DEM水平分辨率越高提取的河长越准确??

是否所使用的DEM水平分辨率越高,水文、水力学模拟的准确度和流域特征参数提取的精度越高?为探讨该问题,本文用Arc-Hydro模块提取了9种DEM水平分辨率(3~250m)下202条不同等级(Strahler Order)河流的河长,以3m激光探测与测距(LiDAR)DEM数字化的河长为标准,计算了各分辨率下河长提取的平均相对误差(ARE).结果表明:在研究区内,10~20m水平分辨率的DEM数据提取的河流长度最为精确;随着DEM水平分辨率的提高,不同等级河流提取河长的ARE均逐渐减小;当水平分辨率提高到一定级别之后若继续提高时,ARE反而会逐渐增大;即整体上提取河长的平均相对误差和DEM水平分辨率之间呈"对勾型"变化规律.本研究表明,并不是DEM水平分辨率越高,提取河长越精确.     

对Cohen-Sutherland裁剪算法的改进

Cohen-Sutherland裁剪算法对不与边框相交的线段进行裁剪时效率较高,而对与窗口边界有交点的线段裁剪效率低.而且很多的时候,被裁剪线段仅与窗口边界延长线相交,求交点到最后是无效的操作,因为线段可能完全被丢弃;并且被裁剪线段与窗口边界相交时交点的取得比较复杂.本文就这两个问题,利用点与直线位置的关系性质,提出基于Cohen-Sutherland算法的图形裁剪新思路.     

基于DEM与遥感信息的秦淮河流域数字水系提取方法

利用数字高程模型DEM提取流域数字水系的方法存在精度差、提取出的流域水系与平坦地区和山区流域实际情况差别较大等缺陷.为了克服这一流域数字水系提取方法所存在的缺陷,引入了利用遥感信息来弥补DEM缺陷的方法;提出了一种利用遥感影像提取流域水系信息,采用基于数字河流和湖泊网络(DRLN)的水流方向修正法修正DEM中平坦地区主干河流及湖泊地区栅格的水流方向的流域数字水系提取方法,并以秦淮河流域数字水系提取为例对该方法进行了实验.实验结果表明,该方法能消除大量的平行河道,修正与实际偏差较大的主干河流,在平坦地区和山区均能提取出较符合实际情况的数字流域水系.     

基于DEM提取流域河网研究

回顾和介绍了基于DEM提取流域河网的三种不同算法移动窗口算法、坡面径流模拟算法、谷线搜索算法,其中坡面径流模拟算法由于其水文学基础,能产生连续河网,能与分布式参数模型紧密结合,进而分析了这三种算法各自的优缺点和存在的主要问题,重点分析和讨论了坡面径流模拟算法中存在的三个基本问题(1)水道起始点位置的确定,(2)凹陷与平坦区域水流方向的确定,(3)模拟河网与自然河网之间的偏差.最后,针对算法中存在的问题,探讨了未来的研究重点.     

对Cohen-Sutherland裁剪算法的分析与改进

在矩形窗口的二维裁减中,Cohen-Sutherland线段裁剪算法既不能有效地判断出线段是否完全在窗口外又可能求解出无效交点,因此本文提出一种基于Cohen-Sutherland线段裁剪算法的改进算法,给定一个线段,由计算剪裁窗口顶点到线段的有向距离符号来判断线段与窗口相对位置关系,避免求取无效交点的操作。改进算法可以迅速判断哪些线段与裁剪窗口有真正的交点,再通过距离大小的比较,确定直线与窗口的哪条边相交,最终将被裁剪线段快速、准确输出。实验表明,改进的Cohen-Sutherland算法比原算法有更高的执行效率。     

排牙软件中牙冠模型修补方法研究

排牙软件中三维牙冠模型在分牙后出现较大面积的缺口,给后续重建牙根和牙齿检测碰撞等操作带来一定的影响,因此针对此问题提出了一种三角网格模型的空间修补算法。在对牙冠模型进行缺口边界检测后,采用基于Laplacian微分坐标调整的方法对缺口边界区域进行轮廓点调整实现边界光顺化,根据缺口的中心点以及边界网格的生长方向运用移动最小二乘法拟合完成曲面的初始修补,再构建龙骨线进行曲面数据的离散。实验例证了该算法对大面积的缺口区域有较好的修补精度和稳定性。     

基于去噪的熵算子边界检测法

图像的熵用来刻划图像的平滑性或均匀性 在图像的局部窗口中计算时 ,如果窗口中存在边界 ,则窗口中的图像不均匀 ,其灰度变化急剧 ,计算出的熵小 ;反之熵大 设定熵的阈值 ,即可判断是否存在边界 由于熵算子对噪声很敏感 ,直接用它进行边界检测 ,效果很差 文中针对这一缺陷 ,提出将熵算子与去噪相结合的边界检测法 ,如果计算出的熵大于阈值 ,要判断是噪声的出现所引起 ,还是边界的出现所引起 ,这样 ,边检测边界边去噪声 用该方法对信噪比较低的图像进行实验 ,得到了满意的效果     

基于粒子滤波算法的自适应人脸跟踪

当人脸旋转和尺寸变化时,传统的粒子滤波算法不能准确跟踪到人脸.针对这一问题,本文提出了在粒子滤波框架下自适应调整目标跟踪窗口和自适应更新模板的方法.该方法通过计算运动目标区域内粒子到目标中心点的平均距离来自适应调整目标跟踪窗口;且对目标特征模板进行自适应更新.实验结果表明,本算法在人脸旋转和尺寸变化的情况下能够提升跟踪的准确度和精度.     

一种利用地形图和遥感影像提取小班界线的方法

利用地形图提供的等高线生成不同空间分辨率的数字高程模型(DEM),从中选择最佳分辨率DEM提取坡向图,并在GIS支持下对坡向图进行图像处理形成矢量多边形。对于DEM无法提取的部分区域则通过遥感影像分类后再分割的方法提取。在此基础上分析了所有矢量化结果与人工地面调查的小班线,结果表明：使用10 m左右空间分辨率DEM提取小班界线较好,经图像处理后,矢量多边形与小班线的重合率可以达到70%,进一步编辑修改后可以作为小班区划的工作底图。     

基于多特征融合的遥感图像河流目标检测算法

针对近似河流无法准确检测出来的问题,提出了一种基于多特征融合的遥感图像河流目标检测算法.首先根据提取样本图像的局部熵、纹理和角点信息特征构建了有效区分河流区域和背景区域的特征向量,利用支持向量机进行训练获得决策函数,通过决策函数判断测试图像的河流区域,完成河流区域的粗检测;然后结合粗检测的结果,应用测地线活动轮廓模型提取完整准确的河流区域.实验结果证明该算法对河流目标定位准确,获得的河流检测结果具有良好的连通性,可以准确地检测复杂背景下的河流区域.