基于小波变换的地形分类方法(免费阅读).ppt

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] Miliaresis et al., “Segmentation of physiographic features from the global digital elevation model/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，1995 2.1 基于绝对，相对高程 主要困难：定性分类，只适合人工处理 2.2 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 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 = input image 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*7 4- 实验结果 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 利用分形信号在小波变换下的性质将改进地形分类算法 * * ? 平地 岗丘 丘陵 低山 中山 绝对高度（m） ? ? 400 400-800 800 相对高度（m） 100 100-200 200 200 ? 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）