CN112419495B - 基于多尺度dem空间模型的高程点自动提取方法 - Google Patents

Abstract

本发明介绍了一种基于多尺度DEM空间模型的高程点自动提取方法，所谓基于多尺度DEM空间模型的高程点自动提取是指以输入DEM数据为基础，通过多次高斯滤波建立多尺度DEM空间模型，在该空间模型中提取初始高程点和临时高程点，并进行追踪，获取每个高程点的存活时间。最后设置阈值进行判断，提取结果高程点。

Description

基于多尺度DEM空间模型的高程点自动提取方法

技术领域

本发明属于地图制图中地形图高程点提取的方法技术领域，具体涉及一种基于多尺度DEM空间模型的高程点自动提取方法。

背景技术

尺度空间的概念由David G.Lowe在1999年提出，尺度空间用于提取在多尺度变换下保持不变的关键点，这些关键点对旋转、尺度缩放、亮度变化等保持不变性，是非常稳定的局部特征。尺度空间在图像特征点检测、图像匹配中应用广泛。

在地形图中，根据等高线的分布、数值、变化趋势，并结合高程点的大小，可以对地形图所描绘的地形起伏变化进行准确的模拟。高程点通常位于重要地形特征单元(如山峰、鞍部及山谷等)、河流、道路等自然或人文要素的内部或附近，具有重要的地理意义。受地形起伏的影响，高程点在空间上呈现密度不均匀的分布状态。常见的提取方法有基于数字高程模型(Digital Elevation Model,DEM)的高程点提取方法，但该方法容易受噪声的影响，提取结果不稳定；手工提取方法的结果虽精度较高，但是费时费力且容易遗漏，具有极大的主观性。因此，有必要提出一种方法，能够根据地貌特征，自动、高效地提取稳定的、具有地理意义的高程点。

发明内容

本发明的目的在于提供一种基于多尺度DEM空间模型的高程点自动提取方法，以解决背景技术中存在的问题。

为实现上述目的，本发明提供如下技术方案：1、一种基于多尺度DEM空间模型的高程点自动提取方法，其中，所述DEM为原始输入DEM数据，其特征在于，包括以下步骤：

步骤一，多尺度DEM空间模型建立：对所述DEM数据建立多尺度DEM空间模型；

步骤二，初始高程点和临时高程点提取：在所述多尺度空间模型的第1层DEM数据中提取所述初始高程点，包括山峰点和洼地点，在多尺度空间模型的其余层提取临时高程点；

步骤三，高程点追踪：对所述初始高程点和所述临时高程点，在每一层尺度空间中对其进行追踪，获取其在所述多尺度空间中的存活时间；

步骤四，结果高程点提取：根据所述初始高程点和所述临时高程点的存活时间，设置存活时间阈值，若大于等于该阈值，则提取为所述结果高程点。

优选地，步骤一中，所述多尺度DEM空间模型的输入数据为DEM，由高斯滤波对所述DEM进行N-1次卷积得到所述多尺度空间模型，卷积模板的大小为3*3。

优选地，步骤二中，所述初始高程点和所述临时高程点提取方法如下：遍历所述多尺度DEM空间模型每一层的象元，在3*3大小的窗口中判断中心象元与周围象元之间的高程大小关系，进而提取中心象元的中心点为高程点，遍历第1层得到所述初始高程点，遍历其它层得到所述临时高程点。

优选地，步骤三中，所述高程点追踪方法如下：遍历所述多尺度DEM空间模型中第i(i<n)层的所述高程点，判断在第i+1层，该所述高程点所在象元周围8个象元是否存在相同类型的所述高程点，若存在，则该所述高程点的存活时间增加1，所述高程点转移，继续判断第i+2层，重复这个过程，直至第N层。

优选地，步骤四中，所述结果高程点提取方法如下：判断所述高程点在所述多尺度DEM空间模型中的存活时间，设置存活时间阈值，若大于等于该阈值，则提取为所述结果高程点。

本发明与现有技术相比，其有益效果是：

本发明提出的一种基于多尺度DEM空间模型的高程点自动提取方法，实现了在多尺度空间中对高程点进行追踪，提取结果更准确、稳定；计算机自动提取排除了人工提取的主观性，降低了作业的成本，尤其当制图范围较大时，提高了高程点的提取效率与可靠性。

附图说明

图1是多尺度DEM空间模型示意图；

图2是高程点提取方法示意图；

图3是高程点追踪过程示意图。

具体实施方式

下面结合附图及较佳实施例详细说明本发明的具体实施方式。

本发明介绍了一种基于多尺度DEM空间模型的高程点自动提取方法，所谓基于多尺度DEM空间模型的高程点自动提取是指以输入DEM数据为基础，建立多尺度DEM空间模型，在该空间模型中对初始高程点和临时高程点进行追踪，获取每个高程点的存活时间，以此来提取结果高程点。本方法能够在多尺度空间中准确、稳定地提取高程点，排除了人工提取的主观性，降低了作业的成本，尤其当制图范围较大时，提高了高程点的提取效率与可靠性。

本发明基于多尺度DEM空间模型的高程点自动提取方法，由多尺度DEM空间模型建立、初始高程点和临时高程点提取、高程点追踪、高程点提取四个主要部分组成，具体过程如下：

步骤一，多尺度DEM空间模型建立。多尺度DEM空间模型的输入数据为DEM，作为多尺度空间的第1层。采用高斯滤波对DEM进行卷积，卷积模板的大小为3*3，得到多尺度空间模型的第2层。模板权重计算公式如式1。对于DEM边缘的象元，向外扩展一行或一列，扩展象元的高程值与边缘象元的高程值相同。对第2层再次进行高斯滤波卷积，得到第3层，重复这个过程，直到第N层。N层卷积结果构成多尺度空间模型，如图1所示。

步骤二，初始高程点和临时高程点提取：遍历多尺度空间第1层的象元，在3*3大小的窗口中判断中心象元与周围象元之间的高程大小关系，若中心象元的高程值全部大于周围象元的高程值，则提取该中心象元的中心点为初始山峰点，若中心象元的高程值全部小于周围象元的高程值，则提取该中心象元的中心点为初始洼地点，如图2所示，红色表示山峰点，绿色表示洼地点。遍历多尺度空间中其余层(>1)的象元，通过相同的方法获得临时山峰点和临时洼地点。对于DEM边缘的象元，向外扩展一行或一列，扩展象元的高程值与边缘象元的高程值相同。

步骤三，高程点追踪：对于初始高程点，在第2层至第N层进行追踪。遍历第1层的初始高程点，判断在第2层尺度空间中，该高程点所在象元的周围8个象元中是否存在相同类型的高程点(山峰点或洼地点)，若存在，则该高程点转移，存活时间增加1，若存在大于等于两个相同类型的高程点，则选取坡度最小的象元；以转移后的高程点为基准，继续判断第3层该高程点所在象元的周围8个象元中是否存在相同类型的高程点，重复这个操作，直至第N层。对于第i层的临时高程点，在第i+1至第N层进行追踪，追踪方法同初始高程点。追踪过程如图3所示。

步骤四，结果高程点提取：判断初始高程点和临时高程点在多尺度DEM空间模型中的存活时间，设置存活时间阈值，若大于等于该阈值，则提取为结果高程点。对结果高程点序列进行删除重复值的操作，得到最终结果高程点提取结果。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于多尺度DEM空间模型的高程点自动提取方法，其中，所述DEM为原始输入DEM数据，其特征在于，包括以下步骤：

步骤一，多尺度DEM空间模型建立：对所述DEM数据建立多尺度DEM空间模型；

步骤二，初始高程点和临时高程点提取：在所述多尺度空间模型的第1层DEM数据中提取所述初始高程点，包括山峰点和洼地点，在多尺度空间模型的其余层提取临时高程点；

步骤三，高程点追踪：对于初始高程点，在第2层至第N层进行追踪，遍历第1层的初始高程点，判断在第2层尺度空间中，该高程点所在象元的周围8个象元中是否存在相同类型的高程点，若存在，则该高程点转移，存活时间增加1，若存在大于等于两个相同类型的高程点，则选取坡度最小的象元；以转移后的高程点为基准，继续判断第3层该高程点所在象元的周围8个象元中是否存在相同类型的高程点，重复这个操作，直至第N层，对于第i层的临时高程点，在第i+1至第N层进行追踪，追踪方法同初始高程点；

步骤四，结果高程点提取：根据所述初始高程点和所述临时高程点的存活时间，即存在的层数，设置存活时间阈值，若大于等于该阈值，则提取为所述结果高程点。

2.根据权利要求1所述的基于多尺度DEM空间模型的高程点自动提取方法，其特征在于：步骤一中，所述多尺度DEM空间模型的输入数据为DEM，由高斯滤波对所述DEM进行N-1次卷积得到所述多尺度空间模型，卷积模板的大小为3*3。

3.根据权利要求1所述的基于多尺度DEM空间模型的高程点自动提取方法，其特征在于：步骤二中，所述初始高程点和所述临时高程点提取方法如下：遍历所述多尺度DEM空间模型每一层的象元，在3*3大小的窗口中判断中心象元与周围象元之间的高程大小关系，进而提取中心象元的中心点为高程点，遍历第1层得到所述初始高程点，遍历其它层得到所述临时高程点。

Images