[发明专利]一种多地貌特征约束的地形合成方法有效

专利信息
申请号: 201811430776.1 申请日: 2018-11-28
公开(公告)号: CN109598771B 公开(公告)日: 2023-04-25
发明(设计)人: 全红艳;周双双 申请(专利权)人: 华东师范大学
主分类号: G06T11/20 分类号: G06T11/20;G06N3/0464;G06N3/0455;G06N3/0475;G06N3/048;G06N3/09
代理公司: 上海蓝迪专利商标事务所(普通合伙) 31215 代理人: 徐筱梅;张翔
地址: 200241 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种多地貌特征约束的地形合成方法,该方法利用数字高程模型(DEM)的地形数据块,采用条件变分自编码器与生成式对抗网络相结合的深度学习策略,可以根据用户输入的草图,定制出具有多地貌特征约束的真实感地形。
搜索关键词: 一种 地貌 特征 约束 地形 合成 方法
【主权项】:
1.一种多地貌特征约束的地形合成方法,其特征在于,采用条件变分自编码器和生成式对抗网络相结合的网络架构,实现多地貌元素的真实感地形合成,具体包括以下具体步骤:步骤1:构建数据集(1)准备高程数据块从SRTM网站http://srtm.csi.cgiar.org下载WGS84坐标系统的高程数据块J并以tiff格式存储,其空间分辨率为90m×90m至200m×200m之间,J的任意点A的高度记为HA,根据J的高度信息建立灰度图像G:最高点对应白色,最低点对应黑色,在最高和最低点之间插值为灰色;G分辨率为Nt×Nt,Nt为256、512或者1024;G中像素点的数目为K=Nt×Nt;(2)构建多地貌特征骨架图像B,包括河网、山脊线及几何特征点:利用D8算法,采用3×3窗口计算G的三种地貌特征,具体地,根据G的灰度值,利用D8算法计算山脊线,然后利用G中像素灰度的最大值减去G的每个像素灰度值,得到取反图像,再利用D8算法进行计算,得到河网的标记;几何特征点标记方法为:对A的高度与周围8邻域点的高度差的绝对值进行累计,该差值大于阈值θ(400≤θ≤1000),标记为几何特征点;用不同颜色标记不同的地貌特征:蓝色标记河网,红色标记山脊线,绿色点标记几何特征点,B中其余背景部分用黑色表示,B的分辨率为Nt×Nt,Nt为256、512或者1024;(3)由B和G构成一个数据对,建立由Q个数据对构成的数据集S(1000≤Q≤1500);步骤2:网络拓扑结构设计网络拓扑结构由条件变分自动编码器和生成器网络构成,设计方法:(1)条件变分自动编码器采用U‑net编码实现,输入是图像B,形状为Nt×Nt×3,输出是高维特征量Z,形状为1×1×512,采用Lt(8≤Lt≤10)层卷积神经网络的架构,若Nt为256,Lt为8;若Nt为512,Lt为9;若Nt为1024,Lt为10;编码器有Lt层子结构,每个子结构为1层卷积:采用4×4的卷积核,卷积步长为2,并在输入图像边界外邻域补零处理,每个卷积层的输出进行批归一化,使用Leaky Relu激活函数;第1层卷积核个数为Tk,当Nt为256,Tk取64;当Nt为512,Tk取32;当Nt为1024,Tk取16;第2层及其以后各层的卷积核个数依次增加一倍,直到第Lt层;(2)生成器网络为Lt层子结构,每层子结构由转置卷积层和连接层组成;转置卷积层的卷积核,设计为4×4,卷积步长为2,每个转置卷积层都进行批归一化,激活函数使用Relu;第1个层卷积的卷积核个数为Tk,第2层及其以后各层的卷积核个数依次减半,直到第Lt层;在Lt层之后使用一个额外的转置卷积层,将输入Z还原成Nt×Nt×3;生成器最后一层连接一个Tanh激活层,需要网络输出为‑1至1之间的浮点数;步骤3:神经网络的训练神经网络训练时,采用监督方法,使用数据集S,训练100轮次,训练时采用NS GAN方法计算判别器损失项,网络的损失函数l的定义由判别损失项c、散度损失项d、生成地形灰度图像一致性损失e、对抗损失项n和骨架结构损失项g共五项组成,损失函数l定义为:l=c+λ1d+λ2e+λ3f+λ4g,其中,λi(i=1,2,3,4)为对应损失的权重参数,1.0≤λ1≤5.0,1.0≤λ2≤5.0,0.0001≤λ3≤0.01,0.1≤λ4≤2.0;c、d、e、n、g损失项分别定义如下:(1)c定义为:c=Ex∈f(X)[log(D(x))]+EG(z)∈Y[log(1‑D(G(z)))],其中f(X)表示网络输出的多地貌特征地形的灰度图像集;x表示样例地形监督灰度图像,D(x)函数表示样本x为真的概率;z是由条件变分自编码器的输出的高维向量,Y表示样例地形监督灰度图像数据集,G(z)表示由z生成的地形灰度图像,D(G(z))表示生成的地形灰度图像为假的概率,E表示能量损失函数;(2)d定义为其中,μ和ε为Z的均值和协方差,e是自然对数的底;(3)e定义为其中,x表示样例地形监督灰度图像,为生成的地形灰度图像,fD为判别器中全连接卷积层输入的特征图;(4)损失n定义为(5)损失g定义为其中,b是B,是网络生成的地形图像的骨架;神经网络使用的超参数包括:Dropout率取0.5,使用Adam优化器,动量β1=0.5,每批次样本数取1,生成器网络与判别器网络的学习率均取0.002;步骤4:地形合成采用画图软件画出草图图像V,作为手绘草图,将V输入到网络,并将V输入到卷积神经网络N中,利用N网络中已经训练好的参数进行预测,输出对应的地形灰度图像,进一步根据输入地形高度的最大值和最小值,即能得到定制地形合成结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东师范大学,未经华东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201811430776.1/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top