涂 杰，周 毅，趙 昊，燕 龍，武金勇(1. 陜西師范大學(xué)地理科學(xué)與旅游學(xué)院，陜西 西安 710119； 2. 地理學(xué)國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心(陜西師范大學(xué))，陜西 西安 710119； . 華北水利水電大學(xué)藝術(shù)與設(shè)計(jì)學(xué)院，河南 鄭州 450046)

撞擊坑是小行星、彗星、隕石等小天體撞擊行星表面而形成的一種凹狀地形單元[1]。因月球無(wú)大氣、無(wú)水、無(wú)風(fēng)等環(huán)境因素，月表撞擊坑得以較好的完整保存[2]。作為月球表面的一種主要地貌形態(tài)，撞擊坑的精準(zhǔn)識(shí)別與統(tǒng)計(jì)分析對(duì)于人類研究月球地質(zhì)運(yùn)動(dòng)和演化歷史等具有重要的意義[3]。由于月表撞擊坑的數(shù)目繁多、形態(tài)不一，目視解譯耗時(shí)高，效率低，因此撞擊坑的自動(dòng)識(shí)別成為當(dāng)前月球科學(xué)領(lǐng)域的研究基礎(chǔ)和關(guān)鍵。

撞擊坑的識(shí)別經(jīng)歷了人工觀測(cè)手繪、遙感影像目視判讀和高分辨率數(shù)據(jù)自動(dòng)提取3個(gè)階段[4]。從數(shù)據(jù)源來(lái)看，可將撞擊坑的識(shí)別方法分為3種類型：①基于月表遙感影像數(shù)據(jù)；②基于月表DEM數(shù)據(jù)；③基于影像與DEM融合數(shù)據(jù)。其中，第一種方法主要是利用撞擊坑在遙感影像上的灰度差異，在經(jīng)過(guò)邊緣檢測(cè)[5-6]、紋理分析[7-8]等數(shù)據(jù)預(yù)處理后，運(yùn)用面向?qū)ο骩9-11]、Hough變換及其改進(jìn)[12-13]、模板匹配[14-16]、機(jī)器學(xué)習(xí)[17-18]等方法自動(dòng)提取撞擊坑[19]。這種方法對(duì)于灰度差異比較明顯的撞擊坑都能很好地提取出來(lái)。然而由于遙感影像數(shù)據(jù)固有的光學(xué)誤差及月表實(shí)際撞擊坑復(fù)雜的地形特征等影響，導(dǎo)致撞擊坑在遙感影像上出現(xiàn)幾何學(xué)畸變，增加了影像識(shí)別的不確定性。第二種方法主要是利用撞擊坑實(shí)際地形信息，使用Hough變換[1,20-21]、傅里葉變換[22]、機(jī)器學(xué)習(xí)[23-24]等方法提取撞擊坑[25]。相比于影像數(shù)據(jù)，DEM數(shù)據(jù)能夠再現(xiàn)撞擊坑的三維地形結(jié)構(gòu)[26]且不受光照影響，基于DEM數(shù)據(jù)的撞擊坑識(shí)別方法能根據(jù)月表真實(shí)的地形形態(tài)正確提取撞擊坑。然而，由于早期月表DEM數(shù)據(jù)分辨率低及與之相關(guān)的技術(shù)水平的局限，許多撞擊坑不能準(zhǔn)確有效地提取出來(lái)。近年來(lái)，隨著月表DEM數(shù)據(jù)分辨率的提高及地理信息系統(tǒng)技術(shù)的日趨成熟，諸多學(xué)者開始采用融合影像和DEM數(shù)據(jù)的方法提取撞擊坑[27-30]，這種方法雖然在一定程度上提高了撞擊坑識(shí)別的準(zhǔn)確性，但是由于影像數(shù)據(jù)和DEM數(shù)據(jù)不同的數(shù)據(jù)格式及不同分辨率的影響，二者不能有效地融合，并且通常適用于影像識(shí)別的方法不適合DEM數(shù)據(jù)的提取。

綜上所述，撞擊坑作為月表的一種典型月貌單元，高程是定量表達(dá)其形態(tài)特征最為基本的幾何量。因此，月表DEM數(shù)據(jù)所蘊(yùn)含的撞擊坑結(jié)構(gòu)和地形特征較影像數(shù)據(jù)更為豐富，DEM數(shù)據(jù)更適用于撞擊坑的自動(dòng)提取[31]。本文基于美國(guó)LRO飛行器獲取的100 m分辨率月表DEM數(shù)據(jù)，采用線狀窗口鄰域分析方法準(zhǔn)確提取撞擊坑邊界。

1 研究樣區(qū)與研究方法

1.1 研究樣區(qū)

月球表面主要由兩種地貌單元組成：月陸和月海[32]?；诘孛差愋偷耐暾院退惴ǖ钠者m性原則，本文分別選擇月陸和月海兩個(gè)研究樣區(qū)(如圖1所示)。其中，月陸樣區(qū)位于LQ-6洪堡海和LQ-7達(dá)朗貝爾[33]交界的莫斯科海和洪堡海之間地區(qū)，與韋爾斯、達(dá)貝爾、達(dá)朗貝爾等大型撞擊坑相鄰，經(jīng)緯度范圍為35°N—50°N、117°E—140°E，面積大約為314 400 km2。此研究樣區(qū)位于月球背面，撞擊事件頻繁，以大型撞擊坑為主。月海樣區(qū)位于LQ-4虹灣和LQ-11哥白尼交界的雨海地區(qū)，與風(fēng)暴洋、澄海、虹灣等地區(qū)相鄰，經(jīng)緯度范圍為29°N—44°N、10°W—33°W，面積大約為317 300 km2。此研究樣區(qū)位于月球正面，撞擊事件較背面少，撞擊坑多是由月海玄武巖經(jīng)巖溶填充而成，以中小型撞擊坑為主。

1.2 研究方法

本文利用線狀窗口鄰域分析法(如圖2所示)[34]提取撞擊坑。地形特征線微分單元走向大致可分為4個(gè)方向：東西方向、南北方向、東北-西南方向、西北-東南方向。在DEM中，分析窗口可設(shè)定為水平方向上的1×n和垂直方向上的n×1的線狀鄰域分析窗口(n=3，5，7，…)。在基于DEM進(jìn)行線狀窗口分析時(shí)，線狀分析窗口將遍歷整幅DEM，導(dǎo)致水平方向的分析窗口對(duì)大致南北方向的地形特征線具有過(guò)濾作用，而垂直方向的分析窗口對(duì)大致東西走向的地形特征線具有過(guò)濾作用。最后，對(duì)分別使用1×n和n×1的線狀鄰域分析窗口過(guò)濾后的結(jié)果求和即可得到潛在撞擊坑的坑唇線。

圖1 研究樣區(qū)概況

圖2 線狀窗口鄰域分析原理

撞擊坑自動(dòng)提取流程如圖3所示。首先，對(duì)原始樣區(qū)DEM數(shù)據(jù)進(jìn)行水平和垂直方向上線狀窗口的鄰域均值分析。給定一個(gè)閾值，將原始樣區(qū)DEM分別與水平和垂直方向均值分析后DEM進(jìn)行柵格減運(yùn)算并使其大于給定閾值；其次，將水平與垂直方向上的結(jié)果進(jìn)行柵格加運(yùn)算，將和值進(jìn)行重分類二值化得到初步結(jié)果；最后，將二值化結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，得到最終的月表撞擊坑提取結(jié)果。

圖3 算法的技術(shù)路線

2 試驗(yàn)設(shè)計(jì)

針對(duì)兩個(gè)研究樣區(qū)，首先分別使用1×n和n×1的水平和垂直方向上的線狀分析窗口對(duì)樣區(qū)DEM進(jìn)行鄰域均值分析，將原始樣區(qū)DEM與均值分析后的DEM作柵格減運(yùn)算。然后給定一個(gè)閾值，對(duì)水平與垂直方向上的相減運(yùn)算結(jié)果分別取相同閾值大小進(jìn)行過(guò)濾，將二者相加求和后二值化，得到該閾值下1×n和n×1分析窗口的結(jié)果。最后依次改變分析窗口大小及提取閾值試驗(yàn)，直至得到坑唇線柵格突出、連續(xù)，區(qū)域雜質(zhì)較少的撞擊坑最佳提取效果。試驗(yàn)結(jié)果表明，隨著分析窗口的擴(kuò)大，撞擊坑的提取效果依次增強(qiáng)，但是雜質(zhì)噪音也隨之增多。需要指出的是，不同大小的分析窗口下都有一個(gè)最佳的提取閾值，閾值的選取標(biāo)準(zhǔn)與原始DEM減去均值分析后的DEM高程差值相關(guān)。最終將各個(gè)窗口的最佳提取效果進(jìn)行疊加比對(duì)，從中選擇最佳的線狀分析窗口，以及該窗口下的最佳提取閾值。本文經(jīng)過(guò)撞擊坑的坑唇線提取效果與雜質(zhì)噪音二者綜合取舍試驗(yàn)，確定本文的月海樣區(qū)最佳提取窗口為1×7和7×1，該窗口下的最佳提取閾值為4.5；月陸樣區(qū)最佳提取窗口為1×9和9×1，該窗口下的最佳提取閾值為6(如圖4所示)。

圖4 線狀窗口鄰域分析最佳結(jié)果

2.1 數(shù)學(xué)形態(tài)學(xué)處理

研究樣區(qū)存在一定的高低起伏，導(dǎo)致提取的撞擊坑存在一定偽坑，這些偽坑主要是月表山脈、月溪、月谷、斷裂帶等月貌單元[33]。由圖4可知，本文算法對(duì)撞擊坑進(jìn)行正確提取的同時(shí)，存在局部撞擊坑邊界不連續(xù)，沒(méi)有形成閉合曲線等問(wèn)題。為此需要對(duì)提取結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理[35-36]。

本文利用Matlab軟件選擇形態(tài)學(xué)開運(yùn)算，對(duì)提取結(jié)果進(jìn)行細(xì)化成線、去除孤立對(duì)象、膨脹連接等操作，得到坑唇線連續(xù)、閉合的撞擊坑提取結(jié)果(如圖5 所示)。

圖5 數(shù)學(xué)形態(tài)學(xué)處理結(jié)果

2.2 人工手動(dòng)編輯處理

由圖5可知，數(shù)學(xué)形態(tài)學(xué)處理后的效果仍然存在少量雜質(zhì)。為得到最佳的提取效果，必須將上述形態(tài)學(xué)處理后的柵格坑唇線轉(zhuǎn)換為矢量坑唇線，以原始DEM數(shù)據(jù)暈渲圖為映襯，對(duì)矢量坑唇線輔以人工手動(dòng)編輯處理，去除剩余的雜質(zhì)，連接少量未閉合的坑唇線，得到正確完整提取、正確部分提取、錯(cuò)誤提取和未提取4種結(jié)果(如圖6所示)。為便于目視識(shí)別，本文只保留直徑大于1 km的撞擊坑。

3 算法提取結(jié)果評(píng)價(jià)

本文以基于DEM坡度變率為基準(zhǔn)、以暈渲圖為背景，輔以坡度、坡向等地形因子，綜合判斷識(shí)別直徑大于1 km的撞擊坑為標(biāo)準(zhǔn)結(jié)果，對(duì)撞擊坑提取結(jié)果從以下3方面進(jìn)行評(píng)價(jià)：①提取精度；②提取狀態(tài)；③與前人提取結(jié)果比對(duì)。

3.1 提取精度評(píng)價(jià)

本文采用Shufelt[37]提出的算法評(píng)價(jià)因子來(lái)評(píng)價(jià)算法的提取精度(見表1)。其因子指標(biāo)有：構(gòu)建檢測(cè)百分比D(building detection percentage)=100TP/(TP+FN)，分支系數(shù)B(branching factor)=FP/TP，質(zhì)量百分比Q(quality percentage)=100TP/(TP+FP+FN)。其中，TP為識(shí)別到的撞擊坑且為真實(shí)撞擊坑的個(gè)數(shù)；FN為未能識(shí)別到的真實(shí)撞擊坑個(gè)數(shù)；FP為識(shí)別到的撞擊坑但為非真實(shí)的撞擊坑個(gè)數(shù)。構(gòu)建檢測(cè)百分比D可以作為撞擊坑識(shí)別精度的度量，分支系數(shù)B可以作為算法的正確性度量，質(zhì)量百分比Q可以作整個(gè)算法質(zhì)量的度量。由于存在未能完全提取的撞擊坑，本文以提取部分占所在撞擊坑的1/2及以上作為真實(shí)提取的撞擊坑，反之為未能提取的撞擊坑。

圖6 兩試驗(yàn)樣區(qū)撞擊坑提取結(jié)果

表1 撞擊坑提取精度評(píng)價(jià)

評(píng)價(jià)結(jié)果顯示，本文月海和月陸的撞擊坑識(shí)別精度評(píng)價(jià)因子D達(dá)到77%以上，算法的分支系數(shù)B為0.13，整個(gè)算法的提取質(zhì)量Q在70%以上。由于月海的撞擊坑多以簡(jiǎn)單撞擊坑為主而月陸的撞擊坑多以復(fù)雜撞擊坑為主，但是月海撞擊坑在直徑上卻遠(yuǎn)遠(yuǎn)小于月陸撞擊坑，導(dǎo)致本文算法在提取精度上對(duì)于月海和月陸樣區(qū)的評(píng)價(jià)因子數(shù)值比較接近，表明本文算法對(duì)月海撞擊坑和月陸撞擊坑在提取精度上雖然都不夠高但是彼此差別不大，因此可將本文算法應(yīng)用于全月球撞擊坑的初步自動(dòng)提取。

3.2 提取狀態(tài)評(píng)價(jià)

由提取的結(jié)果圖顯示，撞擊坑提取狀態(tài)有正確提取TE(true extraction)、未提取NE(not extraction)和錯(cuò)誤提取FE(false extraction)3種情況，其中正確提取和錯(cuò)誤提取又可分為完全提取CE(complete extraction)、部分提取PE(partial extraction)兩種情況。因此將正確提取分為正確完整提取(TCE)和正確部分提取(TPE)。為了更加精確地評(píng)價(jià)算法，在正確部分提取基礎(chǔ)上又細(xì)分為提取部分占整個(gè)撞擊坑比例的1/2及以上和1/2以下兩種情況。分別計(jì)算4種提取狀態(tài)下撞擊坑個(gè)數(shù)占手動(dòng)勾繪標(biāo)準(zhǔn)撞擊坑個(gè)數(shù)的百分比(見表2)，從而進(jìn)一步評(píng)價(jià)算法的提取效果，展示提取的撞擊坑的完整情況。

表2 撞擊坑提取狀態(tài)評(píng)價(jià)

評(píng)價(jià)結(jié)果顯示，通過(guò)與目視識(shí)別的標(biāo)準(zhǔn)結(jié)果進(jìn)行比對(duì)計(jì)算，月海和月陸樣區(qū)的撞擊坑正確完整提取率達(dá)到56%以上；正確部分提取率在27%以上，其中提取部分占整個(gè)撞擊坑比例的1/2及以上的達(dá)到20%左右；未提取率在15%以下；錯(cuò)誤提取率在10%左右，表明兩個(gè)樣區(qū)的各項(xiàng)狀態(tài)指標(biāo)在數(shù)值上比較接近。如果將正確部分提取中提取部分占整個(gè)撞擊坑比例的1/2及以上算作理想的提取結(jié)果，加上實(shí)際的正確完整提取的結(jié)果，兩個(gè)樣區(qū)的撞擊坑有效提取率將分別達(dá)到77.99%和77.72%，既驗(yàn)證了前面部分對(duì)撞擊坑提取精度的評(píng)價(jià)，也說(shuō)明了本文算法的提取結(jié)果滿足對(duì)全月表撞擊坑的初步自動(dòng)提取。

3.3 與前人提取結(jié)果比對(duì)評(píng)價(jià)

通常不同算法的提取結(jié)果評(píng)價(jià)應(yīng)當(dāng)建立在相同分辨率的數(shù)據(jù)類型和研究樣區(qū)的基礎(chǔ)之上，這樣的結(jié)果才具有可比性。雖然目前撞擊坑的提取主要是基于遙感影像和DEM數(shù)據(jù)兩種不同數(shù)據(jù)類型而進(jìn)行的，但遺憾的是目前無(wú)法找到基于相同數(shù)據(jù)類型且相同分辨率的研究，而且研究樣區(qū)也都不一致，因而無(wú)法進(jìn)行完全公平的檢測(cè)結(jié)果比對(duì)。為了比較客觀地評(píng)價(jià)算法的提取結(jié)果，本文選擇與Zuo W等[38]基于DEM數(shù)據(jù)等高線的撞擊坑自動(dòng)識(shí)別的檢測(cè)方法的提取結(jié)果進(jìn)行評(píng)價(jià)因子比對(duì)(見表3)。選擇原因有二：①在Zuo W等的研究中，研究數(shù)據(jù)采用嫦娥一號(hào)500 m分辨率和嫦娥二號(hào)30 m分辨率DEM數(shù)據(jù)，與本文100 m分辨率DEM的數(shù)據(jù)類型相同且有很好的過(guò)渡性；②Zuo W等的研究也將DEM數(shù)據(jù)應(yīng)用于兩個(gè)研究樣區(qū)，且與本文研究樣區(qū)的撞擊坑特征相似，二者具有極高的可比性。

表3 與Zuo W等提取結(jié)果評(píng)價(jià)因子比對(duì)

比對(duì)結(jié)果顯示，Zuo W等兩個(gè)樣區(qū)的提取結(jié)果中，檢測(cè)百分比D都達(dá)到80%以上，高于本文算法提取結(jié)果，但分支系數(shù)B高于本文結(jié)果。說(shuō)明其結(jié)果雖然在提取精度上高于本文結(jié)果，但是其提取結(jié)果的錯(cuò)誤率也要高于本文結(jié)果。從質(zhì)量百分比Q來(lái)看，本文100 m分辨率提取結(jié)果對(duì)于其500 m分辨率和30 m分辨率提取結(jié)果，兩個(gè)算法的整體提取質(zhì)量相當(dāng)。

4 結(jié)論與討論

本文利用100 m分辨率DEM數(shù)據(jù)，根據(jù)撞擊坑坑唇相對(duì)凸起的地形特征，提出一種線狀窗口鄰域均值分析方法自動(dòng)提取月表撞擊坑，通過(guò)在月海與月陸兩種不同樣區(qū)的研究，在綜合分析提取方法和提取結(jié)果的基礎(chǔ)之上，主要得出以下結(jié)論：

(1) 本文提出的基于DEM線狀窗口鄰域分析的方法，能夠根據(jù)月表撞擊坑實(shí)際地形形態(tài)對(duì)其進(jìn)行自動(dòng)檢測(cè)。由提取結(jié)果的評(píng)價(jià)因子顯示，該方法具有一定的普適性。

(2) 從試驗(yàn)的過(guò)程來(lái)看，不同大小的線狀分析窗口對(duì)撞擊坑的提取結(jié)果不同，且在相同大小的線狀分析窗口下，不同的提取閾值也會(huì)產(chǎn)生不同的提取結(jié)果。因此，不同大小的分析窗口下都有一個(gè)最佳的提取閾值。通過(guò)不同大小分析窗口及相同大小分析窗口下不同閾值的試驗(yàn)比對(duì)，本文的月海樣區(qū)的最佳提取窗口為1×7和7×1，該窗口下的最佳提取閾值為4.5；月陸樣區(qū)的最佳提取窗口為1×9和9×1，該窗口下的最佳提取閾值為6。

(3) 從提取結(jié)果的狀態(tài)來(lái)看，本文提取結(jié)果與目視識(shí)別結(jié)果比對(duì)顯示，兩個(gè)樣區(qū)的完整提取、部分提取、未提取和錯(cuò)誤提取占比分別約為58%、28%、14%和10%，其中部分提取中提取部分占整個(gè)撞擊坑比例的1/2及以上的約占20%，如果將其算作理想提取結(jié)果，則本文撞擊坑有效提取將達(dá)到78%以上。

(4) 從本文結(jié)果與Zuo W等基于DEM數(shù)據(jù)等高線的撞擊坑自動(dòng)識(shí)別的檢測(cè)方法結(jié)果比對(duì)情況來(lái)看，雖然Zuo W等檢測(cè)結(jié)果在提取精度上高于本文結(jié)果，但是其提取錯(cuò)誤率也要高于本文結(jié)果。兩個(gè)算法的提取質(zhì)量上各有優(yōu)勢(shì)，表明本文方法在月表撞擊坑的自動(dòng)提取方面有一定的應(yīng)用價(jià)值。

然而，由于月表實(shí)際地形及撞擊坑幾何形態(tài)組合的復(fù)雜多樣性，該方法未能完全實(shí)現(xiàn)提取過(guò)程的自動(dòng)化，特別是未提取和錯(cuò)誤提取達(dá)到了24%左右，這對(duì)月表撞擊坑的自動(dòng)提取來(lái)說(shuō)顯然不是最佳的。未提取的撞擊坑主要有兩類：一是坑唇退化的撞擊坑，其退化原因主要是月球自身地質(zhì)活動(dòng)演化和后期撞擊坑的隨機(jī)撞擊結(jié)果所致；二是地勢(shì)較低的撞擊坑，由于其高程差值不大，與地勢(shì)較高的撞擊坑組合在一起時(shí)，算法難以確定一個(gè)能完全囊括不同地勢(shì)高低起伏的提取閾值。錯(cuò)誤提取的撞擊坑實(shí)為偽撞擊坑，包括由于多個(gè)撞擊坑邊緣彼此相交連接而形成的偽坑及其他月貌單元，如山脈、月嶺、月溪、月谷等。因此，在后期的研究中，因充分結(jié)合坡度、坡向、曲率等地形因子綜合判斷，設(shè)計(jì)不同的線狀分析窗口大小，實(shí)現(xiàn)對(duì)撞擊坑的正確有效提取。

參考文獻(xiàn)：

[1] LUO L，WANG X，GUO H，et al.Automatic Detection of Lunar Craters Based on CE-1 DEM Data[J].Journal of Remote Sensing ,2014(1):105-116.

[2] 歐陽(yáng)自遠(yuǎn).月球科學(xué)概論[M].北京：中國(guó)宇航出版社，2005:58-64.

[3] HUANG Q，PING J，SU X，et al.New Features of the Moon Revealed and Identified by CLTM-s01[J].Science in China：Physics，Mechanics and Astronomy，2009，52(12):1815-1823.

[4] 王嬌，程維明，周成虎.全月球撞擊坑識(shí)別、分類及空間分布[J].地理科學(xué)進(jìn)展,2015,34(3)：330-339.

[5] LEROY B，MEDIONI G，JOHNSON E，et al.Crater Detection for Autonomous Landing on Asteroids[J].Image & Vision Computing，2001，19(11):787-792.

[6] 李超,王心源,駱磊,等.基于Apollo圖像的月表撞擊坑自動(dòng)提取[J].國(guó)土資源遙感，2012，24(4):71-75.

[7] BARATA T，ALVES E I，SARAIVA J，et al.Automatic Recognition of Impact Craters on the Surface of Mars[J].Lecture Notes in Computer Science，2004，3212(3212):489-496.

[8] BANDEIRA L，WEI D，STEPINSKI T F.Detection of Sub-kilometer Craters in High Resolution Planetary Images Using Shape and Texture Features[J].Advances in Space Research，2012，49(1)：64-74.

[9] 岳宗玉,劉建忠,吳淦國(guó).應(yīng)用面向?qū)ο蠓诸惙椒▽?duì)月球撞擊坑進(jìn)行自動(dòng)識(shí)別[J].科學(xué)通報(bào),2008,53(22):2809-2813.

[10] 陳偉濤，閆柏琨，張志.基于嫦娥一號(hào)CCD 數(shù)據(jù)空間特征的特定目標(biāo)識(shí)別[J].國(guó)土資源遙感，2009,21(4)：40-44．

[11] BARNES A H.An Object-oriented Classification of Impact Craters Using Lunar Reconnaissance Orbiter Data[D].San Francisco，California：San Francisco State University，2016.

[12] DING M，CAO Y，WU Q.Method of Passive Image Based Crater Autonomous Detection[J].Chinese Journal of Aeronautics，2009，22(3):301-306.

[13] HONDA R，AZUMA R.Crater Extraction and Classification System for Lunar Images[R].Kochi：Kochi University，2000:13-22.

[14] 魏士?jī)?，張建利，彭松，?虹灣地區(qū)月面撞擊坑自動(dòng)提取[J].計(jì)算機(jī)仿真,2013,30(8):74-77.

[15] BANDEIRA L，SARAIVA J，PINA P.Impact Crater Recognition on Mars Based on a Probability Volume Created by Template Matching[J].IEEE Transactions on Geoscience & Remote Sensing，2007，45(12):4008-4015.

[16] BANDEIRA L P C，SARAIVA J，PINA P.Development of a Methodology for Automated Crater Detection on Planetary Images[J].Springer Berlin Heidelberg，2007，4447 (4):193-200.

[17] WANG Y，YANG G，GUO L.A Novel Sparse Boosting Method for Crater Detection in the High Resolution Planetary Image[J].Advances Space Research，2015，56(5):982-991.

[18] XIN X，DI K C，WANG Y X，et al.Automated Detection of New Impact Sites on Martian Surface from HiRISE Images[J].Advancesm Space Research，2017，60(7)：1557-1569.

[19] 丁萌，李海波，曹云峰,等.基于光學(xué)圖像的撞擊坑識(shí)別研究綜述[J].深空探測(cè)學(xué)報(bào)，2015,2(3):195-202.

[20] MICHAEL G G.Coordinate Registration by Automated Crater Recognition [J].Planetary & Space Science，2003，51(9/10)：563-568.

[21] BUE B D，STEPINSKI T F.Machine Detection of Martian Impact Craters from Digital Topography Data[J].IEEE Transactions on Geoscience & Remote Sensing，2006，45(1):265-274.

[22] HARADA N，HAYASHI T，HIRATA N，et al.Recognition Algorithm for Topographic Features[C]∥17th IEEE International Conference on Computer and Information Technology(CIT 2007).[S.l.]:CIT，2007:685-689.

[23] DI K，LI W，YUE Z，et al.A Machine Learning Approach to Crater Detection from Topographic Data[J].Advances in Space Research，2014，54(11):2419-2429.

[24] COHEN J P.Automated Crater Detection Using Machine Learning[D].Boston：University of Massachusetts Boston，2016.

[25] 劉宇軒，劉建軍，牟伶俐,等.撞擊坑識(shí)別方法綜述[J].天文研究與技術(shù),2012,9(2):203-212.

[26] 張鋒，鄒永廖，鄭永春,等.月表撞擊坑自動(dòng)識(shí)別與提取的新方法及其應(yīng)用[J].地學(xué)前緣，2012，19(6):118-127.

[27] 羅中飛，康志忠，劉心怡.融合嫦娥一號(hào)CCD影像與DEM 數(shù)據(jù)的月球撞擊坑自動(dòng)提取和識(shí)別[J].測(cè)繪學(xué)報(bào)，2014，43(9):924-930.

[28] KANG Z，LUO Z，HU T.Automatic Extraction and Identification of Lunar Impact Craters Based on Optical Data and DEMs Acquired by the Chang’E Satellites[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing，2016，8(10):4751-4761.

[30] 周增坡，程維明，周成虎,等.基于“嫦娥一號(hào)”的月表形貌特征分析與自動(dòng)提取[J].科學(xué)通報(bào)，2011，58(1):18-26.

[31] 賀力.基于“DEM”的月球撞擊坑判識(shí)方法研究[D].南京：南京師范大學(xué),2012.

[32] 王琛智,湯國(guó)安,袁賽,等.基于DEM紋理特征的月貌自動(dòng)識(shí)別方法探究[J].地球信息科學(xué)學(xué)報(bào)，2015，17(1):45-53.

[33] 王梁，丁孝忠，韓坤英,等.月球數(shù)字地質(zhì)圖的編制與研究[J].中國(guó)地質(zhì)，2015(1):331-341.

[34] 周毅，湯國(guó)安，張婷,等.基于格網(wǎng)DEM線狀分析窗口的地形特征線快速提取方法[J].測(cè)繪通報(bào)，2007(10):67-69.

[35] 陶興龍.數(shù)學(xué)形態(tài)學(xué)和分形理論在圖像去噪和邊緣提取中的應(yīng)用[D].南京：南京信息工程大學(xué)，2013.

[36] 袁悅峰，朱培民，趙娜，等.基于數(shù)學(xué)形態(tài)學(xué)的月海圓形撞擊坑自動(dòng)識(shí)別方法[J].中國(guó)科學(xué)(物理學(xué) 力學(xué) 天文學(xué)),2013，43(3):324-332.

[37] SHUFELT J.Performance Evaluation and Analysis of Monocular Building Extraction from Aerial Imagery[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，1999，21(4):311-326.

[38] ZUO W，ZHANG Z，LI C，et al.Contour-based Automatic Crater Recognition Using Digital Elevation Models from Chang’E Missions[J].Computers & Geosciences，2016，97(C):79-88.