| 我国数字高程模型与数字地形分析研究进展 |
| |
| 引用本文： | 岳林蔚, 沈焕锋, 袁强强, 刘修国. 基于深度置信网络的多源DEM点面融合模型[J]. 武汉大学学报 ( 信息科学版), 2021, 46(7): 1090-1097. DOI: 10.13203/j.whugis20190238 |
| |
| 作者姓名： | 岳林蔚 沈焕锋 袁强强 刘修国 |
| |
| 作者单位： | 1.华东师范大学地理信息科学教育部重点实验室,上海,200241;2.中国地质大学(武汉)地理与信息工程学院,湖北 武汉,430074;3.武汉大学资源与环境科学学院,湖北 武汉,430079;4.武汉大学测绘学院,湖北 武汉,430079 |
| |
| 基金项目： | 华东师范大学地理信息科学教育部重点实验室开放基金(KLGIS2017A03);国家自然科学基金(41801263);中央高校基本科研业务费专项资金(CUG170663) |
| |
| 摘 要： | 
融合多源数字高程模型(digital elevation model, DEM)数据能有效利用数据间的互补优势,提升单一源数据的质量。提出一种基于深度置信网络(deep belief networks, DBN)的点面融合模型,在DBN的框架下考虑地形坡度、地表覆盖和空间位置信息等因素对DEM高程误差空间分布的影响,建立DEM高程值与高精度激光雷达测高数据之间的回归关系,从而实现多源栅格DEM与激光雷达测高点数据的空间融合,提升栅格DEM的垂直精度。
对于空洞数据,根据空洞和非空洞区域的范围建立相应的输入数据集,分别进行融合,再利用不规则三角网差分曲面方法实现融合结果的无缝拼接。实验结果表明,相比原始DEM数据和两两融合的结果,所提出的多源DEM点面融合模型能够大幅度提升数据精度,有效解决原始数据中存在的空洞、噪声和异常值等问题。
|
| 关 键 词： | 数字高程模型 点面融合 深度置信网络 回归模型 |
| 收稿时间： | 2019-08-15 |
|
| 点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(信息科学版)》下载免费的PDF全文 |
|
