基于最佳分析窗口的高光检测

物体上的高光直接影响计算机视觉领域的很多操作,比如图像分割、边缘检测、视频中物体的跟踪等。该方法基于双色反射模型,提出了最佳分析窗口的概念。在最佳分析窗口的基础上,分析窗口中像素的亮度、色彩、以及位置信息,组成五维特征向量,利用K-means算法在向量空间的聚类结果得到漫反射像素族,从而估计出全局漫反射色度,并以此检测图像中的高光像素。最后,利用Tan等提出的STD机制从原图像中分离出漫反射分量和镜面反射分量。该方法无需交互操作,不受相机噪声为线性的限制,比同类算法更容易实现且效果更佳。

基于DEM和均值变点法的措勤县地形起伏度分析

地形起伏度能够反映特定区域的地势起伏特征,采用均值变点法可以有效确定地形起伏度的最佳分析窗口。利用措勤县ASTER GDEM 30 m分辨率高程数据,在GIS平台支持下,通过Python编程,采用邻域分析法在不同窗口大小下提取地形起伏度,运用均值变点法确定措勤县最佳分析窗口。研究表明:(1)措勤县最佳分析窗口为27×27的矩形单元,分析窗口面积为0.6561 km^(2)。(2)措勤县地形起伏度范围为0~688 m,将其分为5类,起伏度值为70~200 m的丘陵地形和200~500 m的小起伏山地地形为措勤县主要地形,占比分别为37.62%和33.24%;起伏度值为30~70 m的台地地形和0~30 m的小起伏平地地形,占比分别为16.22%和12.57%;地形起伏度值为500 m以上的中起伏山地地形面积最小,占比为0.35%。

基于DEM的京津冀地区地形起伏度分析

京津冀地区地貌类型复杂,全局单值最佳分析窗口在该地区地形起伏度提取中具有局限性。采集了区内不同地貌、地貌组合样本,采用均值变点法分别提取了各样本地形起伏度的最佳分析窗口,分析了地形地貌对最佳分析窗口的影响,在此基础上提取了京津冀地区的地形起伏度。结果表明:京津冀地区地形起伏度随分析窗口面积的增大而增大,对两者对应关系的拟合效果幂函数优于对数函数;区内因地形地貌差异存在4.64和5.35 km2两个最佳分析窗口,前者可以表达400 m以内的高差,后者更适合于表达400 m以上的高差;利用4.64和5.35 km2双窗口方案提取的地形起伏度优于单窗口方案,前者改善了后者对平坦地区起伏度的夸大;京津冀地区的地形起伏度在0~1 145 m之间,以平坦、中起伏和小起伏为主。

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

地形起伏度因子在宏观尺度生态评估中具有重要作用。均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究。本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响。结果表明:(1)分析窗口样本数量对最佳分析窗口取值有明显影响。随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加。(2)DEM分辨率对最佳分析窗口取值有一定影响。分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口面积小于基于90 m SRTM DEM的最佳分析窗口面积。(3)地貌类型对最佳分析窗口取值的影响不大。当分析窗口样本数量一致时,不同地貌类型区及整个研究区最佳分析窗口相同或接近。总体而言,分析窗口样本数量是最关键的影响因素。

白龙江流域地势起伏度与微观地形因子之间的关系探讨

基于SRTM-DEM数据,以青藏高原东缘白龙江流域33个子流域为例,利用Arc GIS的邻域分析及均值变点分析方法确定了白龙江流域地势起伏度提取的最佳分析窗口面积,并分析了子流域地势起伏度与坡度、坡度变率、高差等微观地形因子之间的关系,结果表明:白龙江流域地势起伏度的最佳分析窗口面积为2.340 9 km2;白龙江不同子流域的地势起伏度可依据流域高差、平均坡度、平均坡度变率等微观地形因子建立相应的计算模型。

基于DEM数据的龙门山流域地形起伏度研究

基于SRTM3（90 m）DEM数据,提取龙门山流域,分别尝试人工判别法、最大高差法和最大高差-面积比法,经过对比分析,龙门山流域比较适合采用最大高差-面积比法,获得最佳分析窗口为33×33,面积约为8.82 km^2.根据最佳分析窗口,提取龙门山流域的地形起伏度,从平面和垂向2个方面分析了龙门山流域地形起伏度的分布规律,得到以下几点认识：1）龙门山南段、中段以及岷江流域南部,地形起伏度值较高,龙门北段和岷江北部地形起伏度值相对较低,位于四川盆地内的地形起伏度最低;2）龙门山流域地形起伏度大于500 m的区域占93.55%,700-1 500 m分布比例较为密集（占68%）,其中,700-1100 m最为密集;地形起伏度约为1 100 m时,单值所占的面积比例最大;天全-都江堰-安县一线NW侧地形起伏度几乎均大于500 m,SE侧地形起伏度基本上小于500 m,并且有向SE递减趋势;3）龙门山流域随着海拔增高,地形起伏度总体上在增长,但之间有些起伏,整体上表现出很强的垂直分带性,水系侵蚀作用以及气候变冷所导致的冰劈、寒冻作用是造成垂直分带性的主要原因.

滇东南石漠化地区地形起伏度对水土流失的影响

分析石漠化地区的水土流失地理分布格局,探究地形起伏度对其分布规律的影响,为滇东南石漠化地区水土流失的防治措施提供合理且全面的依据。以滇东南石漠化地区马关县、西畴县和麻栗坡县为研究区,基于30 m空间分辨率的DEM数据计算地形起伏度,利用10 m空间分辨率的Sentinel-2数据提取土地利用类型。研究表明,根据均值变点法确定研究区地形起伏度最佳像元分析窗口为24×24,地形起伏度在0~2.41;水土流失强度主要为极强烈等级,占研究区总面积的26.85%;水土流失强度区域多集中在0.05~0.35等级范围内,地形起伏度在0.15~0.25等级范围达到水土流失强度峰值。研究区的地形起伏度与水土流失强度等级分布具有高度相关性,充分说明地形起伏度是石漠化地区水土流失的主导因素之一。

喀斯特山区地形起伏度及其对水土流失敏感性的影响——以贵州省荔波县为例

[目的]探究喀斯特高原山区水土流失的特征与空间变化规律,为制定符合喀斯特山地环境的水土流失防治对策提供科学依据。[方法]以典型喀斯特山区重点生态功能区贵州省荔波县为研究区,综合运用地理空间分析方法,确定提取地形起伏度最佳的分析单元,结合水土流失敏感性评价,分析地形起伏度与水土流失敏感性的空间分布规律及其相互关系。[结果]基于10 m空间分辨率DEM数据,提取地形起伏度的最佳网格大小为54×54,地形起伏度(RDLS)在0.32~2.12之间;荔波县水土流失敏感主要为微度侵蚀,占县域总面积达88.40%;水土流失敏感性区域主要集中在RDLS为0.7~1.7的分级范围内,RDLS在1~1.5区间对水土流失的响应最敏感,为水土流失敏感性的优势因子区间。[结论]研究区内RDLS与不同敏感度的水土流失分布具有一定的一致性,总体上水土流失受地形起伏度变化的影响显著。