CN109840447A - 一种基于双tpi参数的地形特征点提取方法 - Google Patents
一种基于双tpi参数的地形特征点提取方法 Download PDFInfo
- Publication number
- CN109840447A CN109840447A CN201711191949.4A CN201711191949A CN109840447A CN 109840447 A CN109840447 A CN 109840447A CN 201711191949 A CN201711191949 A CN 201711191949A CN 109840447 A CN109840447 A CN 109840447A
- Authority
- CN
- China
- Prior art keywords
- neighborhood
- target point
- point
- type
- height value
- 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.)
- Pending
Links
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种地形特征点的提取方法和装置。所述方法包括:设定提取结果的类型;以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;当所述目标点满足提取条件时,提取所述目标点。本发明在地形特征点的提取过程中通过两个邻域对目标点的类型进行判断,判断结果更加准确,能够提高提取结果的准确度。
Description
技术领域
本发明涉及数字地形分析技术领域,尤其涉及一种地形特征点的提取方法和装置。
背景技术
山脊点、山谷点是两类重要的地形特征点,它们对地形、地貌具有一定的控制作用。在数字地形分析中,山脊点和山谷点的提取和分析是很有必要的。
目前可以通过地形位置指数(Topographic Position Index,TPI)判断目标点所处的地形位置,即目标点的类型。地形位置指数TPI是Andrew Weiss在2001年提出的,它是地形分类体系的基础参数。TPI的基本原理是研究目标点与其邻域高程平均值的差值,表达式如式(1)所示:
式(1)中,TPI为地形位置指数,z为目标点高程值,为目标点邻域内所有地形点的高程平均值。
Andrew Weiss还提出,可以根据TPI与邻域内所有地形点的高程值的均方根来设定阈值,超过一特定阈值则为山脊点,低于另一特定阈值则为山谷点,比如当TPI>1SD时,目标点位于山脊;当TPI<-1SD时,目标点位于山谷,其中SD为目标点邻域内所有地形点的高程值的均方根,表达式如式(2)所示:
式(2)中,n为目标点邻域内所有地形点的个数,zi为目标点邻域内所有地形点的高程值,为目标点邻域内所有地形点的高程平均值。
在实现本发明的过程中,发明人发现现有技术中至少存在如下技术问题:
现有的基于TPI参数提取地形特征点的方法,通过比较目标点的TPI值和SD值,从而判断出目标点所处的地形位置,导致提取结果易受到地表粗糙度影响,对于同一目标点,选择不同的邻域尺度,会得到不同甚至相反的提取结果,提取结果的准确度较差。
发明内容
本发明提供的地形特征点的提取方法和装置,能够提高提取结果的准确度。
第一方面,本发明提供一种地形特征点的提取方法,包括:
设定提取结果的类型;
以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;
根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;
当所述目标点满足提取条件时,提取所述目标点。
可选地,所述提取结果的类型包括山脊点和山谷点。
可选地,所述根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型包括:
根据所述第一邻域内的高程值,计算所述目标点的第一地形位置指数TPI1和第一均方根高程值SD1,并根据所述第二邻域内的高程值,计算所述目标点的第二地形位置指数TPI2和第二均方根高程值SD2;
比较TPI1和SD1的值,并比较TPI2和SD2的值;
如果TPI1>SD1且TPI2>SD2,则判断所述目标点为山脊上的凸起点,如果TPI1<-SD1且TPI2<-SD2,则判断所述目标点为山谷上的凹陷点。
可选地,所述当所述目标点满足提取条件时,提取所述目标点包括:
当设定提取结果的类型为山脊点时,提取山脊上的凸起点;
当设定提取结果的类型为山谷点时,提取山谷上的凹陷点。
可选地,所述第一邻域及所述第二邻域的形状为圆形、环形或方形。
第二方面,本发明提供一种地形特征点的提取装置,包括:
设定模块,用于设定提取结果的类型;
邻域选取模块,用于以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;
判断模块,用于根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;
提取模块,用于当所述目标点满足提取条件时,提取所述目标点。
可选地,所述设定模块设定的提取结果的类型包括山脊点和山谷点。
可选地,所述判断模块包括:
计算单元,用于根据所述第一邻域内的高程值,计算所述目标点的第一地形位置指数TPI1和第一均方根高程值SD1,并根据所述第二邻域内的高程值,计算所述目标点的第二地形位置指数TPI2和第二均方根高程值SD2;
比较单元,用于比较TPI1和SD1的值,并比较TPI2和SD2的值;
判断单元,用于当TPI1>SD1且TPI2>SD2时,判断所述目标点为山脊上的凸起点,还用于当TPI1<-SD1且TPI2<-SD2时,判断所述目标点为山谷上的凹陷点。
可选地,所述提取模块用于当设定提取结果的类型为山脊点时,提取山脊上的凸起点;还用于当设定提取结果的类型为山谷点时,提取山谷上的凹陷点。
可选地,所述邻域选取模块选取的第一邻域及第二邻域的形状为圆形、环形或方形。
本发明提供的地形特征点的提取方法和装置,以目标点为基准选取不同尺度的两个邻域,通过两个邻域分别计算TPI和SD,得到两组TPI和SD后,通过双重判断,得到目标点的类型,通过第一邻域初步判断目标点所处的地形位置;通过第二邻域对目标点所处位置进行准确定位,与现有技术相比,判断结果更加准确,减弱了邻域半径参数对提取结果的影响,能够提高提取结果的准确度。
附图说明
图1为本发明一实施例提供的地形特征点的提取方法的流程图;
图2a为使用现有方法提取山脊点时的一种提取结果示意图;
图2b为使用现有方法提取山脊点时的另一种提取结果示意图;
图2c为使用本发明实施例提供的方法提取山脊点时的一种提取结果示意图;
图3为本发明一实施例提供的地形特征点的提取装置的结构示意图;
图4为图3所示装置中判断模块的结构示意图。
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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
本发明实施例提供一种地形特征点的提取方法,如图1所示,所述方法包括:
S11、设定提取结果的类型。
通常将提取结果的类型设定为山脊点或山谷点。
S12、以目标点为基准选取第一邻域及第二邻域,其中第一邻域的尺度大于第二邻域的尺度。
在实际选取邻域时,第一邻域及第二邻域的形状可以采用圆形、环形、方形或定制的不规则形状。
S13、根据第一邻域及第二邻域内的高程值,判断目标点的类型。
S14、当目标点满足提取条件时,提取目标点。
下面以采用两个圆形邻域为例进行具体说明,以目标点为圆心,选取两个不同半径的圆形邻域,其中第一邻域的半径为R1,第二邻域的半径为R2,且R1>R2。
在第一邻域内,根据目标点及相邻地形点的高程值,根据式(1)计算得到目标点的第一地形位置指数TPI1,并根据式(2)计算得到第一均方根高程值SD1,在第二邻域内,根据目标点及相邻地形点的高程值,根据式(1)计算得到目标点的第二地形位置指数TPI2,并根据式(2)计算得到第二均方根高程值SD2,比较TPI1和SD1的值,如果TPI1>SD1,可以初步判断目标点位于山脊,如果TPI1<-SD1,可以初步判断目标点位于山谷。
为了提高提取结果的准确度,进一步比较TPI2和SD2的值。当TPI1>SD1时,如果TPI2>SD2,则判断目标点为山脊上的凸起点,如果-SD2≤TPI2≤SD2,则判断目标点为山脊上的平地点,如果TPI2<-SD2,则判断目标点为山脊上的凹陷点。
类似地,当TPI1<-SD1时,如果TPI2>SD2,则判断目标点为山谷上的凸起点,如果-SD2≤TPI2≤SD2,则判断目标点为山谷上的平地点,如果TPI2<-SD2,则判断目标点为山谷上的凹陷点。
当提取山脊点时,我们只提取山脊上的凸起点,即当TPI1>SD1且TPI2>SD2时,目标点满足提取条件,提取所述目标点,否则所述目标点不符合要求,不提取所述目标点。
当提取山谷点时,我们只提取山谷上的凹陷点,即当TPI1<-SD1且TPI2<-SD2时,目标点满足提取条件,提取所述目标点,否则所述目标点不符合要求,不提取所述目标点。
如上所述,提取目标点的判断准则如表1所示。
表1
目标点的类型 | 第二邻域参数 | 第一邻域参数 |
山脊上的凸起点 | TPI2>SD2 | TPI1>SD1 |
山脊上的平地点 | -SD 2≤TPI2≤SD2 | TPI1>SD1 |
山脊上的凹陷点 | TPI2<-SD2 | TPI1>SD1 |
山谷上的凸起点 | TPI4>SD4 | TPI3<-SD3 |
山谷上的平地点 | -SD 4≤TPI4≤SD4 | TPI3<-SD3 |
山谷上的凹陷点 | TPI4<-SD4 | TPI3<-SD3 |
为了更加直观地体现本发明的改进效果,以提取山脊点的一个实例来说明。图2a和图2b为使用现有方法提取山脊点时的提取结果,其中图2a为邻域半径为6时的提取结果,图2b为邻域半径为12时的提取结果。图2c为使用本发明实施例提供的方法提取山脊点时的提取结果,其中第一邻域半径为12,第二邻域半径为6。
通过对比可以发现,图2a的提取结果较为分散;图2b的提取结果较为集中,但会形成较粗的线条;图2c的提取结果比较集中,并且不会形成粗线条,显示效果最佳。这是由于:当使用较小的邻域半径时,提取结果是局部特征,可理解为局部凸起,当使用较大的邻域半径时,提取结果是较宏观的特征,可理解为山脉,局部凸起相对于山脉必然分散,而山脉也必然会形成较粗线条。而本发明实施例提供的方法能够准确提取山脉上的凸起,即为准确的山脊点。
需要说明的是,本发明实施例提供的地形特征点的提取方法相对于现有方法,计算量处于同一量级,对算法效率的影响基本可以忽略。
本发明实施例提供的地形特征点的提取方法,以目标点为基准选取不同尺度的两个邻域,通过两个邻域分别计算TPI和SD,得到两组TPI和SD后,通过双重判断,得到目标点的类型,与现有技术相比,判断结果更加准确,减弱了邻域半径参数对提取结果的影响,能够提高提取结果的准确度,从而有助于准确理解地形特征。
本发明实施例还提供一种地形特征点的提取装置,如图3所示,所述装置包括:
设定模块31,用于设定提取结果的类型;
邻域选取模块32,用于以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;
判断模块33,用于根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;
提取模块34,用于当所述目标点满足提取条件时,提取所述目标点。
可选地,设定模块31设定的提取结果的类型包括山脊点和山谷点。
可选地,如图4所示,判断模块33包括:
计算单元331,用于根据所述第一邻域内的高程值,计算所述目标点的第一地形位置指数TPI1和第一均方根高程值SD1,并根据所述第二邻域内的高程值,计算所述目标点的第二地形位置指数TPI2和第二均方根高程值SD2;
比较单元332,用于比较TPI1和SD1的值,并比较TPI2和SD2的值;
判断单元333,用于当TPI1>SD1且TPI2>SD2时,判断所述目标点为山脊上的凸起点,还用于当TPI1<-SD1且TPI2<-SD2时,判断所述目标点为山谷上的凹陷点。
进一步地,提取模块34用于当设定提取结果的类型为山脊点时,提取山脊上的凸起点;还用于当设定提取结果的类型为山谷点时,提取山谷上的凹陷点。
可选地,邻域选取模块32选取的第一邻域及第二邻域的形状为圆形、环形或方形。
本发明实施例提供的地形特征点的提取装置,以目标点为基准选取不同尺度的两个邻域,通过两个邻域分别计算TPI和SD,得到两组TPI和SD后,通过双重判断,得到目标点的类型,与现有技术相比,判断结果更加准确,减弱了邻域半径参数对提取结果的影响,能够提高提取结果的准确度,从而有助于准确理解地形特征。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (10)
1.一种地形特征点的提取方法,其特征在于,包括:
设定提取结果的类型;
以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;
根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;
当所述目标点满足提取条件时,提取所述目标点。
2.根据权利要求1所述的方法,其特征在于,所述提取结果的类型包括山脊点和山谷点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型包括:
根据所述第一邻域内的高程值,计算所述目标点的第一地形位置指数TPI1和第一均方根高程值SD1,并根据所述第二邻域内的高程值,计算所述目标点的第二地形位置指数TPI2和第二均方根高程值SD2;
比较TPI1和SD1的值,并比较TPI2和SD2的值;
如果TPI1>SD1且TPI2>SD2,则判断所述目标点为山脊上的凸起点,如果TPI1<-SD1且TPI2<-SD2,则判断所述目标点为山谷上的凹陷点。
4.根据权利要求2所述的方法,其特征在于,所述当所述目标点满足提取条件时,提取所述目标点包括:
当设定提取结果的类型为山脊点时,提取山脊上的凸起点;
当设定提取结果的类型为山谷点时,提取山谷上的凹陷点。
5.根据权利要求1所述的方法,其特征在于,所述第一邻域及所述第二邻域的形状为圆形、环形或方形。
6.一种地形特征点的提取装置,其特征在于,包括:
设定模块,用于设定提取结果的类型;
邻域选取模块,用于以目标点为基准选取第一邻域及第二邻域,其中所述第一邻域的尺度大于所述第二邻域的尺度;
判断模块,用于根据所述第一邻域及所述第二邻域内的高程值,判断所述目标点的类型;
提取模块,用于当所述目标点满足提取条件时,提取所述目标点。
7.根据权利要求6所述的装置,其特征在于,所述设定模块设定的提取结果的类型包括山脊点和山谷点。
8.根据权利要求7所述的装置,其特征在于,所述判断模块包括:
计算单元,用于根据所述第一邻域内的高程值,计算所述目标点的第一地形位置指数TPI1和第一均方根高程值SD1,并根据所述第二邻域内的高程值,计算所述目标点的第二地形位置指数TPI2和第二均方根高程值SD2;
比较单元,用于比较TPI1和SD1的值,并比较TPI2和SD2的值;
判断单元,用于当TPI1>SD1且TPI2>SD2时,判断所述目标点为山脊上的凸起点,还用于当TPI1<-SD1且TPI2<-SD2时,判断所述目标点为山谷上的凹陷点。
9.根据权利要求7所述的装置,其特征在于,所述提取模块用于当设定提取结果的类型为山脊点时,提取山脊上的凸起点;还用于当设定提取结果的类型为山谷点时,提取山谷上的凹陷点。
10.根据权利要求6所述的装置,其特征在于,所述邻域选取模块选取的第一邻域及第二邻域的形状为圆形、环形或方形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711191949.4A CN109840447A (zh) | 2017-11-24 | 2017-11-24 | 一种基于双tpi参数的地形特征点提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711191949.4A CN109840447A (zh) | 2017-11-24 | 2017-11-24 | 一种基于双tpi参数的地形特征点提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840447A true CN109840447A (zh) | 2019-06-04 |
Family
ID=66876190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711191949.4A Pending CN109840447A (zh) | 2017-11-24 | 2017-11-24 | 一种基于双tpi参数的地形特征点提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840447A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022110920A1 (zh) * | 2020-11-27 | 2022-06-02 | 清华大学 | 森林火灾特殊危险地形识别方法及装置 |
Citations (2)
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 |
CN105550691A (zh) * | 2015-12-29 | 2016-05-04 | 武汉大学 | 基于尺度空间的自适应山谷山脊线提取方法及系统 |
-
2017
- 2017-11-24 CN CN201711191949.4A patent/CN109840447A/zh active Pending
Patent Citations (2)
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 |
CN105550691A (zh) * | 2015-12-29 | 2016-05-04 | 武汉大学 | 基于尺度空间的自适应山谷山脊线提取方法及系统 |
Non-Patent Citations (4)
Title |
---|
ANDREW WEISS: "Topographic position and landforms analysis", 《PROCEEDINGS OF THE POSTER PRESENTATION,ESRI USER CONFERENCE》 * |
冯晓等: "《线形工程计算机辅助选线设计理论与方法》", 31 August 2008 * |
张海筱: "黄土高原丘陵沟壑区植被覆盖度空间格局及其控制因子研究—以孤山川流域为例", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
韦金丽等: "基于高分辨率DEM的地形特征提取与分析", 《测绘与空间地理信息》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022110920A1 (zh) * | 2020-11-27 | 2022-06-02 | 清华大学 | 森林火灾特殊危险地形识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | A multidirectional and multiscale morphological index for automatic building extraction from multispectral GeoEye-1 imagery | |
CN103198480B (zh) | 基于区域和Kmeans聚类的遥感图像变化检测方法 | |
CN101887586B (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
CN107092871B (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
CN102999914B (zh) | 一种基于地形网格的大陆坡脚点自动识别方法 | |
CN101694718B (zh) | 基于感兴趣区域的遥感图像变化检测方法 | |
CN104463164B (zh) | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 | |
CN103400134B (zh) | 非接触式手指静脉样本感兴趣区域提取方法 | |
CN101650439B (zh) | 基于差异边缘和联合概率一致性的遥感图像变化检测方法 | |
CN108830876B (zh) | 一种水域轮廓提取及面积检测方法 | |
CN101699511A (zh) | 彩色图像分割方法及系统 | |
CN112132159B (zh) | 一种连续剖面点云特征分析的路面坑槽提取方法 | |
CN102254191B (zh) | 一种基于图像处理的降水粒子相态识别方法 | |
CN102663382A (zh) | 基于子网格特征自适应加权的视频图像文字识别方法 | |
CN103984946A (zh) | 一种基于K-means的高分辨率遥感地图道路提取方法 | |
Shamsoddini et al. | Improving lidar-based forest structure mapping with crown-level pit removal | |
CN107330898A (zh) | 植被垂直带定量刻划计算方法和系统 | |
CN103177257A (zh) | 一种鸡腿菇图像识别方法与分级方法 | |
CN101976347A (zh) | 基于Mean Shift分割的遥感图像中水上桥梁识别方法 | |
CN102567726A (zh) | 极地冰盖边缘区域浮冰自动提取技术 | |
CN104036514A (zh) | 一种基于直方图峰值搜索的圆检测方法 | |
CN108320291A (zh) | 基于大津算法的海底地貌边界提取方法 | |
CN109840447A (zh) | 一种基于双tpi参数的地形特征点提取方法 | |
CN104881670A (zh) | 一种用于sar方位角估计的快速目标提取方法 | |
CN108460422A (zh) | 基于深度分布特征的海底地貌类型识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |