CN108805146A - 一种放射状和向心状水系的识别方法 - Google Patents
一种放射状和向心状水系的识别方法 Download PDFInfo
- Publication number
- CN108805146A CN108805146A CN201810570198.5A CN201810570198A CN108805146A CN 108805146 A CN108805146 A CN 108805146A CN 201810570198 A CN201810570198 A CN 201810570198A CN 108805146 A CN108805146 A CN 108805146A
- Authority
- CN
- China
- Prior art keywords
- river
- water system
- radial
- azimuth
- centripetal
- 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
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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
- G06V10/426—Graphical representations
Abstract
本发明公开了一种放射状和向心状水系的识别方法,包括:(1)获取shp格式的待识别水系线图层数据,读入至数据集L;(2)根据L获取各河流要素的首尾端点,记录到Coord中,并根据Coord筛选出主干河流和支流;(3)根据各主干河流的首尾端点坐标,计算中心点mid(xm,ym)和方位角Azimuthi;(4)根据各主干河流的方位角Azimuthi,分别计算位于各象限中的河流条数,若所述条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别,否则执行步骤(5);(5)计算待识别水系的内端点多边形上点的个数incount和外端点多边形上点的个数outcount,若outcount>incount,则判定为向心状水系,否则判定为放射状水系。本发明算法复杂度较低,自动化程度高,识别准确度较好。
Description
技术领域
本发明属于地理信息技术应用领域,具体涉及一种基于矢量数据的放射状和向心状水系的自动识别方法。
背景技术
一条干流及其支流组成的河网系统称为水系,自然界中相同类型的水系,其所在区域往往有着相似的地质构造和自然环境。通过对水系的排列形式、平面形态等进行分析,可以大致推断出水系所在区域的地质构造和地壳运动的大致情况。从而,水系类型的快速、准确解译具有重要的研究意义。
常见的水系类型有放射状水系、向心状水系、树状水系、格状水系、羽状水系、平行状水系以及辫状水系等。放射状水系又称辐射水系,是水系格局的一种,指在穹隆构造上或火山锥上发育的河流,形成顺坡向四周呈放射状外流的水系;向心状水系指水系中的河流流向是从四周流向中心,向中心汇聚,形成向心状形态,这种水系形态多出现在四周高,中间低的盆地地形当中。
目前,水系类型的判别方式,主要是人工判别,此种方法虽然简单易行,但效率低下,不利于大范围的判别。为提高处理效率,已有学者开展了水系类型的自动识别研究。如王一川使用二值化水系图像,基于最优统计图象分类器,形成了以水系纹理单元为单位进行水系分类的方法(参见王一川.水系自动分类研究[D].西南交通大学,2006.);车国泉利用句法模式识别技术,对辫状水系的图像进行了自动识别(参见车国泉.辫状水系的自动识别[D].西南交通大学,2007.)。相关水系类型的自动识别方法,虽能够进行水系类型的一定识别,但由于是利用二值化水系图像,而不是直接利用水系矢量数据,导致算法的复杂度较高,识别效果较差。
发明内容
发明目的:本发明针对现有技术存在的问题,提供一种放射状和向心状水系的识别方法,该方法基于矢量数据识别放射状和向心状水系,算法复杂度较低,自动化程度高,识别准确度较好。
技术方案:本发明所述的放射状和向心状水系的识别方法包括:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m},其中,li表示第i个河流要素,其属性包含河流长度Leni和河流等级标志RiverLeveli=k,k为自然数,m为河流要素的个数;
(2)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中,并根据坐标集合Coord筛选出主干河流和支流,更新支流的河流等级标志RiverLeveli=k-1;
(3)根据各主干河流的首尾端点坐标,计算其中心点mid(xm,ym)和方位角Azimuthi;
(4)根据各河流的方位角Azimuthi,分别计算位于第一、二、三、四象限中的河流条数,若所述条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别,否则执行步骤(5);
(5)计算待识别水系的内端点多边形上点的个数incount和外端点多边形上点的个数outcount,若outcount>incount,则判定待识别水系为向心状水系,否则判定为放射状水系。
进一步的,步骤(2)具体包括:
(2-1)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中;
(2-2)判断各河流要素的首尾端点,是否与其他河流要素的任一点相交;
(2-3)若相交,则判定该河流要素为支流,并将该河流要素的河流等级标志更新为RiverLeveli=k-1;若不相交,则判定该河流要素为主干河流。
进一步的,步骤(3)具体包括:
(3-1)将标志属性RiverLevel=k的河流要素提取出来,并将提取的河流要素的首尾点坐标写入集合P;
(3-2)根据集合P采用下式计算各主干河流的中心点;
式中,n表示主干河流的条数,xis,xie分别表示第i条河流首、尾点的横坐标,yis,yie分别表示第i条河流首、尾点的纵坐标;
(3-3)根据坐标集合Coord,采用下式计算每一河流要素的方位角azimuthi:
式中,i∈[0,m-1],azimuthi的阈值范围为[0,360)。
进一步的,步骤(4)具体包括:
(4-1)根据各河流要素的方位角azimuthi,判断其位于第几象限,其中判定方法为:
(4-2)分别统计位于第一、二、三、四象限中的河流条数;
(4-3)若位于第一、二、三、四象限中的河流条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别;否则执行步骤(5)。
进一步的,步骤(5)具体包括:
(5-1)将内端点多边形上点的个数incount和外端点多边形上点的个数outcount初始值设为主干河流的条数;
(5-2)获取一条RiverLeveli=k-1的支流,将该支流与对应主干河流的交点记为qj1(xj1,yj1),该支流的另一端点记为qj2(xj2,yj2),j<m;
(5-3)根据下式,分别计算qj1(xj1,yj1)和qj2(xj2,yj2)到中心点mid(xm,ym)的距离dj1和dj2,计算公式如下:
(5-4)若dj1<dj2,则outcount加1;若dj1>dj1,则incount加1;
(5-5)返回执行(5-2),直至完成所有支流的遍历处理,若此时outcount>incount,则该水系为向心状水系;否则,该水系为放射状水系。
有益效果:本发明与现有技术相比,其显著优点是:本发明基于矢量数据识别放射状和向心状水系,算法复杂度较低,自动化程度高,识别准确度较好。
附图说明
图1为本发明方法的流程图;
图2为实施例中实验数据1的线图层示意图;
图3为实施例中图2的外端点和内端点矩形图;
图4为实施例中针对图2进行识别后得到的实验结果图;
图5为实施例中实验数据2的线图层示意图;
图6为实施例中图5的外端点和内端点矩形图;
图7为实施例中针对图5进行识别后得到的的实验结果图。
具体实施方式
如图1所示,本实施例提供的放射状和向心状水系的识别方法包括以下步骤:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m},其中,li表示第i个河流要素,其属性包含河流长度Leni和河流等级标志RiverLeveli=k,k为自然数,m为河流要素的个数。例如,以图2作为实验数据,可知,m=24,k=1。
(2)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中,并根据坐标集合Coord筛选出主干河流和支流,更新支流的河流等级标志RiverLeveli=k-1。
该步骤具体包括:
(2-1)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中;
(2-2)判断各河流要素的首尾端点,是否与其他河流要素的任一点相交;
(2-3)若相交,则判定该河流要素为支流,并将该河流要素的河流等级标志更新为RiverLeveli=k-1;若不相交,则判定该河流要素为主干河流。
接上例,线要素计算得到的河流首尾两个端点坐标coordi和主干河流标志属性RiverLevel具体如表1所示:
表1
从上表可以看出,主干河流有20条,1级支流有4条。
(3)根据各主干河流的首尾端点坐标,计算其中心点mid(xm,ym)和方位角Azimuthi。
该步骤具体包括:
(3-1)将标志属性RiverLevel=k的河流要素提取出来,并将提取的河流要素的首尾点坐标写入集合P;
(3-2)根据集合P采用下式计算各主干河流的中心点;
式中,n表示主干河流的条数,xis,xie分别表示第i条河流首、尾点的横坐标,yis,yie分别表示第i条河流首、尾点的纵坐标;
接上例,可以计算得到中心点的坐标为mid(584.53,-330.32)。
(3-3)根据坐标集合Coord,采用下式计算每一河流要素的方位角azimuthi:
式中,i∈[0,m-1],azimuthi的阈值范围为[0,360)。
接上例,可以计算得到各河流的方位角Azimuth具体如表2所示:
表2
(4)根据各河流的方位角Azimuthi,分别计算位于第一、二、三、四象限中的河流条数,若所述条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别,否则执行步骤(5)。
该步骤具体包括:
(4-1)根据各河流要素的方位角azimuthi,判断其位于第几象限,其中判定方法为:
(4-2)分别统计位于第一、二、三、四象限中的河流条数;
接上例,该例子中统计到的河流条数如下表所示:
表3
(4-3)若位于第一、二、三、四象限中的河流条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别;否则执行步骤(5)。
接上例,可知,该例子中各象限河流条数均大于1,故执行步骤(5)。
(5)计算待识别水系的内端点多边形上点的个数incount和外端点多边形上点的个数outcount,若outcount>incount,则判定待识别水系为向心状水系,否则判定为放射状水系。
该步骤具体包括:
(5-1)将内端点多边形上点的个数incount和外端点多边形上点的个数outcount初始值设为主干河流的条数。内端点多边形和外端点多边形如图3所示。
(5-2)获取一条RiverLeveli=k-1的支流,将该支流与对应主干河流的交点记为qj1(xj1,yj1),该支流的另一端点记为qj2(xj2,yj2),j<m;
接上例,可以得到该例子中1≤j≤4,交点的值具体如表4所示:
表4
(5-3)根据下式,分别计算qj1(xj1,yj1)和qj2(xj2,yj2)到中心点mid(xm,ym)的距离dj1和dj2,计算公式如下:
接上例,可以计算得到该例子中距离dj1和dj2的值具体如表5所示:
表5
(5-4)若dj1<dj2,则outcount加1;若dj1>dj1,则incount加1;
(5-5)返回执行(5-2),直至完成所有支流的遍历处理,若此时outcount>incount,则该水系为向心状水系;否则,该水系为放射状水系。
接上例,可以从表5看出,di1<di2的个数为4,di1>di2的个数为0,故outcount=24,incount=20。可以得出outcount>incount,故该水系为向心状水系,如图4所示。
图5为另一实验数据,针对该数据进行处理后得到:outcount=12,incount=13,如图6所示,可知,outcount<incount,其判别结果为放射状水系,如图7所示。
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 (5)
1.一种放射状和向心状水系的识别方法,其特征在于该方法包括:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m},其中,li表示第i个河流要素,其属性包含河流长度Leni和河流等级标志RiverLeveli=k,k为自然数,m为河流要素的个数;
(2)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中,并根据坐标集合Coord筛选出主干河流和支流,更新支流的河流等级标志RiverLeveli=k-1;
(3)根据各主干河流的首尾端点坐标,计算其中心点mid(xm,ym)和方位角Azimuthi;
(4)根据各河流的方位角Azimuthi,分别计算位于第一、二、三、四象限中的河流条数,若所述条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别,否则执行步骤(5);
(5)计算待识别水系的内端点多边形上点的个数incount和外端点多边形上点的个数outcount,若outcount>incount,则判定待识别水系为向心状水系,否则判定为放射状水系。
2.根据权利要求1所述的放射状和向心状水系的识别方法,其特征在于:步骤(2)具体包括:
(2-1)根据数据集L获取各河流要素的首尾端点,记录到坐标集合Coord中;
(2-2)判断各河流要素的首尾端点,是否与其他河流要素的任一点相交;
(2-3)若相交,则判定该河流要素为支流,并将该河流要素的河流等级标志更新为RiverLeveli=k-1;若不相交,则判定该河流要素为主干河流。
3.根据权利要求1所述的放射状和向心状水系的识别方法,其特征在于:步骤(3)具体包括:
(3-1)将标志属性RiverLevel=k的河流要素提取出来,并将提取的河流要素的首尾点坐标写入集合P;
(3-2)根据集合P采用下式计算各主干河流的中心点;
式中,n表示主干河流的条数,xis,xie分别表示第i条河流首、尾点的横坐标,yis,yie分别表示第i条河流首、尾点的纵坐标;
(3-3)根据坐标集合Coord,采用下式计算每一河流要素的方位角azimuthi:
式中,i∈[0,m-1],azimuthi的阈值范围为[0,360)。
4.根据权利要求1所述的放射状和向心状水系的识别方法,其特征在于:步骤(4)具体包括:
(4-1)根据各河流要素的方位角azimuthi,判断其位于第几象限,其中判定方法为:
(4-2)分别统计位于第一、二、三、四象限中的河流条数;
(4-3)若位于第一、二、三、四象限中的河流条数不是全部大于0,则判定待识别水系不是放射状或向心状水系,结束识别;否则执行步骤(5)。
5.根据权利要求1所述的放射状和向心状水系的识别方法,其特征在于:步骤(5)具体包括:
(5-1)将内端点多边形上点的个数incount和外端点多边形上点的个数outcount初始值设为主干河流的条数;
(5-2)获取一条RiverLeveli=k-1的支流,将该支流与对应主干河流的交点记为qj1(xj1,yj1),该支流的另一端点记为qj2(xj2,yj2),j<m;
(5-3)根据下式,分别计算qj1(xj1,yj1)和qj2(xj2,yj2)到中心点mid(xm,ym)的距离dj1和dj2,计算公式如下:
(5-4)若dj1<dj2,则outcount加1;若dj1>dj1,则incount加1;
(5-5)返回执行(5-2),直至完成所有支流的遍历处理,若此时outcount>incount,则该水系为向心状水系;否则,该水系为放射状水系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810570198.5A CN108805146B (zh) | 2018-06-05 | 2018-06-05 | 一种放射状和向心状水系的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810570198.5A CN108805146B (zh) | 2018-06-05 | 2018-06-05 | 一种放射状和向心状水系的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805146A true CN108805146A (zh) | 2018-11-13 |
CN108805146B CN108805146B (zh) | 2019-03-12 |
Family
ID=64088706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810570198.5A Active CN108805146B (zh) | 2018-06-05 | 2018-06-05 | 一种放射状和向心状水系的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805146B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948493A (zh) * | 2019-03-11 | 2019-06-28 | 南京泛在地理信息产业研究院有限公司 | 一种基于形态特征的放射状水系自动化识别方法 |
CN111428574A (zh) * | 2020-03-02 | 2020-07-17 | 南京师范大学 | 一种基于空间模式匹配的倒钩河自动识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365246A1 (en) * | 2013-06-07 | 2014-12-11 | State Farm Mutual Automobile Insurance Company | Systems and methods for grid-based insurance rating |
CN104298689A (zh) * | 2013-07-17 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种河网编码方法和系统 |
CN104318085A (zh) * | 2014-10-11 | 2015-01-28 | 福建师范大学 | 一种流域山洪风险识别与提取方法 |
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 |
CN106295041A (zh) * | 2016-08-18 | 2017-01-04 | 淮安市水利勘测设计研究院有限公司 | 区域水利规划中的水系网络图绘制方法 |
CN106908797A (zh) * | 2017-02-21 | 2017-06-30 | 水利部南京水利水文自动化研究所 | 基于gis的x波段面雨量雷达数据提取方法 |
CN107194171A (zh) * | 2017-05-18 | 2017-09-22 | 中国水利水电科学研究院 | 一种环境流量的数据管理方法及系统 |
CN107633246A (zh) * | 2017-10-12 | 2018-01-26 | 中煤航测遥感集团有限公司 | 水系采集方向自动检查、修复方法及系统 |
CN107977635A (zh) * | 2017-12-08 | 2018-05-01 | 南京师范大学 | 一种格状水系识别方法 |
-
2018
- 2018-06-05 CN CN201810570198.5A patent/CN108805146B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365246A1 (en) * | 2013-06-07 | 2014-12-11 | State Farm Mutual Automobile Insurance Company | Systems and methods for grid-based insurance rating |
CN104298689A (zh) * | 2013-07-17 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种河网编码方法和系统 |
CN104318085A (zh) * | 2014-10-11 | 2015-01-28 | 福建师范大学 | 一种流域山洪风险识别与提取方法 |
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 |
CN106295041A (zh) * | 2016-08-18 | 2017-01-04 | 淮安市水利勘测设计研究院有限公司 | 区域水利规划中的水系网络图绘制方法 |
CN106908797A (zh) * | 2017-02-21 | 2017-06-30 | 水利部南京水利水文自动化研究所 | 基于gis的x波段面雨量雷达数据提取方法 |
CN107194171A (zh) * | 2017-05-18 | 2017-09-22 | 中国水利水电科学研究院 | 一种环境流量的数据管理方法及系统 |
CN107633246A (zh) * | 2017-10-12 | 2018-01-26 | 中煤航测遥感集团有限公司 | 水系采集方向自动检查、修复方法及系统 |
CN107977635A (zh) * | 2017-12-08 | 2018-05-01 | 南京师范大学 | 一种格状水系识别方法 |
Non-Patent Citations (2)
Title |
---|
A.C. DINESH 等: "Bearing, azimuth and drainage (bAd) calculator: A new GIS supported tool for quantitative analyses of drainage networks and watershed parameters", 《COMPUTERS & GEOSCIENCES》 * |
车国泉: "辫状水系自动识别", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948493A (zh) * | 2019-03-11 | 2019-06-28 | 南京泛在地理信息产业研究院有限公司 | 一种基于形态特征的放射状水系自动化识别方法 |
CN111428574A (zh) * | 2020-03-02 | 2020-07-17 | 南京师范大学 | 一种基于空间模式匹配的倒钩河自动识别方法 |
CN111428574B (zh) * | 2020-03-02 | 2023-06-13 | 南京师范大学 | 一种基于空间模式匹配的倒钩河自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108805146B (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563381B (zh) | 基于全卷积网络的多特征融合的目标检测方法 | |
Song et al. | Kiwifruit detection in field images using Faster R-CNN with VGG16 | |
CN104268138B (zh) | 融合深度图和三维模型的人体运动捕捉方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
CN105023014B (zh) | 一种无人机巡检输电线路图像内的杆塔目标提取方法 | |
CN109145171A (zh) | 一种多尺度地图数据更新方法 | |
CN104077806B (zh) | 基于城市建筑三维模型的自动分体提取方法 | |
CN110222769A (zh) | 一种基于YOLOV3-tiny的改进目标检测方法 | |
CN111340826A (zh) | 基于超像素与拓扑特征的航拍图像单株树冠分割算法 | |
CN108805146B (zh) | 一种放射状和向心状水系的识别方法 | |
CN106897681A (zh) | 一种遥感图像对比分析方法及系统 | |
CN102542560B (zh) | 一种水稻移栽后密度自动检测的方法 | |
CN110175615A (zh) | 模型训练方法、域自适应的视觉位置识别方法及装置 | |
CN110263794B (zh) | 基于数据增强的目标识别模型的训练方法 | |
CN103729621B (zh) | 基于叶片骨架模型的植物叶片图像自动识别方法 | |
CN106871902A (zh) | 一种无人机导航的方法、装置以及系统 | |
CN109102538B (zh) | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 | |
CN106683098B (zh) | 一种重叠叶片图像的分割方法 | |
CN103500469B (zh) | 一种城市绿化建模方法 | |
CN109271868A (zh) | 基于密集连接卷积网络超球体嵌入的目标重识别方法 | |
CN106952267A (zh) | 三维模型集共分割方法及装置 | |
CN109992914A (zh) | 面向海洋再分析数据的基于压力异常的三维中尺度涡旋识别技术 | |
CN108462939A (zh) | 一种地磁时序分析的室内定位方法 | |
CN105205809B (zh) | 一种基于dem数据的月球穹窿识别方法及装置 | |
Li et al. | Detecting Plant Leaves Based on Vision Transformer Enhanced YOLOv5 |
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 |