-
题名国外遥感图像的地形归一化方法研究进展
被引量：25
- 1
-
-
作者
张洪亮
倪绍祥
张军
-
机构
南京师范大学地理科学学院
-
出处
《遥感信息》
CSCD
2001年第3期24-26,共3页
-
基金
云南省科委资助项目 (项目编号 :99D0 0 30 Q)
-
文摘
在地球表面变量中 ,地形对遥感数据产生强烈影响 ,使得山区遥感数据的应用受到很大限制。从 2 0世纪 70年代后期开始 ,国外学者就试图通过各种努力使这种影响归一化。目前 ,减少或消除地形影响的技术方法主要有 :(1)光谱波段比值法 ,(2 )朗伯体模型法 ,(3)非朗伯体模型法。
-
关键词
遥感图像
地形归一化
光谱波段比值法
朗伯体模型法
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于地形认知的布料模拟滤波算法
被引量：6
- 2
-
-
作者
孟华儒
吴国伟
-
机构
大连理工大学软件学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第1期156-165,共10页
-
文摘
数字高程模型(Digital Elevation Model,DEM)可以反映一个地区的地形特征,具有广泛的科研应用。对激光雷达点云数据进行点云滤波以提取地面点,并对地面点进行插值是构建DEM的常用步骤,其中在点云滤波过程中使用的滤波算法直接影响到最终构建的DEM的精度。布料模拟滤波(Cloth Simulation Filtering,CSF)算法作为一种点云滤波算法,具有模型简单、滤波效率高等优点,其针对平坦地区的滤波精度较高,但在处理复杂地形时会因布料模型的内部弹力以及重力惯性等因素,导致滤波结果的精度较差。为了提升CSF算法在处理复杂地形时的滤波精度和地形适应性,提高其构建DEM的精度,提出了基于地形认知的布料模拟滤波算法(Cloth Simulation Filtering Algorithm with Topography Cognition,CSFTC)。该算法提出了地形认知模型,基于点云数据点的局部分布特征构建认知模型,并将其扩展为粗精度数字高程模型(Rough Digital Elevation Mo-del,R-DEM);通过点云地形归一化实现宏观地形趋势与微观地形细节的分离;最终使用经典CSF算法结合R-DEM实现了点云滤波。文中设计了CSFTC算法与经典CSF算法的对比实验,CSFTC算法的平均总误差率从9.30%下降到5.10%,平均Ⅱ类误差率从30.02%下降到8.46%。实验结果表明,与经典CSF算法相比,CSFTC算法在平坦地区的滤波精度小幅上升,对复杂地形的滤波精度明显上升,提升了算法的地形适应性;Ⅱ类误差显著下降有助于提高构建的DEM的精度。
-
关键词
地形认知模型
点云
布料模拟滤波
数字高程模型
地形归一化
-
Keywords
Terrain-cognitive model
Point cloud
Cloth simulation filtering
Digital elevation model
Terrain normalization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
