利用拓扑关系快速提取鞍部点

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (16): 165-167.

利用拓扑关系快速提取鞍部点

孔月萍1，2，易炜1，张跃鹏2

1.西安建筑科技大学信息与控制工程学院，西安 710055
2.西安测绘研究所，西安 710055

出版日期:2013-08-15 发布日期:2013-08-15

Extracting saddle point fast based on topological relationship

KONG Yueping1，2, YI Wei1, ZHANG Yuepeng2

1.Xi’an University of Architecture and Technology, Xi’an 710055, China
2.Xi’an Research Institute of Survey and Mapping, Xi’an 710055, China

Online:2013-08-15 Published:2013-08-15

摘要/Abstract

摘要： 从鞍部点的形态特征出发，利用移动窗口法预提取出符合地形结构的鞍部特征点，对DEM（Digital Elevation Model，数字高程模型）数据进行等高距分层以模拟出等高线地图的地貌特性，从而考查特征点与周围区域的拓扑关系，剔除未处于鞍部地区的伪特征点。实验结果表明，算法快速简便，所获取的鞍部点符合地貌认知。

关键词: 鞍部点, 特征, 数字高程模型（DEM）, 等高线地图, 拓扑关系

Abstract: Based on the analysis of the saddle’s characteristics, extract the feature points by using the mobile window method, then layer the grid DEM data in order to simulate the geomorphic characteristics of contour map. Thus distinguish them by examining the topological relationship with its’ surrounding area. The experimental results show that the algorithm is fast, simple and fit the landform cognition.

Key words: saddle point, characteristics, Digital Elevation Model（DEM）, contour map, topological relationship

孔月萍1，2，易炜1，张跃鹏2. 利用拓扑关系快速提取鞍部点[J]. 计算机工程与应用, 2013, 49(16): 165-167.

KONG Yueping1，2, YI Wei1, ZHANG Yuepeng2. Extracting saddle point fast based on topological relationship[J]. Computer Engineering and Applications, 2013, 49(16): 165-167.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	陆莉霞，邹俊忠，郭玉成，张见，王蓓. 多模态融合的膝关节损伤预测[J]. 计算机工程与应用, 2021, 57(9): 225-232.
[4]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[5]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[6]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[7]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[8]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[9]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[10]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[11]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[12]	周博文，皋军，邵星. 环状扫描的强深度森林[J]. 计算机工程与应用, 2021, 57(8): 160-168.
[13]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[14]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[15]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.