欢迎来到天天文库
浏览记录
ID:36261350
大小:505.05 KB
页数:19页
时间:2019-05-07
《基于小波变换的地形分类方法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于小波变换的地形分类方法中科院自动化所模式识别实验室吴刚,普林特,卫红gwu@nlpr.ia.ac.cn提纲问题描述:地形分类现有方法我们的方法实验结果结论与展望1-地形分类问题描述:利用数字高程模型(DEM)分析地表复杂程度,划分平地、丘陵、山地等不同地形。应用:洪水模拟,环境应用,土地勘测与规划。2-现有方法各种方法的不同主要体现在地形特征的选取上基于绝对,相对高程[1]基于坡度,坡向[2]基于分形维数[3][1]徐青,“地形三维可视化技术”,测绘出版社,2000[2]Miliaresisetal.,“Segmentationofphysiographicfeaturesfromtheg
2、lobaldigitalelevationmodel/GTOP30”,Computer&Geosciences,25(1999)[3]朱庆,“分形理论及其在数学地形分析和地面仿真中的应用”,北方交通大学博士论文,19952.1基于绝对,相对高程主要困难:定性分类,只适合人工处理平地岗丘丘陵低山中山绝对高度(m)<400400-800>800相对高度(m)<100100-200>200>2002.2基于坡度,坡向计算各点坡度坡向,选择脊点,谷点作为种子点,进行区域生长。主要困难:种子点和区域生长准则的确定。2.2基于分形维数将地形视为分形布朗运动(fBm)H反映地形的粗糙程度,反映地形的平均坡度
3、主要困难:无标度区间的确定3-我们的方法-基于小波变换主要思想:将不同复杂程度的地形视为不同频率的信号,利用小波变换的时频分析特性对DEM作地形分类。主要步骤:计算小波变换系数特征提取分类及后处理3.1计算小波变换系数=inputimage尺度系数,小波系数(i=1,2,3;j级数)低通和高通滤波器3.2特征提取由尺度系数,小波系数的均值,方差,得到特征向量3.2特征提取特征向量意义:包含了地形的概貌信息和各个尺度下的细节信息,山区高程值大且地表粗糙,特征向量模较大,平地反之。3.3分类及后处理分类在特征向量空间作k-均值聚类,划分不同地形K值为分类类别数,先验给出后处理连通区域标记,除去孤立
4、小区域4-实验结果原始DEM(鄱阳湖地区)(分辨率:0.3秒,高程范围:11-111m)4-实验结果J=1,db4变换下的尺度系数图像和小波系数图像4-实验结果尺度1下的特征分量fA,fD1,fD2,fD3,特征计算窗口为7*74-实验结果K均值聚类及后处理结果(地形类别数k=3,绿:平地/水域,红:高山,蓝:低山;后处理小区删除阈值T=300)4-实验结果通过三维可视化对地形分类结果的目视评价5-结论与展望贡献与结论将小波变换应用于地形分类,给出了一种地形特征描述在地形类别数作为先验知识的情况下,可实现地形的无监督分类展望利用fBm生成不同的模拟地形,将在监督情况下评价分类结果利用分形信号
5、在小波变换下的性质将改进地形分类算法谢谢!
此文档下载收益归作者所有