导读:本文包含了地形特征识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:地形,特征,纹理,形态,地貌,等高线,形态学。
地形特征识别论文文献综述
李雪[1]（2019）在《基于特征融合和语义分割的地形识别算法研究》一文中研究指出地形识别技术作为机器视觉领域重要的研究课题,被广泛应用于移动机器人的研究中,是实现移动机器人的自主定位与导航的关键性问题,地形识别可以帮助机器人理解周围环境,实现地形预判,以便于及时调整控制决策与路径规划。足式机器人相较于轮式机器人,虽然速度较慢、能耗较高,但具备极强的地形通过能力,在非结构化环境中适应性更强。相较于采用激光等传感器获取信息进行地形识别的方法,二维图像的获取更为方便,能够提供更为丰富的环境信息,结合机器学习算法,在移动机器人穿越未知、复杂环境时更具优势。主要工作如下:首先,论述了地形识别问题的应用背景与研究意义,总结分析现阶段关于地形识别的国内外研究现状与存在的问题。第二,针对现阶段地形识别方向公开图像数据集较少的问题,本文借助普通单目摄像头采集地形图像,建立了包含六类典型平坦地形图像的地形数据集。第叁,研究了基于视觉图像的地形特征提取算法。针对平坦地形类别的分类问题,本文从传统机器学习的角度入手,主要在地形特征的选择上进行创新,基于视觉的低层特征可以有针对性地表示图像某一方面的特性,但也导致特征表达不够全面的问题,而深度特征则通过神经网络自主学习提取特征,特征语义更为丰富,两者存在语义表达上的互补关系,在地形识别研究中有效提高了分类性能。第四,解决了复杂场景中地形的分割及识别问题。实际情况下摄像头捕捉到的地形图像包含多种地形,需要同时完成地形的分割与识别问题,语义分割技术可以实现两者的结合,本文选用了当前流行的DeepLab分割网络,在输入图像中,结合低层特征图,完成复杂地形的分割与识别问题。该方法在改进后的Sift-flow数据集中取得了不错的分割效果。最后,总结本论文的所有工作,指出地形识别中仍未解决的问题并展望下一步的研究方向。(本文来源于《山东大学》期刊2019-05-19）
殷宗敏[2]（2018）在《基于时序InSAR技术与地形特征的黄土高原潜在滑坡识别研究》一文中研究指出黄土高原具有特殊的地理地质环境,受降雨、人类活动等因素影响,易发生地质灾害,造成重大生命财产损失。绥德为黄土高原重要城镇,境内滑坡灾害频发。以其为案例进行地表形变监测和潜在滑坡识别,不仅对黄土高原城镇地质灾害监测和早期识别具有示范意义,也对绥德地质灾害防治有一定实践意义。本文研究范围为绥德县城及周边,面积为60km~2,利用时序In SAR技术(如:PSInSAR、SBAS)获取2015.12.24-2017.9.20间地表形变时序数据;利用DIn SAR技术获取研究区2017年726洪水事件前后地表形变;利用影像变化检测技术获取2016.12.05-2017.12.10间地表水平位移。通过时间序列分析将PS点形变过程划分为线性和非线性类型,将非线性形变曲线与滑坡位移-时间曲线对比分析,选择符合滑坡形变过程的类型(突变型)作为特征,用于定位待识别的坡体单元。将坡度、地形多样性指数、影像变化检测技术获取的水平位移、SBAS技术获取的形变速度作为输入数据,将野外勘测所获滑坡作为训练样本,构建神经网络模型,进行研究区潜在滑坡识别。本文得到的主要结论有:(1)在优化滤波参数和图像连接拓扑的基础上,采用PSInSAR、SBAS、DIn SAR技术获取视线方向地表形变,3种方法获取视线方向形变结果具有可比性;PSInSAR获取视线方向形变与影像变化检测获取水平位移存在相关性。结果表明本文获取的形变结果可靠,能够反映该区域地表形变过程。(2)研究区总体呈现沉降趋势,城区沉降速率较大,周围山区较大形变区域呈现分散分布,局部区域相同形变性质的PS点明显聚集。PSInSAR获取的形变结果与降雨量变化具有较好的对应关系,在证明地表形变结果可靠的同时,也反映出该区域引起地表形变的主要因子为降水。(3)通过对PS点形变过程进行时间序列分析,发现突变型符合滑坡形变过程,突变型中断点日期多发生于6-7月份,与降雨时间一致,洪水事件前后该类型PS点下沉趋势明显,说明突变型PS点对于潜在滑坡识别具有示踪意义。(4)将形变特征与地形特征结合,运用神经网络模型进行潜在滑坡识别,所得结果与野外调查结果较一致。识别的滑坡在空间上离散分布,与该区域构造稳定、降雨是滑坡发生主因的特性相符合。以上表明,本文使用的滑坡识别方法有效,相比于基于单一特征的潜在滑坡识别,效果更理想。(本文来源于《兰州大学》期刊2018-04-01）
刘彩霞,方建军,刘艳霞,马慧姝[3]（2018）在《基于多类特征融合的极限学习在四足机器人野外地形识别中的应用》一文中研究指出针对四足机器人在野外环境下对多地形的识别能力较弱的问题,提出了一种基于多类特征融合的极限学习识别算法。该算法首先针对野外不同地形表面性质和组织结构的特点,利用纹理特性和小波变换获其低维和高维特征,作为分类器的训练特征。然后引入极限学习机分类算法对多种地形进行识别。结果显示,算法识别率为97.5%,比传统的BP神经网络算法、支持向量机算法分别高出30.89%和20.45%。并且重复的实验证明了该算法具有很好的泛化能力和鲁棒性,这为四足机器人关于提高其自主移动能力的研究提供了一种新的思路。(本文来源于《电子测量与仪器学报》期刊2018年02期）
王志涛,门明新,崔江慧[4]（2016）在《沽源县未利用地生态重要性空间识别及其地形梯度特征分析》一文中研究指出未利用地作为重要的后备土地资源与生态系统的一部分,不仅在缓解土地供需矛盾中发挥着重要作用,同时还为生态系统稳定提供着强有力的支撑。本文以地处农牧交错带的河北省沽源县为例,根据其生态状况,从灾害防护、生境与水资源防护、人类干扰3方面选取指标,构建了沽源县未利用地生态重要性空间识别指标体系,结合GIS空间分析功能,对沽源县未利用地的生态重要性进行空间识别,将其划分为4个级别:极重要、重要、较重要、一般重要。并根据沽源县地形特点进行地形梯度的划分,划分出4级高程梯度带和4级坡度梯度带,以分析沽源县未利用地的地形梯度分布特征。结果表明,沽源县生态重要性为极重要、重要、较重要、一般重要的未利用地面积分别为11 082.78 hm2、11 209.05 hm2、11 450.25 hm2和4 803.12 hm2,分别占研究区未利用地总面积的28.75%、29.08%、29.71%和12.46%,生态重要性等级为一般重要的未利用地较少。从地形梯度角度分析,沽源县未利用地主要分布在1 400~1 600 m高程梯度带以及0°~5°和5°~15°两个坡度梯度带;生态极重要未利用地主要分布在1 400~1 600 m和1 600~1 800 m两个高程梯度带以及5°~15°坡度梯度带;随着高程与坡度的增加,各地形梯度带生态重要性等级为极重要的未利用地的比重变大,由最初的11.31%和13.86%提升到97.95%和93.64%。研究结果可以为沽源县未利用地开发利用与生态保护提供数据支撑和科学依据。(本文来源于《中国生态农业学报》期刊2016年02期）
徐静,王春,张耀民,顾留碗[5]（2014）在《规则格网DEM中平直面状特征地形识别与提取》一文中研究指出随着人类活动的增加,平直面状地形已成为主要的特征地形之一,具有其特殊的地理学、水文学价值。鉴于现有的DEM数字地形分析模型中缺乏平直面状地形的识别与提取模型,文章以黄土梯田样区数据为基础研究构建了基于空间法向量的平直面状地形的识别与提取模型。实验结果显示,该模型具有较好的提取精度;DEM格网大小对平直面状地形的表达具有显着的影响,3×3DEM格网范围是比较妥当的统一核面,提取的平直面区域具有较好精度;我国现有的系列尺度DEM对平直面状地形的描述存在一定程度的失真,有待进一步完善。(本文来源于《测绘科学》期刊2014年08期）
刘亚鑫[6]（2014）在《基于剖面识别和形态简化的地形骨架特征提取方法研究与实现》一文中研究指出地理信息的处理在当今各个领域中越来越重要，而原始的数字地形模型（DigitalTerrain Model，简称DTM）中蕴含了许多地形特征信息，如山脊线和山谷线等。这些特征信息在计算机识别并处理这些地形数据时有着重要的作用，同时地形特征也是许多工程应用中必不可少的基础信息。但由于数据结构等因素，典型的地形数据中往往没有包含这些地形特征。所以，如何从原始的地形数据中提取出真实准确的地形特征一直是目前研究的热点。鉴于传统骨架特征提取方法PPA（Profile recognition and Polygon breakingAlgorithm）准确性差、不能提取特殊地形等问题，本文提出了一种结合形态学的骨架特征提取方法。为了进一步防止实际上存在的真实目标点在最初提取时没有被检测到，改进了原本的剖面识别算法。通过改进的剖面识别算法可以得到原始的候选特征点集，但此时集合中包含了大量的噪音点。为此，引入形态学区域细化思想，提出了骨架特征形态简化算法与多种形态编码，将由候选特征点所组成的特征域简化为骨架特征线。但由于噪音点的影响，此时的骨架特征线中可能存在一些虚假的环路，本文通过定义叁种不同类型的环路并用所提出的环路处理算法来解决这一问题。此时，经过上述步骤的处理后，主要的地形骨架特征已被提取出来，而为了满足不同领域对所提取出地形特征线不同的精度要求，使用特征线检测、修复与循环剔除等办法来准确提取骨架特征。此外，文中所有的算法都在基准数据和真实数据上进行了实验研究，包括GTOPO30和由PPA所提供的基准数据，结果表明本文方法提取出的骨架特征形态效果要优于传统PPA方法。(本文来源于《东北师范大学》期刊2014-05-01）
胡瑞鹏,王刚[7]（2013）在《基于等高线的约束CD-TIN的地形特征识别》一文中研究指出采用改进的凸包算法建立等高线离散数据点的无约束D-TIN,再运用基于影响域对角线交换的局部调整算法,将等高线作为特征约束嵌入到D-TIN中,建立以等高线为特征约束的CD-TIN,来处理无约束D-TIN后可能产生的跨越等高线的非法叁角形.建立了支持空间数据挖掘的约束CD-TIN后,通过计算CD-TIN中D叁角形的法向量和坡度值,将等高线地形图中的山地和平地区分开,并进一步识别出山地区域中的山峰信息.(本文来源于《湖北大学学报(自然科学版)》期刊2013年02期）
曹伟超,陶和平,孔博,刘斌涛[8]（2011）在《利用最佳地形特征空间进行地貌形态自动识别——以西南地区为例》一文中研究指出基于ASDEM数据,提出采用相关矩阵法和雪氏熵值法获取西南地区地貌形态识别的最佳地形特征空间为坡度、地表切割深度、地面累积曲率、绝对高程和地表粗糙度的组合,使用最佳地形特征空间分析方法获得西南地区11种地貌形态的分布图。研究结果表明,平原及低海拔盆地、丘陵、中山和亚高山4种地貌形态分布较广,其和占到总面积的56.11%,其余各类型与总面积比在4.08%～8.30%之间,且较破碎。分别从宏观和微观两方面验证了结果的可靠性,对进一步研究具有参考意义。(本文来源于《武汉大学学报(信息科学版)》期刊2011年11期）
国巧真,蒋卫国,易文斌[9]（2009）在《不同地形条件下的村镇形态特征识别方法研究》一文中研究指出以平原村镇香河县、山地村镇密云县和水乡村镇昆山市为例,研究了其村镇形态特征,建立了基于面积和周长的形状指数模型,并用变异系数对该模型进行了比较与验证。结果表明:此模型同时考虑了面积和周长两个要素,更加敏感,能够更好地区分不同类型的村镇。(本文来源于《安徽农业科学》期刊2009年28期）
高平[10]（2009）在《基于扩展统计地形特征的动态纹理识别研究》一文中研究指出本文的主要研究内容是动态纹理描述与识别研究。动态纹理的分析研究是目前计算机图像处理与计算机视觉的重要研究课题之一,动态纹理的描述与识别研究是动态纹理分析研究的重要研究方向。作为动态纹理的视频图像序列中不仅包含有物体结构方面的静态信息,而且还包含有丰富的物体运动的动态信息。目前,基于图像的目标物体识别研究主要是描述物体的几何、光度等静态特征,信息量较少。分析物体的运动过程,提取物体运动的动态特征,结合物体的静态特征可以更准确的对特定目标物体进行识别。动态纹理在自然界中广泛存在,比如烟气的运动、河流、海浪、飞翔的鸟群等。由于叁维空间的物体运动与二维空间的观测面的差异性、运动时光照的改变、其他物体的遮挡以及大量物体运动的准周期性使得动态纹理的识别成为最具有挑战性的研究工作之一。本文在研究了现有主要动态纹理分析方法的基础上,提出了扩展统计地形特征方法对动态纹理进行描述与识别。论文的主要工作如下:1.静态纹理与描述方法:由静态纹理的概念入手简述了目前主要的静态纹理描述与识别方法,并对实验中采用的统计地形特征方法进行了详细的论述,实验表明,该方法在静态纹理识别中具有良好的识别性能。2.动态纹理与光流法:主要介绍了动态纹理的概念与识别方法,光流的概念、光流约束方程、光流的计算方法。光流法致力于建立物体运动的光流场,但是由于观测平面的二维性,使得光流法无法真正的描述叁维空间中的运动。不过,光流法仍然是目前动态纹理分析的主要方法之一。3.基于扩展统计地形特征ESLF(Extend Statistical Landscape Features)的动态纹理描述方法:主要分析了在光流法中使用的两个假设,即灰度一致性假设模型(Brightness Constancy Model)与梯度一致性假设模型(Gradient Constancy Model),并对块匹配光流计算法进行改进,提出了局部运动模式LMP(Local Motion Pattern)对物体运动的动态特征进行描述。基于扩展的统计地形特征方法分别使用统计地形特征来描述静态特征以及局部运动模式描述动态特征,并将上述两种方法所计算得到的特征值直方图进行连接,建立用于动态纹理识别的直方图。最后给出了我们在动态纹理识别中的进一步研究工作。4.介绍在DynTex动态纹理集上进行实验的情况及对实验结果的讨论与分析。(本文来源于《兰州大学》期刊2009-04-01）
地形特征识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
黄土高原具有特殊的地理地质环境,受降雨、人类活动等因素影响,易发生地质灾害,造成重大生命财产损失。绥德为黄土高原重要城镇,境内滑坡灾害频发。以其为案例进行地表形变监测和潜在滑坡识别,不仅对黄土高原城镇地质灾害监测和早期识别具有示范意义,也对绥德地质灾害防治有一定实践意义。本文研究范围为绥德县城及周边,面积为60km~2,利用时序In SAR技术(如:PSInSAR、SBAS)获取2015.12.24-2017.9.20间地表形变时序数据;利用DIn SAR技术获取研究区2017年726洪水事件前后地表形变;利用影像变化检测技术获取2016.12.05-2017.12.10间地表水平位移。通过时间序列分析将PS点形变过程划分为线性和非线性类型,将非线性形变曲线与滑坡位移-时间曲线对比分析,选择符合滑坡形变过程的类型(突变型)作为特征,用于定位待识别的坡体单元。将坡度、地形多样性指数、影像变化检测技术获取的水平位移、SBAS技术获取的形变速度作为输入数据,将野外勘测所获滑坡作为训练样本,构建神经网络模型,进行研究区潜在滑坡识别。本文得到的主要结论有:(1)在优化滤波参数和图像连接拓扑的基础上,采用PSInSAR、SBAS、DIn SAR技术获取视线方向地表形变,3种方法获取视线方向形变结果具有可比性;PSInSAR获取视线方向形变与影像变化检测获取水平位移存在相关性。结果表明本文获取的形变结果可靠,能够反映该区域地表形变过程。(2)研究区总体呈现沉降趋势,城区沉降速率较大,周围山区较大形变区域呈现分散分布,局部区域相同形变性质的PS点明显聚集。PSInSAR获取的形变结果与降雨量变化具有较好的对应关系,在证明地表形变结果可靠的同时,也反映出该区域引起地表形变的主要因子为降水。(3)通过对PS点形变过程进行时间序列分析,发现突变型符合滑坡形变过程,突变型中断点日期多发生于6-7月份,与降雨时间一致,洪水事件前后该类型PS点下沉趋势明显,说明突变型PS点对于潜在滑坡识别具有示踪意义。(4)将形变特征与地形特征结合,运用神经网络模型进行潜在滑坡识别,所得结果与野外调查结果较一致。识别的滑坡在空间上离散分布,与该区域构造稳定、降雨是滑坡发生主因的特性相符合。以上表明,本文使用的滑坡识别方法有效,相比于基于单一特征的潜在滑坡识别,效果更理想。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地形特征识别论文参考文献
[1].李雪.基于特征融合和语义分割的地形识别算法研究[D].山东大学.2019
[2].殷宗敏.基于时序InSAR技术与地形特征的黄土高原潜在滑坡识别研究[D].兰州大学.2018
[3].刘彩霞,方建军,刘艳霞,马慧姝.基于多类特征融合的极限学习在四足机器人野外地形识别中的应用[J].电子测量与仪器学报.2018
[4].王志涛,门明新,崔江慧.沽源县未利用地生态重要性空间识别及其地形梯度特征分析[J].中国生态农业学报.2016
[5].徐静,王春,张耀民,顾留碗.规则格网DEM中平直面状特征地形识别与提取[J].测绘科学.2014
[6].刘亚鑫.基于剖面识别和形态简化的地形骨架特征提取方法研究与实现[D].东北师范大学.2014
[7].胡瑞鹏,王刚.基于等高线的约束CD-TIN的地形特征识别[J].湖北大学学报(自然科学版).2013
[8].曹伟超,陶和平,孔博,刘斌涛.利用最佳地形特征空间进行地貌形态自动识别——以西南地区为例[J].武汉大学学报(信息科学版).2011
[9].国巧真,蒋卫国,易文斌.不同地形条件下的村镇形态特征识别方法研究[J].安徽农业科学.2009
[10].高平.基于扩展统计地形特征的动态纹理识别研究[D].兰州大学.2009
论文知识图
