基于DEM汇流模拟的鞍部点提取改进方法

鞍部点是重要的地形控制点之一,由于其特殊的形态特征,基于DEM的鞍部点提取算法较山顶点、山谷点提取更为困难.本文提出一种基于DEM汇流模拟的鞍部点快速提取改进算法.该算法利用DEM地表汇流模拟的方法提取山脊线,利用地形倒置得到的反地形地表汇流模拟提取反地形流域边界线,获得能自动实现地形部分的原始地形汇水线,进而通过特征...     

基于LRIS-3D建立高分辨率DEM的方法及对比研究

在基于LRIS-3D系统建立高分辨率DEM基础上,以黄土高原丘陵沟壑区桥沟小流域为对象,利用GIS工具,以三维激光扫描系统扫描数据为基础数据,研究基于DEM的数字地形特征和水文特征的提取与分析方法。研究结果表明：与普通DEM相比,高分辨率DEM提取研究区平均坡度变小、坡度标准差变大,总体地形向平坦转化,坡面曲率增大,沟壑密度增大,更详细地描述了地表特征。对流域水文过程分析、特别是对流域汇流的参数确定及汇流模型的建立有积极作用。     

利用DEM边缘检测进行黄土地貌沟沿线自动提取

在分析黄土地貌沟沿线形态特征的基础上,提出了基于规则格网DEM,通过引入边缘检测算子提取并连接沟沿线候选点,并借助形态学方法滤除细碎线段,最终生成沟沿线的方法。黄土丘陵沟壑区的实验结果显示,Sobel、Roberts、Prewitt梯度算子检测得到的沟沿线封闭性较差,线段较零碎,与实际沟沿线不符,不适用于沟沿线的自动提取;而LOG算子提取的线段连续、精度高,是理想的沟沿线检测算子,能够实现黄土地貌沟沿线较准确、有效的自动提取。     

地形开度和差值图像阈值分割原理相结合的黄土高原沟沿线提取法

鉴于地形正负开度对地貌的良好表达且具有分析尺度灵活性这一重要特性,本文提出一种借助地形正负开度及其差值图像阈值分割的黄土地貌沟沿线提取方法。首先,计算DEM的地形正负开度,对正负开度进行差值运算以得到开度差值图;然后,对开度差值图进行阈值处理以得到研究区正负地形空间分布特征;最后,借助数学形态学原理完成对二值化开度差值图正负地形边界——沟沿线的自动提取。试验采用高分辨率DEM数据对陕西洛川塬部分地区进行沟沿线信息提取。结果表明,与其他提取技术方法相比,该方法不仅增强了地貌基本形态特征在沟沿线提取过程中的作用与影响,同时也在一定程度上实现了沟沿线提取的精确化和自动化。     

基于Snake模型的建筑物群移位算法改进研究

在对Snake模型研究的基础上,结合建筑物群在移位中的特点,从2个方面对Snake模型进行改进:首先,在Snake模型中加强对齐排列建筑物群这一重要空间特征的识别,以便保持对齐排列建筑物群在移位前后不变;其次,针对传统Snake模型有时无法解决两个建筑物空间冲突的缺点,对街区中的建筑物群实行分层次移位,先将有冲突的两个建筑物作为整体,与剩余其它建筑物利用Snake模型一起移位,然后再根据文中提出的建筑物间相互冲突的4种受力模型,进行建筑物间空间冲突的移位。最后利用改进的Snake模型进行移位实验和分析。     

区域生长与GVFSnake模型相结合的水域边界提取

利用梯度矢量流GVF(Gradient Vector Flow) Snake模型实现了全色遥感影像上水域边界的智能提取.对于形状特别复杂的水域,单独利用GVF Snake模型提取其边界,存在着人机交互繁琐、时间消耗大、提取精度有待提高等问题.为了解决这些问题,提出了一种自动初始化的GVF Snake,利用区域生长法自动...     

多分辨率体素地形建模算法及实验分析

针对基于面模型的战场地形要素建模与可视化的不足,提出利用体素模型实现战场环境地形要素的建模与可视化方法和基本思路。对基于特征点的双重移动立方体算法进行改进,实现体素地形的可视化表达,引入体素地形可视化的影响因子便于对体素地形可视化效果的控制,通过实验进行分析,得出最佳取值空间。     

基于数字水深模型的水深浅点快速提取

针对目前手工作业选取水深浅点效率低、易发生遗漏等不足,本文以数字水深模型为基础对其进行地貌翻转,将水深浅点转化为洼点,利用水文流域模拟原理计算出相应区域的汇流累积量,结合邻域窗口最大值扫描获得汇水量极大值点,从而实现了水深浅点的快速、自动提取。汇流累积量夸大了局部地形变化,可更有效地提取潜在水深浅点,确保舰船安全。     

复杂水体边界提取的改进正交T-Snake模型

引入拓扑自适应动态轮廓(T-Snake)模型并进行了改进,设计了合适的能量函数,提出了目标内部岛状空洞引起的拓扑冲突的检测与处理机制,实现了包含河中岛的复杂河流边界的精确提取。针对模型初始轮廓需手动构造的缺点,利用影像分形维数最小值获取水体内部区域并实现轮廓自动初始化。试验表明,该方法可有效提取水体深凹边界和含河中岛的河流边界,在精度和效率上优于传统Snake和GVF Snake模型。     

基于自适应和多尺度数学形态学的点云数据滤波方法

数学形态学滤波是从激光雷达(LIDAR)点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题的基础上,提出一种改进的、多尺度的、具有一定自适应性的数学形态学滤波算法.该方法通过构建一个粗糙的地面不规则三角网(TIN)来确定实验区域的地形特征,从而选择恰当的地形坡度参数,用于多尺度数学形态学滤波中高差闻值的计算.将每次迭代前后高差小于阈值的点划分为地面点,同时保留地面点的高程值用于下次的迭代计算.实验结果表明该方法能够有效识别地面点和地物点,并且保留地形的细节信息.