基于小波变换的地形分类方法

《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！