基于小波变换的地形分类方法课件.pptx

中科院自动化所模式识别实验室 吴刚，普林特，卫红 基于小波变换的地形分类方法 1. 问题描述: 地形分类 2. 现有方法 3. 我们的方法 4. 实验结果 5. 结论与展望 提纲 n 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。 n 应用：洪水模拟，环境应用，土地勘测 与规划。 1- 地形分类 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 2.1 基于绝对，相对高程 n 主要困难：定性分类，只适合人工处理 n 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。 n 主要困难：种子点和区域生长准则的确定。 2.2 基于坡度，坡向 n H反映地形的粗糙程度， 度 n 主要困难：无标度区间 反映地形的平均坡 的确定 2.2 基于分形维数 n 将地形视为分形布朗运动(fBm) n 尺度系数， 小波系数(i=1,2,3;j级数) n 低通和高通滤波器 3.1 计算小波变换系数 = input image n 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 n 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。 3.2 特征提取 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 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 通过三维可视化对地形分类结果的目视评价 n 贡献与结论 n 将小波变换应用于地形分类，给出了一种地形特征 描述 n 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 n 展望 n 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 n 利用分形信号在小波变换下的性质将改进地形分类 5- 结论与展望 算法 谢谢 ！