基于尺度空间方法的三角不规则网络关键特征跟踪

尺度空间方法是一个已建立的框架，用于构建输入信号的分层表示并促进从粗到细的视觉推理。将地形高程函数作为输入信号，尺度空间方法可以识别并在不同尺度上跟踪显著的地形特征。特征在不同尺度上的持续时间称为其寿命，指示该特征的重要性。如此一来，可以选取有用的地表重要特征，这些特征对许多应用包括制图、航海绘图和土地利用规划都很有用。针对地形数据的尺度空间方法使用网格化的数字高程模型（DEM）来表示地形。然而，网格化 DEM 缺乏灵活性，无法适应输入数据的不规则分布以及不同区域的拓扑复杂度。相反，三角不规则网络（TIN）可以直接从不规则分布的点云中生成，并准确保留重要特征。在本工作中，我们引入了一种用于 TIN 的新型尺度空间分析管道，解决了将基于网格的尺度空间方法扩展到 TIN 所面临的多个挑战。我们的管道能够有效识别并跟踪 TIN 上的拓扑重要特征。此外，它能够分析具有不规则边界的地形，这对基于网格的方法构成挑战。综合实验表明，与基于网格的方法相比，基于 TIN 的管道更高效、更准确，且具有更好的分辨率鲁棒性。