一种自动提取dem中的山林线和山林线的方法.docxVIP

一种自动提取dem中的山林线和山林线的方法 0 特征信息提取方法 在地理学领域，从dem数字高度数据数据或数字图像中提取区域特征信息是一项非常重要的研究工作。在过去的文献中，国内外科学家提出了许多方法来提取适合不同研究目的的特征信息。例如，在文献中，提供了一种提取卫星图像中线性特征的神经网络方法。在文献中，提供了提取遥感图像中线性阴影的段跟踪和旋转变换方法。在文学中，提供了提取数字图像中物体外部轮廓的阈值的方法。文件提供了提取dem自然水系的d8方法。在文献中，提供了一种提取dem中阴影和山谷线轮廓的特征和多边形展开的方法。在上述资源提取方法中，文献中的方法主要是根据数字图像中大象元素的灰淡变化特征来确定碳灰层的突变部位，这些突变部分是不同空间单元之间的边界。文献主要是根据水流沿坡向陡的方向来确定特定流域内的自然水系。文学通常是根据不同高度点的高度值来确定dem中的局部极值点，并将其连接到山川线和山谷线。 虽然文献和文献中提供的山脊(谷)线自动提取方法都是可行的,但是这两种方法的运算量都较大.文献中的方法所确定的山脊点和山谷点数目众多,构成了山脊(谷)点的宽带,从而使后续的山脊(谷)点之间的连接和山脊(谷)点连接线的筛选算法运算量特别大;文献中的方法需要对数字高程数据做傅立叶变换,然后,再每隔5°计算一个方向导数,其运算量可想而知.本文提出的山脊线和山谷线自动提取方法由于不涉及数值计算,方法的运算量相对较小,处理速度较快.该方法与文献方法的不同之处在于山脊(谷)点确定规则和连接线筛选方法均不相同. 1 dem中的基本高程 从整体上看,在一个流域内,发育完好的山脊(谷)线构成层次关系明显的“树形结构”.在该结构中,“树干” 对应于主干山脊(谷);与“树干”相连的“干枝”对应于低一级的山脊(谷);“干枝”上发育的“小枝”对应于更低一级的山脊(谷);…….山脊(谷)线常常有许多级,除主干山脊(谷)及最低一级的山脊(谷)以外,每一级山脊(谷)均附着在它上一级山脊(谷)上,同时,又是它下一级山脊(谷)的依附对象. 在DEM中,一个山脊(谷)点是沿某一方向高程数据变化的局部极大(极小)值点.而一条山脊(谷)线则可以看成是由一系列离散的山脊(谷)点构成的“链”.如果沿山脊(谷)线的法线方向,穿过某一山脊(谷)点做一条短剖面,那么,山脊(谷)点的高程值必高(低)于其两侧相邻数据点的高程值. 实际的地形地貌中,常常存在鞍点、洼地和小平原,这些特殊地形的存在需要对DEM做一些预处理工作.在DEM中,鞍点在一个方向上表现为局部极小值点,而在另一个方向上则表现为局部极大值点.用如下方法可以确定鞍点:当某一高程数据点沿某一方向是局部极大值点而沿另一方向为局部极小值点时,该点为山脊线上的鞍点.小平原是由DEM中高程相等的数据点构成的区域.洼地是以一个局部高程最低点为中心构成的DEM中的凹陷区.在小平原和洼地中,存在山脊(谷)线的延伸部分.由于DEM的分辨率不够,高程数据无法反映出小平原和洼地内的地形起伏,在这种情况下,可以用洼地填充算法和平地起伏算法来改造DEM数据,改造后的DEM数据即可反映出小平原和洼地内的地形起伏. 2 算法的原理 以下均假设DEM数据已经进行了洼地填充和平地起伏处理. 2.1 dem中的两种高值区 式(1)～(8)中,(i,j)表示DEM中的数据点,i,j分别表示数据点的行列坐标,z(i,j)表示高程,1≤l≤k. 如果DEM中的数据点(i,j)是山脊点,则该点必是沿某一方向高程变化的局部极大值点.以该点为中心,建立一个(2k+1)×(2k+1)(k=1,2,…,5)的模板,那么,模板中各数据点的高程值必满足式(1)～(4)之中的一个.如果数据点(i,j)是山谷点,则该点必是沿某一方向高程变化的局部极小值点.在以该点为中心的(2k+1)×(2k+1)(k=1,2,…,5)模板中,各数据点的高程值必满足式(5)～(8)之中的一个.如果数据点(i,j)是鞍点,那么该点是沿某一方向高程变化的局部极大值点,而沿与该方向近于垂直的方向,该点又是高程变化的局部极小值点.因此,在以该点为中心的(2k+1)×(2k+1)(k=1,2,…,5)模板中,各数据点既满足式(1)～(4)之中的一个又满足式(5)～(8)之中的一个.在山脊(谷)线提取算法中,鞍点属于特殊的山脊点. 对于DEM中的每一个数据点,都用式(1)～(8)来检查其高程值.如果数据点的高程值满足式(1)～(4)之中的一个,该点即为可能的山脊点;如果数据点的高程值不满足式(1)～(4),却满足式(5)～(8)之中的一个,则该点即为可能的山谷点. 2.2 中心栅格以0. 用上述方法确定的山脊(谷)点中,有些点为孤立的山脊(谷)点,这些点应该剔除;有些点在局部位置上构成了山脊(谷)点的宽带