一种基于原始等高线的负向等高线提取方法技术

本发明专利技术提供了一种基于原始等高线的负向等高线提取方法，包括以下步骤：S1)原始数据的获取：通过测图设备获得原始等高线数据；S2)矢量凹陷点的提取：根据原始等高线数据，利用开窗计算和模拟，得出高程面中的矢量缺陷点；S3)原始等高线数据中凹陷区域的提取：利用原始等高线数据，根据洼地填充，获得初步矢量凹陷范围；S4)凹陷范围的优化：利用空间属性融合以及空间求异方法，得到优化后的凹陷范围；S5)负向等高线的获得；将优化后的凹陷范围以及矢量缺陷点进行空间连接，得到最终凹陷区域，将最终凹陷区域与原始等高线数据进行空间交集运算，得到负向等高线。得到负向等高线。得到负向等高线。

【技术实现步骤摘要】
一种基于原始等高线的负向等高线提取方法


[0001]本专利技术属于等高线提取识别
，特别涉及一种基于原始等高线的负向等高线提取方法。

技术介绍

[0002]等高线在人们阅读地形图的过程中发挥着重要作用。人们在使用地形图时，往往是通过分析、解译等高线空间关系来达到认识地表形态的目的。因此，在各种基于等高线图的应用中，经常需要对等高线空间关系进行表达。同时，等高线地形图也是数字测绘生产的重要产品之一。
[0003]负向等高线在地理空间中表现为凹陷或高程下降区域的等高线，在对等高线地形图进行制图表达时，负向等高线、非负向等高线等地形特征的标记是重要的环节。
[0004]然而，目前还没有成熟的能够通过原始等高线数据自动快速的判断负向等高线、非负向等高线的方法。虽然，有部分学者提出可以通过建立“等高线树”的方法筛选出结果，但在大范围使用时效率低下、准确度存在缺陷，难以用于大规模、大范围的生产。因此，现阶段在生产地形图产品时，主要仍需以手动的方式，作业员通过佩戴立体眼镜，利用专门的立体采集设备进行人工选取，极大的制约了生产效率。
[0005]现有技术中，人的思维可以直接识别与记忆模拟地形图上等高线的空间关系，但计算机却难以做到，因为它是靠几何坐标来记忆、存储空间实体的位置。因此，将等高线的空间关系转化为计算机环境下能够有效地描述、表达、识别和计算的数据结构或模型，是实现地形自动判别的有效途径。

技术实现思路

[0006]本专利技术提供了一种基于原始等高线的负向等高线提取方法，其通过将原始的等高线数据进行数据的处理和提取，进而获得最终的负向等高线。
[0007]为了实现上述技术效果，本专利技术通过以下技术方案予以实现。
[0008]一种基于原始等高线的负向等高线提取方法，包括以下步骤：
[0009]S1)原始数据的获取：通过测图设备获得原始等高线数据；
[0010]S2)矢量凹陷点的提取：根据原始等高线数据，利用开窗计算和模拟，得出高程面中的矢量缺陷点；
[0011]S3)原始等高线数据中凹陷区域的提取：利用原始等高线数据，根据洼地填充，获得初步矢量凹陷范围；
[0012]S4)凹陷范围的优化：利用空间属性融合以及空间求异方法，得到优化后的凹陷范围；
[0013]S5)负向等高线的获得；将优化后的凹陷范围以及矢量缺陷点进行空间连接，得到最终凹陷区域，将最终凹陷区域与原始等高线数据进行空间交集运算，得到负向等高线。
[0014]本方案中，与现有技术的差异在于，
[0015]进一步地，所述步骤S2)矢量凹陷点的提取前，还包括模拟高程面的获取，具体为：利用等高线数据属性中的高程值，提取原始等高线上若干个节点处的点数据，并将点数据赋予高程属性，进而获得模拟高程面。
[0016]本方案中，利用原始数据进行转点、阈值模拟等，得到模拟高程面，这一过程中，配合后续的各种运算，使得虽然初始进行了一些模拟，但是后续的模拟少，与原始数据的结合和对比多，提高了精度。
[0017]本方案中，灵活的将数字地形分析中的空间插值算法、开窗滤波算法与空间栅格叠加运算、空间交集运算、空间求异运算、空间属性连接算法相融合，优化了对地表形态的模拟，确保真实反映负向地貌的情况，从而对负向等高线进行了精确的提取，在逻辑上理解简单，操作方便。
[0018]进一步地，所述模拟高程面的构建，具体包括以下步骤：
[0019]A1)泰森多边形的创建：根据原始等高线数据上的点数据，创建泰森多边形；
[0020]A2)插值：对未知区域进行插值，修改泰森多边形，使其在未知区域形成新的泰森多边形；
[0021]A3)高程面的获得：根据原泰森多边形和新的泰森多边形的重叠区域的面积，结合权重以及未知点的高程，形成模拟程高面。
[0022]本方案中，利用泰森多边形的空间插值方法，进而确保不会产生模拟和推断地表形态，实现了与地表形态更贴合的形成模拟高程面，其实质为原有的插值后的调整，且新的泰森多边形与原泰森多边形重叠区域的面积的大小决定了附近不同高程点的权重，面积越大的点、其权重越高、未知点的高程受其影响越大。
[0023]进一步地，所述步骤插值A2)具体为选用新的泰森多边形与待插值区域泰森多边形相交的样本点，被用来参与插值。
[0024]目前的生成高程面的方法都会加入模拟和推断，因为经过模拟推断之后会整体更贴近真实地表形态，但也会造成伪地形、伪凹陷区域，不利于准确的提取负向地貌。本方案中，不加入模拟推断，虽然整体与真实地形的状况有区别，但更有利于准确的提取负向地貌。
[0025]进一步地，所述步骤S2)矢量凹陷点的提取具体为：对原始等高线数据进行栅格开窗运算，对开窗范围区域进行最小值滤波，得到经滤波后的高程面，若原始高程面数据减去滤波后的高程面的值为0，则其为矢量凹陷点。
[0026]本方案中，对得到的高程面数据识别并提取高程面中的所有凹陷点时，首先对高程面数据进行栅格开窗运算，窗口大小由原始等高线的等高距决定，经过分析实验，一般为等高距的2倍(假设等高距为10米时，开窗运算的窗口大小为20行*20列的像素范围)。然后在窗口范围区域中进行最小值滤波，得到经滤波之后的高程面。再用原始的高程面数据减去得到的滤波之后的高程面，相减之后的值为0的区域，则是凹陷点。
[0027]进一步地，所述步骤S2)矢量凹陷点的提取：具体为：利用模拟高程面进行开窗中值滤波，进而将滤波后高程面以及填充后高程面进行差值运算，得到初步矢量凹陷范围。
[0028]本方案中，将填充后的高程面与滤波后的高程面进行差值运算，使得所有的计算过程等，均以原始数据作为参照，最终得到的图与原始的接近程度和误差会更小。
[0029]进一步地，所述步骤S2)矢量凹陷点的提取中的洼地填充，具体为：在开窗范围内，
对比中心像元与其它像元的高程值，在其它像元高程值低时，改变中心像元，实现高程面洼地填充。
[0030]本方案中，当中心像元的高程低于其它像元的高程时，选用高程最低的像元为新中心像元，
[0031]对此高程面数据进行洼地填充(在开窗范围内，如中心像元的高程值低于其周围8个像元的高程，则将周围8个像元的最低高程值赋予中心像元；如果中心像元的高程值等于或大于其周围8个像元的高程，则不改变中心像元的高程值。如图4)，将中值滤波之后的高程面数据(洼地填充前)和洼地填充后的高程面数据作差，差值大于0的区域，则该区域未凹陷区域范围。
[0032]进一步地，所述步骤SS4)凹陷范围的优化，具体为：利用原始等高线数据获得等高面，根据等高面以及初步矢量凹陷范围的空间连接，结合空间求异，得到优化后凹陷范围。
[0033]本方案中，将处理后的初步矢量凹陷范围与原始的进行再一次的空间连接等，不断实现与原始的对比和连接，进而确保最终的产品与原始的具有很大的关联性。
[0034]进一步地，还包括最终负向等高线成果的获取，具体为：将得到的负向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于原始等高线的负向等高线提取方法，其特征在于，包括以下步骤：S1)原始数据的获取：通过测图设备获得原始等高线数据；S2)矢量凹陷点的提取：根据原始等高线数据，利用开窗计算和模拟，得出高程面中的矢量缺陷点；S3)原始等高线数据中凹陷区域的提取：利用原始等高线数据，根据洼地填充，获得初步矢量凹陷范围；S4)凹陷范围的优化：利用空间属性融合以及空间求异方法，得到优化后的凹陷范围；S5)负向等高线的获得；将优化后的凹陷范围以及矢量缺陷点进行空间连接，得到最终凹陷区域，将最终凹陷区域与原始等高线数据进行空间交集运算，得到负向等高线。2.根据权利要求1所述的一种基于原始等高线的负向等高线提取方法，其特征在于，所述步骤S2)矢量凹陷点的提取前，还包括模拟高程面的获取，具体为：利用等高线数据属性中的高程值，提取原始等高线上若干个节点处的点数据，并将点数据赋予高程属性，进而获得模拟高程面。3.根据权利要求2所述的一种基于原始等高线的负向等高线提取方法，其特征在于，所述模拟高程面的构建，具体包括以下步骤：A1)泰森多边形的创建：根据原始等高线数据上的点数据，创建泰森多边形；A2)插值：对未知区域进行插值，修改泰森多边形，使其在未知区域形成新的泰森多边形；A3)高程面的获得：根据原泰森多边形和新的泰森多边形的重叠区域的面积，结合权重以及未知点的高程，形成模拟程高面。4.根据权利要求3所述的.一种基于原始等高线的负向等高线提取方法，其特征在于，所述步骤插值A2)具体为选用新的泰森多边形与待插值区域泰森多边形相交的样本点，被用来参与...

【专利技术属性】
技术研发人员：蒋好忱，薛争光，李昕，吴满意，田怀启，任宏权，马超，高亚伟，
申请(专利权)人：自然资源部第一地形测量队陕西省第二测绘工程院，
类型：发明
国别省市：