CN108319902B - 一种河曲自动提取方法 - Google Patents

一种河曲自动提取方法 Download PDF

Info

Publication number
CN108319902B
CN108319902B CN201810053103.2A CN201810053103A CN108319902B CN 108319902 B CN108319902 B CN 108319902B CN 201810053103 A CN201810053103 A CN 201810053103A CN 108319902 B CN108319902 B CN 108319902B
Authority
CN
China
Prior art keywords
meander
section
point
neck
neckstart
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.)
Expired - Fee Related
Application number
CN201810053103.2A
Other languages
English (en)
Other versions
CN108319902A (zh
Inventor
解宪丽
李安波
万夏
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.)
Nanjing Normal University
Institute of Soil Science of CAS
Original Assignee
Nanjing Normal University
Institute of Soil Science of CAS
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 Nanjing Normal University, Institute of Soil Science of CAS filed Critical Nanjing Normal University
Priority to CN201810053103.2A priority Critical patent/CN108319902B/zh
Publication of CN108319902A publication Critical patent/CN108319902A/zh
Application granted granted Critical
Publication of CN108319902B publication Critical patent/CN108319902B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种河曲自动提取方法，该方法包括：(1)读取一区间为[start,end]的矢量河流线图层数据，基于最短加权距离，提取出一曲流颈要素和相应的河曲要素，确定河曲区间的超始点位置,记为[neckStart,neckEnd]；(2)从数据区间[start,end]中剔除区间[neckStart,neckEnd]中间部分的数据，并进行子区间划分；(3)迭代执行步骤(1)至(2)，直至完成所有河曲及其曲流颈要素的提取；(4)从步骤(3)中得到的河曲及其曲流颈要素中提取符合用户指定阈值的部分，生成河曲线图层和曲流颈线图层。本发明执行效率高，准确率高。

Description

一种河曲自动提取方法
技术领域
本发明涉及地理信息技术应用领域，尤其涉及一种基于矢量线状河流数据的河曲自动提取方法。
背景技术
河流形态研究可为河流景观环境保护及水力资源开发提供地貌学依据，现代河流的几何形态参数对于古水文的重建与河流的演化研究至关重要。其中，河曲平面形态是河型研究的主要内容,与横向变化及纵向变化存在着相互制约的紧密关系。
目前，自由河曲形态学及判别参数的研究已经取得了很大进展。然而，河曲形态学研究中，河曲的提取、分类以及河曲参数的测量等工作，自动化程度较低，仍以手工或半自动方法为主(参见张斌、艾南山、黄正文、易成波、覃发超.中国嘉陵江河曲的形态与成因.科学通报.2007,52(22):2671-2682)。如何基于矢量河流数据，自动、快速地划分并提取出河曲，对于河流形态研究具有重要的研究意义和应用价值。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于矢量线状河流数据的河曲自动提取方法。
技术方案：本发明所述的河曲自动提取方法包括：
(1)读取一区间为[start,end]的矢量河流线图层数据，基于最短加权距离，提取出一曲流颈要素和相应的河曲要素，确定河曲区间的起始和终止点位置,记为[neckStart,neckEnd]；start和end为提取区间的起点位置和终点位置；
(2)从数据区间[start,end]中剔除区间[neckStart,neckEnd]中间部分的数据，并进行子区间划分；
(3)迭代执行步骤(1)至(2)，直至完成所有河曲要素及其曲流颈要素的提取；
(4)从步骤(3)中得到的河曲要素及其曲流颈要素中提取符合用户指定阈值的部分，生成河曲线图层和曲流颈线图层。
进一步的，步骤(1)具体包括：
(1-1)读取一点数量为n，区间为[start,end]的矢量河流线图层数据，并写入集合L；
(1-2)设置i＝start，j＝end；
(1-3)计算pi和pj两点间加权距离dij；其中，pi和pj分别为位置i和j上的点；
(1-4)将i＝i+1,j＝j-1,返回执行(1-3)，直至i+2≥j时停止循环；
(1-5)循环结束后，获取加权距离最小的两点，其位置分别记为s、e；
(1-6)基于s、e所对应的两点，生成曲流颈要素；
(1-7)基于河曲区间公式，确定河曲区间的起始和终止索引位置,记为[neckStart,neckEnd]；
(1-8)基于区间[neckStart,neckEnd]所圈定的河流分段，生成河曲要素。
其中，步骤(1-3)中两点间加权距离的计算公式为：
或者
式中，(xi，yi)、(xj，yj)分别为pi和pj两点的坐标，i、j分别为相应点在集合L中的位置，lenij指i,j两点间河流的长度。
其中，步骤(1-7)中河曲区间公式为：
式中，v为用户指定调整参数，其值域为[1,3]。
进一步的，步骤(2)具体包括：
(2-1)基于区间[neckStart,neckEnd]，根据以下公式计算子区间的划分位置，分别记为subLeft、subRight；
式中，round函数用于四舍五入求值；
(2-2)从原始数据中剔除区间[neckStart,neckEnd]中间部分的数据,得到两个子区间[start,subLeft]和[subRight,end]；
进一步的，步骤(4)具体包括：
(4-1)针对一河曲要素，计算要素长度length和首尾点距离dis；
(4-2)基于下式，计算其长度比系数ratio；
(4-3)循环执行步骤(4-1)至(4-2)，直至完成所有河曲要素的长度比系数计算；
(4-4)基于用户指定阈值R，删除ratio<R的河曲要素及其对应曲流颈要素；
(4-5)将剩余的河曲要素及其对应曲流颈要素生成河曲线图层和曲流颈线图层。
其中，所述用户指定阈值R>1.3。
有益效果：本发明与现有技术相比，其显著优点是：本发明基于最短加权距离法和二分区间迭代处理算法，执行效率较高，提取效果好，与人工解译结果一致。
附图说明
图1是本发明的一个实施例的流程示意图；
图2是实施例中采用的实验数据图；
图3是实施例提取的河曲示意图；
图4是采用本发明方法基于阈值过滤后生成的河曲及其曲流颈示意图(虚线要素为曲流颈)。
具体实施方式
下面对本发明技术方案进行详细说明，如图1所示，本实施例具体包括步骤：
步骤1：读取一区间为[start,end]的矢量河流线图层数据，基于最短加权距离，提取出一曲流颈要素和相应的河曲要素，确定河曲区间的起始和终止点位置,记为[neckStart,neckEnd]；start和end为提取区间的起点位置和终点位置。
其中，本实例的实验数据采用的是由Google Earth中遥感影像数字化生成的1:500000嘉陵江局部线图层数据(图2)。
步骤1具体包括以下步骤：
(1-1)读取一点数量为n，区间为[start,end]的矢量河流线图层数据，并写入集合L；本实施例中，n为497；
(1-2)设置i＝start，j＝end；
(1-3)计算pi和pj两点间加权距离dij；本实施例使用计算公式为：
式中，(xi，yi)、(xj，yj)分别为pi和pj两点的坐标，i、j分别为相应点在集合L中的位置；
(1-4)将i＝i+1,j＝j-1,返回执行(1-3)，直至i+2≥j时停止循环；
(1-5)循环结束后，获取加权距离最小的两点，其位置分别记为s、e；本实施例中，首次得到s、e的值分别为416、472；
(1-6)基于s、e所对应的两点，生成曲流颈要素；
(1-7)基于河曲区间公式，确定河曲区间的起始和终止点索引位置,记为[neckStart,neckEnd]；
其中，河曲区间公式为：
式中，v为用户指定调整参数，其值域为[1,3]。本实施例中，v＝1,首次得到区间为[415,473]；
(1-8)基于区间[neckStart,neckEnd]所圈定的河流分段，生成河曲要素。
步骤2：从原始数据中剔除区间[neckStart,neckEnd]中间部分的数据，并进行子区间划分。具体包括：
(2-1)基于区间[neckStart,neckEnd]，根据以下公式计算子区间的划分位置，分别记为subLeft、subRight；
式中，round函数用于四舍五入求值；本实施例中，首次得到subLeft＝430、subRight＝458；
(2-2)从原始数据中剔除区间[neckStart,neckEnd]中间部分的数据,得到两个子区间[start,subLeft]和[subRight,end]；本实施例中，首次得到两个子区间分别为[0，430]、[458，496]。
步骤3：迭代执行步骤1至2，直至完成所有河曲要素及其曲流颈要素的提取。本实施例中，处理结果如图3所示。
步骤4：从步骤3中得到的河曲要素及其曲流颈要素中提取符合用户指定阈值的部分，生成河曲线图层和曲流颈线图层。具体包括：
(4-1)针对一河曲要素，计算要素长度length和首尾点距离dis；本实施例中，首个要素的length和dis,其值分别为0.22353592375751224、0.010305162601980757；
(4-2)基于下式，计算其长度比系数ratio；
本实施例中，首次得到ratio＝21.69164450782624；
(4-3)循环执行步骤(4-1)至(4-2)，直至完成所有河曲要素的长度比系数计算；
(4-4)基于用户指定阈值R，删除ratio<R的河曲要素及其对应曲流颈要素；本实施例中，R＝1.4。
(4-5)将剩余的河曲要素及其对应曲流颈要素生成河曲线图层和曲流颈线图层。本实施例中，处理结果如图4所示。
由实施例可知，本专利方法能有效地进行河曲和曲流颈提取，自动化程度高，且与人工提取结果基本一致。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种河曲自动提取方法，其特征在于该方法包括：
(1)读取一区间为[start,end]的矢量河流线图层数据，基于最短加权距离，提取出一曲流颈要素和相应的河曲要素，确定河曲区间的起始和终止点位置,记为[neckStart,neckEnd]；
(2)从数据区间[start,end]中剔除区间[neckStart,neckEnd]中间部分的数据，并进行子区间划分；
(3)迭代执行步骤(1)至(2)，直至完成所有河曲要素及其曲流颈要素的提取；
(4)从步骤(3)中得到的河曲要素及其曲流颈要素中提取符合用户指定阈值的部分，生成河曲线图层和曲流颈线图层。
2.根据权利要求1所述的河曲自动提取方法，其特征在于：步骤(1)具体包括：
(1-1)读取一点数量为n，区间为[start,end]的矢量河流线图层数据，并写入集合L；
(1-2)设置i＝start，j＝end；
(1-3)计算pi和pj两点间加权距离dij；其中，pi和pj分别为位置i和j上的点；
(1-4)将i＝i+1,j＝j-1,返回执行(1-3)，直至i+2≥j时停止循环；
(1-5)循环结束后，获取加权距离最小的两点，其位置分别记为s、e；
(1-6)基于s、e所对应的两点，生成曲流颈要素；
(1-7)基于河曲区间公式，确定河曲区间的起始和终止点索引位置,记为[neckStart,neckEnd]；
(1-8)基于区间[neckStart,neckEnd]所圈定的河流分段，生成河曲要素。
3.根据权利要求2所述的河曲自动提取方法，其特征在于：步骤(1-3)中两点间加权距离的计算公式为：
或者
式中，(xi，yi)、(xj，yj)分别为pi和pj两点的坐标，i、j分别为相应点在集合L中的位置,lenij指i,j两点间河流的长度。
4.根据权利要求2所述的河曲自动提取方法，其特征在于：步骤(1-7)中河曲区间公式为：
式中，v为用户指定调整参数，其值域为[1,3]。
5.根据权利要求1所述的河曲自动提取方法，其特征在于：步骤(2)具体包括：
(2-1)基于区间[neckStart,neckEnd]，根据以下公式计算子区间的划分位置，分别记为subLeft、subRight；
式中，round函数用于四舍五入求值；
(2-2)从原始数据中剔除区间[neckStart,neckEnd]中间部分的数据，得到两个子区间[start,subLeft]和[subRight,end]。
6.根据权利要求1所述的河曲自动提取方法，其特征在于：步骤(4)具体包括：
(4-1)针对一河曲要素，计算要素长度length和首尾点距离dis；
(4-2)基于下式，计算其长度比系数ratio；
(4-3)循环执行步骤(4-1)至(4-2)，直至完成所有河曲要素的长度比系数计算；
(4-4)基于用户指定阈值R，删除ratio<R的河曲要素及其对应曲流颈要素；
(4-5)将剩余的河曲要素及其对应曲流颈要素生成河曲线图层和曲流颈线图层。
7.根据权利要求6所述的河曲自动提取方法，其特征在于：所述用户指定阈值R>1.3。
CN201810053103.2A 2018-01-19 2018-01-19 一种河曲自动提取方法 Expired - Fee Related CN108319902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810053103.2A CN108319902B (zh) 2018-01-19 2018-01-19 一种河曲自动提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810053103.2A CN108319902B (zh) 2018-01-19 2018-01-19 一种河曲自动提取方法

Publications (2)

Publication Number Publication Date
CN108319902A CN108319902A (zh) 2018-07-24
CN108319902B true CN108319902B (zh) 2019-02-22

Family

ID=62895078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810053103.2A Expired - Fee Related CN108319902B (zh) 2018-01-19 2018-01-19 一种河曲自动提取方法

Country Status (1)

Country Link
CN (1) CN108319902B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109344473B (zh) * 2018-09-18 2023-01-31 南京师范大学 一种基于形态特征的对口河识别方法
CN109934890B (zh) * 2019-03-08 2023-04-07 南京泛在地理信息产业研究院有限公司 一种河曲包络线自动提取方法
CN110083995B (zh) * 2019-05-31 2023-04-18 南京泛在地理信息产业研究院有限公司 基于弯曲特征的河流裂点提取方法
CN111275790B (zh) * 2020-01-16 2023-04-21 南京泛在地理信息产业研究院有限公司 一种河流χ图的自动生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980295A (zh) * 2010-09-25 2011-02-23 西北工业大学 基于偏度分析的黄河主溜线检测方法
CN105740807A (zh) * 2016-01-28 2016-07-06 武汉大学 一种基于数学形态学的遥感图像提取连续河流骨架线方法
CN106067030A (zh) * 2016-05-26 2016-11-02 广西师范学院 一种河流特征分类数据的处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2994315B1 (fr) * 2012-08-06 2014-08-29 Total Sa Procede de determination de trajectoires de chenaux

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980295A (zh) * 2010-09-25 2011-02-23 西北工业大学 基于偏度分析的黄河主溜线检测方法
CN105740807A (zh) * 2016-01-28 2016-07-06 武汉大学 一种基于数学形态学的遥感图像提取连续河流骨架线方法
CN106067030A (zh) * 2016-05-26 2016-11-02 广西师范学院 一种河流特征分类数据的处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Analysis of Meander Evolution Studies on Effect From Land Use And Climate;Mohd khairul amri Kamarudin 等;《Mitigation and Adaptation Strategies for Global Change》;20140228;第1-17页 *
基于Snake模型的地图中河流提取算法;辛动军 等;《计算机工程》;20061031;第32卷(第20期);第16-17页 *
基于数字地图的下荆江河道变迁研究;颜辉武 等;《华中师范大学学报》;20010930;第35卷(第3期);第357-361页 *

Also Published As

Publication number Publication date
CN108319902A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
CN108319902B (zh) 一种河曲自动提取方法
CN111401265B (zh) 行人重识别方法、装置、电子设备和计算机可读存储介质
CN109815788A (zh) 一种图片聚类方法、装置、存储介质及终端设备
CN106250939A (zh) 基于fpga+arm多层卷积神经网络的手写体字符识别方法
CN103559689B (zh) 一种点云噪声点去除方法
CN108920765B (zh) 一种基于建筑物三维线段模型的假设平面拟合方法
CN109446333A (zh) 一种实现中文文本分类的方法及相关设备
Wang et al. Point cloud simplification algorithm based on the feature of adaptive curvature entropy
Fan et al. A self-adaptive segmentation method for a point cloud
CN105931241B (zh) 一种自然场景图像的自动标注方法
CN109151727B (zh) 基于改进的dbn的wlan指纹定位数据库构建方法
CN109325510B (zh) 一种基于网格统计的图像特征点匹配方法
Yi CNN-based flow field feature visualization method
CN104361625B (zh) 一种基于射线原理的带边界保留的云数据精简算法
Liang et al. Review of target detection technology based on deep learning
CN107977635A (zh) 一种格状水系识别方法
CN108363962B (zh) 一种基于多层次特征深度学习的人脸检测方法及系统
Qu et al. Visual cross-image fusion using deep neural networks for image edge detection
CN113408808B (zh) 训练方法、数据生成方法、装置、电子设备以及存储介质
CN107644230B (zh) 一种遥感图像对象的空间关系建模方法
CN104715160A (zh) 基于kmdb的软测量建模数据异常点检测方法
Cohen et al. Ordering and parameterizing scattered 3d data for b-spline surface approximation
CN113962425A (zh) 供热数据生成方法、装置、设备和计算机存储介质
CN104778363A (zh) 基于多元时间序列的河流混沌特性识别方法
CN106199604B (zh) 一种基于相关性分析的台风运动追踪方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190222

Termination date: 20220119

CF01 Termination of patent right due to non-payment of annual fee