数字高程模型的粗差探测与剔除

《数字高程模型的粗差探测与剔除》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南阳师范学院20XX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：班级：学制：专业：测绘工程指导教师：完成日期：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）2DEM的粗差探测方法的研究（4）2.1DEM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

2、程（9）5分析与结论（14）参考文献（15）数字高程模型的粗差探测与剔除摘要：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

3、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

4、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16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

5、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

6、.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16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

7、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。