CN107292288A - 支持环形地形的特征线提取方法、装置及电子设备 - Google Patents
支持环形地形的特征线提取方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107292288A CN107292288A CN201710578653.1A CN201710578653A CN107292288A CN 107292288 A CN107292288 A CN 107292288A CN 201710578653 A CN201710578653 A CN 201710578653A CN 107292288 A CN107292288 A CN 107292288A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- loop
- mrow
- point
- significance
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000000605 extraction Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 15
- 238000004422 calculation algorithm Methods 0.000 description 17
- 239000003550 marker Substances 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 125000002015 acyclic group Chemical group 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000002619 bicyclic group Chemical group 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种支持环形地形的特征线提取方法、装置及电子设备，该方法包括：获取地形的数字高程模型DEM数据；扫描该DEM数据，提取该地形的特征点，并计算各个特征点的显著度；将由各个特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图；根据特征图中每个环路的环路面积和形成环路的特征边的显著度，对特征图进行环路破除操作；从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算待选特征线的显著度；根据每条待选特征线的显著度，从多条待选特征线中选取该地形的特征线。这样可以支持环形地形特征线的提取，提高了提取地形特征线的准确度。
Description
技术领域
本发明涉及地形处理技术领域，尤其是涉及一种支持环形地形的特征线提取方法、装置及电子设备。
背景技术
山脊线和山谷线描述了地形的骨架结构，是最重要的地形特征线，其自动提取在自动地貌综合、水文分析、地理信息系统等方面有着非常重要的应用，同时还可为地形模型简化和基于样本的地形合成提供重要的特征依据。
从规则格网数字高程模型(Digital Elevation Model，DEM)中提取山脊线和山谷线一直是一个研究热点，目前通常采用基于地表几何形态分析的方法来提取地形特征线。
基于地表几何形态分析的方法利用山脊点和山谷点为相应方向上的高度极值点来提取地形特征线。现有技术采用最小生成树算法破开特征线中的环路，然而最小生成树算法会破开所有的环路，不支持环形山、火山口等环形地形特征线的提取，进而导致提取的地形特征线不准确。
发明内容
有鉴于此，本发明的目的在于提供一种支持环形地形的特征线提取方法、装置及电子设备，以支持环形地形特征线的提取，提高提取地形特征线的准确度。
第一方面，本发明实施例提供了一种支持环形地形的特征线提取方法，包括：
获取地形的数字高程模型DEM数据；
扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度；其中，所述特征点包括山脊点或山谷点；
将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图；
根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作；其中，所述特征边的显著度为构成所述特征边的两个特征点的显著度之和；
从环路破除操作后的特征图中提取出多条待选特征线，并根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度；
根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作，包括：
检测所述特征图中的各个环路；
根据检测到的每个环路的环路面积，选取待破除环路；
根据每个所述待破除环路的特征边的显著度和所述特征边的类型，选取所述待破除环路的待删除特征边；其中，所述特征边的类型包括一般环路边或嵌套环路边；
从所述待破除环路中删除所述待删除特征边，得到环路破除优化处理后的特征图。
结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据检测到的每个环路的环路面积，选取待破除环路，包括：
将所述环路面积小于等于预设面积的各个环路选取为所述待破除环路；
所述根据每个所述待破除环路的特征边的显著度和所述特征边的类型，选取所述待破除环路的待删除特征边，包括：
选取每个所述待破除环路的一般环路边或嵌套环路边中显著度最小的特征边为所述待删除特征边。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图之前，所述方法还包括：对所述特征点标记图中的由多个所述特征点构成的特征点宽带进行以下细线化处理：
根据各个所述特征点的显著度，从所述特征点宽带中选取待删除点；
从所述特征点宽带中删除所述待删除点，得到细线化处理后的单像素宽的特征点标记图。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度，包括：
分别沿多个方向对所述DEM数据进行扫描，提取出多个原特征点，并计算各个所述原特征点的显著度；
沿每个所述原特征点的特征方向及与所述特征方向相邻的方向进行特征延伸，获取特征延伸产生的各个延伸特征点，并将各个所述延伸特征点的显著度设置为0；其中，所述特征方向与扫描方向垂直；
将各个所述原特征点和各个所述延伸特征点作为所述地形的特征点。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，通过以下公式计算各个所述原特征点的显著度：
其中，S(pi)表示特征点pi的显著度，hi表示特征点pi的高度，Δhli和Δhri分别表示特征点pi与两个相邻候选特征点的高度落差，dli和dri表示特征点pi与两个所述相邻候选特征点的水平距离，hmax表示所述DEM数据中的最大高度，Δhmax表示所述DEM数据中的最大高度落差，kh表示高度权重系数，kd表示高度落差权重系数，ks表示坡度权重系数；所述相邻候选特征点为在扫描方向的垂直方向上与特征点pi相邻的特征点。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所述根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度，包括：
计算每条所述待选特征线中各个所述特征点的显著度之和，将计算得到的显著度和值作为所述待选特征线的显著度。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线，包括：
将各条所述待选特征线按照显著度大小排序；
根据各条所述待选特征线的排列顺序，从显著度最大的待选特征线开始选取指定数量的待选特征线作为所述地形的特征线。
第二方面，本发明实施例还提供一种支持环形地形的特征线提取装置，包括：
数据获取模块，用于获取地形的数字高程模型DEM数据；
特征点提取模块，用于扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度；其中，所述特征点包括山脊点或山谷点；
特征图生成模块，用于将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图；
环路检测破除模块，用于根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作；其中，所述特征边的显著度为构成所述特征边的两个特征点的显著度之和；
待选特征线提取模块，用于从环路破除操作后的特征图中提取出多条待选特征线，并根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度；
特征线选取模块，用于根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
本发明实施例带来了以下有益效果：
本发明实施例中，获取地形的数字高程模型DEM数据；扫描该DEM数据，提取该地形的特征点，并计算各个特征点的显著度；其中，特征点包括山脊点或山谷点；将由各个特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图；根据特征图中每个环路的环路面积和形成环路的特征边的显著度，对特征图进行环路破除操作；其中，特征边的显著度为构成该特征边的两个特征点的显著度之和；从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算该待选特征线的显著度；根据每条待选特征线的显著度，从多条待选特征线中选取该地形的特征线。本发明实施例提供的支持环形地形的特征线提取方法、装置及电子设备，根据环路面积对特征图进行环路破除操作，既破除了无效的小环路，又保留了面积较大的环路，因此可以支持环形地形特征线的提取，同时由于还考虑了环路中特征边的显著度，因此可以实现对所提取特征线的显著度的准确控制，提高了提取地形特征线的准确度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的支持环形地形的特征线提取方法的第一种流程示意图；
图2为本发明实施例提供的支持环形地形的特征线提取方法的第二种流程示意图；
图3(a)为细线化处理前2像素宽的山脊点宽带的结构示意图；
图3(b)为细线化处理后的山脊点宽带的结构示意图；
图4(a)为本发明实施例提供的支持环形地形的特征线提取方法中特征点标记图的示意图；
图4(b)为与图4(a)对应的区域标记图的示意图；
图5(a)为本发明实施例提供的一种地形样本；
图5(b)为与图5(a)对应的在环路破除操作前的特征图；
图5(c)为与图5(a)对应的在环路破除操作后的特征图；
图6(a)为本发明实施例提供的含有环形山的合成地形DEM的实验图；
图6(b)为对图6(a)进行环形山脊线提取的实验结果图；
图7为本发明实施例提供的支持环形地形的特征线提取装置的模块组成示意图；
图8为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前现有技术不支持环形山、火山口等环形地形特征线的提取，导致提取的地形特征线不准确。基于此，本发明实施例提供的一种支持环形地形的特征线提取方法、装置及电子设备，可以支持环形地形特征线的提取，提高了提取地形特征线的准确度。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种支持环形地形的特征线提取方法进行详细介绍。
实施例一：
图1为本发明实施例提供的支持环形地形的特征线提取方法的第一种流程示意图，如图1所示，该方法包括以下几个步骤：
步骤S101，获取地形的数字高程模型DEM数据。
地形的特征线包括山脊线和山谷线，对于山脊线，可以直接利用地形的DEM数据通过执行下述步骤来提取；对于山谷线，需要将该地形的DEM数据取反后再通过执行下述步骤来提取。
步骤S102，扫描上述DEM数据，提取地形的特征点，并计算各个特征点的显著度。
通过扫描上述DEM数据，可以得到地形走势、高度、水平距离等信息。根据前后地形走势、高度差等信息可以提取出特征点，特征点包括山脊点或山谷点。本发明实施例支持在原始分辨率下进行特征点提取，在提取特征点的过程中未进行下采样，这样可以避免下采样过程中带来的信息丢失。在确定特征点之后，利用扫描过程中获得的高度和水平距离等信息，可以计算每个特征点的显著度。
步骤S103，将由各个上述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图。
对上述特征点标记图中的相邻特征点进行全连接操作，形成特征边，每条特征边由两个相邻的特征点连线构成。在进行全连接操作过程中，如果出现两条特征边交叉的情况，则剔除显著度较小的特征边，其中，特征边的显著度定义为构成该特征边的两个特征点的显著度之和。这样就生成了由各条特征边组成的特征图。
步骤S104，根据上述特征图中每个环路的环路面积和形成该环路的特征边的显著度，对该特征图进行环路破除操作。
环路是由多条特征边形成的，考虑到步骤S103得到的特征图中通常存在环路，其中绝大多数为面积非常小的环路，尤其是小三角形，这些环路应该被破除，而由于环形山脊等环形特征在自然界及合成地形中广泛存在，因此需要保留较大的环路。
具体地，根据上述特征图中每个环路的环路面积，确定需要被破除的待破除环路，再根据形成待破除环路的特征边的显著度确定需要删除的待删除特征边，通过删除待删除特征边完成环路破除操作。其中，环路面积指环路内部包含的像素点的个数，特征边的显著度为构成该特征边的两个特征点的显著度之和。根据环路面积对特征图进行环路破除操作，既破除了无效的小环路，又保留了面积较大的环路，因此可以支持环形地形特征线的提取，同时由于还考虑了环路中特征边的显著度，因此可以实现对所提取特征线的显著度的准确控制，提高了提取地形特征线的准确度。
步骤S105，从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算待选特征线的显著度。
具体地，可以但不限于采用最小生成树算法将上述特征图中的由特征边组成的环路打破，生成特征森林，并对特征森林进行枝干分解，提取出多条待选特征线。这里对从特征森林提取待选特征线的具体过程也不作限定。
根据每条待选特征线中各个特征点的显著度计算待选特征线的显著度，具体可以但不限制为：计算每条待选特征线中各个特征点的显著度之和，将计算得到的显著度和值作为该待选特征线的显著度。
步骤S106，根据每条待选特征线的显著度，从多条待选特征线中选取上述地形的特征线。
具体地，根据每条待选特征线的显著度，可以将显著度大于显著度阈值的所有待选特征线选取为该地形的特征线，还可以将各条待选特征线按照显著度大小排序，从显著度最大的待选特征线开始选取指定数量的待选特征线作为该地形的特征线。其中，显著度阈值可以根据实际情况设置，指定数量也可以根据用户要求设置，这里对设定显著度阈值和指定数量均不作限定。
本发明实施例中，获取地形的数字高程模型DEM数据；扫描该DEM数据，提取该地形的特征点，并计算各个特征点的显著度；其中，特征点包括山脊点或山谷点；将由各个特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图；根据特征图中每个环路的环路面积和形成环路的特征边的显著度，对特征图进行环路破除操作；其中，特征边的显著度为构成该特征边的两个特征点的显著度之和；从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算该待选特征线的显著度；根据每条待选特征线的显著度，从多条待选特征线中选取该地形的特征线。本发明实施例提供的支持环形地形的特征线提取方法，根据环路面积对特征图进行环路破除操作，既破除了无效的小环路，又保留了面积较大的环路，因此可以支持环形地形特征线的提取，同时由于还考虑了环路中特征边的显著度，因此可以实现对所提取特征线的显著度的准确控制，提高了提取地形特征线的准确度。
图2为本发明实施例提供的支持环形地形的特征线提取方法的第二种流程示意图，如图2所示，以根据地形的DEM数据提取该地形的山脊线为例，该方法包括以下几个步骤：
步骤S201，采用全局断面扫描算法，分别沿多个方向扫描地形的DEM数据，提取该地形的山脊点，并计算各个山脊点的显著度。
断面极值法是一种简单高效的确定特征点的方法，通常将断面上的高程极大值点作为山脊线上的山脊点，将极小值点作为山谷线上的山谷点。考虑到现有技术中采用局部窗口进行断面分析时，容易受到窗口大小和噪声的影响，本实施例采用全局断面扫描算法提取该地形的山脊点，具体为：分别沿水平、垂直及两个斜45度方向对地形的DEM数据进行逐行扫描，得到地形走势、高度、水平距离等信息，根据前后地形走势、高度差等信息提取出该地形的山脊点。由于提取山脊点时利用了全局信息，因此更容易剔除噪声和伪特征点。
在确定山脊点之后，利用扫描过程中获得的高度和水平距离等信息，可以根据下述公式(1)计算每个山脊点pi的显著度S(pi)：
其中，S(pi)表示山脊点pi的显著度，hi表示山脊点pi的高度，Δhli和Δhri分别表示山脊点pi与两个相邻候选山脊点的高度落差，dli和dri表示山脊点pi与两个相邻候选山脊点的水平距离，hmax表示DEM数据中的最大高度，Δhmax表示DEM数据中的最大高度落差，kh表示高度权重系数，kd表示高度落差权重系数，ks表示坡度权重系数；相邻候选山脊点为在扫描方向的垂直方向上与山脊点pi相邻的山脊点。kh、kd、ks三个权重系数可以根据实际情况设置，例如可以依次设置为3、2、1。
步骤S202，沿每个山脊点的特征方向及与该特征方向相邻的方向进行特征延伸，获取特征延伸产生的各个延伸山脊点，并将各个延伸山脊点的显著度设置为0。
为了增强特征连通性，对于上述获得的每个山脊点尝试沿其特征方向及特征方向的相邻方向进行延伸，其中，特征方向与步骤S201中的扫描方向垂直，特征方向的相邻方向指与特征方向的夹角不超过90°的方向，例如向右延伸时，可以但不限于考虑右方、右上和右下三个方向的相邻点。如果当前考察的相邻点的高度不小于延伸方向两侧的相邻山脊点的高度，则将其纳入新增山脊点即延伸山脊点。为了便于后面选取山脊线时将主要由延伸山脊点构成的山脊线筛选掉，将各个延伸山脊点的显著度设置为0。步骤S201得到的山脊点和步骤S202得到的延伸山脊点均作为上述地形的山脊点，进行后续处理。
步骤S203，对由多个上述山脊点构成的山脊点宽带进行细线化处理，得到单像素宽的特征点标记图。
具体包括以下两个子步骤：
步骤S2031，根据各个山脊点的显著度，从上述山脊点宽带中选取待删除点。
具体地，按照扫描线顺序考察每个山脊点，判断当前点是否满足下述预设条件：当前点为上述地形的山脊点，且当前点为山脊点宽带的边缘中的非端点，以及当前点为维持山脊点宽带的连接性的冗余点。若当前点满足该预设条件，则查找当前点的预设邻域内满足上述预设条件的待选山脊点，并将查找到的显著度最小的待选山脊点确定为待删除点，当显著度最小的待选山脊点有两个时，则随机选择一个作为待删除点。进一步地，考虑到山脊点宽带一般为2或3像素宽，本实施例中的预设邻域优选5×5邻域。
步骤S2032，从山脊点宽带中删除待删除点，得到细线化处理后的单像素宽的特征点标记图。
下面以5×5邻域、图3(a)和图3(b)为例，具体说明细线化处理的过程。
图3(a)为细线化处理前2像素宽的山脊点宽带的结构示意图，图3(b)为细线化处理后的山脊点宽带的结构示意图。图3(a)和3(b)中空白格代表非山脊点，非0数字格代表山脊点，非0数字表示特征点的显著度，0格表示已删除的待删除点。如图3(a)所示，当考查10对应的山脊点时，10格满足预设条件，10格的5×5邻域内显著度最小的山脊点为3格，则将3格标记为待删除点；同样的，考察5格时将4格标记为待删除点；考察9格时不满足预设条件；考察7格将5格标记为待删除点；考察6格将6格标记为待删除点；考察8格时不满足预设条件。将图3(a)中的3格、4格、5格和6格删除后即可得到图3(b)。
可见采用该细线化方法选取的待删除点与扫描顺序无关，在一次扫描过程中删除了显著度较小的山脊点，保留了显著度较大的山脊点，这样既保证了最终得到的是单像素宽的山脊线，降低了后续步骤的计算量，又便于实现对所提取山脊线的显著度的准确控制，从而提高了提取山脊线的准确度。
步骤S204，将上述特征点标记图中的相邻山脊点连线构成特征边，生成由各条特征边组成的特征图。
具体过程与上述步骤S103相同，这里不再赘述。
步骤S205，检测上述特征图中的各个环路。
步骤S206，根据检测到的每个环路的环路面积，选取待破除环路。
具体地，将环路面积小于等于预设面积的各个环路选取为待破除环路，其中，预设面积可以根据实际情况设置，例如预设面积为104个像素点。
步骤S207，根据每个待破除环路的特征边的显著度和特征边的类型，选取上述待破除环路的待删除特征边。
环路包括多种类型，例如简单环路、嵌套环路、共边环路、共边嵌套环路等；组成环路的特征边也包括多种类型，例如非环路边、一般环路边、环路公共边、嵌套环路边等。具体地，选取每个待破除环路的一般环路边或嵌套环路边中显著度最小的特征边为待删除特征边。
步骤S208，从上述待破除环路中删除上述待删除特征边，得到环路破除优化处理后的特征图。
步骤S209，从上述环路破除操作后的特征图中提取出多条待选山脊线，计算每条待选山脊线中各个特征点的显著度之和，将计算得到的显著度和值作为该待选山脊线的显著度。
步骤S210，将各条待选山脊线按照显著度大小排序，从显著度最大的待选山脊线开始选取指定数量的待选山脊线作为上述地形的山脊线。
具体地，可以将各条待选山脊线按照显著度从大到小的顺序排序，根据各条待选山脊线的排列顺序，从显著度最大的待选山脊线开始选取指定数量的待选山脊线作为上述地形的山脊线。这里的指定数量可以由用户预先指定，也可以是排序后由用户交互式地指定。
进一步地，上述步骤S205至步骤S208可以通过如下算法实现：
为了使任何环路均存在内部元素(像素点)，将上述特征图放大设定倍数，然后检测由环路划分得到的多个4连通区域，为不同区域赋予不同的区域标记，从而得到区域标记图。考虑到处理速度，设定倍数优选为3倍。图4(a)为本发明实施例提供的支持环形地形的特征线提取方法中特征点标记图的示意图，图中包括多种特征边类型：一般环路边、环路公共边和嵌套环路边。图4(b)为与将图4(a)放大3倍对应的区域标记图的示意图，图中包括了6个4连通区域。
得到上述区域标记图后，可以根据特征边左右两侧元素的区域标记来区分特征边的类型，并检测环路，然后根据环路面积大小选择保留或破除环路，例如保留环路面积大于105个像素点的环路。在破环时，通过分析构成环路的特征边的情况来获取环路类型信息(例如简单环路、内部嵌套环路或是与其他环路有公共边的共边环路等)，并进行有针对性地破环。
本实施例中环路检测与破环算法采用如下符号约定：
(1)R(i，j)为3M行3N列的区域标记图R中第i行第j列的元素pij的标识：
(2)E为特征边集合，对于集合中的特征边e：e.left和e.right表示e在R中对应位置左右两侧的元素。如果R(e.left)≠R(e.right)，则e为环路边；e.visit为代表特征边类型的访问标识：
(3)A[id]表示R中区域标记为id的区域的面积(即内部元素个数)。
环路检测与破环算法步骤描述如下：
Step1.构建3M行3N列的区域标记图R，将其所有元素值均初始化为-1；
Step2.遍历特征边集合E，对于其中每一条特征边e，假定其两个端点的坐标分别为(i1,j1)和(i2,j2)，其在R中对应的坐标点为(3i1,3j1)和(3i2,3j2)，将R(3i1,3j1)和R(3i2,3j2)及R中二者连线上的所有元素的区域标记置为0；
Step3.初始化pstart坐标为(0，0)，id＝1，A[id]＝0；
Step4.从pstart开始沿扫描线顺序遍历R，寻找R(p)＝＝-1的元素p，找到则令pstart＝p，然后转Step5，找不到则转Step6；
Step5.从pstart开始，使用基于4邻域的深度优先搜索算法遍历区域标记与pstart相同的连通区域，每遍历到一个符合条件的元素p，设R(p)＝id，并执行A[id]++，遍历结束后设id＝id+1，A[id]＝0，然后转Step4；
Step6.遍历特征边集合E，针对每一条特征边e，根据其方向获取其在R中左右两侧的元素pl和pr，令e.left＝pl，e.right＝pr。考查以下条件：(1)R(pl)≠R(pr)；(2)R(pl)>1且R(pr)>1；(3)R(pl)>1或R(pr)>1，若同时满足条件(1)和(2)，则e.visit＝2(显然嵌套环路边的访问标识也为2)；若满足条件(1)和(3)但不满足条件(2)，则e.visit＝1；其他情况则e.visit＝0；
Step7.执行id＝id-1，若id≤1，算法结束；
Step8.若A[id]大于指定阈值(即预设面积)，则不破除围绕id对应区域的环路，转Step7；若A[id]小于等于指定阈值，转Step9；
Step9.环路检测：遍历特征边集合E，寻找所有满足以下两个条件的特征边e：(1)e.visit>0；(2)e.left＝＝id或e.right＝＝id，将e加入集合Eloop，并执行e.visit--；
Step10.破环：统计Eloop中满足访问标识visit>0的特征边数量count，如果count＝＝Eloop.size，Eloop.size为集合Eloop中的特征边数量，意味着Eloop构成的环路为内部嵌套环路，但无公共边，此时将Eloop中所有特征边的visit属性置0，同时将Eloop中显著度最小的特征边从上述特征图中删除；如果count<Eloop.size，意味着Eloop构成的环路为简单环路或是共边环路，此时从Eloop中选择visit为0(即非公共边)且显著度最小的特征边从上述特征图中删除；完成破环后转Step7。
上述算法利用了DEM最外围无特征点的事实(由特征点检测算法所决定)，因此标记为1的区域一定是外围的非环内区域，从而可按Step6方法判断环路边的类型；此外，从id大的区域开始进行破环，是因为按照Step4和Step5进行区域标记的方法，对于嵌套环路(无公共边)，越靠内的环路id越大，从内部环路开始破除能够避开环形区域(例如图4(b)中标记为2的区域)的检测以及同时破除双环的复杂性。图4(a)和4(b)给出了一个复杂环路的示例，其中包含无公共边嵌套环路、有公共边嵌套环路以及有公共边非嵌套环路，按照本实施例提供的算法均可予以有效破除。
为了验证本发明实施例提供的环路检测与破环算法对小型环路的破除效果，选用图5(a)中的地形样本进行实验，实验中对该地形样本进行了下采样处理，从而能够更清楚地看到破环效果。图5(b)和5(c)给出了环路破除操作前后的特征图，通过对比图5(b)和5(c)可以看到，本实施例提供的算法对小型环路能够实现稳定、完全的破除。
由于含有大环路的DEM较难寻找，选取了图6(a)所示的含有环形山的合成地形DEM进行实验，来验证本发明实施例提供的环路检测与破环算法对大的环形特征线提取的支持，为了保证大型环路信息的准确性，未对该图进行下采样。图6(b)为对图6(a)进行环形山脊线提取的实验结果图，仅保留了最显著的一条特征线，可以看到该算法能够有效地保留大型环路。
综上可知，本发明实施例提供的支持环形地形的特征线提取方法，根据环路面积对特征图进行环路破除操作，既破除了无效的小环路，又保留了面积较大的环路，因此可以支持环形地形特征线的提取，同时由于还考虑了环路中特征边的显著度，因此可以实现对所提取特征线的显著度的准确控制，提高了提取地形特征线的准确度。
实施例二：
图7为本发明实施例提供的支持环形地形的特征线提取装置的模块组成示意图，如图7所示，该装置包括：
数据获取模块11，用于获取地形的数字高程模型DEM数据；
特征点提取模块12，用于扫描上述DEM数据，提取地形的特征点，并计算各个特征点的显著度；其中，特征点包括山脊点或山谷点；
特征图生成模块13，用于将由各个特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图；
环路检测破除模块14，用于根据上述特征图中每个环路的环路面积和形成环路的特征边的显著度，对该特征图进行环路破除操作；其中，特征边的显著度为构成特征边的两个特征点的显著度之和；
待选特征线提取模块15，用于从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算该待选特征线的显著度；
特征线选取模块16，用于根据每条待选特征线的显著度，从多条待选特征线中选取上述地形的特征线。
本发明实施例中，数据获取模块11获取地形的数字高程模型DEM数据；特征点提取模块12扫描该DEM数据，提取该地形的特征点，并计算各个特征点的显著度；其中，特征点包括山脊点或山谷点；特征图生成模块13将由各个特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条特征边组成的特征图；环路检测破除模块14根据特征图中每个环路的环路面积和形成环路的特征边的显著度，对特征图进行环路破除操作；其中，特征边的显著度为构成该特征边的两个特征点的显著度之和；待选特征线提取模块15从环路破除操作后的特征图中提取出多条待选特征线，并根据每条待选特征线中各个特征点的显著度计算该待选特征线的显著度；特征线选取模块16根据每条待选特征线的显著度，从多条待选特征线中选取该地形的特征线。本发明实施例提供的支持环形地形的特征线提取装置，根据环路面积对特征图进行环路破除操作，既破除了无效的小环路，又保留了面积较大的环路，因此可以支持环形地形特征线的提取，同时由于还考虑了环路中特征边的显著度对特征图进行环路破除操作，因此可以实现对所提取山脊线的显著度的准确控制，提高了提取地形特征线的准确度。
实施例三：
图8为本发明实施例提供的电子设备的结构示意图，参见图8，本发明实施例还提供一种电子设备100，包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；存储器41中存储有可在处理器40上运行的计算机程序，处理器40执行该计算机程序时实现上述支持环形地形的特征线提取的方法的步骤。
其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
本发明实施例提供的支持环形地形的特征线提取方法、装置及电子设备具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的进行支持环形地形的特征线提取的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种支持环形地形的特征线提取方法，其特征在于，包括：
获取地形的数字高程模型DEM数据；
扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度；其中，所述特征点包括山脊点或山谷点；
将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图；
根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作；其中，所述特征边的显著度为构成所述特征边的两个特征点的显著度之和；
从环路破除操作后的特征图中提取出多条待选特征线，并根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度；
根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线。
2.根据权利要求1所述的方法，其特征在于，所述根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作，包括：
检测所述特征图中的各个环路；
根据检测到的每个环路的环路面积，选取待破除环路；
根据每个所述待破除环路的特征边的显著度和所述特征边的类型，选取所述待破除环路的待删除特征边；其中，所述特征边的类型包括一般环路边或嵌套环路边；
从所述待破除环路中删除所述待删除特征边，得到环路破除优化处理后的特征图。
3.根据权利要求2所述的方法，其特征在于，所述根据检测到的每个环路的环路面积，选取待破除环路，包括：
将所述环路面积小于等于预设面积的各个环路选取为所述待破除环路；
所述根据每个所述待破除环路的特征边的显著度和所述特征边的类型，选取所述待破除环路的待删除特征边，包括：
选取每个所述待破除环路的一般环路边或嵌套环路边中显著度最小的特征边为所述待删除特征边。
4.根据权利要求1所述的方法，其特征在于，所述将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图之前，所述方法还包括：对所述特征点标记图中的由多个所述特征点构成的特征点宽带进行以下细线化处理：
根据各个所述特征点的显著度，从所述特征点宽带中选取待删除点；
从所述特征点宽带中删除所述待删除点，得到细线化处理后的单像素宽的特征点标记图。
5.根据权利要求1所述的方法，其特征在于，所述扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度，包括：
分别沿多个方向对所述DEM数据进行扫描，提取出多个原特征点，并计算各个所述原特征点的显著度；
沿每个所述原特征点的特征方向及与所述特征方向相邻的方向进行特征延伸，获取特征延伸产生的各个延伸特征点，并将各个所述延伸特征点的显著度设置为0；其中，所述特征方向与扫描方向垂直；
将各个所述原特征点和各个所述延伸特征点作为所述地形的特征点。
6.根据权利要求5所述的方法，其特征在于，通过以下公式计算各个所述原特征点的显著度：
<mrow>
<mi>S</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>h</mi>
</msub>
<mfrac>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<msub>
<mi>h</mi>
<mi>max</mi>
</msub>
</mfrac>
<mo>+</mo>
<msub>
<mi>k</mi>
<mi>d</mi>
</msub>
<mfrac>
<mrow>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>&Delta;h</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>&Delta;h</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>&Delta;h</mi>
<mi>max</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<msub>
<mi>k</mi>
<mi>s</mi>
</msub>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>&Delta;h</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<msqrt>
<mrow>
<msubsup>
<mi>&Delta;h</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>l</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>&Delta;h</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<msqrt>
<mrow>
<msubsup>
<mi>&Delta;h</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>r</mi>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中，S(pi)表示特征点pi的显著度，hi表示特征点pi的高度，Δhli和Δhri分别表示特征点pi与两个相邻候选特征点的高度落差，dli和dri表示特征点pi与两个所述相邻候选特征点的水平距离，hmax表示所述DEM数据中的最大高度，Δhmax表示所述DEM数据中的最大高度落差，kh表示高度权重系数，kd表示高度落差权重系数，ks表示坡度权重系数；所述相邻候选特征点为在扫描方向的垂直方向上与特征点pi相邻的特征点。
7.根据权利要求1所述的方法，其特征在于，所述根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度，包括：
计算每条所述待选特征线中各个所述特征点的显著度之和，将计算得到的显著度和值作为所述待选特征线的显著度。
8.根据权利要求1所述的方法，其特征在于，所述根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线，包括：
将各条所述待选特征线按照显著度大小排序；
根据各条所述待选特征线的排列顺序，从显著度最大的待选特征线开始选取指定数量的待选特征线作为所述地形的特征线。
9.一种支持环形地形的特征线提取装置，其特征在于，包括：
数据获取模块，用于获取地形的数字高程模型DEM数据；
特征点提取模块，用于扫描所述DEM数据，提取所述地形的特征点，并计算各个所述特征点的显著度；其中，所述特征点包括山脊点或山谷点；
特征图生成模块，用于将由各个所述特征点构成的特征点标记图中的相邻特征点连线构成特征边，生成由各条所述特征边组成的特征图；
环路检测破除模块，用于根据所述特征图中每个环路的环路面积和形成所述环路的特征边的显著度，对所述特征图进行环路破除操作；其中，所述特征边的显著度为构成所述特征边的两个特征点的显著度之和；
待选特征线提取模块，用于从环路破除操作后的特征图中提取出多条待选特征线，并根据每条所述待选特征线中各个所述特征点的显著度计算所述待选特征线的显著度；
特征线选取模块，用于根据每条所述待选特征线的显著度，从多条所述待选特征线中选取所述地形的特征线。
10.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710578653.1A CN107292288B (zh) | 2017-07-14 | 2017-07-14 | 支持环形地形的特征线提取方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710578653.1A CN107292288B (zh) | 2017-07-14 | 2017-07-14 | 支持环形地形的特征线提取方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107292288A true CN107292288A (zh) | 2017-10-24 |
| CN107292288B CN107292288B (zh) | 2019-08-30 |
Family
ID=60100597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710578653.1A Expired - Fee Related CN107292288B (zh) | 2017-07-14 | 2017-07-14 | 支持环形地形的特征线提取方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107292288B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108357269A (zh) * | 2018-04-12 | 2018-08-03 | 电子科技大学中山学院 | 一种智能笔架 |
| CN114359320A (zh) * | 2021-12-15 | 2022-04-15 | 哈尔滨工业大学 | 月球探测器鲁棒环形山检测方法及飞行器导航方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593361A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 一种基于双层嵌套网格的大规模地形绘制系统 |
| CN105469061A (zh) * | 2015-08-04 | 2016-04-06 | 电子科技大学中山学院 | 地形特征线提取方法及装置 |
-
2017
- 2017-07-14 CN CN201710578653.1A patent/CN107292288B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593361A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 一种基于双层嵌套网格的大规模地形绘制系统 |
| CN105469061A (zh) * | 2015-08-04 | 2016-04-06 | 电子科技大学中山学院 | 地形特征线提取方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 缪永伟等: "一种环形特征线的快速提取方法", 《浙江工业大学学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108357269A (zh) * | 2018-04-12 | 2018-08-03 | 电子科技大学中山学院 | 一种智能笔架 |
| CN108357269B (zh) * | 2018-04-12 | 2023-05-02 | 电子科技大学中山学院 | 一种智能笔架 |
| CN114359320A (zh) * | 2021-12-15 | 2022-04-15 | 哈尔滨工业大学 | 月球探测器鲁棒环形山检测方法及飞行器导航方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107292288B (zh) | 2019-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Saadat et al. | Land use and land cover classification over a large area in Iran based on single date analysis of satellite imagery | |
| Bai et al. | An efficient and comprehensive method for drainage network extraction from DEM with billions of pixels using a size-balanced binary search tree | |
| Huang et al. | Road centreline extraction from high‐resolution imagery based on multiscale structural features and support vector machines | |
| Wu et al. | A localized contour tree method for deriving geometric and topological properties of complex surface depressions based on high-resolution topographical data | |
| JP5360989B2 (ja) | 地理情報生成システム及び地理情報生成方法 | |
| CN105551082B (zh) | 一种基于激光点云的路面识别方法及装置 | |
| CN105469061B (zh) | 地形特征线提取方法及装置 | |
| CN105701798A (zh) | 柱状物体的点云提取方法及装置 | |
| CN107845092A (zh) | 服装logo效果检测方法、装置及电子设备 | |
| CN113807301B (zh) | 一种新增建设用地自动提取方法及自动提取系统 | |
| CN106897445A (zh) | 一种基于ArcGIS的改进边界划定操作的新型方法 | |
| CN105869211B (zh) | 一种可视域分析方法及装置 | |
| CN109815859A (zh) | 一种低等级道路自动提取及变化分析方法 | |
| Vacca et al. | A GIS based method for soil mapping in Sardinia, Italy: A geomatic approach | |
| CN112240772B (zh) | 一种车道线生成方法及装置 | |
| Tormos et al. | Improving the quantification of land cover pressure on stream ecological status at the riparian scale using High Spatial Resolution Imagery | |
| CN107292288A (zh) | 支持环形地形的特征线提取方法、装置及电子设备 | |
| CN105447452A (zh) | 一种基于地物空间分布特征的遥感亚像元制图方法 | |
| Fuss et al. | DEM Fusion using a modified k-means clustering algorithm | |
| CN103745453A (zh) | 基于Google Earth遥感影像的城镇信息提取方法 | |
| CN112801075A (zh) | 基于航摄影像的农村道路边界线的自动提取方法 | |
| CN106844642B (zh) | 一种基于gis计算路网网格中人口密度的方法 | |
| Huang et al. | Part-based modeling of pole-like objects using divergence-incorporated 3-d clustering of mobile laser scanning point clouds | |
| CN110335322A (zh) | 基于图像的道路识别方法及道路识别装置 | |
| CN107341494A (zh) | 基于细线化的地形特征线提取方法、装置及电子设备 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190830 Termination date: 20200714 |