[發(fā)明專利]地表坡向約束的高分辨率DEM地形特征增強提取方法

有效

• 申請?zhí)枺?/td>: 202110106064.X
• 申請日: 2021-01-26
• 公開（公告）號: CN112861669B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 謝瀟;周熙然;薛冰;鄂超;甘文霞
• 申請（專利權(quán)）人: 中國科學(xué)院沈陽應(yīng)用生態(tài)研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46
• 代理公司: 北京華專卓海知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11664
• 代理人: 李巨智

1.一種地表坡向約束的高分辨率DEM地形特征增強提取方法，其特征在于，包括：

DEM生成柵格產(chǎn)品，根據(jù)所述柵格產(chǎn)品的柵格像素在其周圍均勻分布的8個方向上的相鄰像素，計算所述柵格像素的坡向值，將連續(xù)的坡向通過離散的柵格進(jìn)行劃分，得到地表坡向的多個值域區(qū)間；

設(shè)置地表坡向的坡向粒度，建立適用于高分辨率DEM地貌特征提取的增強模型；所述坡向粒度為：

其中，H為坡向粒度；N為離散的坡向產(chǎn)品的值域區(qū)間個數(shù)；

通過所述增強模型從米級或亞米級的高分辨率DEM數(shù)據(jù)中提取地形特征；

所述建立適用于高分辨率DEM地貌特征提取的增強模型，包括：

建立坡向約束的基于曲率的模糊分類提取模型；或

建立坡向約束的基于曲率的模糊分類提取模型和坡向約束的基于曲率的LBP提取模型；或

建立坡向約束的基于曲率的模糊分類提取模型和坡向約束的基于曲率的SLIC提取模型；

所述坡向約束的基于曲率的模糊分類提取模型為：

其中，f(x_o，y₀)是坡向約束的基于曲率的模糊分類提取模型；C(x_o，y₀)是像素的曲率均值；θ1、θ2是所要提取特征要素各類別的閾值；AD₊(x_o，y_o)和AD_-(x_o，y_o)表示在兩個相反方向上的坡向差。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計算所述柵格像素的坡向值，包括：

A(x₀，y₀)＝57.29578*atan2(Φ₁-Φ₂)

其中，A(x₀，y₀)為柵格像素(x₀，y₀)的坡向值，Φ₁和Φ₂分別為第一角度和第二角度，通過下式計算得到：

其中，nw、n、ne、w、e、sw、s、se分別表示8個方向，即西北、北、東北、西、東、西南、南、東南。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立坡向約束的基于曲率的模糊分類提取模型，包括：

計算任一像素點和其相鄰的8個像素之間的坡向差；

判斷兩個相反方向的坡向差，如果其中一個坡向差大于坡向粒度，另一個坡向差小于坡向粒度，則將所述像素點標(biāo)記為1；否則，將所述像素點標(biāo)記為0；生成坡向標(biāo)記地圖；

建立坡向約束的基于曲率的模糊分類提取模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立坡向約束的基于曲率的LBP提取模型，包括：

設(shè)置高分辨率DEM中的3×3的像素窗口，通過三元模式將所述像素窗口的中心像素與其8個相鄰像素的值進(jìn)行比較，得到LBP提取模型：

其中，p₀為像素窗口的中心像素值；p_a為8個相鄰像素中任一個的值；lbp(p₀-p_a)為坡向約束的基于曲率的LBP提取模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立坡向約束的基于曲率的SLIC提取模型，包括：

步驟1：初始化種子點；

步驟2：計算種子點的n*n鄰域內(nèi)的所有像素點的梯度值，將梯度值最小的像素點作為優(yōu)化后的種子點；

步驟3：搜索優(yōu)化后的每個種子點在搜索范圍內(nèi)的像素點；

步驟4：計算搜索范圍內(nèi)每個像素點到對應(yīng)種子點的距離，得到距離度量；所述距離包括屬性距離和空間距離；

步驟5：將到所述像素點的距離度量最小的種子點作為該像素點的聚類中心，為每個像素點分配對應(yīng)的類標(biāo)簽；

步驟6：迭代步驟1～步驟5，直至誤差收斂，得到坡向約束的基于曲率的SLIC提取模型。