CN112084280B - 一种多尺度地形的裁剪及拼接方法 - Google Patents

Abstract

本发明公开了一种多尺度地形的裁剪及拼接方法，包括，获取高精度地形涉及到的瓦片行列号±1内的范围，利用反距离权重插值策略插值处理获取范围内的低精度地形，并根据等级指定的瓦片大小生成对应分辨率的栅格数据；利用Graham算法得到高精度地形数据中有效值的凸包范围及凸包范围内的高精度地形数据值覆盖低精度地形数据对应位置的值，融合获取范围内不同尺度的地形；利用邻域平均法平滑处理两个精度的栅格数据接边处，切片处理处理后的融合地形，完成多尺度地形的裁剪及拼接。本发明利用不同尺度的地形进行插值解算融合，最后以图像的平滑算法进行处理，达到不同尺度地形的无缝套合，解决了高精度与低精度地形套合出现的断层现象。

Description

一种多尺度地形的裁剪及拼接方法

技术领域

本发明涉及三维GIS的技术领域，尤其涉及一种多尺度地形的裁剪及拼接方法。

背景技术

近年来，随着地理信息系统和信息技术的飞速发展，空间遥感仪器分辨率的不断提高，使得影像、地形数据在地图应用领域不断扩大，影像、地形的栅格数据量急剧增长。随着影像、地形栅格地图数据量的急剧增长，现阶段WebGIS(网络地理信息系统)通常需要预先对栅格地图数据进行切片，并以多层级瓦片金字塔的形式组织栅格地图数据。当客户端访问WebGIS获取地图数据时，服务器端根据访问的区域、相机到区域的距离，返回相应等级的瓦片数据给客户端(非观察的重点区域加载较低等级的瓦片数据；相机离区域越近，就加载等级越高的瓦片数据)。通过上述流程来保证海量栅格地图在web端的加载速度及良好的游览流畅度。

在实际的处理过程中，源数据有时候并不是十分规范，除了单张栅格地图数据量较大的情况(以影像数据为例，有时候单张影像能达到100G的大小)，还有多份栅格数据尺度、坐标系统不同、边缘大多有无效值的问题，使用传统的切片方法无法解决这些问题，在web端浏览这些拼接的数据时也会有黑边、偏差等问题出现。但是在这种技术下，将数据量较大的单张栅格地图按固定大小划分成若干部分再进行切片可解决对应问题，在进行切片过程中将多份栅格数据尺度、坐标系统统一，将栅格地图数据中无效值去除以便多份数据无缝拼接，可以解决传统切片技术无法解决的这些影响展示效果、甚至可能导致无法完成切片的问题。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有技术存在的问题，提出了本发明。

因此，本发明解决的技术问题是：解决高精度地形与低精度地形套合出现的断层现象。

为解决上述技术问题，本发明提供如下技术方案：根据高精度地形的地理坐标获取高精度地形涉及到的瓦片行列号±1内的范围，利用反距离权重插值策略插值处理所述获取范围内的低精度地形，并根据等级指定的瓦片大小生成对应分辨率的栅格数据；基于所述栅格数据，利用Graham算法得到所述高精度地形数据中有效值的凸包范围及所述凸包范围内的高精度地形数据值覆盖低精度地形数据对应位置的值，融合所述获取范围内不同尺度的地形；基于所述地形，利用邻域平均法平滑处理所述两个精度的栅格数据接边处，切片处理所述处理后的融合地形，完成多尺度地形的裁剪及拼接。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述反距离权重插值策略包括，利用预测位置周围的测量值，与距离预测位置较远的测量值相对比。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述反距离权重策略计算出表面的原则包括所述幂值的选择和搜索邻域策略。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：根据几个不同的幂值绘制均方根预测误差点集并利用局部二次多项式插值法拟合为一条曲线；基于所述曲线上的点得到最小均方根预测误差的幂即为最佳幂。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：定义一个实数向量空间V，基于给定集合X，所有包含X的凸集的交集S即为X的凸包。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述X的凸包包括X内所有点的线性组合。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述Graham扫描包括，定义所述凸包上的一个点，基于所述点开根据逆时针方向逐个找所述凸包上的点，即进行极角排序，查询使用所述点。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：图像的平滑方法包括，基于空间域包括邻域平均法、中值滤波法和选择式掩模平滑法；基于频率域包括各种形式的低通滤波器。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述邻域平均法包括，定义f(i,j)为含有噪声的图像，利用所述邻域平均处理后的图像为g(i,j):

其中，M表示所述邻域中各邻近像素的坐标，即邻域中包含的邻近像素的个数。

作为本发明所述的多尺度地形的裁剪及拼接方法的一种优选方案，其中：所述邻域平均法的模板包括，

本发明的有益效果：利用不同尺度的地形进行插值解算融合，最后以图像的平滑算法进行处理，达到不同尺度地形的无缝套合，解决了高精度与低精度地形套合出现的断层现象。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的基本流程图；

图2为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的高精度地形数据示意图；

图3为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的反距离权重(IDW)插值策略的权重说明图；

图4为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的相对权重—距离图；

图5为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的计算最佳幂值过程图；

图6为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的领域形状图；

图7为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的凸包图；

图8为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的二维坐标系中的凸包点图；

图9为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的Graham扫描法动态求解的过程图；

图10为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的优化前效果图；

图11为本发明一个实施例提供的一种多尺度地形的裁剪及拼接方法的优化后效果图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～9，为本发明的一个实施例，提供了一种基于电气畸变分析的电动机非稳数据排除方法，包括：

S1：利用反距离权重插值策略插值高精度地形涉及到的瓦片行列号±1内的范围内的低精度地形，根据等级指定的瓦片大小生成对应分辨率的栅格数据。需要说明的是，反距离权重插值策略包括，

利用预测位置周围的测量值，与距离预测位置较远的测量值相对比。

反距离权重策略计算出表面的原则包括幂值的选择和搜索邻域策略；

其中最佳幂值的计算包括，

根据几个不同的幂值绘制均方根预测误差点集并利用局部二次多项式插值法拟合为一条曲线；

基于曲线上的点得到最小均方根预测误差的幂即为最佳幂。

具体的，收集到不同精度的地形数据，以下以收集到的高精度地形数据DEM-A，格式为tif，较低精度的地形DEM-B,terrain格式的切片数据。获取高精度地形涉及到的瓦片行列号±1内的范围，根据以上获取范围内的公网地形，通过反距离权重插值策略进行插值，按等级指定的瓦片大小生成对应分辨率的栅格数据。

反距离权重(IDW)插值可以明确地验证这样一种假设：彼此距离较近的事物要比彼此距离较远的事物更相似，为任何未测量的位置预测值时，反距离权重策略会采用预测位置周围的测量值。与距离预测位置较远的测量值相比，距离预测位置最近的测量值对预测值的影响更大，反距离权重策略假定每个测量点都有一种局部影响，而这种影响会随着距离的增大而减小，由于这种方法为距离预测位置最近的点分配的权重较大，而权重却作为距离的函数而减小，因此称之为反距离权重。如图3～6所示，权重与反距离(数据点与预测位置之间)的p次幂成正比，因此，随着距离的增加，权重将迅速降低，权重下降的速度取决于值p，如果p＝0，则表示距离没有减小，因为每个权重λi均相同，预测值将是搜索邻域内的所有数据值的平均值，随着p值的增大，较远数据点的权重将迅速减小，如果p值极大，则仅最邻近的数据点会对预测产生影响。

Geostatistical Analyst使用大于或等于1的幂值，当p＝2时，此方法称为反距离平方权重插值，定义p＝2为默认值，通过预览输出和检验交叉验证统计信息来调查更改p值时产生的影响。可通过将均方根预测误差(RMSPE)降至最小值来确定最佳幂值，RMSPE是在交叉验证过程中计算出的统计数据，RMSPE用于对预测表面的误差进行量化，Geostatistical Analyst会对若干个不同的幂值进行评估，从而确定出可以生成最小RMSPE的幂值，如图5所示说明了Geostatistical Analyst计算出最佳幂值的过程。根据几个不同的幂值绘制RMSPE(使用相同的数据集)，根据点拟合一条曲线(局部二次多项式插值法)，然后从该曲线上将提供最小RMSPE的幂确定为最佳幂。

由于彼此距离较近的事物比彼此距离较远的事物更加相似，因此，随着位置之间的距离增大，测量值与预测位置的值的关系将变得越来越不密切，为缩短计算时间，可以将几乎不会对预测产生影响的较远的数据点排除在外，因此，通过指定搜索邻域来限制测量值的数量是一种常用方法。邻域的形状限制了要在预测中使用的测量值的搜索距离和搜索位置，其他邻域参数限制了将在该形状中使用的位置，在图6中，在没有测量值的位置预测值时，则利用五个测量点(相邻点)，输入数据以及尝试创建的表面会影响邻域的形状，如果数据中不存在方向影响，则需要考虑在各个方向都均等的数据点。为此，将搜索邻域定义为圆，但是，如果数据中存在方向影响，如盛行风，则可能需要对此影响进行调整，方法是：将搜索邻域的形状更改为主轴与风向平行的椭圆。此方向影响的调整是合理的，因为众所周知，对比于与风向垂直但距离预测位置较近的位置，与预测位置风向相逆的位置在远距离位置处会更加相似。指定完邻域形状之后，便可限制应在该形状中使用哪些数据位置，可以定义要使用的最大位置数和最小位置数，并可以将邻域划分成若干分区，如果将邻域划分成若干分区，则会将最大值和最小值限制应用到各个分区，图6显示了可以使用和显示的几个不同分区，在数据视图中高亮显示的点显示了在椭圆中心预测某个位置时将使用的位置和权重，搜索邻域被限制在椭圆的内部。利用反距离权重策略策略算出的表面取决于幂值(p)的选择和搜索邻域策略，反距离权重策略是一个精确插值器，其中插值表面内的最大值和最小值只能出现在采样点处，输出表面对拓扑和异常值的出现十分敏感，反距离权重策略假定正在被建模的现象会受到局部变化的影响，而局部变化可以通过定义合适的搜索邻域进行捕获(已建模)。

S2：基于栅格数据，利用Graham算法得到高精度地形数据中有效值的凸包范围及凸包范围内的高精度地形数据值覆盖低精度地形数据对应位置的值，融合获取范围内不同尺度的地形。需要说明的是，凸包包括，

定义一个实数向量空间V，基于给定集合X，所有包含X的凸集的交集S即为X的凸包；

其中，X的凸包包括X内所有点(X1，...Xn)的线性组合。

具体的，凸包(Convex Hull)是一个计算几何(图形学)中的概念。在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。X的凸包可以用X内所有点(X1，...Xn)的线性组合来构造，在二维欧几里得空间中，凸包可想象为一条刚好包著所有点的橡皮圈，用不严谨的话来讲，给定二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边型，它能包含点集中所有的点。例如：假设平面上有p0～p12共13个点，过某些点作一个多边形，使这个多边形能把所有点都“包”起来，当这个多边形是凸多边形的时候，我们就叫它“凸包”，如图7所示。

进一步的，Graham扫描包括，

定义凸包上的一个点，基于点开根据逆时针方向逐个找凸包上的点，即进行极角排序，查询使用点。

具体的，Graham算法求凸包范围的步骤如下：

步骤1：将所有点放在二维坐标系中，则纵坐标最小的点一定是凸包上的点，如图中的P0；

步骤2：将所有点的坐标平移一下，使P0作为原点，如图8所示；

步骤3：计算各个点相对于P0的幅角α，按从小到大的顺序对各个点排序，当α相同时，距离P0比较近的排在前面。例如图8得到的结果为P1，P2，P3，P4，P5，P6，P7，P8，由几何知识可知，结果中第一个点P1和最后一个点P8一定是凸包上的点；

根据上述步骤，可以得到凸包上的第一个点P0和第二个点P1，将其放在栈里面，基于步骤3求得的结果，将P1后面的那个点拿出来做当前点，即P2。接下来开始找第三个点：

步骤4：连接P0和栈顶的那个点，得到直线L，看当前点是在直线L的右边还是左边，如果在直线的右边就执行步骤5；如果在直线上，或者在直线的左边就执行步骤6；

步骤5：如果在右边，则栈顶的那个元素不是凸包上的点，把栈顶元素出栈，执行步骤4；

步骤6：当前点是凸包上的点，把它压入栈，执行步骤7；

步骤7：检查当前的点P2是否为步骤3那个结果的最后一个元素，是最后一个元素则结束，如果不是就将P2后面那个点做当前点，返回步骤4；

最后，栈中的元素即为凸包上的点。

如图9为利用Graham扫描法动态求解的过程。

S3：基于地形，利用邻域平均法平滑处理两个精度的栅格数据接边处，切片处理处理后的融合地形，完成多尺度地形的裁剪及拼接。需要说明的是，图像的平滑方法包括，

基于空间域包括邻域平均法、中值滤波法和选择式掩模平滑法；

基于频率域包括各种形式的低通滤波器。

其中，邻域平均法包括，

定义f(i,j)为含有噪声的图像，利用邻域平均处理后的图像为g(i,j):

其中，M表示邻域中各邻近像素的坐标，即邻域中包含的邻近像素的个数。

邻域平均法的模板包括，

具体的，图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量，因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声，或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来，它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。本实施例主要介绍几种常用的空间域图像平滑方法。

其中，最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值(除以9)作为新图中该像素的灰度值，它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关，模板运算在数学中的描述即为卷积运算。邻域平均法也可以用数学公式表达：定义f(i,j)为含有噪声的图像，利用邻域平均处理后的图像为g(i,j):

其中，M表示邻域中各邻近像素的坐标，即邻域中包含的邻近像素的个数。

邻域平均法的模板包括，

在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如3×3、5×5，、7×7、9×9。

邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果f(i,j)是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用，因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。

实施例2

参照图10～11，对本方法中采用的技术效果加以验证说明，本实施例选择传统技术方案多精度DEM融合处理法和采用本发明方法进行对比，以验证本方法所具有的真实效果。

多精度DEM融合处理法根据多源观测的融合不仅仅对DEM数据，也可以融入等高线、测高点等异构数据，涉及矢栅结合的问题；也可以根据数据中存在的质量问题，包括尺度问题以及噪声、异常值、空洞缺失等精度问题进行针对性的处理，来对融合方法进行区分，分别有双线性插值法、样条函数插值法、反距离加权插值法、克里金插值法等。

本实施例在仿真软件中，传统的技术方案根据多源观测的融合DEM数据，融入等高线、测高点等异构数据，根据数据中存在的质量问题，包括尺度问题以及噪声、异常值、空洞缺失等精度问题进行针对性的处理，来对融合方法进行区分；本发明方法根据实施例1所述过程进行试验，其增加了栅格数据边缘提取算法，进一步满足了不同精度地形融合平滑效果，还增加了将上述算法中提取的栅格数据边缘无序点集有序化的算法，以实现边缘平滑过程中需要按单一方向(顺时针或逆时针)扫描边缘并进行插值平滑这一过程。其中，两种方案最终实现的优化前后效果如图10～11所示。

其中，从优化前后对比图中可以清晰的看出，传统的技术方案依然存在地形套合出现的断层现象，本发明方法利用图像的平滑算法进行处理，达到不同尺度地形的无缝套合，解决了高精度与低精度地形套合出现的断层现象。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种多尺度地形的裁剪及拼接方法，其特性在于，包括：

根据高精度地形的地理坐标获取高精度地形涉及到的瓦片行列号±1内的范围，利用反距离权重插值策略插值处理所述获取范围内的低精度地形，并根据等级指定的瓦片大小生成对应分辨率的栅格数据，所述反距离权重插值策略包括，利用预测位置周围的测量值，与距离预测位置较远的测量值相对比；

基于所述栅格数据，利用Graham算法得到所述高精度地形数据中有效值的凸包范围及所述凸包范围内的高精度地形数据值覆盖低精度地形数据对应位置的值，融合所述获取范围内不同尺度的地形，所述凸包包括，定义一个实数向量空间V，基于给定集合X，所有包含X的凸集的交集S即为X的凸包，Graham算法求凸包范围的步骤如下：

步骤1：将所有点放在二维坐标系中，则纵坐标最小的点一定是凸包上的点P0；

步骤2：将所有点的坐标平移一下，使P0作为原点；

步骤3：计算各个点相对于P0的幅角α，按从小到大的顺序对各个点排序，当α相同时，距离P0比较近的排在前面，结果中第一个点P1和最后一个点P8一定是凸包上的点；

根据上述步骤，可以得到凸包上的第一个点P0和第二个点P1，将其放在栈里面，基于步骤3求得的结果，将P1后面的那个点拿出来做当前点，即P2，接下来开始找第三个点：

步骤4：连接P0和栈顶的那个点，得到直线L，看当前点是在直线L的右边还是左边，如果在直线的右边就执行步骤5；如果在直线上，或者在直线的左边就执行步骤6；

步骤5：如果在右边，则栈顶的那个元素不是凸包上的点，把栈顶元素出栈，执行步骤4；

步骤6：当前点是凸包上的点，把它压入栈，执行步骤7；

步骤7：检查当前的点P2是否为步骤3那个结果的最后一个元素，是最后一个元素则结束，如果不是就将P2后面那个点做当前点，返回步骤4；

最后，栈中的元素即为凸包上的点；

基于所述地形，利用平滑处理所述两个精度的栅格数据接边处，切片处理所述处理后的融合地形，完成多尺度地形的裁剪及拼接，图像的平滑方法包括，基于空间域包括邻域平均法、中值滤波法和选择式掩模平滑法、基于频率域包括各种形式的低通滤波器。

2.如权利要求1所述的多尺度地形的裁剪及拼接方法，其特征在于：所述反距离权重策略计算出表面的原则包括幂值的选择和搜索邻域策略。

3.如权利要求2所述的多尺度地形的裁剪及拼接方法，其特征在于：最佳幂值的计算包括，

根据几个不同的幂值绘制均方根预测误差点集并利用局部二次多项式插值法拟合为一条曲线；

基于所述曲线上的点得到最小均方根预测误差的幂即为最佳幂。

4.如权利要求3所述的多尺度地形的裁剪及拼接方法，其特征在于：所述X的凸包包括X内所有点的线性组合。

5.如权利要求4所述的多尺度地形的裁剪及拼接方法，其特征在于：所述Graham扫描包括，

定义所述凸包上的一个点，基于所述点开根据逆时针方向逐个找所述凸包上的点，即进行极角排序，查询使用所述点。

6.如权利要求5所述的多尺度地形的裁剪及拼接方法，其特征在于：所述邻域平均法包括，

定义f(i,j)为含有噪声的图像，利用所述邻域平均处理后的图像为g(i,j):

其中，M表示所述邻域中各邻近像素的坐标，即邻域中包含的邻近像素的个数。

7.如权利要求6所述的多尺度地形的裁剪及拼接方法，其特征在于：所述邻域平均法的模板包括，