山脊线与山谷线是地形中最为重要的形态特征,准确地从地形数据中提取山脊线与山谷线对于地形分析、水文分析、地形三维重建都具有重要意义,是地形地貌学研究,乃至计算机图形学研究中的重要问题。经过多年研究,人们至今已经提出多种方法进行地形特征线的提取,但已有的提取方法尚存在许多问题:特征线提取的空间定位误差大,准确性不佳;存在漏提、误提和伪特征线问题;提取的准确性依赖于人工选择的要素识别特征;需要较多的人工后期处理,且算法的自动化程度有待提高。为了提高地形特征线提取的准确度,本文在深入分析地形特征提取所存在问题的基础上,提出了一种从多种数据源中融合提取地形特征线的思想:基于多种数据源提取不同的地形特征,将多种特征提取结果进行互补,使之融合而达到更优的提取效果。我们构建了一个基于深度学习的多通道融合的地形特征提取网络,综合运用了数字高程模型、遥感影像、坡度信息以及坡向信息等数据源进行地形特征的学习和提取。该网络结构基于U-net网络进行构建,针对U-net网络中下采样操作造成的特征细节信息丢失、提取结果边缘平滑等问题,通过加深网络层次、优化激活函数、构建多通道融合的地形特征提取网络结构等三个方面对网络进行优化,使之可以基于多种类型的数据输入,将地形的物理特征与视觉特征提取出来,并使两种特征进行互补融合,构建得到联合特征;在此基础上,基于联合特征进行图像语义分割,得到最终的地形特征线。实验表明,本文方法的提取准确性明显高于传统的单通道地形特征提取方法。本文主要贡献包括:（1）多通道融合的地形特征提取数据集的构建。数据集包括DEM、遥感影像、坡度图、坡向图四种组合数据源。在训练数据集的地形特征线提取过程中,为了提高提取准确性,采用了:首先利用均值变点法提取最优汇流量阈值,然后基于地表流水物理模拟方法进行提取的方式,提取出了较为准确的自然山脊线山谷线作为标签数据。（2）多通道地形特征融合和提取结构的网络的构建。该网络基于U-net网络结构进行构建,通过网络层次深化、激活函数优化以及多通道融合网络框架的构建,可基于多种数据组合,将地貌的物理特征与视觉特征提取出来并进行互补融合,得到联合特征,由此进行特征线提取。该方法有效融合了地形物理特征和视觉特征,保留了地形中的细节信息,使得其特征提取结果较传统的单通道提取方法有显著提升。