论文部分内容阅读
数字高程模型(Digital Elevation Model, DEM)匹配是指将多源、多时相和多尺度DEM数据统一到同一坐标系的过程。无控制DEM匹配是在无地面控制点支持的情况下,由计算机自动提取DEM地形特征或几何信息来实现DEM匹配。与传统的控制点DEM匹配相比,无控制DEM匹配技术具备安全、高效、省时、省力、费用低、适用范围广等诸多优点,在测绘、遥感、导航、地理信息系统等多个领域的DEM绝对定向、DEM拼接及多源和多时相DEM数据融合中有广泛和潜在的应用前景,因而吸引着国内外众多的专家学者的关注,是目前测绘科学技术领域中的热点研究方向之-本文在现有无控制DEM匹配,即迭代最近点(Iterative Closest Point, ICP)、最小高差(Least Z-Difference, LZD)和最小二乘3D表面匹配(Least Squares3D surface matcing,LS3D)等最小二乘表面匹配(Least Squares Surface Matching, LSSM)算法的基础上通过仿真试验比较这3类LSSM算法的性能,寻找提高匹配精度、效率和拉入范围的途径；改进k-d树和盒子结构(Boxing Structure, BS)等最近点查找算法,提出基于格网划分(Grid Partition, GP)的最邻近点查找算法,提高非规则DEM无控制匹配算法的收敛效率；提出基于“匹配度之和最大(Maximizing the Sum of Matching-Degree, MSMD)"的新模型,用于遗传算法(Genetic Algorithm, GA)求解(MGA) DEM匹配参数,解决LSSM算法拉入范围小,基于传统模型和GA的DEM匹配算法(TGA)在求解带有尺度参数的7参数转换模型时容易陷于错误全局最优解的弱点；提出融合MGA(?)(?) LSSM的无控制DEM匹配(MGA+LSSM)新算法,提高MGA的收敛效率和匹配精度,探索多尺度无控制DEM匹配的全局最优算法。通过模拟不同地形的规则和非规则DEM数据进行仿真试验,结果显示：(1)3种“点-点"ICP的7参数模型算法,其拉入范围、匹配精度和整体收敛趋势基本一致。它们在处理基准DEM完全包含全部的待匹配DEM时,均比仅包含部分的待匹配DEM时的拉入范围大、匹配精度高。地形越简单,拉入范围越大。地形连续且地形特征越明显,匹配精度越高。DEM数据密度越大,匹配精度越高,但收敛效率越低,拉入范围也会降低；(2)“点-面"ICP、LZD(?)(?)LS3D算法在处理非规则DEM数据时,均比处理规则DEM数据的匹配精度高。其中,对非规则DEM数据,LS3D算法的匹配精度和收敛效率最优,‘点-面"ICP算法的拉入范围最大。对规则DEM数据,LZD算法的拉入范围、匹配精度和收敛效率最优；(3)GP最邻近点查找算法,比穷搜索、k-d树和BS等最近点查找算法的查找速度快,且不影响LSSM算法的匹配精度；(4)MGA匹配算法,避免了TGA算法极易陷入错误的全局最优极值的弱点。MGA+LSSM匹配算法综合了MGA拉入范围大和(?)LSSM匹配精度高、收敛速度快的优点,因而比LSSM算法有更高的稳健性和拉入范围。编程实现的各种无控制DEM匹配算法,为仿真试验和数据分析奠定了必要的技术基础,通过归纳总结各种无控制DEM匹配算法的性能特点,为寻找适应多尺度DEM的无控制匹配算法进行了有益的探索,研究结果对多源、多时相和多尺度DEM匹配和数据融合有参考价值。