-
公开(公告)号：CN116310173A
公开(公告)日：2023-06-23
申请号：CN202310234998.0
申请日：2023-03-13
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于水平角的黄土沟沿线提取方法，包括如下步骤：1、获取研究区域的数字高程模型和遥感影像，计算流向和山体阴影；2、计算DEM在多个方向上的水平角，并取所有方向上的HA的最大值，构建研究区域的最大水平角栅格；3、确定最大水平角栅格的分类阈值，将其分为正、负地形两类；4、基于流向计算负地形内部的汇流长度，确定最小汇流阈值，剔除部分正地形，生成优化后的负地形栅格，提取负地形栅格边界，得到黄土沟沿线。本发明提出的三维空间中的最大水平角，与山体阴影分析法相比，避免了大量沟谷横断面中的剖面坡度评估，简化了黄土沟沿线的提取。
-
公开(公告)号：CN114494598B
公开(公告)日：2023-03-21
申请号：CN202210086980.6
申请日：2022-01-25
Applicant: 南京师范大学
Abstract: 本发明公开了一种城市三维可视空间比指标的优化方法，包括如下步骤：获取计算区域的UDEM数据和视点数据，并构建可视球体；将可视球体依据视线等间隔划分可视区域；结合UDEM计算每条视线上的最近障碍点，并构建当前可视区域的可视微分体元并计算体积；将所有可视微分体元的体积相加得到实际可视空间大小，再与可视球体的体积作比值即可得可视空间比。本发明解决了原方法可视球体表面视线划分时的体积重合问题，并减少球面体积计算时产生的误差，极大地提高了计算结果的精确度和可靠性，使得可视空间比这一参数相较于现有的二维可视范围算法能更好地表达城市空间开敞程度，并使其能在评价城市三维空间形态中具有重要的实际参考意义。
-
公开(公告)号：CN108846402B
公开(公告)日：2022-02-11
申请号：CN201810545575.X
申请日：2018-05-25
Applicant: 南京师范大学
Abstract: 本发明公开一种基于多源数据的梯田田坎自动化提取方法，通过对梯田区域的高分辨率影像进行边缘检测得到边缘图像；然后对数字高程模型进行等高线方向判断和编码，生成等高线走向栅格；再次根据等高线走向对边缘图像进行定向搜索，从每个边缘像元出发沿等高线走向搜索下一个像元是否为边缘像元，若是，则连接并重复上一步的检查，若不是，则搜索终止；最后对上一步结果使用适当的阈值剔除结果中的伪田坎信息和进行矢栅转换，即得到提取区域的梯田田坎。本发明提供传统梯田提取方法所不能提供的田坎信息，能为农业生产管理和水土保持监测等提供更丰富的基础数据。
-
公开(公告)号：CN115544789B
公开(公告)日：2023-06-20
申请号：CN202211302771.7
申请日：2022-10-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于数字高程模型和坡度成本距离的河谷平原提取方法，包括：基于DEM数据，分别计算地表流向和地表坡度；根据地表流向计算获得地表汇流累积量，基于地表汇流累积量数据，设置阈值，设定大于阈值的区域为地表汇流网络；基于地表汇流网络和地表坡度，计算区域内其他位置到地表汇流网络的坡度成本距离；基于坡度成本距离结果，设置阈值，对结果进行二分类，小于阈值的区域为河谷平原。本发明通过使用数字地形分析方法，实现了自动化河谷平原分类与提取，具有提取结果完整性好、准确性高、地形自适应性强且计算效率高的特点，填补了地貌制图工作中河谷平原提取方法的空白，为国土资源普查和山区资源利用等工程提供基础数据和决策支持。
-
公开(公告)号：CN115937676A
公开(公告)日：2023-04-07
申请号：CN202211534564.4
申请日：2022-12-02
Applicant: 南京师范大学
IPC: G06V20/10 , G06V10/764
Abstract: 本发明公开了一种基于DEM的大尺度沙丘地貌精细分类方法，包括：利用沙漠地区DEM的反地形，结合优先漫水算法生成的流量数据，建立小流量阈值的沙丘地貌计算单元；提取沙丘地貌计算单元边界节点对应的高程值，构建沙漠地区的基底地形；计算原始DEM与基底地形的差值，得到沙丘地区的局部相对高差；根据设定的阈值对沙丘地区进行重分类，得到沙丘地貌的初始分类结果；根据设定的面积阈值，消除初始分类结果中的碎斑，并根据容差阈值平滑边界，得到最终精细的分类结果。本发明能够实现对多种形态、不同尺度的沙丘地貌类型进行自动、快速、连续、完整地分类，从而为全球地貌分类制图提供一个重要的数据补充，为相关研究提供数据支持。
-
Patent Agency Ranking
公开(公告)号：CN115908910A
公开(公告)日：2023-04-04
申请号：CN202211428810.8
申请日：2022-11-15
Applicant: 南京师范大学
IPC: G06V10/764 , G06V20/10 , G06V10/44
Abstract: 本发明公开一种基于局部基准底面的地形地貌自动分类方法，步骤如下：基于研究区域原始DEM数据生成汇流累积量数据；基于汇流累积量构建河网，以河网点作为基底地形的高程控制点，构建局部基准底面DEM；用原始DEM数据减去局部基准底面DEM，得到研究区域的表面起伏度，根据起伏度大小划分山地平原的范围，按起伏度对山地进一步划分；以高程为分类基准对研究区域进行全域高程分类，综合起伏度分类结果和高程分类结果，得到最终分类结果；分类结果后处理。本发明通过使用TIN构建局部基准底面有效提升了地形地貌分类的精度与区域完整性，能够实现在仅以DEM为本源数据的情况下，全球地形地貌类别的高精度自动划分，为全球地貌研究提供了坚实的数据基础。
-
公开(公告)号：CN115544789A
公开(公告)日：2022-12-30
申请号：CN202211302771.7
申请日：2022-10-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于数字高程模型和坡度成本距离的河谷平原提取方法，包括：基于DEM数据，分别计算地表流向和地表坡度；根据地表流向计算获得地表汇流累积量，基于地表汇流累积量数据，设置阈值，设定大于阈值的区域为地表汇流网络；基于地表汇流网络和地表坡度，计算区域内其他位置到地表汇流网络的坡度成本距离；基于坡度成本距离结果，设置阈值，对结果进行二分类，小于阈值的区域为河谷平原。本发明通过使用数字地形分析方法，实现了自动化河谷平原分类与提取，具有提取结果完整性好、准确性高、地形自适应性强且计算效率高的特点，填补了地貌制图工作中河谷平原提取方法的空白，为国土资源普查和山区资源利用等工程提供基础数据和决策支持。
-
公开(公告)号：CN108830871A
公开(公告)日：2018-11-16
申请号：CN201810545590.4
申请日：2018-05-25
Applicant: 南京师范大学
Abstract: 本发明公开一种基于高分辨率遥感影像和DEM的黄土浅沟自动化提取方法，首先，通过对浅沟坡面的高分辨率影像进行边缘检测得到浅沟边缘图像；其次，对浅沟坡面的DEM进行流向判断，并进行重新编码，生成流向栅格；再次，根据流向对边缘图像进行定向检测，从边缘图像的每个边缘像元出发，沿流向检测下一个像元是否为边缘像元，若是，则连接并重复上一步的检查，若不是，则检测终止；最后，对上一步结果使用适当的阈值剔除结果中的伪浅沟信息和栅格转线，即得到提取区域的黄土浅沟。本发明提供了自动化的黄土浅沟提取方法，节省了野外调查的人力物力，能为水土保持监测和国土资源调查等提供更丰富、便利的基础数据。
-
公开(公告)号：CN114494598A
公开(公告)日：2022-05-13
申请号：CN202210086980.6
申请日：2022-01-25
Applicant: 南京师范大学
Abstract: 本发明公开了一种城市三维可视空间比指标的优化方法，包括如下步骤：获取计算区域的UDEM数据和视点数据，并构建可视球体；将可视球体依据视线等间隔划分可视区域；结合UDEM计算每条视线上的最近障碍点，并构建当前可视区域的可视微分体元并计算体积；将所有可视微分体元的体积相加得到实际可视空间大小，再与可视球体的体积作比值即可得可视空间比。本发明解决了原方法可视球体表面视线划分时的体积重合问题，并减少球面体积计算时产生的误差，极大地提高了计算结果的精确度和可靠性，使得可视空间比这一参数相较于现有的二维可视范围算法能更好地表达城市空间开敞程度，并使其能在评价城市三维空间形态中具有重要的实际参考意义。
-
公开(公告)号：CN114493997A
公开(公告)日：2022-05-13
申请号：CN202210078005.0
申请日：2022-01-24
Applicant: 南京师范大学
Abstract: 本发明公开一种基于数字高程模型与风格迁移的地形水墨画生成方法，包括以下步骤：1)确定适合地形表达的水墨风格，收集水墨风格图片，制作水墨风格样本数据集；2)训练并修改已有风格迁移模型，生成面向水墨风格的迁移模型；3)以待艺术化表达区域的DEM数据作为基础数据，提取区域内的地形特征，确定合适的观察视角，生成地形骨架图；4)将地形骨架图作为迁移模型的输入，确定需要迁移的水墨风格，生成水墨风格图。本发明通过使用迁移学习有效减少了网络训练成本，能够实现在仅有DEM数据输入的情况下，多种风格地形水墨画的计算机自动绘制，提供科学性与艺术性相结合的地形艺术画。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
