CN106558054B - 一种基于分水岭的山脊线提取方法 - Google Patents

一种基于分水岭的山脊线提取方法 Download PDF

Info

Publication number
CN106558054B
CN106558054B CN201610926200.9A CN201610926200A CN106558054B CN 106558054 B CN106558054 B CN 106558054B CN 201610926200 A CN201610926200 A CN 201610926200A CN 106558054 B CN106558054 B CN 106558054B
Authority
CN
China
Prior art keywords
cut zone
contour
cut
region
terrain graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610926200.9A
Other languages
English (en)
Other versions
CN106558054A (zh
Inventor
曲兆松
郑钧
王希华
刘俊星
任明轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING SINFOTEK TECHNOLOGY Co Ltd
Original Assignee
BEIJING SINFOTEK TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BEIJING SINFOTEK TECHNOLOGY Co Ltd filed Critical BEIJING SINFOTEK TECHNOLOGY Co Ltd
Priority to CN201610926200.9A priority Critical patent/CN106558054B/zh
Publication of CN106558054A publication Critical patent/CN106558054A/zh
Application granted granted Critical
Publication of CN106558054B publication Critical patent/CN106558054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明的地形图像山脊线提取方法，它包括找出为分割线，由该分割线在地形图像中分割出区域为第一分割区域、第二分割区域、第三分割区域……；标注出第一分割区域、第二分割区域、第三分割区域……中每个像素的灰度值，并且将上述每个区域中灰度值相同的点就近连接起来，分别画出上述第一分割区域、第二分割区域、第三分割区域……的等高线折线；然后拟合出并画出每根等高线折线的等高线曲线，再计算出每根等高线曲线上各个点的曲率；将区域内最大等高线曲率对应的点按照就近的原则连接成折线，该折线即为分割区域的山脊线。

Description

一种基于分水岭的山脊线提取方法
技术领域
本发明涉及了一种地形图像山脊线的提取，特别是用于一种利用图像处理的方法进行地形图像的山脊线提取的处理方法。
背景技术
在用图像处理的方法对地形图像进行信息提取时，山脊线作为一个重要的地形特征，获取地形图像的山脊线信息极其最要。
目前已有的提取算法包括等高线骨架法、等高线曲率最大判别法等，等高线骨架法视地形特征线两侧的地形为对称变化，存在的问题是等高线有噪声时提取错误；等高线曲率最大判断法使用全局阈值进行判断，全局阈值过大时会丢失某些方向的山脊线的点；全局阈值过小时会增加噪点。该方案中就是在分水岭算法的基础上利用等高线曲率最大判别法对山脊线进行提取。
发明内容
本申请的发明目的在于提供一种地形图像山脊线的提取方法，该方法在地形图像中进行提取对山脊进行判断分割,然后根据分割后的山脊线计算其等高线以及等高线的曲率,根据等高线曲率判断该点是否属于山脊线，最终得到较好的山谷、山脊线。
为了完成本申请的发明目的，本申请采用以下技术方案：
本发明的一种地形图像山脊线的提取方法，该地形图像包括至少一个连通区域，其中：它包括以下步骤：
（1）对拍摄的地形图像中每个像素的灰度值进行排序，找出灰度极小值，并且统计地形图像的灰度值极小值个数n和每个连通区域的灰度极小值个数m1、m2、m3……,n= m1+m2+m3……；
（2）如果n<2，则对地形图像的灰度极小值加1，返回步骤1；
（3）如果n>2，但是m1、m2、m3……的个数﹤2，则对地形图像的灰度极小值加1，返回步骤1；
（4）如果n>2且2≤m1、m2、m3……之一﹤n，说明n个灰度极小值不在一个连通区域内，则对灰度极小值所在的连通区域的边界均匀地进行膨胀，使得多个连通区域彼此连通，则膨胀前边界的像素点的连线即为分割线，由该分割线在地形图像中分割出区域为第一分割区域、第二分割区域、第三分割区域……；
（5）标注出第一分割区域、第二分割区域、第三分割区域……中每个像素的灰度值，并且将上述每个区域中灰度值相同的点就近连接起来，分别画出上述第一分割区域、第二分割区域、第三分割区域……的等高线折线；
（6）根据第一分割区域、第二分割区域、第三分割区域……中的每根等高线折线上的像素坐标拟合出每根等高线折线的等高线曲线方程，根据上述每个等高线曲线方程重新画出第一分割区域、第二分割区域、第三分割区域……中的每根等高线曲线，然后，根据每根等高线曲线y，由公式计算出每根等高线曲线上各个像素坐标点的曲率；
（7）分别将第一分割区域、第二分割区域、第三分割区域……中每个区域内的等高线曲率由大到小进行排序，找出前k*2位大曲率所对应于第一分割区域、第二分割区域、第三分割区域……中特征点，其中k分别为第一分割区域、第二分割区域、第三分割区域……中等高线曲线的个数；
（8）分别将第一分割区域、第二分割区域、第三分割区域……中的特征点按照就近的原则连接成折线，该折线即为第一分割区域、第二分割区域、第三分割区域……山脊线；
本发明的地形图像山脊线的提取方法，其中：对灰度极小值所在的连通区域的边界均匀地进行膨胀是指出膨胀后的边界与膨胀前的边界之间等距；
本发明的地形图像山脊线的提取方法，其中：在步骤（6）中，根据至少5个像素坐标拟合出每根等高线折线的等高线曲线方程；
本发明的地形图像山脊线的提取方法，其中：在步骤（6）中，等高线折线的等高线曲线方程由以下步骤拟合出来：
（a）. 设拟合多项式为：
（b） 找出等高线折线上的各点到这条曲线的距离之和，即偏差平方和如下：
（c）为了求得符合条件的a值，对等式右边求ai偏导数，得到了：
（d）将等式左边进行一下化简，然后应该可以得到下面的等式：
(f) 把这些等式表示成矩阵的形式，就可以得到下面的矩阵：
（e）将这个范德蒙得矩阵化简后可得到:
(g)上式可以表示为X*A=Y，那么A=(X*YT)-1XTY，便得到了系数矩阵A，同时，得到了拟合的等高线曲线方程。
本发明的地形图像山脊线的提取方法与现有的方法相比，现有的等高线骨架法视地形特征线两侧的地形为对称变化，存在的问题是等高线有噪声时提取错误，而现有的等高线曲率最大判断法使用全局阈值进行判断，全局阈值过大时会丢失某些方向的山脊线的点；全局阈值过小时会增加噪点。本发明方法是在分水岭算法的基础上利用等高线曲率最大判别法对山脊线进行提取，消除了误提取、噪点增加等问题，提高了提取准确度。
附图说明
图1为在本发明的地形图像山脊线的提取方法中，找出分割线、第一分割区域和第二分割区域的示意图；
图2为在本发明的地形图像山脊线的提取方法中，找出第一分割区域的等高折线的放大示意图；
图3为在本发明的地形图像山脊线的提取方法中，找出第一分割区域的等高曲线的放大示意图。
在图1至图3中，标号1为分割线；标号2为第一分割区域；标号3为第二分割区域；标号4为等高线折线；标号5为等高线曲线；标号6为特征点；标号7为山脊线。
具体实施方式
一种地形图像山脊线的提取方法，该地形图像包括至少一个连通区域，它包括以下步骤：
（1）如图1所示，对拍摄的地形图像中每个像素的灰度值进行排序，找出灰度极小值，并且统计地形图像的灰度值极小值个数n和每个连通区域的灰度极小值个数m1、m2、m3……,n= m1+m2+m3……；
（2）如果n<2，则对地形图像的灰度极小值加1，返回步骤1；
（3）如果n>2，但是m1、m2、m3……的个数﹤2，则对地形图像的灰度极小值加1，返回步骤1；
（4）如果n>2且2≤m1、m2、m3……之一﹤n，最后找到n=7,m1=3,m2=4说明n个灰度极小值不在一个连通区域内，则对灰度极小值所在的连通区域的边界均匀地进行膨胀，对灰度极小值所在的连通区域的边界均匀地进行膨胀是指出膨胀后的边界与膨胀前的边界之间等距，使得多个连通区域彼此连通，则膨胀前边界的像素点的连线即为分割线1，由该分割线在地形图像中分割出区域为第一分割区2域和第二分割区域3；
（5）如图2所示，标注出第一分割区域2和第二分割区域3中每个像素的灰度值，并且将上述每个区域中灰度值相同的点就近连接起来，分别画出上述第一分割区域和第二分割区域等高线折线4，在图2中仅画出了第一分割区域2的等高线折线4；
（6）根据第一分割区域、第二分割区域、第三分割区域……中的每根等高线折线4上的像素坐标拟合出每根等高线折线的等高线曲线方程，根据上述每个等高线曲线方程重新画出第一分割区域和第二分割区域中的每根等高线曲线5，然后，根据每根等高线曲线y，由公式计算出每根等高线上各个像素坐标点的曲率；
（7）如图3所示，分别将第一分割区域和二分割区域中每个区域内的等高线曲率由大到小进行排序，找出前k*2位大曲率所对应于第一分割区域和第二分割区域中特征点6，其中k分别为第一分割区域和第二分割区域中等高线曲线的个数，在图3仅画出了3根等高线曲线5；
（8）分别将第一分割区域和第二分割区域中的特征点6按照就近的原则连接成折线，该折线即为第一分割区域好和第二分割区域山脊线7。
在步骤（6）中，根据至少取5个像素坐标拟合出每根等高线折线的等高线曲线方程，等高线折线的等高线曲线方程由以下步骤拟合出来：
（a）设拟合多项式为：
（b） 找出等高线折线上的各点到这条曲线的距离之和，即偏差平方和如下：
（c）为了求得符合条件的a值，对等式右边求ai偏导数，得到了：
（d）将等式左边进行一下化简，然后应该可以得到下面的等式：
(f) 把这些等式表示成矩阵的形式，就可以得到下面的矩阵：
（e）将这个范德蒙得矩阵化简后可得到:
(g)上式可以表示为X*A=Y，那么A=(X*XT)-1XTY，便得到了系数矩阵A，同时，得到了拟合的等高线曲线方程。特别需要说明的是：上述的多项式拟合公式来源于由哈尔滨工程大学出版社出版的《误差理论与曲线拟合》。
以上描述是对本发明的解释，不是对发明的限定，本发明所限定的范围参见权利要求，在不违背本发明的精神的情况下，本发明可以作任何形式的修改。

Claims (4)

1.一种地形图像山脊线的提取方法，该地形图像包括至少一个连通区域，它包括以下步骤：
（1）对拍摄的地形图像中每个像素的灰度值进行排序，找出灰度极小值，并且统计地形图像的灰度值极小值个数n和每个连通区域的灰度极小值个数m1、m2、m3……,n= m1+m2+m3……；
（2）如果n<2，则对地形图像的灰度极小值加1，返回步骤（1）；
（3）如果n>2，但是m1、m2、m3……的个数﹤2，则对地形图像的灰度极小值加1，返回步骤（1）；
（4）如果n>2且2≤m1、m2、m3……之一﹤n，说明n个灰度极小值不在一个连通区域内，则对灰度极小值所在的连通区域的边界均匀地进行膨胀，使得多个连通区域彼此连通，则膨胀前边界的像素点的连线即为分割线，由该分割线在地形图像中分割出区域为第一分割区域、第二分割区域、第三分割区域……；
（5）标注出第一分割区域、第二分割区域、第三分割区域……中每个像素的灰度值，并且将上述每个区域中灰度值相同的点就近连接起来，分别画出上述第一分割区域、第二分割区域、第三分割区域……的等高线折线；
其特征在于：
（6）根据第一分割区域、第二分割区域、第三分割区域……中的每根等高线折线上的像素坐标拟合出每根等高线折线的等高线曲线方程，根据上述每个等高线曲线方程重新画出第一分割区域、第二分割区域、第三分割区域……中的每根等高线曲线，然后，根据每根等高线曲线y，由公式计算出每根等高线曲线上各个像素坐标点的曲率；
（7）分别将第一分割区域、第二分割区域、第三分割区域……中每个区域内的等高线曲率由大到小进行排序，找出前k*2位大曲率所对应于第一分割区域、第二分割区域、第三分割区域……中特征点，其中k分别为第一分割区域、第二分割区域、第三分割区域……中等高线曲线的个数；
（8）分别将第一分割区域、第二分割区域、第三分割区域……中的特征点按照就近的原则连接成折线，该折线即为第一分割区域、第二分割区域、第三分割区域……山脊线。
2.如权利要求1所述的地形图像山脊线的提取方法，其特征在于：对灰度极小值所在的连通区域的边界均匀地进行膨胀是指出膨胀后的边界与膨胀前的边界之间等距。
3.如权利要求1所述的地形图像山脊线的提取方法，其特征在于：在步骤（6）中，根据至少5个像素坐标拟合出每根等高线折线的等高线曲线方程。
4.如权利要求1所述的地形图像山脊线的提取方法，其特征在于：在步骤（6）中，等高线折线的等高线曲线方程由以下步骤拟合出来：
（a）设拟合多项式为：
（b）找出等高线折线上的各点到这条曲线的距离之和，即偏差平方和如下：
（c）为了求得符合条件的a值，对等式右边求ai偏导数，得到了：
.......
（d）将等式左边进行一下化简，然后应该可以得到下面的等式：
.......
（e）把这些等式表示成矩阵的形式，就可以得到下面的矩阵：
（f）将这个范德蒙得矩阵化简后可得到：
(g) 上式可以表示为，那么，便得到了系数矩阵A，同时，得到了拟合的等高线曲线方程。
CN201610926200.9A 2016-10-31 2016-10-31 一种基于分水岭的山脊线提取方法 Active CN106558054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610926200.9A CN106558054B (zh) 2016-10-31 2016-10-31 一种基于分水岭的山脊线提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610926200.9A CN106558054B (zh) 2016-10-31 2016-10-31 一种基于分水岭的山脊线提取方法

Publications (2)

Publication Number Publication Date
CN106558054A CN106558054A (zh) 2017-04-05
CN106558054B true CN106558054B (zh) 2019-03-15

Family

ID=58443174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610926200.9A Active CN106558054B (zh) 2016-10-31 2016-10-31 一种基于分水岭的山脊线提取方法

Country Status (1)

Country Link
CN (1) CN106558054B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109903277A (zh) * 2019-02-25 2019-06-18 电子科技大学 一种基于多项式曲线拟合的脊柱侧弯检测方法
CN112287287B (zh) * 2020-11-06 2021-04-27 东北林业大学 一种林木碳汇量的测定方法、系统及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899865A (zh) * 2015-05-04 2015-09-09 西安建筑科技大学 基于高斯尺度空间的山脉线提取方法
CN105069777A (zh) * 2015-07-02 2015-11-18 广东工业大学 一种预备体网格模型的颈缘线自动提取方法
CN103177258B (zh) * 2013-03-29 2016-08-17 河南理工大学 一种根据矢量等高线数据自动提取地性线的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177258B (zh) * 2013-03-29 2016-08-17 河南理工大学 一种根据矢量等高线数据自动提取地性线的方法
CN104899865A (zh) * 2015-05-04 2015-09-09 西安建筑科技大学 基于高斯尺度空间的山脉线提取方法
CN105069777A (zh) * 2015-07-02 2015-11-18 广东工业大学 一种预备体网格模型的颈缘线自动提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
地形图等高线成组综合的试验;费立凡;《武汉测绘科技大学学》;19930930;第18卷(第增刊期);全文
基于LiDAＲ点云的等高线批量自动提取;杨颖等;《测绘与空间地理信息》;20151130;第38卷(第11期);第2页
扫描军事地形图等高线的自动提取;陈鸿等;《系统仿真学报》;20090430;第21卷(第7期);第1页右栏
提取山脊线和山谷线的一种新方法;黄培之;《武汉大学学报信息科学版》;20010630;第26卷(第3期);第1-2页

Also Published As

Publication number Publication date
CN106558054A (zh) 2017-04-05

Similar Documents

Publication Publication Date Title
CN108536851B (zh) 一种基于移动轨迹相似度比较的用户身份识别方法
Wang et al. A bayesian approach to building footprint extraction from aerial lidar data
CN103218618A (zh) 一种基于遥感数字图像的公路路线自动提取方法
CN108171529A (zh) 一种地址相似度评估方法
CN106558054B (zh) 一种基于分水岭的山脊线提取方法
CN101694720B (zh) 基于空间关联条件概率融合的多时相sar图像变化检测方法
CN104091339A (zh) 一种图像快速立体匹配方法及装置
CN103854290A (zh) 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法
CN103093470A (zh) 一种具有尺度无关特性的快速多模态图像协同分割方法
CN110349176B (zh) 基于三重卷积网络和感知干扰学习的目标跟踪方法和系统
CN105447527A (zh) 采用图像识别技术将环境微生物进行分类的方法和系统
Eum et al. Vehicle detection from airborne LiDAR point clouds based on a decision tree algorithm with horizontal and vertical features
CN106446102B (zh) 基于地图围栏的终端定位方法和装置
CN103712628B (zh) 导航路径描绘方法和终端
Wang et al. Tc-sfm: Robust track-community-based structure-from-motion
CN108090923A (zh) 基于三维激光扫描的空间点云数据配准方法
CN106780507A (zh) 一种基于超像素分割的滑动窗口快速目标检测方法
CN105426387A (zh) 一种基于K-means算法的地图聚合方法
US11480661B2 (en) Determining one or more scanner positions in a point cloud
CN103793913A (zh) 一种结合均值漂移的谱聚类图像分割方法
CN111210452A (zh) 一种基于图割和均值偏移的证件照人像分割方法
CN108647259B (zh) 基于改进深度特征加权的朴素贝叶斯文本分类方法
JP6452324B2 (ja) 画像処理装置、画像処理方法及びプログラム
CN105828434B (zh) 一种子网划分式DV-hop无线传感器网络定位方法
CN105574535A (zh) 基于间接距离角直方图空间关系表示模型的图形符号识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A ridge line extraction method based on Watershed

Effective date of registration: 20200814

Granted publication date: 20190315

Pledgee: Haidian Beijing science and technology enterprise financing Company limited by guarantee

Pledgor: BEIJING SINFOTEK SCIENCE AND TECHNOLOGY Co.,Ltd.

Registration number: Y2020990000957