利用局部Moran’s I指数进行DEM地形简化

地形简化是构建多尺度DEM数据库的重要技术。基于DEM地形数据空间自相关特征,提出了一种利用Moran’s I指数的DEM简化方案,即在计算DEM格网单元局部Moran’s I指数的基础上,通过设定阈值提取候选地形特征点,进而重构结果 DEM。以黄土丘陵沟壑区为实验样区,将重要点法作为对比算法,从候选特征点分布、高程统计参数、地形结构特征等方面,对该方法的地形简化效果进行了分析。实验结果表明,基于地形空间自相关特征的DEM地形简化方法原理明确,技术方案易于实现,执行效率高,相对于重要点VIP地形简化算法,重构DEM能较好地保持地形的结构特征。     

利用地形信息强度进行DEM地形简化研究

在对现有的DEM地形简化方法进行总结分析的基础上,提出了一种利用地形信息强度指数的DEM简化方案.首先提取DEM点位地形信息强度指数值,然后通过阈值法确定候选地形特征点重构DEM,以国家基本比例尺1∶5万DEM作为参照目标,并将重要点法和三维道格拉斯法作为对比方法,对应用该方法进行地形简化的效果进行了综合评价.实验结果表明,该方法应用于大范围DEM简化中可以有效地保留地形骨架的结构特征,同时具有较高的数值精度,可以满足不同层次的多尺度DEM建模的要求.     

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...     

融合嫦娥一号CCD影像与DEM数据的月球撞击坑自动提取和识别

针对现阶段月球撞击坑定量信息提取不足和误提取的问题,本文提出了一种融合CCD影像和DEM数据进行撞击坑的自动提取及识别的算法。（1）在太阳光照下,撞击坑的影像特征满足特定的规律,通过条件匹配在CCD影像中提取撞击坑;（2）在DEM中,利用撞击坑坑壁点的坡向值的连续性,对影像中误提取的撞击坑进行剔除;（3）在DEM中,利用撞击坑边缘点法向量的突变性,提取撞击坑边缘点并进行拟合,计算撞击坑的参数,通过坑底点云所占比例以及剖面线特征识别撞击坑的类型。经过“嫦娥一号”影像与DEM数据的验证,该算法在高纬度月球撞击坑分布均匀的区域应用效果较好。     

河网线要素与DEM综合的三维Douglas-Peucker算法

目前三维Douglas-Peucker(3D_DP)算法主要应用于单一类型的DEM综合。本文引入"弯曲调节指数"来改进3D_DP算法,提出了一种三维空间河网要素与DEM综合的新方法,即将河网线矢量提取成三维离散点数据集(增加高程属性),与DEM三维离散点数据集合并,在河网层次化选取基础上,利用改进的3D_DP算法对合并数据集进行综合操作。通过试验结果的对比和分析表明,该方法通过弯曲调节指数的调节使河流自身所具有的弯曲形态与地形的主要特征得以同时保留,试验效果良好,实现了三维空间河网要素与DEM数据在同一简化因子作用下的综合,提升了地图综合的质量。     

DEM信息伪装算法的灰色多层次评价模型

文中提出一种基于灰色多层次模型进行的DEM信息伪装算法评价方法,可以更好地保证DEM数据在存储和传输中的安全。结合影响因素,建立多层次的评价指标体系,并利用层次分析法思想确立各项指标的权重系数;然后根据灰色理论中的关联度分析方法,构建用于DEM信息伪装的灰色多层次评价模型;最后利用该方法对4种算法进行实例评价并做简要分析,得到的结果真实可靠,可以为DEM信息伪装算法选择提供依据。     

海岛(礁)DEM成果的质量检查技术与方法

针对海岛(礁)DEM成果的特殊性和质量检验方法研究不足的现状,该文在分析传统方法的基础上,提出了一套适用于大批量海岛(礁)DEM成果质量检验的流程及技术方法:根据海岛(礁)DEM成果特征,分析了需要检验的质量元素,确定了不同质量元素的检验方法;进一步区分出可以采用程序自动检查的质量元素,并通过建立检查规则库,实现了部分检查项的批量自动检查;然后,研究其余质量检查项的实现方法,明确了内外业分工,完善了质量检查项的人机交互检查。最后,对3000余幅海岛(礁)DEM成果质量检验的结果表明:本文提出的技术路线可行,质量评价结果客观可靠。     

利用一种新的中骨线算法进行DEM精细化

通常用高程点、等高线生成DEM后,会损失DEM细节特征,产生"大平三角""平山顶""DEM拉花"等问题.本文研究一种新的中骨线算法,利用软件编程自动生成带高程的特征中骨线,重新与原始高程点、等高线生成DEM,可起到增强DEM细节特征、去除"大平三角""平山顶""DEM拉花"等问题,达到DEM精细化的效果,减少人工手工添加"特征线"的工作.     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。     

利用质心Voronoi图对地形自适应简化的算法

地形简化算法利用少量有效的地形信息表达整体地形,能很好地解决海量地形数据与计算机硬件之间的矛盾,同时满足多尺度地形应用需求。针对现有地形简化算法难以兼顾局部地形起伏与地形整体特征的问题,提出一种基于质心Voronoi图的地形自适应简化算法。首先,利用质心Voronoi图的特点,以地形起伏度作为密度函数生成质心Voronoi图;然后,利用分布在地形起伏较大区域的质心Voronoi图种子点及大多分布在地形特征线上的Voronoi区域顶点重构地形;最后,通过原始地形与重构地形的特征线验证地形简化的效果,并与三维道格拉斯-普克（3D DouglasPeucker,3D DP）算法进行精度对比。实验结果表明,从简化地形中提取的山脊线、山谷线、等高线等地形特征线与原始地形的重叠度均较高,算法能较好地保持地形整体特征;且在相同的简化级别下,算法的简化误差小于3D DP算法,具有较高的地形简化精度。     

基于ANUDEM与山脊抬升的DEM简化

为在DEM简化过程中充分保留地形骨架信息,提出一种基于ANUDEM与山脊抬升的DEM简化方法。利用ANUDEM插值法获得顾及水文要素的DEM简化表面,并对简化DEM实施山脊抬升,从而得到顾及地形骨架的简化表面。实验表明,在简化DEM中实施山脊抬升能够更大程度地增强简化表面山体结构的保留程度,且随着地形简化程度的降低,山脊抬升法的作用也逐渐增大。     

倾斜影像中提取高精度DEM的方法研究

针对传统航空影像获取的DSM在立面及局部地面、建筑物屋顶空间信息的不足,获取高精度DEM较为困难的问题,提出了基于倾斜影像提取高精度DEM的方法。首先对倾斜影像获取的点云DSM结构进行分析,得出了DSM具有几何约束特点,能够在城区很好地区分地面点和地物点;然后指出对DSM滤波处理是获取高精度数字高程模型（DEM）的关键技术,提出了基于法向量差值区域生长分割TIN的滤波方法;最后选取吉林省敦化市的倾斜影像数据进行了滤波试验和算法验证。试验结果表明,该方法能够快速、有效地滤除不同尺寸的建筑物、植被和其他地物,获取高精度DEM。     

地形特征提取的一种简易算法

地形特征作为基本地理要素,从DEM数据中提取其隐含的地形结构信息是非常重要的。本方法采用距离倒数加权法建立格网DEM,提出一种直接比较高程值来提取地形特征的简易算法,并利用差分算法计算坡度和坡向,通过V isual C++软件平台,编程实现格网DEM地形特征的自动提取,进行三维立体显示。该算法易于编程实现,数据结构简单,程序运行效率高,提取结果与真实地形基本拟合。     

基于流域DEM遍历的3维淹没分析算法

在基于DEM遍历进行淹没分析基础上,提出了基于流域范围约束的DEM遍历算法,减少DEM遍历阶数,以提高计算速度。同时,将算法付诸于代码实现,在算例中与全局遍历进行对比测试。其对比结果表明,基于流域DEM遍历的淹没分析算法速度更快,计算结果可信。在大数据量条件下,速度优势更为明显,而在流域特征显著的地形条件下,计算结果精度高,与全局遍历结果基本一致。本文所研究的基于流域DEM遍历算法使得淹没分析更高效,对水文水力的研究与生产提供了捷径。     

平坦地区DSM到DEM的试验

讨论了平坦地区根据影像匹配的结果将DSM修正成DEM的方法,针对平坦地区一般都有建筑物和树木,利用其本身的地形特点,提出附近最小值方法自动修正DSM以获得近似正确DEM的方法。并对试验结果的精度进行了检查,发现试验的结果比影像匹配后的结果要精确许多,将建筑物和树木等植被的高程去掉,得到比较精确的DEM数据。     

利用特征显著度提取地形特征线的方法

针对现有的地形特征线提取方法不能根据特征强弱对提取结果进行方便的筛选控制的问题,提出了一种基于特征显著度的山脊和山谷线提取方法。首先,对数字高程模型数据进行高斯滤波和下采样;然后,通过全局断面扫描确定特征点,并根据高度、高度落差和坡度计算特征显著度,在进行特征延伸后构造特征图,利用最小生成树算法得到特征森林;随后进行枝干分解并计算各枝干的特征显著度,根据特征显著度进行枝干裁剪;最后,通过尾钩剔除、位置修正和平滑等后处理得到最终特征线。实验结果表明,该方法能提供给用户方便有效的手段以根据特征显著度对特征进行筛选控制,提取的特征线与实际地形相符,有良好的抗噪能力且能较好地处理平坦地形特征。     

LiDAR测量点云融合影像的分块滤波方法

针对现有LiDAR地面点滤波算法对复杂地形地物适应性不强的问题,本文提出了一种融合点云与地面影像分块滤波的方法。首先,将地面影像与点云匹配,使点云从影像中获取更多的光谱纹理信息。然后,分析地物光谱、林地相对密度、点云高程特征、地面DSM模型及其坡度,并基于决策级融合将原始点云切割成若干独立的区块。最后,根据每块区域不同的多元细节特征,对IPTD滤波算法进行改进并利用搜索法优化参数,得到最优且稳健的结果。利用滤波后的总地面点通过插值算法得到的DEM模型和相关试验验证了本文算法的优越性。     

地形特征约束下的失真DEM修复方法

数字高程模型（DEM）在描述地形时会存在一定程度的失真现象,对失真DEM进行修复可以有效地提高其精度及保真度。本文针对DEM在描述规则地形时存在的失真现象,提出了用地形特征约束失真DEM形态结构的失真修复方法,以规则地形中的平地结构地形为例,进行了失真修复试验。首先根据地形特征确定平地地形的DEM应为平面结构,再采用最小二乘法（LS）及随机抽样一致性算法（RANSAC）对其平面方程进行参数估计,进而得到修复的DEM数据。试验结果表明,本文所提的修复方法有效可行,修复后的DEM数据不仅提高了精度,还能充分地反映原地形的地形特征。两种修复算法的修复能力相接近,当存在大量格网点时,都能达到很好的修复效果,但RANSAC更能适应高程异常的情况,鲁棒性更好。     

面向高光谱影像分类的显著性特征提取方法

针对高光谱影像分类问题,提出了一种显著性特征提取方法。首先,利用超像素分割算法将高光谱影像3个相邻波段分割为若干个小区域。然后,基于分割得到的小区域计算反映不同区域的显著性特征。最后,沿着光谱方向采用大小为3、步长为1的滑窗法获得所有波段的显著性特征。进一步将提取的显著性特征与光谱特征进行结合,并将结合后的特征输入到支持向量机中进行分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验。试验结果表明,与传统的空间特征提取方法和基于卷积神经网络的高光谱影像分类方法相比,提取的显著性特征能够获得更高的高光谱影像分类精度,且结合光谱特征能够进一步提高分类精度。     

特征重标定网络的高光谱影像分类方法

高光谱影像特征的利用率对提高其分类精度具有重要意义。为充分利用影像的特征,提出了一种特征重标定网络的高光谱影像分类方法。该方法通过全局平均池化将特征图转换为具有全局信息的实数,利用全连接层与非线性层生成能够代表各通道相对重要性的权值,进而采取加权法完成初始特征的重标定。为验证该方法的有效性,选取PaviaU和KSC两组高光谱影像数据进行实验。结果表明,提出方法总体分类精度分别达到98.38%和95.61%,可为高光谱影像提供有效的类别判定特征,有助于提高影像分类精度并获取平滑的分类结果图。