一种坡度尺寸效应补偿方法、装置、电子设备及存储介质

本发明涉及影测量与遥感技术领域，尤其涉及一种坡度尺寸效应补偿方法、装置、电子设备及存储介质。

背景技术：

坡度是从数字高程模型(digitalelevationmodel，dem)中提取的重要地形信息，被广泛应用至科学研究以及工程任务中。通过前期的研究发现，从不同分辨率dem提取的坡度代表不同尺度下的地形信息，而从同一区域低分辨率dem计算出的坡度低于高分辨率dem所计算的坡度值，即存在坡度低估的情况(slopereduction,sr)。因此在工程或科学应用中，需要考虑坡度的尺度效应，并进行相应的坡度补偿。特别在行星探测领域，目前受限于行星遥感观测条件，行星表面往往只有极少区域具有米级及更高分辨率的dem，大部分区域仅存在十米级的中低分辨率dem。然而随着工程任务的开展，往往需要获取行星(如月球、火星)表面大范围米级尺度的坡度。直接使用中低分辨率dem得到的坡度图，在一定程度上无法准确反应米级的地形起伏特征。

因此在实际使用中，需要对中低分辨率dem制作的坡度图进行坡度补偿，尽可能获取更贴近在高分尺度上获得的坡度值，从而更好的进行相关工程任务及科学研究应用。

因此如何更好的实现坡度补偿已经成为业界亟待解决的问题。

技术实现要素：

本发明提供及一种坡度尺寸效应补偿方法、装置、电子设备及存储介质，用以解决现有技术中无法很好的实现坡度补偿的问题。

本发明提供一种坡度尺寸效应补偿方法，包括：

根据低分待补偿数字高程模型影像，获得低分待补偿坡度图；

将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；

其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

根据本发明提供的一种坡度尺寸效应补偿方法，在将所述低分待补偿坡度图输入目标坡度补偿模型的步骤之前，所述方法还包括：

获取高分样本数字高程模型影像；

将所述高分样本数字高程模型样本影像重采样至低分尺寸，得到模拟低分数字高程模型影像；

根据所述模拟低分数字高程模型影像，得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息。

根据本发明提供的一种坡度尺寸效应补偿方法，在所述得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息的步骤之后，所述方法还包括：

获取所述高分样本数字高程模型影像的高分尺度样本坡度图，对所述高分尺度样本坡度图进行降采样处理，得到所述高分尺度样本坡度图在低分尺寸上的参考表达信息；

根据所述参考表达信息、低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息，求解预设坡度补偿模型中的补偿参数，得到目标坡度补偿模型。

根据本发明提供的一种坡度尺寸效应补偿方法，将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图的步骤，具体包括：

对所述低分待补偿坡度图进行坡度分级，得到坡度分级信息；

根据所述坡度分级信息确定目标坡度补偿模型。

根据本发明提供的一种坡度尺寸效应补偿方法，所述得到目标坡度补偿模型的步骤之后，所述方法还包括：

对所述高分尺度样本坡度图进行坡度分析，得到坡度分级信息；

将所述目标坡度补偿模型作为所述坡度分级信息对应的目标坡度补偿模型。

本发明还提供一种坡度尺寸效应补偿装置，包括：

处理模块，用于数字高程模型影像，获得低分待补偿坡度图；

补偿模块，用于偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；

其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

所述装置还包括：建模模块；

所述建模模块用于获取高分样本数字高程模型影像；

将所述高分样本数字高程模型样本影像重采样至低分尺寸，得到模拟低分数字高程模型影像；

根据所述模拟低分数字高程模型影像，得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息。

所述建模模块，还用于获取所述高分样本数字高程模型影像的高分尺度样本坡度图，对所述高分尺度样本坡度图进行降采样处理，得到所述高分尺度样本坡度图在低分尺寸上的参考表达信息；

根据所述参考表达信息、低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息，求解预设坡度补偿模型中的补偿参数，得到目标坡度补偿模型。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述坡度尺寸效应补偿方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述坡度尺寸效应补偿方法的步骤。

本发明提供的一种坡度尺寸效应补偿方法、装置、电子设备及存储介质，通过在构建目标坡度补偿模型的过程中，充分考虑到坡度变化率信息，将其与待补偿的中低分辨率坡度一同作为自变量嵌入至目标坡度补偿模型，从而能够有效提高低分尺度坡度补偿的精度，尤其是在影像坡度变化率大的区域的补偿精度，得到优于现有传统线性补偿模型的结果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的坡度尺寸效应补偿方法的流程示意图；

图2为本发明提供的坡度尺寸效应补偿装置示意图；

图3为本发明提供的电子设备的实体结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的坡度尺寸效应补偿方法的流程示意图，如图1所示，包括：

步骤s1，根据低分待补偿数字高程模型影像，获得低分待补偿坡度图；

本发明实施例中的低分待补偿数字高程模型影像，具体是指低分辨率的dem影像，由于其精度通常是在十米及以上级别，在一定程度上无法准确反应米级的地形起伏特征，因此需要对其进行坡度补偿。

本发明中根据低分待补偿数字高程模型影像，获得低分待补偿坡度图，具体可以是低分待补偿数字高程模型影像中地面上某点在x方向上的高程变化率为fx，在y方向上的变化率为fy(不同的坡度提取方法主要体现在fx与fy的计算方式不同)，该地面点坡度为β，horn算法的β计算如式(1)所示:

对于horn算法而言，其fx，fy的计算方法为：

f(x)＝(z7-z1+2(z8-z2)+z9-z3)/8g

f(x)＝(z3-z1+2(z6-z4)+z9-z7)/8g(2)

式(2)中的zi(i＝1,2,…,9)分别代表dem中某个3*3窗口中各个顶点的高程，g则代表着dem的格网分辨率。

本发明实施例中根据上述计算坡度的方式，得到低分待补偿坡度图。

步骤s2，将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；

其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

本发明实施例中所描述的目标坡度补偿模型通过充分考虑了坡度变化率信息对于坡度补偿的影响，从而极大的提高了补偿的准确性。

本发明中的目标坡度补偿模型具体可以是指：

z＝a*x+b*x′+c

其中，a，b，c均为坡度补偿模型中的补偿参数，x为低分待补偿坡度图，x′为低分待补偿坡度图x的坡度变化率信息。

本发明实施例通过在构建目标坡度补偿模型的过程中，充分考虑到坡度变化率信息，将其与待补偿的中低分辨率坡度一同作为自变量嵌入至目标坡度补偿模型，从而能够有效提高低分尺度坡度补偿的精度，尤其是在影像坡度变化率大的区域的补偿精度，得到优于现有传统线性补偿模型的结果。

基于上述任一实施例，在将所述低分待补偿坡度图输入目标坡度补偿模型的步骤之前，所述方法还包括：

获取高分样本数字高程模型影像；

将所述高分样本数字高程模型样本影像重采样至低分尺寸，得到模拟低分数字高程模型影像；

根据所述模拟低分数字高程模型影像，得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息。

具体的，确定高分尺度以及低分尺度，读入高分样本dem影像。

低分尺度为待补偿的低分辨率，如20米，高分尺度为当前高分样本dem的分辨率或者是工程应用需求所至的高分辨率，如5米。后续用于坡度补偿模型拟合的数据基础均由高分dem影像模拟而得。

将高分样本dem影像重采样至低分尺度，模拟低分dem影像，并利用horn算法从低分模拟的dem影像中提取坡度，作为低分尺度下待补偿的坡度图，记为x。

horn算法为成熟算法，可直接通过外部调用arcgis得到。

利用拉普拉斯算子提取低分坡度影像x的坡度变化率信息，记为x′。

在图像处理领域内，拉普拉斯算子是一个常用的边缘检测算子,其具备各向同性的性质，即旋转不变性，此外，还具有计算简单等优势。利用拉普拉斯算子对低分坡度影像进行边缘的提取，即提取坡度变化率信息。拉普拉斯算子本质上是通过检测二阶导数过零点的方式检测边缘，其计算的二阶微分方程如下：

拉普拉斯的卷积模板如下所示：

利用拉普拉斯的卷积模板对低分坡度影像x进行处理即可得到低分坡度影像x的坡度变化率影像x′。

基于上述任一实施例，在所述得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息的步骤之后，所述方法还包括：

获取所述高分样本数字高程模型影像的高分尺度样本坡度图，对所述高分尺度样本坡度图进行降采样处理，得到所述高分尺度样本坡度图在低分尺寸上的参考表达信息；

根据所述参考表达信息、低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息，求解预设坡度补偿模型中的补偿参数，得到目标坡度补偿模型。

具体的，利用horn算法提取高分辨率dem的坡度图，并利用滑动窗口最大值的方式将其降采样低分尺度，得到高分尺度坡度图在低分尺度上的参考表达z。

在传统的线性补偿模型中，得到低分尺度参考坡度的方式为利用滑动窗口平均值的方法对高分尺度的坡度图进行处理，相当于平均池化。在深度学习领域中，普遍认为平均池化能够更好的保留背景信息，而最大池化可以更好地提取特征纹理，在特定的应用场景中应采取特定的池化策略。由于进行低分辨率坡度图补偿的目的之一是巡视器的避障，因此，使用滑动窗口最大值，即最大池化的方法进行降采样或更适用于应用场景。因此，本发明在得到高分辨率坡度图后，通过最大池化的方式将其降采样至待补偿的低分辨率尺度，即可得到低分尺度上的坡度表达z。

将待补偿的低分坡度图记为x，低分坡度变化率影像记为x′，低分尺度参考坡度影像记为z，目标坡度补偿模型的数学表达如下所示，

z＝a*x+b*x′+c

利用最小二乘的思想进行二元一次的线性回归，即可得到坡度补偿模型中的补偿参数，最终得到目标坡度补偿模型。

本发明实施例中通过在构建目标坡度补偿模型的过程中，充分考虑到坡度变化率信息，将其与待补偿的中低分辨率坡度一同作为自变量嵌入至目标坡度补偿模型，从而能够有效提高低分尺度坡度补偿的精度，尤其是在影像坡度变化率大的区域的补偿精度，得到优于现有传统线性补偿模型的结果。

基于上述任一实施例，对所述低分待补偿坡度图进行坡度分级，得到坡度分级信息；

根据所述坡度分级信息确定目标坡度补偿模型。

所述得到目标坡度补偿模型的步骤之后，所述方法还包括：

对所述高分尺度样本坡度图进行坡度分析，得到坡度分级信息；

将所述目标坡度补偿模型作为所述坡度分级信息对应的目标坡度补偿模型。

具体的，本发明中还提供分级的目标坡度补偿模型，具体的是指将低分坡度图x中的坡度根据预先设置的坡度分级进行分级，得到不同分级范围内的坡度数据。分别以各分级内的坡度数据为数据基础，构建各个分级范围对应的坡度补偿模型，并且在进行坡度补偿时，先根据需要进行坡度补偿的低分待补偿坡度图所归属的分级，来确定其对应的坡度补偿模型。

本发明在顾及坡度变化率的坡度补偿方法基础上，设计分级补偿策略，其中，分级补偿模型可作为整体补偿模型的辅助，扩大了顾及坡度变化率的坡度补偿方法的适用范围。

图2为本发明提供的坡度尺寸效应补偿装置示意图，如图2所示，包括：处理模块210用于数字高程模型影像，获得低分待补偿坡度图；

补偿模块220用于偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；

其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

所述装置还包括：建模模块；

所述建模模块用于获取高分样本数字高程模型影像；

将所述高分样本数字高程模型样本影像重采样至低分尺寸，得到模拟低分数字高程模型影像；

根据所述模拟低分数字高程模型影像，得到低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息。

所述建模模块，还用于获取所述高分样本数字高程模型影像的高分尺度样本坡度图，对所述高分尺度样本坡度图进行降采样处理，得到所述高分尺度样本坡度图在低分尺寸上的参考表达信息；

根据所述参考表达信息、低分尺度下待补偿坡度图和低分坡度影像的坡度变化率信息，求解预设坡度补偿模型中的补偿参数，得到目标坡度补偿模型。

本发明实施例通过在构建目标坡度补偿模型的过程中，充分考虑到坡度变化率信息，将其与待补偿的中低分辨率坡度一同作为自变量嵌入至目标坡度补偿模型，从而能够有效提高低分尺度坡度补偿的精度，尤其是在影像坡度变化率大的区域的补偿精度，得到优于现有传统线性补偿模型的结果。

图3为本发明提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communicationsinterface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行坡度尺寸效应补偿方法，该方法包括：根据低分待补偿数字高程模型影像，获得低分待补偿坡度图；将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的坡度尺寸效应补偿方法，该方法包括：根据低分待补偿数字高程模型影像，获得低分待补偿坡度图；将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的坡度尺寸效应补偿方法，该方法包括：获取电力负荷节点频率偏差仿真信息；根据低分待补偿数字高程模型影像，获得低分待补偿坡度图；将所述低分待补偿坡度图输入目标坡度补偿模型，得到补偿后的低分坡度图；其中，所述目标坡度补偿模型是通过高分数字高程模型影像训练得到的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。