地表坡向约束的高分辨率DEM地形特征增强提取方法

    公开(公告)号:CN112861669B

    公开(公告)日:2021-12-10

    申请号:CN202110106064.X

    申请日:2021-01-26

    IPC分类号: G06K9/00 G06K9/40 G06K9/46

    摘要: 本发明提供了一种地表坡向约束的高分辨率DEM地形特征增强提取方法。所述方法包括DEM生成栅格产品,计算所述栅格像素的坡向值,将连续的坡向通过离散的栅格进行划分,得到地表坡向的多个值域区间;设置地表坡向的坡向粒度,以所述坡向粒度的方向为约束条件,建立适用于高分辨率DEM地貌特征提取的增强模型;通过所述增强模型从米级或亚米级的高分辨率DEM数据中提取地形特征。以此方式,针对高分辨率DEM地形特征提取的需求,从高分辨率的地形图中降低噪声的负面影响,提高高分辨率DEM的利用率,建立地表坡向约束的高分辨率DEM地形特征提取模型,增强表征地貌特征的能力。

    一种高分辨率DEM地形特征提取的尺度适应性评价方法

    公开(公告)号:CN112860824A

    公开(公告)日:2021-05-28

    申请号:CN202110054955.5

    申请日:2021-01-15

    发明人: 谢潇 薛冰 周熙然

    IPC分类号: G06F16/29

    摘要: 本发明的实施例提供了一种高分辨率DEM地形特征提取的尺度适应性评价方法。所述方法包括基于高分辨率DEM中待提取的地形要素,定义所述地形要素相关的评价指标;定义所述评价指标对应的多尺度地形提取模型的尺度适应性评价标准;输入待评价的多尺度地形提取模型的集合,根据所述尺度适应性评价标准对所述集合中多尺度地形提取模型的尺度适应性进行评价。以此方式,可以在地形分析过程中,对地形提取模型的高分辨率DEM特征提取的尺度适应性进行评价,从而得到地形要素提取的尺度适应性最佳模型,增加对地形要素提取的准确性,减少误判的几率。

    一种高分辨率DEM地形特征提取的尺度适应性评价方法

    公开(公告)号:CN112860824B

    公开(公告)日:2021-12-10

    申请号:CN202110054955.5

    申请日:2021-01-15

    发明人: 谢潇 薛冰 周熙然

    IPC分类号: G06F16/29

    摘要: 本发明的实施例提供了一种高分辨率DEM地形特征提取的尺度适应性评价方法。所述方法包括基于高分辨率DEM中待提取的地形要素,定义所述地形要素相关的评价指标;定义所述评价指标对应的多尺度地形提取模型的尺度适应性评价标准;输入待评价的多尺度地形提取模型的集合,根据所述尺度适应性评价标准对所述集合中多尺度地形提取模型的尺度适应性进行评价。以此方式,可以在地形分析过程中,对地形提取模型的高分辨率DEM特征提取的尺度适应性进行评价,从而得到地形要素提取的尺度适应性最佳模型,增加对地形要素提取的准确性,减少误判的几率。

    地表坡向约束的高分辨率DEM地形特征增强提取方法

    公开(公告)号:CN112861669A

    公开(公告)日:2021-05-28

    申请号:CN202110106064.X

    申请日:2021-01-26

    IPC分类号: G06K9/00 G06K9/40 G06K9/46

    摘要: 本发明提供了一种地表坡向约束的高分辨率DEM地形特征增强提取方法。所述方法包括DEM生成栅格产品,计算所述栅格像素的坡向值,将连续的坡向通过离散的栅格进行划分,得到地表坡向的多个值域区间;设置地表坡向的坡向粒度,以所述坡向粒度的方向为约束条件,建立适用于高分辨率DEM地貌特征提取的增强模型;通过所述增强模型从米级或亚米级的高分辨率DEM数据中提取地形特征。以此方式,针对高分辨率DEM地形特征提取的需求,从高分辨率的地形图中降低噪声的负面影响,提高高分辨率DEM的利用率,建立地表坡向约束的高分辨率DEM地形特征提取模型,增强表征地貌特征的能力。

    一种基于本体建模的城市地理目标无监督识别方法

    公开(公告)号:CN112861668A

    公开(公告)日:2021-05-28

    申请号:CN202110104143.7

    申请日:2021-01-26

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本发明提供了一种基于本体建模的城市地理目标无监督识别方法,包括获取对城市对象和城市地物底层特征的描述的高层语义信息,构建高层语义信息的语义本体;将高层语义信息分解为RDF三元组,得到底层语义规则;利用SWRL对底层语义规则进行逻辑推理,提取源数据图像中城市地物的底层特征,建立高层语义信息与底层特征之间的映射关系;建立基于底层特征的识别概率模型,计算目标地物的底层特征的相似性,对目标地物进行识别。以此方式,可以实现无需数据训练支持的复杂城市目标的无监督类别划分,降低深度学习过程中为了增强目标识别能力进而进行大量数据训练而产生的昂贵成本,也有助于增强深度学习,扩展目标识别范围。