申请/专利权人：成都信息工程大学

申请日：2018-08-02

公开（公告）日：2020-11-24

公开（公告）号：CN109163701B

主分类号：G01C7/02(20060101)

分类号：G01C7/02(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.11.24#授权;2019.02.01#实质审查的生效;2019.01.08#公开

摘要：本发明提供一种测量方法、测量系统和计算机可读存储介质。测量方法包括：测量地形因子；计算地形因子标准差以比较各地形因子的相关性取得相关系数，并由相关系数取得协方差矩阵，其中，协方差矩阵包括方差值；根据标准差和相关系数计算最佳指数；根据最佳指数筛选地形因子；根据方差值和多个子图像的均值选取多个初始聚类中心来非监督分类筛选的地形因子；对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界。本发明提供的测量方法，能够提地貌监测的准确性，进而提高地貌边界的测量效果。

主权项：1.一种地貌边界的测量方法，基于数字高程模型通过计算机程序制作所述地貌边界的图像，所述图像由多个子图像所组成，其特征在于，所述测量方法包括：测量多个地形因子；计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由所述相关系数取得协方差矩阵，其中，所述协方差矩阵包括方差值；根据所述标准差和所述相关系数计算最佳指数；根据所述最佳指数筛选所述多个地形因子；根据所述方差值和所述多个子图像的均值选取多个聚类中心来非监督分类所述筛选的地形因子；对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界；所述根据所述最佳指数筛选所述多个地形因子，包括：计算各地形因子的均值，其中，所述协方差矩阵包括协方差值；设置所述标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算所述平方值的平均值；多个子图像至少包括第一图像和第二图像，所述相关性为所述第一图像和所述第二图像间的协方差值，接着除以所述第一图像和所述第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，所述最佳指数为所述第一地形因子和所述第二地形因子间的标准差，接着除以所述第一地形因子和所述第二地形因子间的相关系数，设置所述最佳指数的数值正比于所述地貌边界的图像的信息量。

全文数据：地貌边界的测量方法、测量系统和计算机可读存储介质技术领域本发明涉及地貌学技术领域，具体而言，涉及一种地貌边界的测量方法、测量系统和计算机可读存储介质。背景技术地貌类型的划分和地貌边界的确定是地貌学研究的基础工作。数字高程模型DEM，digitalelevationmodule为地貌类型划分提供了大量的基础数据，数字地貌分析和地貌类型的自动划分成为研究热点。现有技术上，DEM设计实现了针对大区域地貌类型的提取和边界识别的方法和流程。利用地形特征差异或采用数学方法，进行地貌类型提取或地貌边界计算机自动识别绘制，举例来说，DEM利用坡度特征进行黄土高原沟间的提取。通过坡度变率或剖面曲率、采用数学形态学方法提取沟沿线。现有技术上，主要针对较小尺度的地貌类型划分、地貌边界提取，采用的地形因子较为单一。然而，地貌是复杂多变的，尤其是大尺度的地貌分析，单一的地形因子已不能满足地貌边界识别的要求。发明内容鉴于上述问题，本发明提供了一种地貌边界的测量方法、测量系统和计算机可读存储介质，能够提高地貌监测的准确性。为了实现上述目的，本发明采用如下的技术方案：第一方面，本发明提供了一种地貌边界的测量方法，基于数字高程模型通过计算机程序制作所述地貌边界的图像，所述图像由多个子图像所组成，所述测量方法包括：测量多个地形因子；计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由所述相关系数取得协方差矩阵，其中，所述协方差矩阵包括方差值；根据所述标准差和所述相关系数计算最佳指数；根据所述最佳指数筛选所述多个地形因子；根据所述方差值和所述多个子图像的均值选取多个聚类中心来非监督分类所述筛选的地形因子；对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界。作为一种可选的实施方式，在测量多个地形因子之后，以及筛选所述多个地形因子之前，所述测量方法包括：对所述测量的多个地形因子进行归一化处理；其中，所述归一化处理包括：先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。作为一种可选的实施方式，所述多个地形因子包括高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数。作为一种可选的实施方式，在根据所述最佳指数筛选所述多个地形因子中，所述测量方法包括：计算各地形因子的均值，其中，所述协方差矩阵包括协方差值；设置所述标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算所述平方值的平均值；多个子图像至少包括第一图像和第二图像，所述相关性为所述第一图像和所述第二图像间的协方差值，接着除以所述第一图像和所述第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，所述最佳指数为所述第一地形因子和所述第二地形因子间的标准差，接着除以所述第一地形因子和所述第二地形因子间的相关系数，设置所述最佳指数的数值正比于所述地貌边界的图像的信息量。作为一种可选的实施方式，在非监督分类所述筛选的地形因子中，多个聚类中心至少包括第一聚类中心、第二聚类中心、第三聚类中心和第四聚类中心，所述测量方法包括：计算并统计各图像的像元和所述第一聚类中心的距离，接着计算图像的新均值以所述第二聚类中心，通过循环迭代方式以使所述第三聚类中心相同于所述第四聚类中心并达到收敛阀值。作为一种可选的实施方式，在对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界中，所述测量方法包括：选取地貌边界的图像的第一图像值覆盖到第二图像值，其中，所述第一图像值大于所述第二图像值；选取地貌边界的图像的第一区域覆盖到第二区域，其中，所述第一区域小于所述第二区域；选取所述地貌边界的图像的第三区域的半数参数或众数参数中的多数图像值覆盖到少数图像值。第二方面，本发明提供了一种地貌边界的测量系统，基于数字高程模型通过计算机程序制作所述地貌边界的图像，所述图像由多个子图像所组成，所述测量系统包括：测量单元，用于测量多个地形因子；筛选单元，用于计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由所述相关系数取得协方差矩阵，其中，所述协方差矩阵包括方差值；根据所述标准差和所述相关系数计算最佳指数；筛选单元根据所述最佳指数筛选所述多个地形因子；分类单元，用于根据所述方差值和所述多个子图像的均值选取多个聚类中心来非监督分类所述筛选的地形因子；处理单元，用于对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界。作为一种可选的实施方式，所述测量系统包括：计算单元，用于对所述测量的多个地形因子进行归一化处理；其中，所述归一化处理包括：先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。作为一种可选的实施方式，筛选单元计算各地形因子的均值，其中，所述协方差矩阵包括协方差值；筛选单元设置所述标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算所述平方值的平均值；多个子图像至少包括第一图像和第二图像，所述相关性为所述第一图像和所述第二图像间的协方差值，接着除以所述第一图像和所述第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，所述最佳指数为所述第一地形因子和所述第二地形因子间的标准差，接着除以所述第一地形因子和所述第二地形因子间的相关系数，设置所述最佳指数的数值正比于所述地貌边界的图像的信息量。第三方面，本发明提供了一种计算机可读存储介质，具有存储器，存储有上述的地貌边界的测量方法所使用的计算机程序。根据本发明提供的测量方法、测量系统和计算机可读存储介质，能够精确地计算得到地貌边界，从而提高了检测效率。由数字高程模型来处理准确性以制作地貌边界，由测量单元来测量多个地形因。由计算单元统一各地形因子的量纲并进行归一化处理。由筛选单元根据筛选相关性较高的地形因子，计算得出最佳地形因子组合。由分类单元通过循环迭代来融合最佳地形因子组合。由处理单元通过后期处理来边界清理以去除毛边和消除空洞。可见，实施本发明的技术方案能够提高测量地貌边界的准确性，同时考虑多个地形因子并且通过筛选循环迭代来融合最佳地形因子组合，从而提高测量地貌边界的准确性。为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。图1是本发明实施例1提供地貌边界的测量方法的流程示意图；图2是本发明实施例2提供地貌边界的测量方法的流程示意图；图3是本发明实施例3提供地貌边界的测量系统的方块示意图。具体实施方式下面详细描述本发明的实施例，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。针对现有技术中的问题，本发明提供了一种地貌边界的测量方法、测量系统和计算机可读存储介质；根据数字高程模型来处理准确性以制作地貌边界，并根据筛选相关性较高的地形因子，计算得出最佳地形因子组合；通过循环迭代来融合最佳地形因子组合；通过后期处理来边界清理以去除毛边和消除空洞。可见，实施本发明的技术方案能够提高测量地貌边界的准确性，同时考虑多个地形因子并且通过筛选循环迭代来融合最佳地形因子组合，从而提高环境测量的实时性和准确性。并且，该技术可以采用相关的软件或硬件实现，下面通过实施例进行描述。实施例1请参阅图1，图1是本发明实施例1提供地貌边界的测量方法以下简称“测量方法”的流程示意图，基于数字高程模型DEM,digitalelevationmodule通过计算机程序制作地貌边界的图像，图像由多个子图像所组成。如图1所示，测量方法包括以下步骤：S101、测量多个地形因子。本实施例中，多个地形因子可以包括高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数。进一步来说，高程表示地面某点沿铅垂线方向到绝对基面的距离。地面坡度表示地面两个不同点间高度差连线与其水平距离所成的夹角。地面坡度表示地面在微分空间的变化率。地面累计曲率表示地面某一点的扭曲变化程度。地面粗糙度表示地面粗糙程度并具有长度量纲的特征参数，范围介于具有长度量纲的特征参数的大小是固定的，是公知可查的具有长度量纲的特征参数，对此本发明实施例中不作赘述，并且本发明实施例中对地面粗糙度的获取可以从网络中进行获取，或是从近地卫星上的测量系统内置的存储器中获取。地表切割深度代表地面某点的邻域范围的平均高程与该邻域范围内的最小高程的差值，地表切割深度可以表现出地表被侵蚀切割的情况。地形起伏度表示在特定的区域内，最高点海拔高度与最低点海拔高度的差值。高程变异系数表示地面某点沿铅垂线方向的变化程度。S103、根据最佳指数筛选多个地形因子。计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由相关系数取得协方差矩阵，其中，协方差矩阵包括方差值；根据标准差和所述相关系数计算最佳指数。在本实施例中，均值为各地形因子的概略值，标准差为各地形因子的离散值。其中，标准差和地貌边界的图像的信息量成反比。举例来说，标准差可以用于表示地貌边界的图像的信息量的多寡，当标准差大于第一阀值时，代表地貌边界的图像的灰度较为分散且灰度反差较大，即可得出较多图像的信息量。相反的，当标准差低于第二阀值时，代表地貌边界的图像的灰度较为单一且灰度反差较为小，得出较少图像的信息量。第一阀值大于第二阀值。首先，计算高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数的标准差，接着依照各地形因子的标准差高低排列，依序代表图像的信息量的多寡排列。在本实施例中，计算各地形因子的均值，其中，协方差矩阵包括协方差值。设置标准差和地貌边界的图像的信息量成反比。方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算平方值的平均值；多个子图像至少包括第一图像和第二图像，相关性为第一图像和第二图像间的协方差值，接着除以第一图像和第二图像间的标准差乘积。相关性介于-1～1，本发明不以此数字范围为限制。详细来说，由于计算高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数间存在有冗余，因此需要计算上述地形因子间的相关系数，并由相关系数所形成的相关系数矩阵即可得出各地形因子间的冗余。举例来说，协方差矩阵中的剩余元是所有输入栅格对之间的协方差。图像i与图像j之间的协方差可用下算式确定：算式中，Z为像元值，i、j为堆叠图像，μ为图像平均值，N为像元的数量，k表示特定像元。第一图像和第二图像间的协方差是相应行与列的交点。由于第一图像与第二图像间的协方差与第二图像与第一图像之间的协方差是相同的，协方差矩阵值都只取决于值的单位，所以协方差矩阵值并不存在向量的概念。相关矩阵显示了相关系数值，通过相关系数值可看出两个数据集之间的关系，即由相关系数值可以判断数据集间属于高相关或低相关。对于一组栅格图像，相关矩阵表示栅格图像中的像元值与另一图像的像元值属于高相关或低相关。图像间的相关性可以用于衡量第一图像与第二图像间的依存关系。相关性为第一图像和第二图像间的协方差值与第一图像和第二图像间标准差乘积的比值，即第一图像和第二图像间的协方差值除以第一图像和第二图像间标准差乘积。相关性是一个比值，不具有单位。相关性的计算公式如下：举例来说，正相关性表明第一图像和第二图像间的变化关系为相同，当第一图像的像元值减小时，第二图像的像元值也相对减小；当第一图像的像元值增加时，第二图像的像元值也相对增加。负相关性表明第一图像和第二图像间的变化关系为相异，当第一图像的像元值减小时，第二图像的像元值相对增加；当第一图像的像元值增加时，第二图像的像元值相对减小。相关性为零时，表示第一图像和第二图像之间不存在正相关性或负相关性。在本实施例中，最佳指数为第一地形因子和第二地形因子间的标准差，接着除以第一地形因子和第二地形因子间的相关系数，最佳指数的数值正比于图像的信息量。最佳指数也可以称为OIFoptimumindexfactor。最佳指数的计算公式如下：Si是第i个地形因子的标准差，Rij是i、j两个地形因子间的相关系数。最佳指数和各地形因子图像的相关系数之和成反比，最佳指数和地形因子之间的标准差成正比。最佳指数越大，说明指数因子间冗余度越小且图像的信息量越大。相反的，最佳指数越小，说明指数因子间冗余度越大且图像的信息量越小。S105、根据方差值和多个子图像的均值选取多个聚类中心来非监督分类筛选的地形因子，多个聚类中心至少包括第一聚类中心、第二聚类中心、第三聚类中心和第四聚类中心。本实施例中，计算并统计各像元和第一聚类中心的距离，接着计算图像的新均值以作为第二聚类中心，通过循环迭代方式以使第三聚类中心相同于第四聚类中心并达到收敛阀值。通过非监督分类将最佳组合地形因子进行基于迭代自组织数据分析技术ISODATA，iterativeselforganizingdataanalysis的非监督分类。以下算式为依据图像的均值M和方差σ选取n个初始聚类中心：通过计算像元与第一聚类中心的距离，将计算结果归入最接近的类别中。接着再重新计算每个类别的新均值，作为第二聚类中心，继续循环迭代，直到循环次数达到最大迭代次数，由最后两次即第三聚类中心和第四聚类中心聚类结果相比保持不变，达到循环收敛阈值。S107、对非监督分类的地形因子进行边界清理以后期处理地貌边界。经过非监督分类获得的地貌实体，图像上具有一定程度的毛边、像素对比度低、空洞等。通过去除碎斑、增加解析度、消除毛边、消除空洞等操作，完成地貌实体及地貌边界的提取。再使用边界清理和主滤波对区域边缘进行平滑处理。边界清理主要是用来清理区域间不规整的边缘。数字高程模型使用扩展及收缩的方法在较大的范围上清理边界。首先，优先级较高区域从各个方向上覆盖邻近的优先级较低区域，以一个像元为覆盖大小。其中，可以由高图像值覆盖低图像值，也可以由低图像值覆盖高图像值。本实施例中，选取地貌边界的图像的第一图像值覆盖到第二图像值，第一图像值大于第二图像值。换句话说，可以选择图像值较大的区域为较高优先级覆盖到图像值较小的若干区域。示意表如下：本实施例中，选取地貌边界的图像的第一区域覆盖到第二区域，第一区域小于所述第二区域。换句话说，可以选择面积较小的第一区域为较高优先级覆盖到面积较大的第二区域。示意表如下：本实施例中，选取地貌边界的图像的第三区域的半数参数或众数参数中的多数图像值覆盖到少数图像值。详细来说，主滤波可以根据像元邻域内的众多数值来替换像元。需要满足两个条件时半数参数或众数参数，主滤波才能发生替换。首先，相同值邻近像元的数量必须多到成为众数值，或者至少有一半的像元必须具有相同值。在众数参数中，四分之三或六分之四或八分之五的已连接像元必须具有相同的值。在半数参数中，则需要四分之二或六分之三或八分之四的已连接像元具有相同的值。其次，区域内的像元必须与指定的滤波器的中心相邻例如，四分之三的像元必须相同。半数参数或众数参数目的是将区域内的像元的空间模式的破坏程度降到最低。若不满足半数参数或众数参数条件，则将不会进行替换，像元的值也将保持不变。主滤波应用于输入栅格，使用最近的四个像元作为滤波器，并要求众数参数才能更改相应像元的值。更改被三个或三个以上值相同且临近的像元包围的像元。示意表如下：实施例2请参阅图2，图2是本发明实施例2提供地貌边界的的测量方法的流程示意图。如图2所示，测量方法包括以下步骤：S201、测量多个地形因子。S202、对测量的多个地形因子进行归一化处理。S203、筛选多个地形因子。S205、非监督分类多个地形因子。S207、后期处理。其中，S201、S203、S205和S207的相关说明请参考实施例1的相关说明，对此本发明不作赘述。本S202中，测量多个地形因子之后，以及筛选多个地形因子之前，测量方法包括：统一各地形因子的量纲并进行归一化处理；其中，归一化处理是先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。本实施例中，为了避免高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数其中至少一的数值超出阀值，对上述8个地形因子进行归一化处理。采用最小像元值减去图像的最大像元值对比度拉伸，保持原地形因子信息间的相关程度。输出地形因子图像的值由下式计算所得：BVout为原始地形因子图像的值，mink和maxk分别代表原图像中的最小、最大像元值，quantk为量纲最大值，这里取8bit数据类型的最大值255，最小值为0。实施例3请参阅图3，图3是本发明实施例3提供地貌边界的测量系统以下简称“测量系统”的方块示意图。基于数字高程模型通过计算机程序制作地貌边界的图像。如图3所示，测量系统300包括：测量单元301，用于测量多个地形因子。筛选单元302，用于计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由相关系数取得协方差矩阵，其中，协方差矩阵包括方差值；根据标准差和相关系数计算最佳指数；根据最佳指数筛选多个地形因子。分类单元303，用于根据方差值和多个子图像的均值选取多个聚类中心来非监督分类筛选的地形因子。处理单元304，用于对非监督分类的地形因子进行边界清理以后期处理地貌边界。计算单元305，用于对测量的多个地形因子进行归一化处理；其中，归一化处理包括：先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。筛选单元302计算各地形因子的均值，其中，协方差矩阵包括协方差值；筛选单元302设置标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算平方值的平均值；多个子图像至少包括第一图像和第二图像，相关性为第一图像和第二图像间的协方差值，接着除以第一图像和第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，最佳指数为第一地形因子和第二地形因子间的标准差，接着除以第一地形因子和第二地形因子间的相关系数，设置最佳指数的数值正比于地貌边界的图像的信息量。可见，图3所描述的测量系统，能够精确地计算得到地貌边界，从而提高了检测效率。另一方面，根据数字高程模型来处理准确性以制作地貌边界，由测量单元来测量多个地形因。由计算单元统一各地形因子的量纲并进行归一化处理。由筛选单元根据筛选相关性较高的地形因子，计算得出最佳地形因子组合。由分类单元通过循环迭代来融合最佳地形因子组合。由处理单元通过后期处理来清理边界以去除毛边和消除空洞。可见，实施本发明的技术方案能够提高测量地貌边界的准确性，同时考虑高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数等等的地形因子并且通过筛选循环迭代来融合最佳地形因子组合，从而提高测量地貌边界的准确性。存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序比如声音播放功能、图像播放功能等等；存储数据区可存储根据移动终端的使用所创建的数据比如音频数据、电话本等等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。本实施例还提供了一种计算机可读存储介质，具有存储器，其存储有上述的地貌边界的测量方法所使用的计算机程序。在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和或流程图中的每个方框、以及结构图和或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备可以是智能手机、个人计算机、服务器、或者网络设备等执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器ROM，Read-OnlyMemory、随机存取存储器RAM，RandomAccessMemory、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

权利要求：1.一种地貌边界的测量方法，基于数字高程模型通过计算机程序制作所述地貌边界的图像，所述图像由多个子图像所组成，其特征在于，所述测量方法包括：测量多个地形因子；计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由所述相关系数取得协方差矩阵，其中，所述协方差矩阵包括方差值；根据所述标准差和所述相关系数计算最佳指数；根据所述最佳指数筛选所述多个地形因子；根据所述方差值和所述多个子图像的均值选取多个聚类中心来非监督分类所述筛选的地形因子；对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界。2.根据权利要求1所述的测量方法，其特征在于，在测量多个地形因子之后，以及筛选所述多个地形因子之前，所述测量方法包括：对所述测量的多个地形因子进行归一化处理；其中，所述归一化处理包括：先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。3.根据权利要求1所述的测量方法，其特征在于，所述多个地形因子包括高程、地面坡度、坡度变率、地面累计曲率、地面粗糙度、地面切割深度、地面起伏度及高程变异系数。4.根据权利要求1所述的测量方法，其特征在于，在根据所述最佳指数筛选所述多个地形因子中，所述测量方法包括：计算各地形因子的均值，其中，所述协方差矩阵包括协方差值；设置所述标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算所述平方值的平均值；多个子图像至少包括第一图像和第二图像，所述相关性为所述第一图像和所述第二图像间的协方差值，接着除以所述第一图像和所述第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，所述最佳指数为所述第一地形因子和所述第二地形因子间的标准差，接着除以所述第一地形因子和所述第二地形因子间的相关系数，设置所述最佳指数的数值正比于所述地貌边界的图像的信息量。5.根据权利要求1所述的测量方法，其特征在于，在非监督分类所述筛选的地形因子中，多个聚类中心至少包括第一聚类中心、第二聚类中心、第三聚类中心和第四聚类中心，所述测量方法包括：计算并统计各图像的像元和所述第一聚类中心的距离，接着计算图像的新均值以作为所述第二聚类中心，通过循环迭代方式以使所述第三聚类中心相同于所述第四聚类中心并达到收敛阀值。6.根据权利要求1所述的测量方法，其特征在于，在对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界中，所述测量方法包括：选取地貌边界的图像的第一图像值覆盖到第二图像值，其中，所述第一图像值大于所述第二图像值；选取地貌边界的图像的第一区域覆盖到第二区域，其中，所述第一区域小于所述第二区域；选取所述地貌边界的图像的第三区域的半数参数或众数参数中的多数图像值覆盖到少数图像值。7.一种地貌边界的测量系统，基于数字高程模型通过计算机程序制作所述地貌边界的图像，所述图像由多个子图像所组成，其特征在于，所述测量系统包括：测量单元，用于测量多个地形因子；筛选单元，用于计算各地形因子的标准差以比较各地形因子的相关性取得相关系数，并由所述相关系数取得协方差矩阵，其中，所述协方差矩阵包括方差值；根据所述标准差和所述相关系数计算最佳指数；筛选单元根据所述最佳指数筛选所述多个地形因子；分类单元，用于根据所述方差值和所述多个子图像的均值选取多个聚类中心来非监督分类所述筛选的地形因子；处理单元，用于对所述非监督分类的地形因子进行边界清理以后期处理所述地貌边界。8.根据权利要求7所述的测量系统，其特征在于，所述测量系统还包括：计算单元，用于对所述测量的多个地形因子进行归一化处理；其中，所述归一化处理包括：先由原始的图像的像元值减去原始的图像的最小像元值，接着除以原始的图像的最大像元值减去原始的图像的最小像元值，接着乘以量纲最大值得到归一化的图像的像元值。9.根据权利要求7所述的测量系统，其特征在于，筛选单元计算各地形因子的均值，其中，所述协方差矩阵包括协方差值；筛选单元设置所述标准差和地貌边界的图像的信息量成反比；其中，方差值的平方为图像的像元值减去图像的像元平均值后取平方值，接着计算所述平方值的平均值；多个子图像至少包括第一图像和第二图像，所述相关性为所述第一图像和所述第二图像间的协方差值，接着除以所述第一图像和所述第二图像间的标准差乘积；其中，多个地形因子至少包括第一地形因子和第二地形因子，所述最佳指数为所述第一地形因子和所述第二地形因子间的标准差，接着除以所述第一地形因子和所述第二地形因子间的相关系数，设置所述最佳指数的数值正比于所述地貌边界的图像的信息量。10.一种计算机可读存储介质，具有存储器，其特征在于，其存储有权利要求1至6中任一项所述的地貌边界的测量方法所使用的计算机程序。

百度查询： 成都信息工程大学 地貌边界的测量方法、测量系统和计算机可读存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD