一种多源高程数据融合方法、装置、计算机设备及介质制造方法及图纸

本申请属于数学高程模型技术领域，公开了一种多源高程数据融合方法、装置、计算机设备及介质，该方法包括：将获取的光学高程数据输入训练好的光学高程误差预测模型，输出得到光学高程误差值和光学高程误差权重图，将获取的雷达高程数据输入训练好的雷达高程误差预测模型，输出得到雷达高程误差值和雷达高程误差权重图；根据光学高程误差值对光学高程数据进行校正，得到待融合光学高程数据；根据雷达高程误差值对雷达高程数据进行校正，得到待融合雷达高程数据；根据光学高程误差权重图和雷达高程误差权重图对待融合光学高程数据和待融合雷达高程数据进行加权融合，得到融合高程数据。本申请可以达到有效提高融合高程数据的精度的效果。度的效果。度的效果。

【技术实现步骤摘要】
一种多源高程数据融合方法、装置、计算机设备及介质


[0001]本申请涉及数学高程模型
，尤其涉及一种多源高程数据融合方法、装置、计算机设备及介质。

技术介绍

[0002]丰富的光学、激光、SAR(Synthetic Aperture Radar，合成孔径雷达)卫星数据已经成为以DEM(Digital elevation model，数字高程模型)为代表的地理空间基准产品制作的重要数据支撑，国内外研究学者针对光学、激光及SAR数据处理及地理空间产品生成发展了一系列的方法，已经被广泛用于水文、地质、气象以及军事等领域，但这些产品在采集和生产过程中不可避免地会受到观测技术和地形环境等因素影响，导致出现空洞、噪声以及异常值等质量问题。例如，光学成像波长较短，难以穿透云雾，因此光学高程数据易受到噪声、异常值的影响；SAR成像虽然能够在一定程度上克服天气影响，全天候作业，但其侧视成像的观测模式更易受到地形倾角的影响，在坡度较大的地形起伏区域容易形成数据空洞，并且存在雷达阴影、相位解缠等技术问题；星载激光能够获取更大范围、高精度的测高信息，但存在数据获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源高程数据融合方法，其特征在于，所述方法包括：将获取的光学高程数据输入训练好的光学高程误差预测模型，输出得到光学高程误差值和光学高程误差权重图，将获取的雷达高程数据输入训练好的雷达高程误差预测模型，输出得到雷达高程误差值和雷达高程误差权重图；根据所述光学高程误差值对所述光学高程数据进行校正，得到待融合光学高程数据；根据所述雷达高程误差值对所述雷达高程数据进行校正，得到待融合雷达高程数据；根据所述光学高程误差权重图和所述雷达高程误差权重图对所述待融合光学高程数据和所述待融合雷达高程数据进行加权融合，得到融合高程数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于深度负相关学习网络分别构建光学预训练模型和雷达预训练模型；对获取到的原始光学高程数据和原始雷达高程数据进行预处理，分别得到光学高程训练样本和雷达高程训练样本；将所述光学高程训练样本输入所述光学预训练模型进行训练，得到所述训练好的光学高程误差预测模型；将所述雷达高程训练样本输入所述雷达预训练模型进行训练，得到所述训练好的雷达高程误差预测模型。3.根据权利要求2所述的方法，其特征在于，所述对获取到的原始光学高程数据和原始雷达高程数据进行预处理，分别得到光学高程训练样本和雷达高程训练样本，包括：统一所述原始光学高程数据和所述原始雷达高程数据的坐标系和高程基准，得到标准光学高程数据和标准雷达高程数据；基于以两步平均滤波为特征的平滑过程对所述标准光学高程数据进行异常值滤除操作，得到所述光学高程训练样本；基于所述以两步平均滤波为特征的平滑过程对所述标准雷达高程数据进行所述异常值滤除操作，得到所述雷达高程训练样本。4.根据权利要求3所述的方法，其特征在于，所述统一所述原始光学高程数据和所述原始雷达高程数据的坐标系和高程基准，得到标准光学高程数据和标准雷达高程数据，包括：获取激光测高系统的初始高程坐标系和高精度控制点的高程值，将所述高精度控制点的高程值作为所述原始光学高程数据和所述原始雷达高程数据的所述高程基准；根据地理坐标系转换规则将所述原始光学高程数据和所述原始雷达高程数据的所述坐标系转换为所述初始高程坐标系；将所述原始光学高程数据中像素的网格间距和所述原始雷达高程数据中...

【专利技术属性】
技术研发人员：余翠琳，王青松，黄海风，赖涛，
申请(专利权)人：中山大学，
类型：发明
国别省市：