空间剖分提取山顶点的方法

山顶点作为重要的地形特征要素,其提取方法一直是数字地形分析的重要研究内容之一。此处将水文模拟提取归结为空间剖分的一种,将山顶控制范围作为山顶提取的空间分布约束条件,提出一种基于空间剖分原理的山顶点提取方法。该方法根据山顶地形形态特征,分别通过水文模拟分析、等高线剖分来获取山顶影响区域与候选控制范围,通过确定山顶适宜控制范围来提取山顶点。以开县地区作为实验样区,通过该方法所得山顶点空间分布结果合理,符合传统山顶认知和地形形态特征。     

一种基于流域剖分的山顶点提取方法

山顶点自动提取是数字地形分析的重要研究内容之一。本文总结了山顶点自动提取的主要技术方法。在此基础上,以基于流域剖分的山顶点自动提取方法为主线,详细阐述了流域剖分模型的建立过程。以大兴安岭与东北平原过渡的草原丘陵地带为试验样区,以ArcGIS Python框架为地理处理平台,对模型进行了实现与验证。并深入讨论了高差阈值对模型精度的影响,为山顶点自动提取提供了一种新思路。     

基于DEM的山顶点高精度提取模型研究

山顶点是重要的地形特征点之一,针对现有的基于DEM的山顶点提取算法存在的缺陷,文中依据山顶点的地形形态特征,构建基于基准面逐次下降法的新型山顶点提取模型。在基于全国1：100万DEM上的实验测试表明,该模型具有很好的应用价值。     

基于反地形DEM的山顶点自动提取

提出反地形DEM(R-DEM)的概念及基于DEM数据建立.R-DEM的技术方法.试验中通过构建反地形汇流累积矩阵,将原始山顶点转化为反地肜上汇流累积量最大点,实现对山顶点的快速、高效提取.     

改进的约束数据域三角剖分算法及应用

在逐点插入算法的基础上,通过深入研究影响算法效率提高的因素,对其中的包容盒、空外接圆检测算法、快速查找点所在的三角形算法、快速查找与约束线段相交的边算法进行优化和改进,提出一种改进的约束数据域三角剖分算法,使得构网效率接近或高于现行的大多数算法,且基于此算法能同时处理约束线段和约束区域相关的多种约束数据类型。     

改进的约束数据域三角剖分算法及应用

在逐点插入算法的基础上,通过深入研究影响算法效率提高的因素,对其中的包容盒、空外接圆检测算法、快速查找点所在的三角形算法、快速查找与约束线段相交的边算法进行优化和改进,提出一种改进的约束数据域三角剖分算法,使得构网效率接近或高于现行的大多数算法,且基于此算法能同时处理约束线段和约束区域相关的多种约束数据类型.     

利用DEM提取山顶点精度研究

山顶点是重要的地形特征点之一,针对现有的基于DEM的山顶点提取算法存在的缺陷,本文首先依据山顶点的地表形态特征,建立了基于最大起伏度阈值的山顶点提取模型;然后,以黄土丘陵1:5万不同格网属性DEM为基础,分析了DEM格网属性对山顶点提取精度的影响特征;最后,基于1:100万DEM提取了中国内陆山顶点数量及分布情况。研究结果表明:① 基于最大起伏度阈值的山顶点提取模型提取的山顶点符合实际地形意义,具有很好的应用价值。② 对于已知综合尺度的地形,存在最佳DEM格网分辨率阈值,当实际DEM格网分辨率不低于该阈值时,提取的山顶点具有很好精度,否则提取的山顶点数量及空间位置均存在不确定性偏差;③ 在我国的1:100万DEM中,中国内陆满足海拔高度500 m以上、相对起伏大于200 m的山顶点共有40 038个。     

山顶点类型及其形态特征数字表达

山顶点提取方法决定着山体部位划分结果的正确性和微地形自动分类效率。以高程和等高线为参考提取山顶点的方法存在伪山顶点剔除不完全和局部山顶点丢失的问题,依据山顶点邻域坡向呈均匀分布规律,提出了基于坡向分布特征的山顶点提取方法,构建了以山顶点为中心的邻域坡向顺时针逐渐递增模型,并以山脊线拟合和深度优先搜索（depth first search,DFS）算法的递推思想,剔除提取结果中的伪山顶点。顾及实体数字高程模型（digital elevation model,DEM）地形破碎对提取方法的影响,采用了模拟DEM和实体DEM分别进行实验和分析。实验结果表明,坡向分布特征法避免了传统基于封闭等高线提取山顶点时主观选取阈值的不确定性;模拟DEM因其连续、光滑,山顶点提取准确率可达到100%,而实体DEM沿用模拟DEM机制,因其地形破碎导致的不可适性,通过调整坡向分布约束条件可予以改善,实验提取准确率平均可达到96.1%。

     

基于改进AKIMA算法的等高线山顶点提取

山顶点是重要的地形特征点之一,其自动提取是数字地形分析的重要内容之一。研究从等高线数据中提取山顶点的角度出发,采用AKIMA算法的改进方法——三点求导分段三次多项式插值方法,将其应用于等高线山顶点提取及其高程插值,并分别以等高线数据和DEM数据作为源数据进行山顶点提取实验。研究结果表明:与邻域分析方法相比,本方法具有更高的算法效率的同时还能保证更高的正确率,且提取的山顶点高程精度符合要求。     

基于全球剖分网格的空间数据编码方法

针对不同平台的空间数据编码规则各不相同、互不一致,导致关联检索困难的问题,提出了一种基于GeoSOT全球剖分网格的空间数据编码方法,探讨了其特点与优势,分析了编码生成效率和基于此编码的空间数据检索效率。试验结果表明:基于GeoSOT全球剖分网格的空间数据编码算法耗时短、效率高;与传统的基于经纬度和R-树的空间数据检索相比,基于GeoSOT编码的检索在关系型数据库中效率提高显著,且查询的空间范围越小,效果越明显。     

基于栅格DEM的地形特征提取与分析

以陕北延安地区燕儿沟流域为实验样区,运用比较分析法和数理统计法进行基于栅格DEM的地形特征提取和分析,以及DEM分辨率对地形特征的影响,并计算和比较了地形特征的空间统计分布。研究表明:一个相对真实的DEM能够通过修改生成DEM的基本材料,以及对DEM进行再加工而获得。由于DEM分辨率的不同,由此得到的地形特征值(如坡度、地形指数、河网密度等)在统计特性上也会随之变化。随着DEM分辨率的降低,坡度减小,地形坦化,地形指数均值变大,流域总面积变大,子流域数量减少,河流总长度减小,河网密度降低。     

融合随机森林和超像素分割的建筑物自动提取

建筑物是城市空间的重要部分,建筑物信息的提取对基础地理空间数据库更新、城市规划、城市动态监测等具有重要意义.基于遥感影像数据提取建筑物信息具有非常广泛的应用,本文提出了一种基于随机森林和超像素分割算法,并从机载激光点云和数字航空影像数据中自动提取建筑物的方法.试验选取广州市海珠区某处为研究区域,结果表明:在一般的城市区...     

基于规则格网DEM的等高线提取算法的优化与实现

随着DEM数据获取质量的日渐提高,利用规则格网DEM准确快速地提取等高线已经成为等高线自动绘制及DEM精度评估的重要方法之一。本文在传统算法的基础上,提出了遍历状态值、中心点符号法、"视点"等概念,分别对格网遍历原则、等高线走向二义性问题及等高线方向一致性处理等方面进行了优化,并使用C++语言在VC++6.0集成开发环境中实现了该算法。     

基于DEM的山地鞍部点分级提取方法

本文以地形起伏变化较大的陕北黄土丘陵沟壑区为例,通过流域边界线上高程相对低点的自动识别,实现基于DEM数据的地面鞍部点自动获取。实验结果显示,采用该方法所提取的地面鞍部点具有层次结构显著、提取精度高、操作简便、便于确定重要性等级及与山顶点空间关系等优点,对于DEM地形特征点簇的构建与分析具有重要意义。     

基于实例分割模型的建筑物自动提取

传统的遥感影像目标提取方法大多采用目视解译或基于像素信息进行处理,难以适用于高分辨率影像中的复杂场景。而现有的卷积神经网络语义分割模型,由于难以达到较高的精度会出现提取目标粘连的情况。针对该问题,本文对实例分割模型Mask R-CNN进行改进,提出了一种高效、准确的高分辨率遥感影像建筑物提取算法。首先,在Mask R-CNN原有的特征提取部分每个层级的特征图后再增加一层卷积操作,以降低上采样造成的混叠效应;然后,在原有掩膜预测结构的基础上增加一个分支,改善掩膜预测的效果;最后,将改进后的网络在建筑物数据集上进行训练。结果表明,本文方法能够准确独立预测每个建筑物顶部,没有目标粘连情况,且mAP值较Mask R-CNN有所提高,能够有效实现遥感影像建筑物精细化提取。     

最优分割尺度的滑坡信息提取

针对面向对象的遥感影像分析技术这一热点问题,通过研究滑坡的地学特征和影像特征,基于QuickBird多光谱影像,提出了一种先对Quickbird影像进行多尺度分割,然后利用改进的分割质量评价函数来选择滑坡最优分割尺度,最后在最优分割尺度上构建滑坡提取规则集并进行滑坡信息提取的方法。该方法通过对提取的滑坡信息进行精度验证与分析,能使对象内部异质性和对象之间异质性达到综合效果最好。结果表明:滑坡体的正确提取率为75.86%,本文方法具有一定的可靠性和准确性。     

基于边界特性改进直方图门限法的道路提取

针对经典边缘检测算子在提取道路边缘时,易于受到房屋边界、地类界等线性目标的干扰,使得检测出道路边缘的同时混有其它非道路线现象,提出一种基于边界特性改进直方图门限算法提取道路边缘像素,利用边缘像素改善直方图检测道路像素的方法。该算法首先获取道路边缘像素,然后通过形态学运算得到初始道路段,细化获取道路中心线,最后对其进行判断编组连接得到道路网络。     

正六边形规则格网表达的DEM谷地线提取

基于规则格网DEM谷地线提取受格网的几何形态、空间剖分和网格布局影响较大.传统的四边形格网D8 算法中,四边形网格的角邻域与边邻域存在的距离度量差异,影响了其计算结果对于地形变化的表达在两方向上的均衡性,从而影响了谷地线提取结果.六边形格网具有邻域一致、各向同性、紧凑、采样率高等优点,在空间场建模中越来越得到重用.本文旨在探求六边形格网结构在DEM谷地线提取中的性能特征,发现其与四边形格网比较的突出优势.基于六邻域处理单元,对六边形格网DEM谷地线提取过程中填洼、流向计算及平地区域流向判定作预处理,然后对流向线作拓扑连通组织,从而实现基于六边形DEM的谷地线提取.本文比较发现六边形方法在谷地线形状特征保持方面能力强,随着分辨率减小,六边形DEM所提取的谷地线与实测数据吻合程度高,弯曲特征继承性强.同时,在相同数据存储量条件下,六边形DEM数据精度更高,且其提取的谷地线网络的形状特征更为精细.     

基于自适应图像分割自动提取道路中心线

道路是城区地理空间信息中最重要的基础设施之一,从高分辨影像中自动、快速的提取道路特征,是快速更新城市道路网信息的重要途径。文中在分析道路基本特征的基础上,选择基于自适应结构元素的形态分析算法提取初始道路区域;引入面积和长宽比等形状指数,得到较精确的道路信息;最后,采用Hilditch细化算法,并进行优化处理。实验证明,该道路提取过程中无需人工设置参数,且能够得到具有较高完整性和正确性的道路中心线。     

Landsat影像冰川提取的上下文感知语义分割网络法

针对冰川提取存在云阴影、山体阴影、结冰湖泊等同物异谱、同谱异物导致难以有效区分的问题,设计了一种用于冰川提取的上下文感知深度学习语义分割网络。首先引入resnet50作为基准编码网络,以实现冰川特征提取的精度和效率平衡,其次针对现有语义分割网络存在上下文信息学习不足方面,设计了包括空洞卷积组块和最大池化组块的上下文信息提取层,以便更好地提取冰川的上下文信息。选择多景样本数据和验证数据的多源遥感影像进行试验,与现有基于特征指数的冰川提取方法、其他深度学习语义分割网络方法进行定性和定量对比,结果表明本文网络方法在结冰湖面等误提取,阴影的漏提取,以及提取结果完整性等方面,具有较好的效果,验证了本文方法的有效性与稳健性。