Deichextraktion aus DEM durchführen?

14

Ich habe ein DEM von 1 x 1 Meter und eine ursprüngliche LiDAR-Punktwolke in .las, aus der das DEM besteht. Ich muss Flussdeiche (höchste Punkte der Deiche) extrahieren, um Merkmale (Punkte, Polylinien) zu vektorisieren.

Irgendeine Idee für den Algorithmus oder ein vorhandenes Tool?

Die Deiche sind auf dem ersten Bild hellgrau und unten ist ein Punktwolkenbild für den Beispielbereich mit den Deichen dargestellt. Flussmittellinie in blau.

Deiche sind hellgrau

Punktwolke mit den Deichen

Gibt es ein Tool zum Extrahieren linearer Features aus DEM?

Ich glaube, ich brauche so etwas wie das Spatial Feature Extraction Module von ENVI (Seite 7), aber ohne den Teil von ENVI, den ich mir nicht leisten kann :)

Tomek
quelle
1
Welches GIS-System verwenden Sie?
Hornbydd
Commercial-ArcInfo 10 (SA, 3D, geostatistische Erweiterungen). Open Source - beliebig.
Tomek
1
Ich dachte an eine Idee, unter der Annahme, dass Sie eine Vektormittellinie für Ihren Fluss haben, mit der Sie diese puffern und das DEM maskieren und die Werte als Schwellenwert festlegen können. Dies setzt voraus, dass der Deich parallel zum Flusskanal verläuft. Welche Logik auch immer Sie verwenden, Sie müssen klug genug sein, um Deiche zu erfassen, wenn sie vom Fluss "zurückgesetzt" werden.
Hornbydd
Leider verlaufen Deiche nicht immer parallel zum Flusskanal und sind oft weit vom Flusskanal entfernt. Ich dachte, dass es einen Algorithmus als Skelettierung geben würde? Für die Extraktion des linearen Merkmals (der linearen Merkmale) aus DEM könnte ich mit einem solchen Merkmal die höchsten Punkte in der Punktwolke ableiten.
Tomek
2
Ich bin auf dieses Papier gestoßen, kann mir helfen? asprs.org/a/publications/pers/2004journal/december/…
Hornbydd

Antworten:

8

Es hängt alles davon ab, wo Sie die Linie zeichnen. Unabhängig davon kann dieses Problem mithilfe der in Spatial Analyst verfügbaren morphologischen Funktionen , insbesondere der Schwellenwertberechnung (ausgeführt mit lokalen Operationen "<" und ">") und "RegionGroup", zum Identifizieren und Extrahieren von Komponenten problemlos behoben werden.

Obwohl ich zur Veranschaulichung keinen Zugang zum DEM habe, ist das erste Bild fast gut genug, um die Arbeit trotzdem zu erledigen. Hier ist zum Beispiel eine Sequenz von Versionen des roten Bandes mit Regionsgruppen (mit Werten, die von 0,0 = schwarz bis 1,0 = weiß skaliert sind), beginnend bei einem Schwellenwert von 0 und von links nach rechts, von oben nach unten, in Schritten von 0,02:

Deiche

(Diese Bilder wurden hier zur Reproduktion verkleinert: Alle Analysen wurden mit der Auflösung des Originalbilds durchgeführt.)

Die Deiche tauchen am Anfang der zweiten Reihe um die Grenze der schwarzen Region auf (Schwelle = 0,08). Am Anfang der dritten Reihe (Schwelle = 0,16) bilden die Deiche ihre eigenen Komponenten (dunkelblau) und können an diesem Punkt leicht als separate Gitter oder Polygone extrahiert werden (und ihre Grenzen können nach einem Kantenerkennungsschritt als Polylinien extrahiert werden ). Nur die breitesten Deiche verbleiben in der letzten Reihe (Schwellenwert = 0,24 und höher). Sie müssen einen geeigneten Schwellenwert auswählen , um genau das zu erhalten, was Sie möchten.

Im ursprünglichen DEM spielen Erhöhungen die Rolle der Intensität, daher sollten diese Verfahren mit dem DEM selbst ähnlich effektiv sein. Wenn der DEM eine große Ausdehnung aufweist (einschließlich fluss- oder deichferner Merkmale), können die relevanten Merkmale als diejenigen ausgewählt werden, die an die Komponente angrenzen, in der das Flussmerkmal liegt.

Dünne unerwünschte Regionen, die von der RegionGroup gefunden wurden, können durch Anwenden einer kleinen Erosion (negativer Puffer) und anschließender gleichwertiger Dilatation (positiver Puffer) beseitigt werden. Kleine unerwünschte Bereiche können nach einem Größenkriterium (Gesamtzellenzahl oder -fläche) ausgeschlossen werden. Die höchsten Punkte auf jedem Deich (wenn dies wirklich benötigt wird) können durch Vergleichen des DEM mit den maximalen Zonengittern (unter Verwendung der Deiche als Zonen) ermittelt werden.


Diese Bildsequenz wurde übrigens in Mathematica 8 erstellt. Hier sind die Befehle für diejenigen, die diese Option nutzen möchten.

original = Import["http://i.stack.imgur.com/gV7Du.jpg"];
{r, g, b} = ColorSeparate[original];
frames = ParallelTable[Colorize[MorphologicalComponents[Binarize[r, t/100]], 
                       ColorFunction -> "ThermometerColors"], {t, 0, 30, 2}];
Rasterize @ TableForm[Partition[frames, 4]]

Die Gesamtuhrzeit (nach dem Importieren des Bildes) betrug 0,94 Sekunden, von denen die Hälfte zum Verkleinern und Exportieren aller 16 Bilder benötigt wurde: Morphologische Operationen sind in der Regel schnell (was gut ist, da LIDAR-DEMs sehr groß sein können).

whuber
quelle
Das ganze Konzept klingt in Ordnung, aber ich verstehe den Teil "... Schwellenwert (durchgeführt mit" <"und"> ​​"lokalen Operationen)" nicht. Wie erreichen Sie dies mit dem Tool-Set Generalization (SA)?
Tomek
@Tomek One nicht. Siehe das logische Toolset .
Whuber
9

Ich habe über verschiedene Algorithmen für den Job gelesen (dh gemäß @ Hornbydds Link ).

Ich habe ein paar Ansätze ausprobiert und die besten Ergebnisse in meinem Fall wurden mit der Standard-Geländeanalyse von SAGA erzielt. Hier ist was ich getan habe und warum:

Da Deiche in der Nähe des Flusskanals normalerweise die höchste Ausprägung aufweisen, habe ich sie durch Umdrehen von DEM (MapAlgebra DEM * -1 oder zur Übertreibung von Hängen -10) in Kanäle umgewandelt. Ab diesem Zeitpunkt konnte ich alle hydrologischen Werkzeugsätze (ArcHydro-, HEC-GeoRas- oder SAGA-Hydro-Werkzeuge) verwenden. Ich habe SAGA / Terrain Analysis - Compound Analysis / Standard Terrain Analysis ausgewählt, da es River Network mit ein paar Klicks erzeugt. Flussnetz ist das, was ich erreichen wollte, da es Polylinien erzeugt, die die beste Route für den Wasserfluss angeben, die im Fall von umgekehrten Deichen den höchsten Punkt ergibt.

Die erzeugte Formdatei ist ein bisschen unordentlich (viele kleinere Polylinien), aber nach einigen Optimierungsergebnissen sind sie zufriedenstellend. Ein weiteres Ärgernis ist, dass 1 Deich aus 300 kurzen Polylinien besteht, aber ich denke, dass ich einen Weg finden werde, damit umzugehen.

Hier ist ein Ergebnisbeispiel:

Bildbeschreibung hier eingeben

Natürlich ist dies eine ziemlich grobe Lösung und ich werde das Problem wahrscheinlich weiter untersuchen, aber ich dachte, es lohnt sich, sie zu teilen.

Tomek
quelle
5

Eine Kombination der folgenden Elemente mit dem ursprünglichen DEM sollte dazu beitragen, die gewünschten Rasterinformationen hervorzuheben und den Rest wegzuwerfen. Diese können in verschiedenen Maßstäben und nachbarschaftlichen Größen durchgeführt werden, um den Effekt zu verfeinern.

  • Resample, dann Nachbarschaft -> Filter: Hochpass
  • Oberfläche -> Krümmung
  • Nachbarschaft -> Schwerpunktstatistik: Standardabweichung
  • "Relative Höhe" = (Pixel) - (Nachbarschaft -> Fokusstatistik: Median)
  • Invertieren, erneut abtasten, dann Nachbarschaft -> Fokusfluss

Danach sollten Neuklassifizierungen und Konturen einen einigermaßen guten Überblick über den Deich selbst geben. Wenn die Deiche flach geneigt sind und Sie eine breitere Abdeckung wünschen, können Sie auch die Summe aus Krümmung und Gefälle versuchen, die um einen bestimmten Betrag skaliert sind, oder sogar separat Gefällekonturen erstellen und diese zusammenfügen.

Hier ist ein Tutorial zum Extrahieren von Vektorkammlinien aus einem Raster-DEM mit Spatial Analyst, das in hohem Maße anwendbar sein sollte:

MappingTomorrow
quelle
Ich werde einen Blick auf die Kombination von Werkzeugen werfen - kann einige gute Ergebnisse liefern. Vielen Dank. Wie ich sehe, beschreibt das ESRI-Tutorial den Prozess +/- wie ich :) Cool. Vielen Dank.
Tomek
0

Ich denke, dies ist möglicherweise nur ein Teil der Antwort, aber vielleicht können Sie zunächst Konturen / Polygone aus Ihren Bildern in bestimmten Intervallen / basierend auf Höhenwerten erstellen. Ich war der Meinung, dass Deiche höhere Höhenwerte haben sollten. Wenn Sie DEM in Polygone konvertieren, stellen Sie möglicherweise fest, dass die Bereiche, an denen Sie interessiert sind, durch Centain-Polygone dargestellt werden. Sie können auch damit beginnen, das DEM einfach neu zu klassifizieren und zu prüfen, ob das die gewünschten Ergebnisse liefert. Wenn Sie über andere Bilddaten verfügen, die den Bereich abdecken, an dem Sie interessiert sind, fügen Sie diese Ihrer Bildklassifizierung hinzu und prüfen Sie, ob sie hilfreich sind. Viel Glück!!

Dango
quelle