- 1、本文档共18页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
地理资讯系统技术报告DEM辅助顺向坡判释之研究
地理資訊系統技術報告DEM輔助順向坡判釋之研究 許秋玲 黃如鈺 2001/6/12 前言 一般的GIS在進行地勢分析時,往往僅提供坡度(slope gradient)、坡向(aspect),以及起伏度(relief)等分析,對於坡型之分析仍需仰賴人工配合地質圖(傾向、傾角)以及地形圖(坡向)作綜合分析,或是配合野外實察觀看露頭才能確定該區屬於何種坡型,判斷不易。 其中的順向坡坡型為評估平面型地滑以及岩石滑移兩種潛在崩山災害類型的重要影響因子。因此,判釋順向坡此地形表徵為一重要課題。 演算法-Region growing 如果採用李麗玲 (1995) 坡向 (八分法) 與地質構造傾向兩者關係來求取坡型,電腦處理時會因受分級的限制而產生誤差,而需配合人工判斷來糾正減少誤差。這樣分級上的限制可利用角度「差距」的連續性資料概念以取代分級的限制。 利用平均值的方式算出坡向值域的差值為10° 文獻回顧 Seeded Region Growing Method for Image Segmentation Rolf Adams, Leanne Bischof, Seeded region growing, IEEE Trans. on PAMI, Vol. 16, No. 6, June 1994, pp. 641 -647 Andrew Mehnert, Paul Jackway, An improved seeded region growing algorithm, Pattern Recognition Letters, Vol. 18, 1997, pp. 1065-1071 Lawrence OGorman, Arthur C. Sanderson, The converging squares algorithm: an efficient method for locating peaks in multidimensions, IEEE Trans. on PAMI, Vol. 6, No. 3, May 1984, pp. 280-288 SRG algorithm Initialization: Label seed points according to their initial grouping. Put neighbors of seed points (the initial T) in the SSL Region Growing: While SSL is not empty do ???? Remove first pixel y from the SSL. ???? Test the neighbors of this point: ????????? if all neighbors of y which are already labeled (other than boundary label) have the same label than ??????????????? Set y to this label. ??????????????? Update running mean of corresponding region. ??????????????? Add neighbors of y which are neither already set nor already in the ??????????????? SSL to the SSL according to? their value of delta ????????? else ??????????????? Flag y with the boundary label. 研究方法 自行開發Region growing程式 配合Arcview的spatial analysis模組分析 Select 符合順向坡條件的Pixels 掃描的方式 自左上角(0, 0)開始掃描,每次向外生長(n+1,即向外長一圈) 列為同一region的條件有二: 1.相鄰 2.每一pixel和此region 內所有pixel的平均值之差距要小於10(即此平均值是一個動態增加的方式) 歸屬於此一region 者則標記為1,不屬於此一region則標記為0,直到向外生長的一圈標記均為0為止,標記為1的pixel即歸屬為此region。 掃描的方式 此處採動態的改變其平均值的方式,即一開始sum和ave均是開始的那一點,當region向外生長一圈時(每次固定順時鐘或是逆時鐘),第二個搜尋到的點會和開始的點比較,若| x(i, j)-ave| 5,則歸屬同一類,之後再將點二加上sum,重新計算ave,找下一點若
文档评论(0)