一种基于地形的高程数据处理方法、服务器及存储介质技术

本申请公开了一种基于地形的高程数据处理方法、服务器及存储介质，包括：步骤1：获取DEM数据并对其进行分类；步骤2：对分类的DEM数据的地理坐标转换为相对应像素点的相对坐标，并生成数据变化码表；步骤3：计算每个像素点的坡度值和坡向值，根据坡度值、坡向值以及高程值计算像素点之间的相关性，将相关性超过阈值的高程值进行合并并添加至数据变化码表；步骤4：对数据变化码表中的数据进行小波变换；步骤5：对小波变换后的数据转换成二进制数据并进行哈夫曼编码，完成数据处理。通过结合地形类型以及地形特征因素坡度、坡向和高程值对数据进行预处理，并结合小波变换、哈夫曼编码等数据压缩方法保证数据连续性来达到最大的压缩效果。效果。效果。

【技术实现步骤摘要】
一种基于地形的高程数据处理方法、服务器及存储介质


[0001]本申请属于导航数据处理领域，特别涉及一种基于地形的高程数据处理方法、服务器及存储介质。

技术介绍

[0002]数字高程模型(DEM)是地形的高程数字化表示，是建立国家地形数据库和进行地形分析的核心数据，也是RS、GIS、地形仿真等领域开展研究的基本数据源。DEM按建模方式可分为:等高线模型(Contour)、不规则三角网模型(TIN)以及规则格网模型(Grid)，由于TIN和Grid作为地标数字化的分析工具，能够克服数据冗余度并且较好顾及地貌特征。随着DEM数据来源的多元化和数据分辨率的提高，这给海量化的数据存储和快速传输带来了巨大困难。数据压缩技术通过减少给定数据之间的信息冗余，对于海量化的数据与有限的存储和传输速率之间的矛盾给出了有效解决方案。数据压缩处理是通过建立预测模型来识别和去除DEM信息间的数据冗余，并在此基础上进行编码。
[0003]Grid和TIN是地形多分辨率表达主要方式，但由于Grid具有简单性和规则性，且在多细节层次表达（LOD表达）方面更易地形多分辨表达等优点，因而成为DEM数据表达和存储的主要方式。但也存在一些问题:首先数据存储是通过分块进行，每块值串通过以行为主的方式进行存储，难以对地形数据进行多分辨率表达;其次，高程值数据是以固定间隔存储，地形起伏等因素并未有效顾及，这势必造成大量的数据冗余。
[0004]因此，需要一种基于地形的高程数据处理方法，能够解决上述问题。

技术实现思路

[0005]为了解决所述现有技术的不足，本申请提供了一种基于地形的高程数据处理方法、服务器及存储介质，通过对原始数据通过地形，坡度，坡向，高程值等因素对相似的数据进行合并，并创建数据变化码表用于记录初始数据以及数据被改变之后的相关数据，保证数据的连续性以及可恢复性，在保证数据的高压缩比的同时实现无损压缩。同时应用小波变换以及哈夫曼编码对数据进行压缩，有效的减少了信息冗余。
[0006]本申请所要达到的技术效果通过以下方案实现：根据本专利技术的第一方面，提供了一种基于地形的高程数据处理方法，包括如下步骤：步骤1：获取DEM数据并对其进行分类；步骤2：对分类的DEM数据的地理坐标转换为相对应像素点的相对坐标，并生成数据变化码表；步骤3：计算每个像素点的坡度值和坡向值，根据坡度值、坡向值以及高程值计算像素点之间的相关性，将相关性超过阈值的高程值进行合并并添加至数据变化码表；步骤4：对所有DEM数据进行小波变换；步骤5：对小波变换后的数据转换成二进制数据并进行哈夫曼编码，完成数据处
理。
[0007]优选地，在步骤1中，将DEM数据分类为平原，高原，丘陵，山地，盆地和其他，并参照地形常量表获取一个对应的常量值。
[0008]优选地，在步骤2中，所述相对坐标的数据类型为整型，所述数据变化码表中至少包括初始X、Y坐标以及栅格间距。
[0009]优选地，在步骤3中，坡度值的计算方式为： Ｓ＝arctan(fx')
２
＋(fy')
２
；坡向值的计算方式为：D
e
＝arctan[(e4
‑
e2)/(e1
‑
e3)]+90
°
其中：D
e
为中心点的坡向，e1,e2,e3,e4为中心点周边四个点的坡度；相关性计算方式为：其中T为每种地形的常量值；h为该坐标对应的高程值；s为该坐标的坡度；d为该坐标的坡向。
[0010]优选地，步骤3中的阈值确定方式为：首先随机设置一阈值，然后进行步骤1至步骤5，直至完成所有步骤后计算数据的压缩率；更改所述阈值继续进行所有步骤，直至得出最优阈值。
[0011]优选地，在步骤4中，选择2/6的小波变换基数对数据变化码表中的数据进行小波变换。
[0012]优选地，在步骤5中，进行哈夫曼编码的具体方式为：对二进制数据的出现频率作为叶子节点的权值，自底向上执行n
‑
1次的合并运算，构建哈夫曼树，完成哈夫曼编码。
[0013]优选地，采用的贪心算法：每次从哈夫曼树的集合中取出双亲为0且权值最小的两棵树作为左、右子树，构造一棵新树，新树根节点的权值为其左右孩子节点权值之和，将新树插入到树的集合中。
[0014]根据本专利技术的第二方面，提供了一种服务器，包括：至少一个处理器和存储器；所述存储器存储计算机程序，所述至少一个处理器执行所述存储器存储的计算机程序，以实现上述任一项所述的基于地形的高程数据处理方法。
[0015]根据本专利技术的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现上述任一项所述的基于地形的高程数据处理方法。
[0016]本专利技术的有益效果至少在于：本方法通过结合地形类型以及地形特征因素坡度，坡向和高程值对数据进行预处理。并结合小波变换，哈夫曼编码等数据压缩方法保证数据连续性来达到最大的压缩效果。
[0017]数据变化码表用来记录数据的初始坐标以及栅格数据之间的间隔，而原始数据用相对坐标来代替，从而减小坐标数据转换为二进制数据时所占的字节数。同时记录数据中高程值被改变的坐标，以及高程值被改变的大小，保证数据的可恢复性达到无损压缩的效
果。
附图说明
[0018]为了更清楚地说明本申请实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请一实施例中一种基于地形的高程数据处理方法的流程图；图2为本申请一实施例中一种服务器的结构示意图。
具体实施方式
[0020]为使本申请的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]如图1所示，在本申请一实施例中的基于地形的高程数据处理方法，包括如下步骤：步骤S110：获取DEM数据并对其进行分类；在该步骤中，使用GDAL工具加载DEM数据文件，使用地形分类算法（PCGPlanet1）将原始数据的每一个坐标进行数据分类，大体上可分为六个类型分别为平原，高原，丘陵，山地，盆地和其他。并参照地形常量表获取一个对应的常量值，该常量值例如：平原99.56；高原81.6；丘陵71.8；山地75.6；盆地95.7；其他60.7。
[0022]步骤S120：对分类的DEM数据的地理坐标转换为相对应像素点的相对坐标，并生成数据变化码表；在该步骤中，使用GDAL工具将分类后的数据中的地理坐标转换为像素点的相对坐标，并获取像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地形的高程数据处理方法，其特征在于，包括如下步骤：步骤1：获取DEM数据并对其进行分类；步骤2：对分类的DEM数据的地理坐标转换为相对应像素点的相对坐标，并生成数据变化码表；步骤3：计算每个像素点的坡度值和坡向值，根据坡度值、坡向值以及高程值计算像素点之间的相关性，将相关性超过阈值的高程值进行合并，修改DEM的原始数据并将被修改的数据位置以及改变的高程数据大小添加至数据变化码表；步骤4：对所有DEM数据进行小波变换；步骤5：对小波变换后的数据转换成二进制数据并进行哈夫曼编码，完成数据处理。2.根据权利要求1所述的基于地形的高程数据处理方法，其特征在于，在步骤1中，将DEM数据分类为平原，高原，丘陵，山地，盆地和其他，并参照地形常量表获取一个对应的常量值。3.根据权利要求1所述的基于地形的高程数据处理方法，其特征在于，在步骤2中，所述相对坐标的数据类型为整型，所述数据变化码表中至少包括初始X、Y坐标以及栅格间距。4.根据权利要求1所述的基于地形的高程数据处理方法，其特征在于，在步骤3中，坡度值的计算方式为：Ｓ＝arctan(fｘ
’
)
２
＋(fy
’
)
２
；其中，fx
′
是南北方向高程变化率；fy
′
是东西方向高程变化率；坡向值的计算方式为：D
e
＝arctan[(e4
‑
e2)/(e1
‑
e3)]+90
°
其中：D
e...

【专利技术属性】
技术研发人员：谢泽凯，蒋峄，曹璐，覃江毅，范广腾，
申请(专利权)人：北京太极疆泰科技发展有限公司，
类型：发明
国别省市：