多源DEM融合的高差拟合神经网络方法

• 作者: 刘露 岳林蔚 张良培 李星华 沈焕锋
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 多源DEM融合 神经网络 TIN差分曲面 坡度自适应
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 数字摄影测量与深度学习方法
• 页码范围: 854-863
• 页数: 10页
• 分类号: P208
• 字数: 5072字
• 语种: 中文

摘要

本文侧重于介绍智能化摄影测量机器学习的高差拟合神经网络方法.观测手段和处理方式等限制导致全球高质量无缝DEM数据的缺乏,进而制约了它在水文、地质、气象及军事等领域的应用.本文提出了一种基于高差拟合神经网络的多源DEM融合方法,尝试融合全球DEM产品SRTM1、ASTER GDEM v2和激光雷达测高数据ICESat GLAS.首先,根据ICESat GLAS的相关参数及与DEM数据的高程差值,结合坡度自适应的思想设置高差阈值对ICESat GLAS进行滤波,剔除异常数据点.然后,以ICESat GLAS数据为控制点,利用神经网络模型拟合ASTER GDEM v2的误差分布.以地形坡度信息和经纬度坐标作为网络输入,ICESot GLAS和ASTER GDEM v2的高程差值作为目标输出,训练得到预测高差,将其与ASTER GDEM v2高程值相加即可获得校正结果.最后,引入TIN差分曲面的方法,利用校正后的ASTER GDEM v2高程值对SRTM1的数据空洞进行填充,融合生成空间无缝DEM.本文通过随机选取数据进行真实试验,对模型进行了精度验证,并给出了处理结果的定量评价和目视效果.结果表明,不论是空洞还是整体区域,本文方法相比其他DEM数据集和其他方法的处理结果都能够在RMSE上表现出优势,同时,本文提出的方法能够有效克服ASTER GDEM中异常值的影响,得到空间无缝DEM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈焕锋	武汉大学资源与环境科学学院	52	464	12.0	19.0
2	张良培	武汉大学测绘遥感信息工程国家重点实验室	127	2239	28.0	40.0
3	李星华	武汉大学遥感信息工程学院	8	14	2.0	3.0
4	刘露	武汉大学资源与环境科学学院	3	9	2.0	3.0