CN114937131A - 一种单视点的地形可视域空间拓扑特征提取与表示方法 - Google Patents

Abstract

本发明公开了一种单视点的地形可视域空间拓扑特征提取与表示方法，包括：获取地形的DEM数据，并指定观察点位置和高出地面的高度；根据观察点位置和高出地面的高度，计算出地形可视域；对地形可视域进行分割，获取到若干子视域；计算并提取出每个子视域的特征要素值，构建子视域之间的空间拓扑结构。本发明能够获取到每一个子视域的空间关系，在景观分析中对观景点的选取有重要作用，选择一个合适的观景点位置保证它能够覆盖的视域范围尽量大，并且能够覆盖到特定的景观，给人带来好的视觉体验。

Description

一种单视点的地形可视域空间拓扑特征提取与表示方法

技术领域

本发明属于地理信息系统领域，涉及地形可视域分析技术，具体涉及一种单视点的地形可视域空间拓扑特征提取与表示方法。

背景技术

可视性(域)分析是地理信息系统中一个重要的研究分支，许多学者也都基于地形可视域做了大量的研究，例如有基于可视域的路径规划、可视景观分析、观察哨所的设置等。基于可视域的路径规划有：在军事路线中，为了防止被敌军看到，需要选择具有高隐蔽性的路线；在可视景观分析中，选择景观的观景点位置要求其可视域要能够覆盖到特定的景点；在观察哨所设置中，选择的哨所要能够保证观察点位置有足够大的视野范围，森林防火中监控点的设置也是基于此。

地理学中地形数据大多由栅格数据组成，每个栅格中的值表示位置的地形高程。数字高程模型(简称DEM)表示地形上格网单元的海拔高度，由于地形的不同，其高程值也存在差异。地形在形状上本身就呈现出不规则分布，对这些不规则分布的地形特征提取，学者大多采用栅格法，根据每个栅格高程值的差异研究地形特征。

聚类分析技术作为一种重要的研究手段，有着很大的研究意义。对地形可视域的划分采用聚类分析的方法，根据聚类结果研究地形视域分布特征，实现对不同地形的特征表达与描述，以指导可基于视域的应用。通过聚类的方法对地形的特征提取是地理信息系统中一种少见的地形特征研究方法，有着很大的应用价值，在观景点设置，观察哨所设定等方面有很大的应用帮助。

目前可视域表达方法主要有可视地图、可视景观、可视邻域配置。可视地图的方法在路径规划中具有较广泛的应用，规划一条路径，使从观察点出发，沿着这条路径，能够看到目标点。可视景观主要用于景区观景点中，但它是宏观上的观景规划，将每一个景点串联起来，形成的一条景点线路。可视邻域配置是对观察者视域的配置，规定了视域的形状、视野范围、视域评估方式等，在考古研究中有着较广泛的应用。

对于可视域空间表示的方法较多，但其中大多是宏观分析。在微地形中，如何表示每一个子视域的空间关系的研究相对较少。在微地形中，针对观察点进行可视域分析，有着重要的应用价值，保证观察者在观景点位置能够看到某个特定的位置，带来好的视觉体验。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种单视点的地形可视域空间拓扑特征提取与表示方法，其能够获取到每一个子视域的空间关系，在景观分析中对观景点的选取有重要作用，选择一个合适的观景点位置保证它能够覆盖的视域范围尽量大，并且能够覆盖到特定的景观，给人带来好的视觉体验。

技术方案：为实现上述目的，本发明提供一种单视点的地形可视域空间拓扑特征提取与表示方法，包括如下步骤：

S1：获取地形的DEM数据，并指定观察点位置和高出地面的高度；

S2：根据观察点位置和高出地面的高度，计算出地形可视域；

S3：对地形可视域进行分割，获取到若干子视域；

S4：计算并提取出每个子视域的特征要素值，构建子视域之间的空间拓扑结构。

进一步地，所述步骤S2中地形可视域的计算方法为：

给定观察点O的坐标(x，y，z)，x,y为观察点的地面坐标，z为其高程值，设height为观察点O的地面高度，地形可视域表示为地形上一定范围内观察点O可以看见的地形点的集合，即V＝{P₁，P₂，···，P_n}，P_i为可见的地形点，简称可视点，n表示可视点的数量。

进一步地，所述步骤S3中依据地形可视域中可视点的空间距离，借助于分类或聚类算法划分地形可视域为多个相互分离的子视域SV_i(i＝1,2,···,k)，k为划分的子视域的个数。

进一步地，所述步骤S3中采用DBSCAN聚类算法对地形可视域进行分割，具体的分割过程如下：

A1：基于欧式距离的相似度计算：

设任意两个可视点P_i和P_j之间的欧式距离如公式(1)：

其中，P_i的坐标为(X_i，Y_i，Z_i)，X_i和Y_i表示地形经纬度，Z_i表示(X_i，Y_i)位置的高程值；同理，P_j的坐标为(X_j，Y_j，Z_j)，表示(,X_j，Y_j)表示P_j的位置，Z_j表示该位置的高程值；

A2：聚类参数的确定：

对于给定的地形分辨率R，需要确定DBSCAN算法的密度参数(eps,minpts)，其中，参数eps表示邻域半径，用于确定聚集在某个点周围的范围大小，参数minpts表示邻域内的最小样本数，eps和minpts共同确定某个点是否为核心点，即在给定邻域eps时，某个点的邻域内的样本数超过最小样本数minpts，则该点是一个核心点，由所有核心点及其邻域点组成一个簇；

A3：根据组成的簇进行分割，将eps设置为阈值，当d≤eps时，则P_i和P_j属于同一个子视域SV_i，即SV_i＝SV_i∪{P_i,P_j}。

进一步地，所述步骤A2中对于分辨率为R×R的地形，考虑到地形坡度和邻域因素，可以确定的密度参数(eps,minpts)是

进一步地，所述步骤A3中根据聚类算法得出的簇的子视域，分别将其由地形的山脊线、山谷线进行二次分割得到的子域就是最终划分的子视域。具体如下：

地形山脊线和山谷线提取：利用流域分析方法或者聚类算法、图例分割算法等都到地形山脊线和山谷线将地形分割为地形区域，即地形坡面。

子视域映射：将聚类分割的子视域映射到地形分割得到的地形坡面上，形成最终视域分割的子视域。

进一步地，所述步骤S4中子视域的特征要素值包括子视域的形状、子视域的可见单元数量、子视域的面积、子视域的密度、子视域的中心、子视域的方位、子视域的直径。

子视域的形状：包含一个视域子视域的空间几何形状，将由子视域投影到地形平面上，得到平面子视域，然后确定其几何形状。一般，平面子视域的形状可以表示为直线、圆、球、凸多边形、圆环、曲线等。

子视域的可视点总数M_i：每个子视域中的所包含的可视点的总数称为可视点数，记为M_i。

子视域的面积S_i：子视域的空间是一个有地形可视点组成的空间曲面，其表面积可用每个可视点的表面积总和，记为S_i＝S×M_i(i＝1,2,…,n),其中S是每个可视点的面积(正方形格网单元)，其由地形分辨率决定，如分辨率为10米×10米，则S＝100平方米。M_i为子视域SV_i中的可视点总数。

子视域的密度D_i：是指单位面积上可视点的数量，记为D_i＝M_i/S_i，S_i为子视域的表面积。

子视域的中心C_i：是指子视域空间的中心。子视域SV_i的中心C_i(CX_j，CY_j，CZ_j)位置计算如式(2-4)：

子视域的方位：是指子视域中心相对于视点或观察点在平面上的方位，用距离R和平面角θ和仰角γ表示。子视域SV_i的R_i、θ_i和γ_i计算如式(5-6)：

其中，OX、OY和OZ为观察点的地形坐标。

子视域的直径：子视域中任意两个对象之间欧氏距离的最大者，称为子视域的直径，或子视域外径。子视域SV_i的直径记作Φ(SV_i)，计算公式如式(8)：

其中，X和Y是子视域SV_i中的可视点，d(X,Y)是X和Y之间的距离。

进一步地，所述步骤S4中子视域之间的空间拓扑结构的构建方法为：

建立以视点为中心的星型拓扑结构，将子视域与视线抽象化后，将每个子视域的中心看作一个点，其与观察点的关系用直线段和线段长度来表示。

本发明首先定义一种可视域空间拓扑特征提取与表达方法，通过子视域自身以及子视域之间一系列距离度量来反应它们之间的空间拓扑关系。子视域自身的属性有位置、大小、形状、面积、密度、方位、平均距离、中心距离和等，子视域之间的属性有最大距离、最小距离、中心距离、平均距离、离差距离等。通过DBSCAN聚类的方法对可视域进行划分，将可视域划分成多个子视域，并建立子视域空间特征要素值、以及子视域与视点的空间拓扑结构图。

本发明首先获取目标区域的DEM格网单元，根据区域地形特征选择合适的观察点位置；接着计算观察点可视域，即该点的可见格网单元；根据可见单元使用DBSCAN算法；根据一定策略确定DBSCAN算法的输入参数，计算每个子视域的特征要素。

有益效果：本发明与现有技术相比，实现了对于地形可视域的分割，能够获取到每一个子视域的空间关系，这在景观分析中对观景点的选取有重要作用，选择一个合适的观景点位置保证它能够覆盖的视域范围尽量大，并且能够覆盖到特定的景观，给人带来好的视觉体验。

附图说明

图1为本发明方法的流程示意图；

图2是本发明应用实施例中的地形示例图；

图3是本发明应用实施例中的可视域图；

图4是本发明应用实施例中DBSCAN算法参数选择过程图；

图5是本发明应用实施例中密度参数为(42.42米，3)时，DBSCAN聚类划分的结果分布图；

图6是每个子视域投影的几何形状图；

图7是每个子视域相对于视点的相对分析关系拓扑图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一、本发明提供一种单视点的地形可视域空间拓扑特征提取与表示方法，如图1所示，其包括如下步骤：

S1：获取地形的DEM数据，并指定观察点位置和高出地面的高度。

S2：根据观察点位置和高出地面的高度，计算出地形可视域：

地形可视域的计算方法为：

给定观察点O的坐标(x，y，z)，x,y为观察点的地面坐标，z为其高程值，设height为观察点O的地面高度，地形可视域表示为地形上一定范围内观察点O可以看见的地形点的集合，即V＝{P₁，P₂，···，P_n}，P_i为可见的地形点，简称可视点，n表示可视点的数量。

S3：对地形可视域进行分割，获取到若干子视域：

依据地形可视域中可视点的空间距离，借助于分类或聚类算法划分地形可视域为多个相互分离的子视域SV_i(i＝1,2,···,k)，k为划分的子视域的个数；

采用DBSCAN聚类算法对地形可视域进行分割，具体的分割过程如下：

A1：基于欧式距离的相似度计算：

设任意两个可视点P_i和P_j之间的欧式距离如公式(1)：

其中，P_i的坐标为(X_i，Y_i，Z_i)，X_i和Y_i表示地形经纬度，Z_i表示(X_i，Y_i)位置的高程值；同理，P_j的坐标为(X_j，Y_j，Z_j)，表示(,X_j，Y_j)表示P_j的位置，Z_j表示该位置的高程值；

A2：聚类参数的确定：

对于给定的地形分辨率R，需要确定DBSCAN算法的密度参数(eps,minpts)，其中，参数eps表示邻域半径，用于确定聚集在某个点周围的范围大小，参数minpts表示邻域内的最小样本数，eps和minpts共同确定某个点是否为核心点，即在给定邻域eps时，某个点的邻域内的样本数超过最小样本数minpts，则该点是一个核心点，由所有核心点及其邻域点组成一个簇；对于分辨率为R×R的地形，考虑到地形坡度和邻域因素，可以确定的密度参数(eps,minpts)是

A3：根据组成的簇进行分割，将eps设置为阈值，当d≤eps时，则P_i和P_j属于同一个子视域SV_i，即SV_i＝SV_i∪{P_i,P_j}；

A4：根据聚类算法得出的簇的子视域，分别将其由地形的山脊线、山谷线进行二次分割得到的子域就是最终划分的子视域。具体如下：

地形山脊线和山谷线提取：利用流域分析方法或者聚类算法、图例分割算法等都到地形山脊线和山谷线将地形分割为地形区域，即地形坡面。

子视域映射：将聚类分割的子视域映射到地形分割得到的地形坡面上，形成最终视域分割的子视域。

S4：计算并提取出每个子视域的特征要素值，构建子视域之间的空间拓扑结构：

子视域的特征要素值包括：

子视域的形状：包含一个视域子视域的空间几何形状，将由子视域投影到地形平面上，得到平面子视域，然后确定其几何形状。一般，平面子视域的形状可以表示为直线、圆、球、凸多边形、圆环、曲线等。

子视域的可视点总数M_i：每个子视域中的所包含的可视点的总数称为可视点数，记为M_i。

子视域的面积S_i：子视域的空间是一个有地形可视点组成的空间曲面，其表面积可用每个可视点的表面积总和，记为S_i＝S×M_i(i＝1,2,…,n),其中S是每个可视点的面积(正方形格网单元)，其由地形分辨率决定，如分辨率为10米×10米，则S＝100平方米。M_i为子视域SV_i中的可视点总数。

子视域的密度D_i：是指单位面积上可视点的数量，记为D_i＝M_i/S_i，S_i为子视域的表面积。

子视域的中心C_i：是指子视域空间的中心。子视域SV_i的中心C_i(CX_j，CY_j，CZ_j)位置计算如式(2-4)：

子视域的方位：是指子视域中心相对于视点或观察点在平面上的方位，用距离R和平面角θ和仰角γ表示。子视域SV_i的R_i、θ_i和γ_i计算如式(5-6)：

其中，OX、OY和OZ为观察点的地形坐标。

子视域的直径：子视域中任意两个对象之间欧氏距离的最大者，称为子视域的直径，或子视域外径。子视域SV_i的直径记作Φ(SV_i)，计算公式如式(8)：

其中，X和Y是子视域SV_i中的可视点，d(X,Y)是X和Y之间的距离；

子视域之间的空间拓扑结构的构建方法为：

建立以视点为中心的星型拓扑结构，将子视域与视线抽象化后，将每个子视域的中心看作一个点，其与观察点的关系用直线段和线段长度来表示。

二、本实施例还提供一种单视点的地形可视域空间拓扑特征提取与表示系统，该系统包括网络接口、存储器和处理器；其中，网络接口，用于在与其他外部网元之间进行收发信息过程中，实现信号的接收和发送；存储器，用于存储能够在所述处理器上运行的计算机程序指令；处理器，用于在运行计算机程序指令时，执行上述共识方法的步骤。

本实施例还提供一种计算机存储介质，该计算机存储介质存储有计算机程序，在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

三、基于上述内容，本实施例中将上述方案进行实例应用，应用于可视景观分析当中，具体的方法过程如下：

步骤A：对于所研究的区域，需要准备相应的地形数据，地形分辨率R＝30米。设置好合适的观察点位置，然后进入步骤B。

实际应用当中，步骤A具体包括如下步骤A1、步骤A2。

步骤A1：使用ArcGIS软件加载地形数据，地形高程范围在1790米-2213米，并标记一个合适的观察点位置，图2中观察点在地图的中间位置；

步骤A2：设置观察者相对地面的高度为5米，观察者的视域半径为400米。

步骤B：针对观察者的位置进行可视域分析，将相关的数据保存为文本格式数据，然后进入步骤C；

实际应用当中，步骤B具体包括如下步骤B1、步骤B2。

步骤B1：根据观察者的高度和视域半径，使用ArcGIS软件中视域分析模块对地形进行可视域分析，提取出地形中的可见区域，如图3所示，并进入步骤C2；

步骤B2：使用GIS软件中由栅格转出的功能，将地形高程数据、可视域数据、视点数据转出为文本格式。

步骤C：对文本格式的地理数据进行聚类，根据一定的策略选择DBSCAN算法的两个参数，对可视域数据进行聚类划分，然后进入步骤D；

实际应用中步骤C具体包括以下三组参数选择计算：

以4邻域模式为采样方式，坡度小于45度，则密度参数取(1.414R，3)，即为(42.42米，3)，聚类过程如图4所示，得到的子视域如图5所示，投影的耳机和形状如图6所示。

以8邻域模式为采样方式，坡度小于45度，则密度参数取(1.732R，7)，即为(51.96米，7)。

步骤D：提取划分后的每个子视域的空间特征要素，构建子视域之间的空间拓扑结构；

步骤D1：子视域的空间特征要素的提取：

本实施例中提取的子视域的空间特征要素具体如表1～表4所示。

表1子视域中心坐标、高程、可视点数量、面积、密度

表2子视域相对视点的方位

表3子视域直径、内径

表4子视域平均距离、中心距离和

步骤D2：构建观察点与子视域的拓扑结构图：

子视域分布在视点位置的四周，如图7所示。由于可视域具有方向性，在不同的方向能够看到不同的区域。

Claims (8)

1.一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，包括如下步骤：

S1：获取地形的DEM数据，并指定观察点位置和高出地面的高度；

S2：根据观察点位置和高出地面的高度，计算出地形可视域；

S3：对地形可视域进行分割，获取到若干子视域；

S4：计算并提取出每个子视域的特征要素值，构建子视域之间的空间拓扑结构。

2.根据权利要求1所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤S2中地形可视域的计算方法为：

给定观察点O的坐标(x，y，z)，x,y为观察点的地面坐标，z为其高程值，设height为观察点O的地面高度，地形可视域表示为地形上设定范围内观察点O可以看见的地形点的集合，即V＝{P₁，P₂，···，P_n}，P_i为可见的地形点，简称可视点，n表示可视点的数量。

3.根据权利要求1所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤S3中依据地形可视域中可视点的空间距离，借助于分类或聚类算法划分地形可视域为多个相互分离的子视域SV_i(i＝1,2,···,k)，k为划分的子视域的个数。

4.根据权利要求3所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤S3中采用DBSCAN聚类算法对地形可视域进行分割，具体的分割过程如下：

A1：基于欧式距离的相似度计算：

设任意两个可视点P_i和P_j之间的欧式距离如公式(1)：

其中，P_i的坐标为(X_i，Y_i，Z_i)，X_i和Y_i表示地形经纬度，Z_i表示(X_i，Y_i)位置的高程值；同理，P_j的坐标为(X_j，Y_j，Z_j)，表示(,X_j，Y_j)表示P_j的位置，Z_j表示该位置的高程值；

A2：聚类参数的确定：

对于给定的地形分辨率R，需要确定DBSCAN算法的密度参数(eps,minpts)，其中，参数eps表示邻域半径，用于确定聚集在某个点周围的范围大小，参数minpts表示邻域内的最小样本数，eps和minpts共同确定某个点是否为核心点，即在给定邻域eps时，某个点的邻域内的样本数超过最小样本数minpts，则该点是一个核心点，由所有核心点及其邻域点组成一个簇；

A3：根据组成的簇进行分割，将eps设置为阈值，当d≤eps时，则P_i和P_j属于同一个子视域SV_i，即SV_i＝SV_i∪{P_i,P_j}。

5.根据权利要求4所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤A2中对于分辨率为R×R的地形，考虑到地形坡度和邻域因素，可以确定的密度参数(eps,minpts)是

6.根据权利要求4所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤A3中根据聚类算法得出的簇的子视域，分别将其由地形的山脊线、山谷线进行二次分割得到的子域就是最终划分的子视域。

7.根据权利要求1所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤S4中子视域的特征要素值包括子视域的形状、子视域的可见单元数量、子视域的面积、子视域的密度、子视域的中心、子视域的方位、子视域的直径。

8.根据权利要求1所述的一种单视点的地形可视域空间拓扑特征提取与表示方法，其特征在于，所述步骤S4中子视域之间的空间拓扑结构的构建方法为：

建立以视点为中心的星型拓扑结构，将子视域与视线抽象化后，将每个子视域的中心看作一个点，其与观察点的关系用直线段和线段长度来表示。

Images