[发明专利]基于地形特征的虚拟地形生成方法

说明书

本发明公开了一种基于地形特征的虚拟地形生成方法，包括如下步骤：(1)获取真实DEM数据，提取重要的地形特征要素；(2)选择合适的数据范围，将DEM数据与地形特征要素数据划分为同样大小的方形区域；(3)根据零和博弈理论，使用地形特征数据集训练深度神经网络模型Terrain‑CGANs；(4)Terrain‑CGANs模型接收一幅地形特征图，将其转化为一幅虚拟地形的DEM数据。本发明使用大量地形特征训练虚拟地形生成模型，实现快速将地形特征要素转换为DEM数据。

技术领域

本发明涉及虚拟地形DEM生成技术领域，尤其是一种基于地形特征的虚拟地形生成方法。

背景技术

地形是地理场景中高低起伏的地貌形态，是控制物质能量再分配的重要地理要素。地形与人类活动密切相关，地表所发育的高山、丘陵和平原是人类进行生产活动的重要场所与空间认知的重要对象。地形的表达方式由从二维地图到三维地理场景的演变过程，是人类对地理空间认知水平与空间表达技术的发展过程。虚拟地形，是在已有空间认知知识的指导下，根据有限信息刻画出的虚构地表形态。虚拟地形广泛应用于游戏和电影的虚拟场景中，是影响虚拟场景观感和体验的重要因素。用于指导构建虚拟地形的信息，往往是针对地形特征的描述，对非特征区域的描述则很难详尽，导致虚拟地形整体趋势接近，细节真实度不高。因此，研究如何根据有限信息构建仿真效果较好的虚拟地形具有广阔的应用前景。

虚拟地形构建的重点在于对重要特征地形以及对地形表面形态结构的表达。特征地形是指对地形上具有控制作用的点、线、面，是地形的骨架，反映了地理要素的空间错落关系、空间范围等。挺拔的山峰和凹凸有致的山谷与山脊等特征地形是人们对山区地形的位置、形状以及空间规模的直观认识。在中国古代的地形图中，可以找到线条勾勒的山峰符号。描述地形时，地形表面上不同点位的重要性有显著的差异。因此，许多学者会顾及重要的地形特征进行地形构建以及地形简化等。这些由地形特征入手重建地形的研究工作，虽然能在一定程度上表达地形特征和地形场景整体的空间格局，但重建的地形却是对稀疏数据插值形成的光滑表面，仿真度不高。但是，从另一个角度来看，以人类视觉可感知的点、线、面特征(如地形骨架线、地形轮廓线、山顶点、鞍部点等)及其属性为基础构建地形，虽然精度受限，却能保存正确的空间关系。

地形表面形态结构是地形表面的细节，虽然其表达的地形空间结构信息非常少，但它却是影响虚拟地形真实感的重要因素之一。地理学中，地形数据的采集方法都是基于实测，能够保留一定的细节，属于现实空间向数字空间的映射。而虚拟地形的构建，则是由思维空间向数字空间的映射，地形表面细节结构的构建依靠的是对现有地貌形态特征的认知。在这种缺少实测数据的情况下，这些传统的正向地形建模方法，无法用于构建人类认知中的虚拟地形。在计算机视觉领域，通过分形指数控制虚拟地形的生成，主要用在游戏、影视等虚拟地理场景中。使用分形参数构建出的地形，虽然具有无限的细节，但是空间关系很难保证，不符合地学的视觉空间结构。如何实现符合地学要求的虚拟地形的快速构建成为亟待解决的问题。

近年来，深度学习发展迅猛，尤其是在目标和行为识别、言语理解以及自动驾驶等领域。深度学习可以让计算机从经验中自动学习，使用多层神经网络通过反向传播算法来发现大型数据集中的隐藏特征，学习输入与输出之间的联系。深度卷积网络能够从图像中学习到纹理特征、颜色特征并成功将这些“风格”应用到另一幅图像上。使用生成对抗网络(GANs)能够将用户输入的草图转化为一幅图像，避免传统插值方法的缺陷，生成较高质量的图像。数字高程模型(DEM)作为一种地形的表达方式，其本质是用数值记录高程的数字矩阵，等价于灰度图像。地形的点、线、面特征同样可以作为输入数据，使用深度学习转化为DEM。深度学习的学习能力依赖于大量的数据样本和先验知识。近年来，不同空间尺度数字高程模型的建立，为深度学习提供了充足的地形数据样本。不断发展与完善的数字地形分析理论与方法体系在地形特征提取方面，提供了多种方法支撑。因此，基于地形特征的虚拟地形生成方法，在理论上具有可行性。

发明内容

本发明所要解决的技术问题在于，提供一种基于地形特征的虚拟地形生成方法，使用大量地形特征训练虚拟地形生成模型，实现快速将地形特征要素转换为DEM数据。