或解释器生成或执行的代码。
机器可读存储介质可以以非暂时性存储介质的形式提供。在此，术语“非暂时性”仅是指存储介质是有形的，而不包括信号，而不管数据是半永久地还是暂时地存储在存储介质中。
根据本文公开的各种实施例的方法可以被包括并提供在计算机程序产品中。计算机程序产品可作为产品在销售者与购买者之间进行交易。计算机程序产品可以以机器可读存储介质(例如，光盘只读存储器(CD-ROM))的形式分发，或者可以通过应用商店(例如，Play StoreTM)在先地分发。如果是在线发布的，则计算机程序产品中的至少部分可以是临时产生的，或者可将计算机程序产品中的至少部分至少临时存储在机器可读存储介质(诸如制造商的服务器、应用商店的服务器或转发服务器的存储器)中。
根据各种实施例的每个元件(例如，模块或程序)可以包括单个实体或多个实体，并且在各种实施例中，可以省略上述元件中的一些子元件，或者可以添加其他子元件。替代地或附加地，一些元件(例如，模块或程序)可以被集成到单个元件中，并且集成的元件仍可以以与相应的元件被集成之前相同或相似的方式执行由每个相应的元件执行的功能。可以顺序地、并行地、迭代地或启发式地来执行根据本公开的各种实施例的由模块、程序模块或其他元件执行的操作。至少一些操作可以以另一种顺序来执行或可以被省略，或还可以包括其他操作。
尽管已参考本公开的各种实施例示出和描述了本公开，但本领域技术人员将理解，在不脱离所附权利要求及其等同限定的本公开的精神和范围的情况下，可以对本公开做出形式和细节方面的各种改变。
