数字高程模型的粗差探测与剔除 ㊣ 精品文档 值得下载

影，因为投影差并没有完全被消除，方向与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粗差相关。

因此可以根据正射影像的残余投影差来消除生成中的粗差进而完成对的高程改正。

若通过匹配得到含有粗差的，那么根据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种表现，因此我们可以根据视差这个线索来完成中粗差的剔除。

影像纠正法的过程立体影像外部定向参数数据的获取对两幅影像，利用同样的数据分别生成正射影像通过正射影像的立体匹配寻找同名像点根据同名像点计算视差，然后根据视差对数据进行改正重复的操作，直至视差小于给定的阈值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。

对于正射影像的匹配结果，其视差分布与的粗差的关系可以由公式来表示，可以将视差转换为高程的改正值。

对于有粗差的第页共页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，在方向和方向上均有投影差，但是方向的视差远小于方向的视差，故只根据方向的残余视差来消除粗差进而完成对的高程的改正这里的为高程改正值，为左右正摄影的残余视差，为基高比的倒数。

数字高程模型的粗差探测的过程根据上述所描述的算法，采用影像数据覆盖范围为辽宁地区进行实验，表为数据的具体参数。

表数据的具体参数左像右像影像中心经度影像中心纬度影像入射角影响获取时间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。

影像匹配在系统主菜单中，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。

按照上述所说的理论，是否含有粗差可以由立体相对生成的正第页共页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，通过对含有粗差的进行迭代改正，直至正射影像的差异小于阈值，正射影像的差异利用匹配后的视差来描述。

实验结果如下图和左影像生成的正射影响图和又影像生成的正射影像图是和左影像生成的正射影像，图是和右影像生成的正射影像。

此时的是在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。

对上述数据人为引入的模拟粗差，实际上是将的整个表面降低了米。

图含有粗差的和左影像生成的正射影像图含有粗差的和右影像生成的正射影像图是含有粗差的和左影像生成的正射影像，图是含有粗差的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个像素，平均视差的方差为，两幅影像的基高比第页共页为，按照公式计算的高程的改正量为米，从中可以看出改正误差米小于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。

图直接生成可视化结果的图像图经过迭代方法产生的可视化结果由于经过人工编辑的数字摄影测量工作站产品已经不含粗差，在不考虑精度情况下，基本上代表了地表的起伏。

先将不同迭代次数的产品与其进行比较，比较结果如表所示表不同迭代次数的产品比较结果迭代次数高程误差的最大值高程的中误差上述两幅图像是采用实际数据的可视化结果，图是直接生成可视化结果的图像，图是经过采用迭代方法产生的可视化结果，可以看出图中的明显粗差已经在图中得到了较好的消除。

数字高程模型的粗差剔除过程利用下面的程序剔除粗差第页共页调用此函数剔除粗差，第页共页第页共页分析与结论传统的粗差剔除方法都是基于数据本身的研究，而本文是从问题第页共页的结果出发，采用反馈迭代的方法，利用当前的匹配结果来指导新轮的匹配过程。

粗差是种，采用该方法可以有效地消除粗差。

但是的质量除了与影像有关外，在很大程度上与算法有关，在整个迭代和匹配的过程中采用统匹配方法，容易造成误差的积累，故不利于提高的精度。

从实验的结果来看，对于线阵推扫式卫星影像的匹配结果可以有效的剔除粗差。

该方法不能适用于任何地区，对于大面积纹理贫乏区域就不能有效的使用。

针对于该方法存在的不足之处，仍需进步地努力探索，积极地弥补。

参考文献第页共页李志林，朱庆，数字高程模型，武汉测绘科技大学出版社王佩军，徐亚明，摄影测量学，武汉大学出版社巩丹超，黄小波，邓雪清，数字高程模型的粗差探测与剔除信息工程大学测绘学院第页共页，目录摘要绪论研究的意义和目的数字高程模型的粗差探测与剔除的研究现状基于趋势面基于坡度信息可视化的粗差探测方法的研究粗差探测方法研究的背景影像纠正法的主要思想影像纠正法的过程高程改正数字高程模型的粗差探测的过程正射影像的生成影像匹配数字高程模型的粗差剔除的过程分析与结论参考文献第页共页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。

影响精度的因素多种多样，其中有失误引起的粗差，会造成空间上的严重扭曲，甚至导致及其产品严重失真，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。

所以要检查数据中存在的，不能简单用般的平差方法，并且只分析单个的数据也是不够的，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匹配。

在的生成上，和人工操作比较，通过匹配自动生成的方法有很多优点，但是通过这种方法产生的可能包含各种来源的匹配特征丢失，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，这种会增加，这样就降低了的精度，同时增加了后续人工编辑的操作。

立体影像的匹配常常产生粗差，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进行高程改正，重复进行该操作，直至匹配结果的视差小于阈值。

关键字数字高程模型粗差探测影像匹配视差高程改正绪论第页共页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，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。

般来说，影响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。

数字高程模型的粗差探测与剔除的研究现状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。

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。

基于坡度信息第页共页由于坡度是地面上点的个基本属性，因此可以利用坡度的连续性和致性来检测格网数据中的粗差。

如果在个点的周围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。

可视化采用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。

般对于个特定的研究区域，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。

的粗差探测方法的研究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，作为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匹配的位置，在这种情况下，如果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。

的编辑工作般是由作业员在计算机或者测图仪上手工完成，是项劳动强度很大的工作。

在摄影测量的领域，对自动匹配的，急需种误差自动改正算法来减少人工的工作量。

如何有效的消