结合二阶共生矩阵和全局特征的河网模式识别方法

本发明属于河网识别，尤其涉及一种结合二阶共生矩阵和全局特征的河网模式识别方法。

背景技术：

1、在地理环境中，河流在空间结构、生物组成和时间尺度上是一个连续的整体，具有很强的系统性，被称为河流系统。河流系统是一个经济社会、自然资源、生态环境相互耦合的开放系统，由于水体的流动性，系统与外界不断进行物质和能量的交换以及信息的传递，同时通过系统内各组分之间的协同作用完成系统的自我组织、自我协调。由河流源头、湖泊、湿地、河口构成不同级别的干流和支流，形成了众多的河网水系，从河流源头到下游，河流系统内的宽度、深度、流速、流量等变量都具有连续变化的特征。区分不同的河网有助于识别不同的河网类型，理解自然演化过程；同时水系的排列形式往往反映了一定的地质构造和地壳运动性质，通过对其分布模式的分析，能够推测地质构造与地壳运动的大致情况，因此正确判断水系的类型对判断当地地质构造有辅助性作用；此外，不同类型河流的物理、化学和水生态系统的特征也不同，修复和保护的策略也不同，因此，河流分类的研究得到许多研究者的重视。

2、高分辨率遥感产品的使用可以快速获得更多体现河流特征的指标，并全面准确地反映水生态系统的特征。但高分辨率遥感影像数据花费大，工作量大，难以在大面积的流域中得到应用，并且在地理信息系统数据库中通常将信息存储为矢量数据，空间模式的评价必须直接处理单个几何实体。对此，利用排水模式语义模型、层次和关系模型、属性提取和分类策略等方法对8种河流类型进行了定量描述和分类。开创了矢量河网排水模式自动识别的先例，基于河流的几何定量指标设置阈值逐步划分不同类别的水系提取河网的几何特征，利用决策树、层次分析法和模糊集理论，划分不同的河网模式。根据复杂的语境关系，如河段水平和排水密度等确定河网类型。根据汇流角的分布特征，采用支持向量机的方法，对某些排水系统进行分类。但上述传统方法一般需要依赖研究者的经验设计多级阈值，缺乏客观性和普适性，难以构建稳定、通用的自主河网模式识别模型。

技术实现思路

1、为解决上述技术问题，本发明提出了一种结合二阶共生矩阵和全局特征的河网模式识别方法，以解决上述现有技术存在的问题。

2、为实现上述目的，本发明提供了一种结合二阶共生矩阵和全局特征的河网模式识别方法，包括以下步骤：

3、获取河流流域的矢量数据，对所述矢量数据进行预处理和标记，获得训练样本和测试样本；

4、基于所述矢量数据，根据河流的汇流情况构建节点-边关系的图结构，基于所述图结构获取河段间的局部邻接关系；

5、基于所述局部邻接关系结合河段局部属性构建二阶共生矩阵，获取河网全局属性，并对所述河网全局属性进行归一化处理，获得归一化数据；

6、基于卷积层和全连接层，构建以二阶共生矩阵和归一化数据作为输入特征的多输入cnn网络；

7、通过训练样本和测试样本对所述多输入cnn网络进行训练和验证，获得识别模型，通过识别模型进行河网模式识别，获得识别结果。

8、优选地，所述河网全局属性包括河网密度、河网矩形度、河网连通环度、节点连接率、水系连通度和河流通道频率。

9、优选地，所述河网密度的表达式为：

10、rd＝l/a

11、式中，l表示河流中所有河段的长度总和，a为流域总面积。

12、优选地，所述河段局部属性包括河段的长度、连接度、方向、矩形度、相对位置、角度、河段弯曲程度和支流与干流角度差。

13、优选地，在构建二阶共生矩阵之前还需要对河段局部属性进行等级划分，所述等级划分的方法包括自然断裂法和等间距划分法。

14、优选地，所述二阶共生矩阵中各位置的值的表达式为：

15、

16、式中，l,m,n分别表示三个连续单元的等级类别，θ1表示三个连续单元中第一单元到第二单元的方向，θ2表示三个连续单元中第二单元到第三单元的方向，表示一阶、二阶邻接方向分别为θ1，θ2时等级值组合l,m,n)的数量，表示对应方向角度组合下所有三种等级大小组合情况的总数。

17、优选地，所述识别模型采用relu函数作为激活函数，模型训练采用反向传播引导梯度下降，以交叉熵作为损失函数，采用adam优化器对模型参数进行优化，并在二阶共生矩阵通过的全连接层和融合特征网络的输出层引用丢弃层。

18、优选地，所述识别结果包括树枝状、扇形状、平行状、网格状和骨架状。

19、与现有技术相比，本发明具有如下优点和技术效果：

20、本发明通过构建矩阵更易提取要素的隐藏信息，选取河段的局部属性，考虑河段之间的上下游关系构建节点-边关系的图结构，利用连续相邻的节点之间的属性，统计二阶相邻情况，从而构建二阶共生矩阵。二阶共生矩阵的应用，扩大了河段间的邻域关系的讨论，不仅仅局限于上下游的关系。此外，将河流矢量数据的特征通过矩阵进行量化，也是将抽象的格式塔法则进行了具象化。

21、本发明针对河流数据，本实施例方法从局部特征和全局特征两个方面结合描述河流的不同类型，搭建多输入的cnn网络结构。局部特征从河段中获取，例如河段的曲线长度、弯曲度、相对位置等。全局特征从河流中获取，例如河网密度、水系连通度等。结合河流的局部特征和全局特征，更合理全面地描述河流，提高河流类型识别的准确率。

技术特征：

1.一种结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

3.根据权利要求2所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

4.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

5.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

6.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

7.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

8.根据权利要求1所述的结合二阶共生矩阵和全局特征的河网模式识别方法，其特征在于，

技术总结
本发明公开了一种结合二阶共生矩阵和全局特征的河网模式识别方法，包括以下步骤：获取河流流域的矢量数据，对矢量数据进行预处理和标记，获得训练样本和测试样本；基于矢量数据，根据河流的汇流情况构建节点‑边关系的图结构，基于图结构获取河段间的局部邻接关系；基于局部邻接关系结合河段局部属性构建二阶共生矩阵，获取河网全局属性，并对河网全局属性进行归一化处理，获得归一化数据；基于卷积层和全连接层，构建以二阶共生矩阵和归一化数据作为输入特征的多输入CNN网络；通过训练样本和测试样本对多输入CNN网络进行训练和验证，获得识别模型，通过识别模型进行河网模式识别，获得识别结果。本发明提高了河流类型识别的准确率。

技术研发人员：刘鹏程,邵子芹,韩昊
受保护的技术使用者：华中师范大学
技术研发日：
技术公布日：2024/9/12