当前位置:首页>> >>


数字高程模型的粗差探测与剔除.rar

收藏

资源目录
    文档预览:
    编号:20180915222317101    类型:共享资源    大小:990.37KB    格式:RAR    上传时间:2018-09-15
    尺寸:148x200像素    分辨率:72dpi   颜色:RGB    工具:   
    20
    金币
    关 键 词:
    数字 高程 模型 探测 剔除
    资源描述:
    编号:10009410426南阳师范学院 2014 届毕业生毕业论文(设计)题 目: 数字高程模型的粗差探测与剔除 完 成 人: 陈利真 班 级: 2010-04 学 制: 4 年 专 业: 测绘工程 指导教师: 苏 博 完成日期: 2014-3-26 目 录摘要 .....................................................................................................................(1)1 绪论 .................................................................................................................(2)1.1 研究的意义和目的 .................................................................................(2)1.2 数字高程模型的粗差探测与剔除的研究现状 ......................................(2)1.2.1 基于趋势面 ...................................................................................(3)1.2.2 基于坡度信息 ................................................................................(3)1.2.3 可视化 ...........................................................................................(3)2 DEM 的粗差探测方法的研究 ...................................................................(4)2.1 DEM 粗差探测方法研究的背景 .............................................................(4)2.2 影像纠正法的主要思想 .........................................................................(4)2.3 影像纠正法的过程 .................................................................................(5)2.4、高程改正 ...............................................................................................(5)3 数字高程模型的粗差探测的过程 .........................................................(6)3.1 正射影像的生成 .....................................................................................(6)3.2 影像匹配 .................................................................................................(6)4 数字高程模型的粗差剔除的过程 .........................................................(9)5 分析与结论 .................................................................................................(14)参考文献 ..........................................................................................................(15)第 1 页 (共 16 页)数字高程模型的粗差探测与剔除作者:陈利真指导老师:苏 博摘要:数字高程模型作为地形表面的重要数字表达,其质量问题受到人们的普遍关注。影响 DEM 精度的因素多种多样,其中有失误引起的粗差,会造成DEM 空间上的严重扭曲,甚至导致 DEM 及其产品严重失真,因此探测并剔除粗差显得尤为重要。传统的粗差处理都是基于平差原理的,但是,如果不存在平差问题,也就不能在平差问题中对粗差进行定位。所以要检查 DEM 数据中存在的错误,不能简单用一般的平差方法,并且只分析单个独立的数据也是不够的,只有从整体或局部对数据进行分析处理才能使问题得到解决。通过影像匹配建立起来的数字高程模型,粗差通常发生在自动影像相关时影像的错误匹配。在 DEM 的生成上,和人工操作比较,通过匹配自动生成DEM 的方法有很多优点,但是通过这种方法产生的 DEM 可能包含各种来源的匹配错误(特征丢失,纹理重复等) ,从而产生粗差。当立体图像的几何条件和辐射条件不同时,这种错误会增加,这样就降低了 DEM 的精度,同时增加了后续人工编辑的操作。立体影像的错误匹配常常产生粗差,甚至粗差簇,粗差的存在会造成数字高程模型空间上的严重扭曲,因此需要预先剔除影像匹配获得的原始数据中存在的粗差。该方法先利用 DEM 对原始的立体影像对进行正射纠正,生成两幅正射影像,接着对其进行匹配,然后根据匹配结果的视差对 DEM 进行高程改正,重复进行该操作,直至匹配结果的视差小于某阈值。关键字:数字高程模型;粗差探测; 影像匹配; 视差;高程改正第 2 页 (共 16 页)1 绪论1.1 研究的意义和目的数字高程模型作为地理信息系统的重要数据来源,由于 DEM 描述的是地面高程信息,它在测绘、水文、气象、地貌、地质、土壤、工程建设、通讯、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。如在工程建设中,可用于如土方量的计算、通视分析等;在防洪减灾方面,DEM 是进行水文分析如汇水区的分析、水系网络分析、降雨分析、蓄洪计算、淹没分析等的基础;在无线通讯上,可用于蜂窝电话的基站分析等。因此其质量问题成为人们日益关注的焦点。一般来说,影响 DEM 精度的主要原因是原始数据精度和高程精度,而无论是数据的采集还是 DEM 内插的过程都有可能产生误差,其中,粗差的影响最严重,会造成空间数据的严重扭曲。所以要设计相关的算法,对粗差进行探测和剔除。1.2 数字高程模型的粗差探测与剔除的研究现状DEM 数据有多种形式:规则格网,不规则格网,等高线,剖面图等,它的原始数据可能以规则格网形式存在也可能以不规则形式存在。规则格网形式数据有独特的特性,这些特性有助于粗差检测算法的实现。所以说,适合于格网数据的粗差探测算法可能对不规则数据的粗差检测毫无作用,故对不同类型的数据有必要设计不同的粗差探测方法。1.2.1 基于趋势面按照自然地形地貌的成因,绝大多数自然地形表面都符合一定的自然趋势,表现为连续的空间渐变模型,并且这种连续变化可以用趋势面来描述。对粗差的检测,可以通过模型误差即实际观测值与趋势面计算值之差来判定其是否属于异常数据,由此可见,可以采用趋势面分析找出偏离总趋势超过一定阈值的可疑数据。通过趋势面分析可以找去大部分可疑数据,从而把问题局部化,简单化,但是趋势面分析的一个缺点就是可以找出可疑数据,但不能确定数据是否为真正的粗差。第 3 页 (共 16 页)1.2.2 基于坡度信息由于坡度是地面上点的一个基本属性,因此可以利用坡度的连续性和一致性来检测格网数据中的粗差。如果在一个点的周围一定局部区域内约束的允许坡度和允许坡度变化量大于给定的约束条件,就认为该点可能存在粗差。1.2.3 可视化采用 DEM 三维表面可视化技术,该方法可以交互式的来检查这些可疑数据,并剔除严重影响数据质量的粗差或者错误。一般对于一个特定的研究区域,在三维透视图上可疑点是否表现为粗差非常直观,很容易作出判断。实际上,由于 DEM 有着非常适宜于建立三维可视化的特点,所以可以首先通过目视效果对粗差进行检测。通常有粗差的地形是很不自然的。因此在实际应用中,可以首先通过目视对粗差进行检测,然后在使用各种方法进行自动或半自动的粗差探测与剔除。2 DEM 的粗差探测方法的研究2.1 DEM 粗差探测方法研究的背景上述粗差剔除的算大多都是源于对数据本身的理解和研究,粗差在数据中可能孤立的分布,也可能成簇的存在。对于单个粗差的存在,上述算法的效果可能比较好,但对于以簇群形式存在的误差,效果可能就不会很好。通过影像匹配自动生成的 DEM,作为一种自动化程度较高的生产方式,在实际应用当中有着广泛的应用潜力。通过影像匹配建立起来的数字高程模型,粗差经常发生在自动影像相关时影像错误匹配的位置,在这种情况下,如果一个点含有很大的粗差,那么受他的影响,在它周围有这个点参与其高程值内插的点都含有粗差,那么这些点所建表面将会有很大的偏差,这就带来了以成簇的形式存在的粗差。DEM 的编辑工作一般是由作业员在计算机或者测图仪上手工完成,是一项劳动强度很大的工作。在摄影测量的领域,对自动匹配的 DEM,急需一种误差自动改正算法来减少人工的工作量。如何有效第 4 页 (共 16 页)的消除这种粗差形式,针对这种问题,在摄影测量领域展开了广泛的研究。为了有效的完成 DEM 的编辑工作,1989 年,Schenk 【2 】 提出了利用迭代的影像纠正来生成 DEM。1996 年 Norvelle[3]用这种方法对高程数据进行改正。1996 年 Lobonc【4】 从理论上证明了利用它进行高程改正的可行性,并且针对航空影像的实验结果进行了说明。由于线阵推扫式卫星影像的不同特性,尤其是对于异轨立体的卫星影像,由于几何条件和辐射条件都差异较大,因此匹配的错误的可能性较高。2.2 影像纠正法的主要思想本文针对如何有效的消除在匹配阶段造成的误差,引进了影像纠正方法于线阵推扫式粗差,从而减少后续编辑工作。利用中心投影的航空影像生成正射影像的过程,实际上是消除投影差的过程,作为垂直投影的正射影像是没有投影误差的。但是对于含有粗差的 DEM 纠正生成的正射影像,不是完全意义上的正摄投影或者垂直投影,因为投影差并没有完全被消除,X 方向与 Y 方向均有残余投影差(中心投影的几何变形引起的两个方向的投影差) ,理论上说这两个方向上的投影差与 DEM 粗差相关。因此可以根据正射影像的残余投影差来消除 DEM 生成中的粗差进而完成对 DEM 的高程改正。若通过匹配得到含有粗差的 DEM,那么根据 DEM 和两幅影像的定向参数可以生成两幅正射影像。然后对正射影像进行匹配,它的匹配结果所反映出来的视差就是残余投影差的一种表现,因此我们可以根据视差这个线索来完成 DEM 中粗差的剔除。2.3 影像纠正法的过程(1)立体影像、外部定向参数、DEM 数据的获取;(2)对两幅影像,利用同样的 DEM 数据分别生成正射影像;(3)通过正射影像的立体匹配寻找同名像点;(4)根据同名像点计算视差,然后根据视差对 DEM 数据进行改正;(5)重复 2-4 的操作,直至视差小于某给定的阈值2.4 高程改正在影像纠正的过程中,最重要的就是利用投影差来改正高程。第 5 页 (共 16 页)对于正射影像的匹配结果,其视差分布与 DEM 的粗差的关系可以由公式(1)来表示,可以将视差转换为高程的改正值。对于有粗差的DEM 纠正生成的正射影像,由于其投影差并没有完全被消除,因此不是完全意义上的正射投影或垂直投影,在 X 方向和 Y 方向上均有投影差,但是 Y 方向的视差远小于 X 方向的视差,故只根据 X 方向的残余视差来消除粗差进而完成对 DEM 的高程的改正hHdx/(1 ) 21这里的 dH 为高程改正值,dx 为左右正摄影的残余视差,H/h 为基高比的倒数。3 数字高程模型的粗差探测的过程根据上述所描述的算法,采用 SPOT 影像数据(覆盖范围为辽宁地区)进行实验,表 1 为 SPOT 数据的具体参数。表 1 SPOT 数据的具体参数左像 右像影像中心经度 125.7268 125.7396影像中心纬度 43.8541 43.8541影像入射角 -14.6640 15.9988影响获取时间 20010910 200110173.1 正射影像的生成在系统的主菜单中,选择“产品”—“生成正射影像”项,自动制作当前模型的正射影像,屏幕显示计算提示界面。计算完后,自动生成当前模型的正射影像。正射影像生成后,应显示其影像,检查正射影像是否正确或完整。在系统的主菜单中,选择“显示”—“正射影像 ”【5】 项,屏幕显示当前模型的正射影像。将光标移至影像中。按鼠标右键弹出菜单,供选择不同的比例,可对影像进行缩放。3.2 影像匹配第 6 页 (共 16 页)在系统主菜单中,选择菜单“处理”—“影像匹配”项,出现影像匹配的进程显示窗口,自动进行影像匹配 【5】 。按照上述所说的理论,DEM 是否含有粗差可以由立体相对生成的正射影像来进行比较和检测,如果两幅正射影像差异较大就说明含有粗差,通过对含有粗差的 DEM 进行迭代改正,直至正射影像的差异小于某一阈值,正射影像的差异利用匹配后的视差来描述。实验结果[6]如下:图 1 DEM 和左影像生成的正射影响 图 2 DEM 和又影像生成的正射影像图 1 是 DEM 和左影像生成的正射影像,图 2 是 DEM 和右影像生成的正射影像。此时的 DEM 是在 Helave 数字摄影测量工作站上生成之后经过人工编辑的产品。从正射影像的匹配结果看基本上消除了残余视差。对上述 DEM 数据人为引入的模拟粗差,实际上是将 DEM 的整个表面降低了 100 米。图 3 含有粗差的 DEM 和左影像生成的正射影像 图 4 含有粗差的 DEM 和右影像生成的正射影像第 7 页 (共 16 页)图 3 是含有粗差的 DEM 和左影像生成的正射影像,图 4 是含有粗差的 DEM 和右影像生成的正射影像。两幅影像的匹配结果为:平均视差为 10.4 个像素,平均视差的方差为 0.86,两幅影像的基高比为 0.58,按照公式(1 )计算的高程的改正量为 107.6 米,从中可以看出改正误差 7.6 米小于一个像素的视差所引起的高程改正量,在模拟数据的实验过程中,由于各点的粗差是相同的,因此视差的分布是均匀的。图 5 直接生成可视化结果的图像 图 6 经过迭代方法产生的可视化结果由于经过人工编辑的 Helave 数字摄影测量工作站 DTM 产品已经不含粗差,在不考虑 DEM 精度情况下,基本上代表了地表的起伏。先将不同迭代次数的 DTM 产品与其进行比较,比较结果如表 2 所示:表 2 不同迭代次数的 DTM 产品比较结果迭代次数 高程误差的最大值(m) 高程的中误差(m)0 54.37 37.151 36.45 23.232 21.83 17.673 20.56 17.24上述两幅图像是采用实际数据的可视化结果,图 5 是直接生成可视化结果的图像,图 6 是经过采用迭代方法产生的 DEM 可视化结果,可以看出图 5 中的明显粗差已经在图 6 中得到了较好的消除。第 8 页 (共 16 页)4 数字高程模型的粗差剔除过程利用下面的程序剔除粗差:Option ExplicitPublic Sub MatchErrorPro() '调用此函数剔除粗差Dim rs As New ADODB.RecordsetDim i As Integer, x As Single, constr As Stringconstr = “Provider=Microsoft.Jet.OLEDB.4.0;Data Source=“ & DataPath & “\DEM.MDB“Dim t As SingleDim HH As Doublet = TimerScreen.MousePointer = 11HH = MyMatchMethod.Interval - MyMatchMethod.DestAreaFrmWait.ShowFrmWait.ProgressBar1.Visible = FalseDim LX() As Double, LY() As Double, RX() As Double, RY() As Double, n As Long, PtID() As Long, Delid() As Longn = 0rs.Open “select * from tblData where ModelNO= “ & DblPicname & “'“, constr, adOpenStatic, adLockOptimisticDo While Not rs.EOF()n = n + 1ReDim Preserve LX(1 To n), LY(1 To n), RX(1 To n), RY(1 To n), PtID(1 To n)LX(n) = rs.Fields(“lx“)LY(n) = rs.Fields(“ly“)RX(n) = rs.Fields(“rx“)
    展开阅读全文
    1
      金牌文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:数字高程模型的粗差探测与剔除.rar
    链接地址:http://www.gold-doc.com/p-185921.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
    copyright@ 2014-2018 金牌文库网站版权所有
    经营许可证编号:浙ICP备15046084号-3
    收起
    展开