【技术实现步骤摘要】
一种面向异质遥感影像内容的数字高程数据重建方法
[0001]
:本专利技术一提供种面向异质遥感影像内容的数字高程数据重建方法,用于重建和获取面向地理信息系统领域的数据,具体涉及地貌地表遥感影像
[0002]
技术介绍
:获取地表大面积区域的数字高程数据有助于进行大范围的地理三维建模,对于构建基础地理信息数据、虚拟现实仿真、灾害模拟与预测具有十分重要的意义。因此十分有必要获取地表大面积区域的精细数字高程数据信息。
[0003]要获得精细的地表数字高程数据,目前采用的方法分为两类:第一类,采用人工测量、飞机激光雷达测量的手段获得精细的地表数字高程数据,此类方法优点是数据精度高,但是需要极大的经费与时间支持,比较适合比较发达的城市区域数据的获取,对于较大面积区域绝大多数单位无法负担对应的经费与时间要求。第二类是,首先下载对应地区低分辨率的数字高程信息作为基础三维数据,找一个小的区域进行人工测量获得精细的高程数据,引入所在区域的高分辨率遥感影像,利用人工智能算法建立起高分辨率遥感影像、低分辨率数字高程、高分辨率数字高程信息之间的回归预测模型,基于该模型对整个区域进行预测;该方法在小的区域和范围内会取得较好的应用效果;然而,当面对较大面积区域时,由于区域范围大,所以其内部数据对应着多景遥感影像,会使得传统方法面临两个问题:问题1,对应区域的遥感影像可能来自于不同卫星的拍摄结果,数据的分辨率、像元数值响应范围会存在差异,这些差异会最终将误差传导到回归预测模型之中,进而导致三维重建失败;问题2,在区域较大的情况下,不同影像间也会存在拍摄 ...
【技术保护点】
【技术特征摘要】
1.一种面向异质遥感影像内容的数字高程数据重建方法,其特征在于包括以下步骤:S1,面对一个地面区域,输入该区域的粗糙的数字高程数据RoughDEM,输入该区域的高分辨率遥感影像Image;输入第一子区域粗糙的数字高程数据RoughDEMSub1,输入RoughDEMSub1对应范围的高分辨率数字高程数据FineDEM1,输入RoughDEMSub1对应范围的高分辨率遥感影像SubImage1;输入第二子区域粗糙的数字高程数据RoughDEMSub2输入RoughDEMSub2对应范围的高分辨率数字高程数据FineDEM2输入RoughDEMSub2应范围的高分辨率遥感影像SubImage2;获取RoughDEMSub1的元素个数Sub1Num,获取RoughDEMSub2的元素个数Sub2Num;获取RoughDEM的元素个数AllNum;S101,面对一个地面区域,输入该区域的粗糙的数字高程数据RoughDEM,输入该区域的高分辨率遥感影像Image;RoughDEM和Image均为float型的二维数组;RoughDEM和Image的元素个数相同;S102,输入第一子区域粗糙的数字高程数据RoughDEMSub1,输入RoughDEMSub1对应范围的高分辨率数字高程数据FineDEM1,输入RoughDEMSub1对应范围的高分辨率遥感影像SubImage1;RoughDEMSub1、FineDEM1和SubImage1均为float型的二维数组;RoughDEMSub1、FineDEM1和SubImage1对应数组的元素个数相同;S103,输入第二子区域粗糙的数字高程数据RoughDEMSub2输入RoughDEMSub2对应范围的高分辨率数字高程数据FineDEM2输入RoughDEMSub2应范围的高分辨率遥感影像SubImage2;RoughDEMSub2、FineDEM2和SubImage2均为float型的二维数组;RoughDEMSub2、FineDEM2和SubImage2对应数组的元素个数相同;S104,Sub1Num=获取RoughDEMSub1的元素个数; S105,Sub2Num=获取RoughDEMSub2的元素个数; S106,AllNum=获取RoughDEM的元素个数;S2,构建像元与影像分布差异矢量抽取算子OptExtract,输入为单个像元OptPixel和待计算影像OptImage,输出为差异矢量OptResult;S201,构建像元与影像分布差异矢量抽取算子OptExtract,输入为单个像元OptPixel和待计算影像OptImage; OptPixel为单个数值,OptImage为二维数组;S202,OptResult=包含6个元素的矢量;S203,算子第一暂存变量OptTemp1=OptImage-OptPixel;S204,算子第二暂存变量OptTemp2=Max(OptImage),其中Max为统计一个矩阵中所有元素的最大值;S205,OptResult[1]=Avg(OptTemp1)/OptTemp2;其中Max为统计一个矩阵中所有元素的均值;S206, OptResult[2]=1/Exp(OptResult[1]);其中Exp为自然常数e为底的指数函数;S207, OptResult[3]=Std(OptTemp1)/OptTemp2;其中Std为统计一个矩阵中所有元素的标准差;S208, OptResult[4]=Std(Abs(OptTemp1))/OptTemp2; 其中Abs为进行均值计算;S209, OptResult[5]=OptResult[3]-OptResult[4];S210, OptResult[6]=OptPixel/OptTemp2;S211,将OptResult作为算子结果输出;S3,构建遥感影像内容异质描述算子DefExtract,输入为待描述像元DefPixel,输出内
容异质描述结果DefResult;S301,构建遥感影像内容异质描述算子DefExtract,输入为待描述像元DefPixel;OptPixel为单个数值;S302,内容异质第一结果DefTemp1=使用OptExtract进行计算,输入OptPixel=DefPixel,OptImage=SubImage1,结果为OptResult返回给DefTemp1;S303,内容异质第二结果DefTemp2=使用OptExtract进行计算,输入OptPixel=DefPixel,OptImage=SubImage2,结果为OptResult返回给DefTemp2;S303,内容异质第三结果DefTemp3=DefTemp1-DefTemp2;S304,内容异质描述结果DefResult=将[DefTemp1, DefTemp2,DefTemp3]合并为一个矢量;S305,将DefResult作为算子结果输出;S4,利用DefExtract构建回归预...
【专利技术属性】
技术研发人员:徐俊,付浩海,张华,潘欣,张敏,
申请(专利权)人:长春工程学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。