一种数字高程模型的数据压缩方法及系统与流程

1.本发明涉及数据压缩技术领域，尤其涉及一种数字高程模型的数据压缩方法及系统。


背景技术：

2.数字高程模型(digitalelevationmodel)，简称dem，是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
3.数字高程模型的数据格式的后缀为.geotiff，其本质上是一种栅格图像，元素定义了一个栅格所对应的尺寸，一般是一个浮点数，记为a，同时是一个地理信息编码的矩阵，定义了栅格中心点的三维数据，记为(经度lat，维度lng，高度h)，但是通常高度h数据并不表达为真实的高度数据，而是用全高度区间h-domain映射(0,1)浮点数概括，这样做数据可以用统一方式编码，但会造成数据量过于庞大，限制了数字高程模型的应用场景。


技术实现要素：

4.针对现有技术中存在的问题，本发明提供一种数字高程模型的数据压缩方法，包括：
5.步骤s1，根据待压缩的一数字高程模型构建一原始矩阵，所述原始矩阵中的元素为所述数字高程模型中对应的网格点的高度，所述元素的坐标位置为所述网格点的经度和维度；
6.步骤s2，将所述原始矩阵分别输入预先训练得到的相应的高转折识别模型中得到关联不同感受域的多个标注矩阵，并对各所述标注矩阵中分别标注的多个高转折点求并集得到一不动点集合；
7.步骤s3，根据关联的所述感受域分别对相应的所述标注矩阵中除所述不动点集合中的各所述高转折点外的其他元素进行权差处理得到对应的权差矩阵；
8.步骤s4，根据预设的一筛选阈值对各所述权差矩阵中除所述不动点集合中的各所述高转折点外的其他元素进行筛选，得到包含各筛选后元素和所述不动点集合的一筛选矩阵；
9.步骤s5，将所述筛选矩阵中各所述筛选后元素和所述不动集合中的各所述高转折点的元素值对应替换为所述数字高程模型中对应所述高度，得到所述数字高程模型的数据压缩结果。
10.优选的，所述步骤s1包括：
11.步骤s11，将所述数字高程模型中对应的各所述网格点的所述经度加入一列表，并统计所述列表的长度；
12.步骤s12，根据所述长度对所有所述网格点对应的所述高度进行拆分形成一字典，并按照先遍历所述经度再遍历所述维度的规则遍历所述字典，形成所述原始矩阵。
13.优选的，所述步骤s3中，采用以下公式进行权差处理得到所述权差矩阵：
[0014][0015]
其中，所述q
(i,j)
用于表示所述权差矩阵中经度i、维度j对应的元素的元素值；k用于表示所述感受域覆盖的子矩阵的行列数；a
(i,j)
用于表示对应的所述标注矩阵中经度i、维度j对应的元素的元素值；an用于表示所述感受域中a
(i,j)
四周的各元素的元素值，n用于表示所述感受域中除a
(i,j)
四周的各元素外的其他元素的数量。
[0016]
优选的，所述步骤s4包括：
[0017]
步骤s41，针对各所述权差矩阵中除所述不动点集合中的各所述高转折点外的每个其他元素，提取各所述权差矩阵中对应坐标位置的最小的元素值；
[0018]
步骤s42，分别判断各对应坐标位置的最小的元素值是否大于所述筛选阈值：
[0019]
若是，则将最小的元素值作为所述筛选矩阵的对应坐标位置的元素值，并对应配置一第一标记，随后转向步骤s43；
[0020]
若否，则将对应坐标位置配置一第二标记；
[0021]
步骤s43，采用三角面填充各所述坐标位置，分别判断形成每个所述三角面的各坐标位置是否均配置为所述第一标记：
[0022]
若否，则删除所述三角面，随后转向步骤s44；
[0023]
若是，则保留所述三角面，随后转向步骤s44；
[0024]
步骤s44，对删除各所述三角面后形成的孔洞区域进行补洞后焊接，得到所述筛选矩阵。
[0025]
优选的，所述感受域包括第一感受域、第二感受域和第三感受域，且所述第一感受域大于所述第二感受域，所述第二感受域大于所述第三感受域。
[0026]
本发明还提供一种数字高程模型的数据压缩系统，应用上述的数据压缩方法，所述数据压缩系统包括：
[0027]
矩阵构建模块，用于根据待压缩的一数字高程模型构建一原始矩阵，所述原始矩阵中的元素为所述数字高程模型中对应的网格点的高度，所述元素的坐标位置为所述网格点的经度和维度；
[0028]
不动点识别模块，连接所述矩阵构建模块，用于将所述原始矩阵分别输入预先训练得到的相应的高转折识别模型中得到关联不同感受域的多个标注矩阵，并对各所述标注矩阵中分别标注的多个高转折点求并集得到一不动点集合；
[0029]
权差处理模块，连接所述不动点识别模块，用于根据关联的所述感受域分别对相应的所述标注矩阵中除所述不动点集合中的各所述高转折点外的其他元素进行权差处理得到对应的权差矩阵；
[0030]
元素筛选模块，连接所述权差处理模块，用于根据预设的一筛选阈值对各所述权差矩阵中除所述不动点集合中的各所述高转折点外的其他元素进行筛选，得到包含各筛选后元素和所述不动点集合的一筛选矩阵；
[0031]
数据压缩模块，分别连接所述矩阵构建模块和所述元素筛选模块，用于将所述筛选矩阵中各所述筛选后元素和所述不动集合中的各所述高转折点的元素值对应替换为所述数字高程模型中对应所述高度，得到所述数字高程模型的数据压缩结果。
[0032]
优选的，所述矩阵构建模块包括：
[0033]
统计单元，用于将所述数字高程模型中对应的各所述网格点的所述经度加入一列表，并统计所述列表的长度；
[0034]
构建单元，连接所述统计单元，用于根据所述长度对所有所述网格点对应的所述高度进行拆分形成一字典，并按照先遍历所述经度再遍历所述维度的规则遍历所述字典，形成所述原始矩阵。
[0035]
优选的，所述权差处理模块中，采用以下公式进行权差处理得到所述权差矩阵：
[0036][0037]
其中，所述q
(i,j)
用于表示所述权差矩阵中经度i、维度j对应的元素的元素值；n用于表示所述感受域的大小；k用于表示所述感受域覆盖的子矩阵的行列数；a
(i,j)
用于表示对应的所述标注矩阵中经度i、维度j对应的元素的元素值；an用于表示所述感受域中a
(i,j)
四周的各元素的元素值。
[0038]
优选的，所述元素筛选模块包括：
[0039]
提取单元，用于针对各所述权差矩阵中除所述不动点集合中的各所述高转折点外的每个其他元素，提取各所述权差矩阵中对应坐标位置的最小的元素值；
[0040]
第一判断单元，连接所述提取单元，用于在判断对应坐标位置的最小的元素值大于所述筛选阈值时，将最小的元素值作为所述筛选矩阵的对应坐标位置的元素值并对应配置一第一标记，以及在对应坐标位置的最小的元素值不大于所述筛选阈值时，将对应坐标位置的元素值配置一第二标记；
[0041]
第二判断单元，连接所述第一判断单元，用于采用三角面填充各所述坐标位置，在分别判断形成每个所述三角面的各坐标位置均配置为所述第一标记时保留对应的所述三角面，以及在所述三角面的任一坐标位置配置为所述第二标记时，删除所述三角面；
[0042]
补洞单元，连接所述第二判断单元，用于对删除各所述三角面后形成的孔洞区域进行补洞后焊接，得到所述筛选矩阵。
[0043]
优选的，所述感受域包括第一感受域、第二感受域和第三感受域，且所述第一感受域大于所述第二感受域，所述第二感受域大于所述第三感受域。
[0044]
上述技术方案具有如下优点或有益效果：能够在保留地形基本形态和大细节的前提下，尽量减少数字高程模型的数据量，减少了数字高程模型应用时对相应的应用工具的性能要求，有效扩展了数字高程模型的应用场景。
附图说明
[0045]
图1为本发明的较佳的实施例中，一种数字高程模型的数据压缩方法的流程示意图；
[0046]
图2为本发明的较佳的实施例中，步骤s1的子流程示意图；
[0047]
图3为本发明的较佳的实施例中，标注矩阵的结构示意图；
[0048]
图4为本发明的较佳的实施例中，步骤s4的子流程示意图；
[0049]
图5为本发明的较佳的实施例中，基于各坐标位置标记的第一标记和第二标记进行三角面筛选的结果示意图；
[0050]
图6为本发明的较佳的实施例中，孔洞边界的示意图；
[0051]
图7为本发明的较佳的实施例中，数字高程模型进行数据压缩前后的对比示意图；
[0052]
图8为本发明的较佳的实施例中，一种数字高程模型的数据压缩系统的结构示意图。
具体实施方式
[0053]
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
[0054]
本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种数字高程模型的数据压缩方法，如图1所示，包括：
[0055]
步骤s1，根据待压缩的一数字高程模型构建一原始矩阵，原始矩阵中的元素为数字高程模型中对应的网格点的高度，元素的坐标位置为网格点的经度和维度；
[0056]
步骤s2，将原始矩阵分别输入预先训练得到的相应的高转折识别模型中得到关联不同感受域的多个标注矩阵，并对各标注矩阵中分别标注的多个高转折点求并集得到一不动点集合；
[0057]
步骤s3，根据关联的感受域分别对相应的标注矩阵中除不动点集合中的各高转折点外的其他元素进行权差处理得到对应的权差矩阵；
[0058]
步骤s4，根据预设的一筛选阈值对各权差矩阵中除不动点集合中的各高转折点外的其他元素进行筛选，得到包含各筛选后元素和不动点集合的一筛选矩阵；
[0059]
步骤s5，将筛选矩阵中各筛选后元素和不动集合中的各高转折点的元素值对应替换为数字高程模型中对应高度，得到数字高程模型的数据压缩结果。
[0060]
具体地，本实施例中，通将待压缩的数字高程模型以行列式展开的方式形成原始矩阵，进而基于原始矩阵进行数据压缩。其中，该原始矩阵优选以数字高程模型中的各网格点的经度为列，以各网格点的维度为列，以各网格点的高度为元素值。
[0061]
进一步具体地，如图2所示，上述将待压缩的数字高程模型以行列式展开的方式形成原始矩阵的过程如下，即步骤s1包括：
[0062]
步骤s11，将数字高程模型中对应的各网格点的经度加入一列表，并统计列表的长度；
[0063]
步骤s12，根据长度对所有网格点对应的高度进行拆分形成一字典，并按照先遍历经度再遍历维度的规则遍历字典，形成原始矩阵。
[0064]
具体地，本实施例中，以数字高程模型包含的经度数量(即上述列表的长度)为100个，维度数量为100个为例，则总的网格点的数量为10000个，即高度数量为10000个，可以将10000个高度依次排列视为一个队列，需要将该队列进行拆分，优选按照经度数量进行拆分，则可以将10000个高度拆成100份并存成字典，进而按照先遍历经度再遍历维度的规则遍历字典，使得每份高度作为行，依次排列形成以经度为行，以维度为列，以高度为元素值的原始矩阵。可以理解的是，上述拆分时并不限定以经度数量进行拆分，可以根据需求进行自定义。
[0065]
在构建得到原始矩阵后，首先需要对原始矩阵进行识别，以识别出原始矩阵中表征地形形态变化较大的高转折点，各高转折点是表征地形形态变化不可或缺的点，在数据
压缩时应予以保留。本实施例中，采用高转折识别模型对原始矩阵进行识别处理，上述高转折识别模型优选采用unet卷积网络，其包含多个卷积层和上采样层，具体地，采用6*6的卷积层对输入的原始矩阵进行卷积，提取特征；随后3*3的卷积层对6*6的特征值进行卷积，提取特征值；随后2*2的卷积层对3*3的特征值进行卷积，提取特征值；随后1*1的卷积层对2*2的特征值进行卷积，提取特征值；随后2*2的特征图对1*1的卷积层上采样，构建特征图；随后3*3的特征图对2*2的卷积层上采样，构建特征图；随后6*6的特征图对3*3的卷积层上采样，构建特征图；随后上述上采样得到的各特征图进行叠加形成全图特征图，该全图特征图对6*6的卷积层上采样，构建标注矩阵。
[0066]
在此之前，需要对需要用到的高转折识别模型进行训练，则后续进行数据压缩时只需直接调用即可，提升数据压缩效率。其中，对高转折识别模型的训练过程如下：
[0067]
获取多个未压缩的数据高程模型展开成对应的未压缩矩阵，在对应的未压缩矩阵上标注出高转折点得到未压缩标注矩阵，并作为训练集，进而训练得到以未压缩矩阵为输入、以标注有高转折点的未压缩标注矩阵为输出的数据高程模型。为进一步提升数据压缩效果，优选训练得到具有不同感受域的数据高程模型，实现同时考虑多个感受域的情况下进行数据压缩处理。
[0068]
在训练得到对应不同感受域的高转折识别模型后，使用时只需将原始矩阵输入该高转折模型，即可得到对应的标注矩阵。针对不同的感受域，由于覆盖区域范围的差别，其识别出的高转折点可能存在差异，本实施例中，优选将各标注矩阵中的高转折点作为不动点加入不动点集合，不动点集合中的各高转折点在后续压缩处理时全部保留。
[0069]
可以看出，上述识别出的高转折点仅能表征地形形态的较大变化，但地形情况通常比较复杂，对于相对平坦的区域，通常可以用较少的点表征，对于地形形态不存在较大变化但并不平坦的区域需要用更多的点进行表征，以保证压缩后的数据高程模型仍能保留地形基本形态和大细节。基于此，在识别出必须保留的高转折点后，还需要进一步提取出其他需要保留的点，本实施例中，采用对各感受域对应的标注矩阵进行权差处理结合筛选阈值的方式筛选出其他需要保留的点。
[0070]
本发明的较佳的实施例中，采用以下公式进行权差处理得到权差矩阵：
[0071][0072]
其中，q
(i,j)
用于表示权差矩阵中经度i、维度j对应的元素的元素值；k用于表示感受域覆盖的子矩阵的行列数；a
(i,j)
用于表示对应的标注矩阵中经度i、维度j对应的元素的元素值；an用于表示感受域中a
(i,j)
四周的各元素的元素值，n用于表示所述感受域中除a
(i,j)
四周的各元素外的其他元素的数量。
[0073]
具体地，本实施例中，以如图3所示的标注矩阵(图中并未示出标注的各高转折点，仅作为如何进行权差处理的示例说明)为例，a
(1,1)
为h1,a
(20,20)
为h400，其他以此类推。以感受域的大小为3*3为例，针对a
(2,2)
，如图3所示，3*3的感受域下，元素值为h22的a
(2,2)
在权差矩阵中的元素值q
(2,2)
可以计算如下：
[0074]
[0075]
即
[0076]
其他感受域的计算方式以此为例，此处不再赘述。值得注意的是，对于边缘区域的元素值，如h1，其3*3的感受域下存在元素缺失，本实施例中，优选在最外圈向外扩充一层的方式，使得边缘的元素值能够参与计算，其中，向外扩充的一层的元素值与最外圈的元素值相同。
[0077]
针对每个感受域对应的标注矩阵，分别处理得到相应的权差矩阵后，本发明的较佳的实施例中，如图4所示，步骤s4包括：
[0078]
步骤s41，针对各权差矩阵中除不动点集合中的各高转折点外的每个其他元素，提取各权差矩阵中对应坐标位置的最小的元素值；
[0079]
步骤s42，分别判断各对应坐标位置的最小的元素值是否大于筛选阈值：
[0080]
若是，则将最小的元素值作为筛选矩阵的对应坐标位置的元素值，并对应配置一第一标记，随后转向步骤s43；
[0081]
若否，则将对应坐标位置的元素值配置一第二标记；
[0082]
步骤s43，采用三角面填充各坐标位置，分别判断形成每个三角面的各坐标位置是否均配置为第一标记：
[0083]
若否，则删除三角面，随后转向步骤s44；
[0084]
若是，则保留三角面，随后转向步骤s44；
[0085]
步骤s44，对删除各三角面后形成的孔洞区域进行补洞后焊接，得到筛选矩阵。
[0086]
具体地，本实施例中，以三个感受域为例，针对每个感受域对应的标注矩阵，分别处理得到相应的权差矩阵后，针对上述a
(2,2)
的坐标位置，选择三个感受域中q
(2,2)
最小的元素值，进而判断q
(2,2)
最小的元素值是否大于筛选阈值，若大于则保留该点，此时可以将该点配置第一标记，标记值可以为1，若不大于则将该点配置为待删除点，通过第二标记表征，标记值可以为0。
[0087]
在待删除点标记完成后，后续需要进行删除操作，具体地，首先基于各坐标位置进行三角面填充，以标注矩阵为如图3所示的20*20为例，则此时进行三角面填充的各坐标位置同样为20*20，三角面填充的方式优选为：针对坐标分别为(i，j)、(i+1，j)、(i，j+1)和(i+1，j+1)的四个坐标位置，可以形成两个三角面，其中一个三角面由(i，j)、(i+1，j)和(i，j+1)形成，另一个三角面由(i+1，j)、(i，j+1)和(i+1，j+1)形成。上述三角面填充的方式仅作为一个实施例，并不以此对本技术方案进行限定。
[0088]
在形成上述各三角面后，基于各坐标位置标记的第一标记和第二标记进行三角面筛选，其中，一个三角面中只要任意一个顶点的坐标位置为第二标记，则上述该三角面，只有该三角面的三个顶点的坐标位置均为第一标记时才保留该三角面，如图5所示，其中，虚线表示的为待删除的三角面，实现表示的为保留的三角面，可以看出若虚线表示的三角面删除后会形成多个孔洞区域，为保证数字高程模型进行数据压缩后的连续性，在删除后需要对孔洞区域进行补洞。
[0089]
具体地，可以对具有第二标记的各坐标位置的点进行聚类，如针对如图6所示的孔洞区域(图5中左上角的孔洞区域)，聚类结果为如图6所示粗线连接形成矩形的四个点，基于这四个点位置坐标，向外扩一圈，即是将四个点中最小的坐标值减1，最大的坐标值加1，
得到如图6中所示粗线描出的六边形边界，即该孔洞区域的孔洞边界，进而基于该孔洞边界优选采用三角剖分算法进行补洞，在补洞后，为避免孔洞边界处断裂，优选补洞后采用weld算法进行焊接。
[0090]
进一步优选的，在标注之前，可以先将未压缩矩阵进行权差处理，以便模型训练人员能够更加直观看出地形形态变化，进而方便进行标注，具体处理方式同上，此处不再赘述。
[0091]
筛选后得到的筛选矩阵中包含需要保留的所有点，经上述一系列处理可知，筛选矩阵中的各元素的元素值并非原始的高度，因此，需最后还要将筛选矩阵中的元素值进行替换，以得到数字高程模型的数据压缩结果。如图7所示，左边为未压缩的数字高程模型，右边为数字高程模型的数据压缩结果。
[0092]
本发明的较佳的实施例中，感受域包括第一感受域、第二感受域和第三感受域，且第一感受域大于第二感受域，第二感受域大于第三感受域。
[0093]
具体地，本实施例中，优选第一感受域的大小为3*3，第二感受域的大小为5*5，第三感受域的大小为7*7。上述各感受域的数量以及感受域的大小不并以此进行限定，可以根据需求进行自定义。
[0094]
本发明还提供一种数字高程模型的数据压缩系统，应用上述的数据压缩方法，如图8所示，数据压缩系统包括：
[0095]
矩阵构建模块1，用于根据待压缩的一数字高程模型构建一原始矩阵，原始矩阵中的元素为数字高程模型中对应的网格点的高度，元素的坐标位置为网格点的经度和维度；
[0096]
不动点识别模块2，连接矩阵构建模块1，用于将原始矩阵分别输入预先训练得到的相应的高转折识别模型中得到关联不同感受域的多个标注矩阵，并对各标注矩阵中分别标注的多个高转折点求并集得到一不动点集合；
[0097]
权差处理模块3，连接不动点识别模块2，用于根据关联的感受域分别对相应的标注矩阵中除不动点集合中的各高转折点外的其他元素进行权差处理得到对应的权差矩阵；
[0098]
元素筛选模块4，连接权差处理模块3，用于根据预设的一筛选阈值对各权差矩阵中除不动点集合中的各高转折点外的其他元素进行筛选，得到包含各筛选后元素和不动点集合的一筛选矩阵；
[0099]
数据压缩模块5，分别连接矩阵构建模块1和元素筛选模块4，用于将筛选矩阵中各筛选后元素和不动集合中的各高转折点的元素值对应替换为数字高程模型中对应高度，得到数字高程模型的数据压缩结果。
[0100]
本发明的较佳的实施例中，矩阵构建模块1包括：
[0101]
统计单元11，用于将数字高程模型中对应的各网格点的经度加入一列表，并统计列表的长度；
[0102]
构建单元12，连接统计单元11，用于根据长度对所有网格点对应的高度进行拆分形成一字典，并按照先遍历经度再遍历维度的规则遍历字典，形成原始矩阵。
[0103]
本发明的较佳的实施例中，权差处理模块3中，采用以下公式进行权差处理得到权差矩阵：
[0104]
[0105]
其中，q
(i,j)
用于表示权差矩阵中经度i、维度j对应的元素的元素值；n用于表示感受域的大小；k用于表示感受域覆盖的子矩阵的行列数；a
(i,j)
用于表示对应的标注矩阵中经度i、维度j对应的元素的元素值；an用于表示感受域中a
(i,j)
四周的各元素的元素值。
[0106]
本发明的较佳的实施例中，元素筛选模块4包括：
[0107]
提取单元41，用于针对各权差矩阵中除不动点集合中的各高转折点外的每个其他元素，提取各权差矩阵中对应坐标位置的最小的元素值；
[0108]
第一判断单元42，连接提取单元41，用于在判断对应坐标位置的最小的元素值大于筛选阈值时，将最小的元素值作为筛选矩阵的对应坐标位置的元素值并对应配置一第一标记，以及在对应坐标位置的最小的元素值不大于筛选阈值时，将对应坐标位置的元素值配置一第二标记；
[0109]
第二判断单元43，连接第一判断单元42，用于采用三角面填充各坐标位置，在分别判断形成每个三角面的各坐标位置均配置为第一标记时保留对应的三角面，以及在三角面的任一坐标位置配置为第二标记时，删除三角面；
[0110]
补洞单元44，连接第二判断单元43，用于对删除各三角面后形成的孔洞区域进行补洞后焊接，得到筛选矩阵。
[0111]
本发明的较佳的实施例中，感受域包括第一感受域、第二感受域和第三感受域，且第一感受域大于第二感受域，第二感受域大于第三感受域。
[0112]
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。