复杂地形DSM的地面点识别及DEM提取

doi:10.13474/j.cnki.11-2246.2018.0144

测绘通报 ›› 2018, Vol. 0 ›› Issue (5): 59-64.doi: 10.13474/j.cnki.11-2246.2018.0144

复杂地形DSM的地面点识别及DEM提取

喻龙华^1,2, 王雷光², 吴楠¹, 廖声熙¹, 张怀清³

1. 中国林业科学研究院资源昆虫研究所, 云南昆明 650224;
2. 西南林业大学林学院, 云南昆明 650224;
3. 中国林业科学研究院资源信息研究所, 北京 100091

收稿日期:2017-08-04 出版日期:2018-05-25 发布日期:2018-05-31
通讯作者: 廖声熙。E-mail:cafliao@163.com E-mail:cafliao@163.com
作者简介:喻龙华(1987-),男,硕士生,从事林业3S、森林经营模拟研究。E-mail:yulonghuapuesue@126.com
基金资助:
国家自然科学基金（41571372）；国家林业局948项目（2012-4-71）；国家科技部863课题（2012AA12A306）

Ground Points Recognition and DEM Extraction Based on DSM in Complex Terrain

YU Longhua^1,2, WANG Leiguang², WU Nan¹, LIAO Shengxi¹, ZHANG Huaiqing³

1. Research Institute of Resources Insects, CAF, Kunming 650224, China;
2. College of Forestry, Southwest Forestry University, Kunming 650224, China;
3. Research Institute of Forestry Resource Information Techniques, CAF, Beijing 100091, China

Received:2017-08-04 Online:2018-05-25 Published:2018-05-31

摘要/Abstract

摘要：

目前，基于数字地表模型（DSM）提取数字高程模型（DEM）的研究多以平坦地区为研究对象，且精度较低。本文提出了一种基于区域生长的DEM提取算法，该算法以区域生长算法为基础，采用最大类间方差法（OTSU）实现区域生长中种子点、生长准则和终止条件的自适应选择。该方法不仅可从平坦地区和地形复杂的山区的DSM中识别地面点和提取DEM，且能有效解决区域生长算法将地面和地面附着物（本文中地面附着物以高架道路为例）识别为同一类的问题。与附近最小值法进行试验对比，结果表明，本文算法能够较好地提高DEM提取精度，识别地面点的制图精度达90%以上，可靠性和稳定性较强。

关键词: DSM, DEM, 区域生长, 复杂地形, 高架道路

Abstract:

At present,researches of the extraction of DEM focused on DSM are mostly based on the flat areas,and the precision of extracting DEM is low.Therefore,in this article,a DEM extraction algorithm based on regional growth is proposed and implements ground points recognition and DEM extraction form DSM in complex terrain.The algorithm uses the maximum interclass variance (OTSU) to realize the adaptive selection of seed points,and growth criterion,and termination condition in regional growth.This method identifies the elevated road from the city DSM data to avoid that the regional growth algorithm wrongly divides the elevated road into the ground because of the continuity between the elevated road and the ground.By comparing with the method of local minimum,the results show that the proposed algorithm can improve the accuracy of DEM extraction,and the mapping precision of ground points recognition exceeds 90%,and experimental results demonstrate that the effectiveness of the proposed method is reliable and steady.

Key words: DSM, DEM, regional growth, complex terrain, elevated road

中图分类号:

喻龙华, 王雷光, 吴楠, 廖声熙, 张怀清. 复杂地形DSM的地面点识别及DEM提取[J]. 测绘通报, 2018, 0(5): 59-64.

YU Longhua, WANG Leiguang, WU Nan, LIAO Shengxi, ZHANG Huaiqing. Ground Points Recognition and DEM Extraction Based on DSM in Complex Terrain[J]. 测绘通报, 2018, 0(5): 59-64.

参考文献

[1] 雷蓉,邱振戈,张士涛.基于遥感影像生成DEM的质量检查[J].测绘通报,2005(4):36-39.
[2] 汤博麟,蔡海峰,牟玉兴.DEM制作检查及精度问题的解决方法[J].地理空间信息,2016,10(6):76-78.
[3] 马红.利用高精度DSM数据提取建筑物轮廓算法研究[J].测绘通报,2015(4):111-124.
[4] 李忠,李梅,杜绪奎.平坦地区DSM到DEM的试验[J].测绘与空间地理信息,2008,31(2):29-31.
[5] ISMAIL Z,JAAFAR J.DEM Derived from Photogram-metric Generated DSM Using Morphological Filter[C]//Control and System Graduate Research Colloquium.[S.l.]:IEEE,2013.
[6] 徐海荣,田联房,陈萍,等.改进的区域生长算法在医学图像分割中的应用[J].生物医学工程研究,2005,24(3):187-190.
[7] 林瑶,田捷.医学图像分割方法综述[J].模式识别与人工智能,2002,15(2):192-204.
[8] KAMDI S,KRISHNA R K.Image Segmentation and Region Growing Algorithm[J].International Journal of Computer Technology & Electronics Engineering,2012,1(2):103-107.
[9] POHLE R,TOENNIES KD.A New Approach for Model-based Adaptive Region Growing in Medical Image Analysis[M].Berlin Heidelberg:Springer,2001:238-246.
[10] LIN Z,JIN J,TALBOT H.Unseeded Region Growing for 3D Image Segmentation[J].Journal of Trauma,2000,24(11):938-945.
[11] 朱绍攀,张书毕.分形地形复杂度研究[J].地理空间信息,2011,9(3):116-119.
[12] 苏明超,郭书军.基于区域生长算法的CT图像肺组织分割[C]//中国电子学会全国网络编码学术年会论文集.北京:国防工业出版社,2008.
[13] 刘怡君,庞勇,廖声熙,等.机载LiDAR和高光谱融合实现普洱山区树种分类[J].林业科学研究,2016,29(3):407-412.
[14] LIAO W,PIŽURICA A,BELLENS R,et al.Generalized Graph-based Fusion of Hyperspectral and LiDAR Data Using Morphological Features[J].IEEE Geoscience & Remote Sensing Letters,2015,12(3):552-556.
[15] 董彦芳,庞勇,许丽娜,等.高光谱遥感影像与机载LiDAR数据融合的地物提取方法研究[J].遥感信息,2014(6):73-76.
[16] 彭仪普,刘文熙.实时交互的多分辨率地形模型[J].武汉大学学报(信息科学版),2003,28(4):480-483.

复杂地形DSM的地面点识别及DEM提取

Ground Points Recognition and DEM Extraction Based on DSM in Complex Terrain

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘卓, 李佳, 张翔, 郭磊, 刘艳阳, 徐浩栋, 顾云杨, 陈重华. 利用TanDEM-X影像和ICESat-2高程数据获取南极高精度数字高程模型[J]. 测绘通报, 2022, 0(4): 72-76.
[2]	毛斌, 韩文泉, 谢宏全, 吕海扬. 基于北京二号影像辅助nDSM的建筑物自动提取[J]. 测绘通报, 2022, 0(3): 132-137.
[3]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[4]	宁婷, 崔伟, 马晓勇. 基于均值变点法提取地形起伏度的影响因素分析——以黄河流域(山西段)为例[J]. 测绘通报, 2022, 0(2): 159-163.
[5]	马顶, 赵尚民, 程维明. 基于LROC NAC影像的高分辨率连续DEM数据制作[J]. 测绘通报, 2021, 0(9): 93-97.
[6]	罗为东, 甘淑, 袁希平, 高莎. 恐龙谷南缘微地貌地形特征要素提取及分析[J]. 测绘通报, 2021, 0(8): 48-54.
[7]	侯海倩, 唐超, 赵丽凤, 张昊. 轨道扣件病害自动化检测研究及应用[J]. 测绘通报, 2021, 0(8): 88-92.
[8]	王岩, 范子贤, 李成名, 戴昭鑫, 吴政. 大尺度平原城市精细汇水区分级划分研究[J]. 测绘通报, 2021, 0(7): 117-120,125.
[9]	毛涛敏, 范业稳, 职爽, 张煜辉. 排水管线点和道路曲率协同下的道路表面模型获取[J]. 测绘通报, 2021, 0(7): 144-149.
[10]	杜青松, 李国玉, 彭万林, 周宇, 柴明堂, 李金明. 利用InSAR技术获取高寒高海拔地区高精度DEM[J]. 测绘通报, 2021, 0(3): 44-49.
[11]	刘思言, 李玲, 特日根, 李竺强, 马经宇, 朱瑞飞. 基于直方图区域生长的遥感图像阈值分割算法[J]. 测绘通报, 2021, 0(2): 25-29.
[12]	付翔翔, 邓运员, 郑文武, 周邵宁, 周佳露. 基于无人机影像密集匹配点云的传统村落地面点提取及DEM生成——以湘西德夯村为例[J]. 测绘通报, 2021, 0(12): 1-5.
[13]	欧阳犬平, 周立, 王圣, 宋士林, 芦斌, 冯俊俊. 基于霍夫直线检测和区域生长的合成孔径声呐图像线目标提取[J]. 测绘通报, 2021, 0(11): 48-53.
[14]	李国华. 基于2 m格网点云数据的高精度DEM制作第三次国土调查坡度图[J]. 测绘通报, 2020, 0(8): 117-121.
[15]	田海波, 陈利军, 张宏伟, 杜晓. 全球4D数据产品研制[J]. 测绘通报, 2020, 0(7): 1-4,21.