从随机非概率数据中提取粗糙度及其可靠度

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (29): 168-171.

• 图形、图像、模式识别 • 上一篇下一篇

从随机非概率数据中提取粗糙度及其可靠度

王强锋1，李建军2，张公平2

1.西北工业大学机电学院，西安 710072
2.中国空空导弹研究院，河南洛阳 471009

出版日期:2012-10-11 发布日期:2012-10-22

Research of extraction of target roughness and its reliability from randomly non-probabilistic data

WANG Qiangfeng1, LI Jianjun2, ZHANG Gongping2

1.College of Electromechanical, Northwestern Polytechnical University, Xi’an 710072, China
2.China Air-borne Missile Academy, Luoyang, Henan 471009, China

Online:2012-10-11 Published:2012-10-22

摘要/Abstract

摘要： 针对高程数据不能直观反映地形粗糙度和坡度的问题，提出了地形高程数据的预处理算法和地形特征提取算法并完成相应的地形特征提取。该方法的创新性在于首次将双线性插值重采样算法应用于地形高程数据的预处理和地形特征提取，并建立了相应的数学模型；通过应用某数字地形进行仿真验算表明，基于高程数据的地形信息提取方法是可行且可靠的；为精确识别目标信息和进行地形风险评估提出了一种新的研究思路。

关键词: 高程数据, 地形坡度, 粗糙度, 最小中值平面拟合

Abstract: According to the problem that the elevation data does not reflect the slope and surface roughness of target topography, the preprocessing of topographic elevation data and extraction algorithm of topographic feature are proposed, and the corresponding extraction of topographic feature is done. The innovation is that it is the first time that the bilinear interpolation algorithm is applied in preprocess of elevation data and extraction of topographic feature, as well as the mathematical model is established. By simulation and checking calculation of a certain digital topography example, it is proved that the extraction method of topographic information based on elevation data is feasible and reliable. It provides a new research approach for target information recognition and topography risk assessment accurately.

Key words: elevation data, topographic slope, surface roughness, minimum median plane fitting

王强锋1，李建军2，张公平2. 从随机非概率数据中提取粗糙度及其可靠度[J]. 计算机工程与应用, 2012, 48(29): 168-171.

WANG Qiangfeng1, LI Jianjun2, ZHANG Gongping2. Research of extraction of target roughness and its reliability from randomly non-probabilistic data[J]. Computer Engineering and Applications, 2012, 48(29): 168-171.

[1]	吴琴琴1，2，马苗1，2，3. 基于自适应Mean Shift算法的彩色图像滤波[J]. 计算机工程与应用, 2016, 52(10): 201-206.
[2]	石素玮，李进金，李克典. 覆盖粗糙直觉Fuzzy集模型的一点注记[J]. 计算机工程与应用, 2015, 51(20): 131-134.
[3]	熊平，白云鹏. 带宽自适应Mean Shift图像分割算法[J]. 计算机工程与应用, 2013, 49(23): 174-176.
[4]	单雪红1，2，吴涛3，高显彩1，2. 信息系统不确定性的粗糙边界熵度量方法[J]. 计算机工程与应用, 2012, 48(28): 147-149.
[5]	折延宏，贺晓丽. 粗糙逻辑的计量化研究[J]. 计算机工程与应用, 2012, 48(14): 44-50.
[6]	解滨1，2，米据生1，张军鹏2. 粗糙集不确定性度量的矩阵运算[J]. 计算机工程与应用, 2011, 47(29): 42-45.
[7]	李凯¹，祝峰¹，陈文^1，2，汤建国¹，佘堃¹. 拟阵下的覆盖模糊粗糙集[J]. 计算机工程与应用, 2010, 46(32): 29-32.
[8]	巩增泰，马延. 覆盖粗糙直觉Fuzzy集模型[J]. 计算机工程与应用, 2010, 46(3): 42-45.
[9]	于秀清^1，2. 粗积分与函数粗集的粗糙度[J]. 计算机工程与应用, 2010, 46(19): 55-57.
[10]	黄宇颖,杨青,张连发,李俊薇. 基于粗糙集的决策树算法在体检系统中的研究[J]. 计算机工程与应用, 2008, 44(25): 222-224.
[11]	毛秉毅. 基于自适应LBP算法的纹理分析[J]. 计算机工程与应用, 2007, 43(2期): 89-89.
[12]	张晓燕¹,徐伟华². 序信息系统的知识粗糙熵与粗集粗糙熵[J]. 计算机工程与应用, 2007, 43(27): 62-65.
[13]	刘纪芹. 单向S-概率粗集 [J]. 计算机工程与应用, 2006, 42(36期): 20-.

从随机非概率数据中提取粗糙度及其可靠度

Research of extraction of target roughness and its reliability from randomly non-probabilistic data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics