不规则DEM数据的粗差探测算法的应用

粗差作为影响精度的重要因素,其存在会造成DEM空间上的严重扭曲,有时能导致DEM及其产品严重失真,甚至完全不能使用。本文在对现有的粗差探测算法分析的基础上,提出了一种新型的适用于离散形式DEM粗差探测算法,并采用实测的ZX铁路线DEM数据对该算法进行检验,试验结果证实,新算法对不规则DEM粗差的探测有效实用。     

基于坡度RMSE与3维可视化的格网DEM粗差检测与剔除

粗差的存在会造成数字高程模型(DEM)空间上的严重扭曲,有时能导致DEM及其产品严重失真,因此有必要对DEM的粗差进行探测和修正。针对目前格网DEM粗差探测算法的局限性,提出基于坡度RMSE与3维可视化联合的格网DEM粗差探测与剔除方法。采用坡度法,获取所有可疑点,然后对可疑点在一定范围内建立3维可视化模型,进行交互式探测与剔除,并通过实验来验证该方法的有效性和可行性。     

LZD模型多维粗差发现和定位能力分析

不借助地面控制点的DEM匹配差异探测算法是多时相DEM分析的最新发展方向。现有的算法大多把DEM表面差异作为粗差进行处理,算法性能得到了较大的提高,但忽略了对DEM匹配模型多维粗差的可发现和可定位能力进行分析,而这是DEM差异探测算法的理论基础。本文采用测量误差和可靠性理论中的判断矩阵法,通过理论分析和模拟试验验证了对于实际DEM而言,LZD模型具备多维粗差发现和定位能力。基于LZD模型的DEM差异探测算法能够正确地探测表面变形,这就完善了DEM差异探测研究的理论基础。     

基于主成分分析法的DEM粗差定位

规则格网DEM数据结构简单,易于存储,因而针对于它设计的粗差探测算法成果丰富,较为常用的有基于坡度信息算法以及基于参数统计方法。本文在现有算法的基础上,将主成分分析法应用到DEM粗差定位中,充分考虑DEM数据空间相关的特性,使粗差检测更为准确可靠。本文采用实测的ZX铁路线DEM数据对该算法进行检验,从试验结果可以得知,新算法不仅适用于生产者,也可面向最终用户。     

M-LZD算法中表面变形的可探测性分析

现有的基于LZD方法的DEM变形探测方法都是将表面变形作为粗差,采用不同的稳健估计方法来探测。粗差具有发现和定位能力是粗差探测的前提,而现有方法均没有进行粗差发现和定位能力分析。本文首先采用判断矩阵对其进行了理论分析,然后对结果在不同类型地面的DEM进行了试验。根据试验结果,任意2个判断向量线性无关,判断矩阵中没有零元素,相关数等于多余观测个数。试验结果表明,DEM表面上无论多少粗差均具有发现和定位能力;基于LZD方法的DEM表面变形探测方法在理论上是完备的,可以正确地发现和定位粗差。     

基于参数统计的DEM粗差探测算法

基于参数统计的DEM粗差探测算法利用双线性内插法计算某点的高程估值,并以此进行粗差检测,方法简单易行。文中以Kriging法取代原有的内插算法,使高程估值的计算更加符合实际的分布。试验证明基于半变异函数的Kriging内插法较传统方法更为准确,也使原有算法的可靠性得到进一步的提高。     

基于立体影像匹配数据构建DEM方法的研究

针对地形复杂地区立体像对匹配获取的离散数据,分别讨论粗差检测与剔除和构建DEM的方法,得出采用基于点方式的粗差簇检测算法剔除粗差和移动曲而拟合法构建DEM效果更佳的结论.     

摄影测量中多维粗差的同时定位和定值方法研究

本文基于相关分析粗差探测原则,提出了一种新的多维粗差的同时定位和定值算法,基于相关分析的粗差探测原则将观测数据预分类,大幅减少了迭代计算量,使得本方法能够适用于处理大量的观测数据;本文算法采用的分类标准充分考虑了观测值真误差对改正数向量的影响以及粗差与改正数向量的相关关系,最大程度地避免了错误分类。该算法对粗差的搜索和判断标准给予了合理的依据,搜索、计算效率较高,可应用于摄影测量领域。本文以匹配数据的粗差探测为例,通过与传统探测方法和RANSAC算法的实验对比,证明了本文算法的有效性。     

重力数据粗差探测与剔除方法的研究

根据均值漂移模型,针对重力场特点,综合利用高精度DEM数据及绘图法,本文提出了三种重力数据的粗差探测与剔除方法,对重力点数据进行全面的粗差探测与剔除,为建立我国高精度、高分辨率数字大地水准面、垂线偏差模型提供可靠的基本数据;实际结果表明,该方法正确可靠,是一种行之有效的粗差探测与剔除方法。     

基于Score检验统计的粗差探测法

针对观测数据同时含有粗差和系统误差时粗差难以探测的问题,本文将粗差纳入随机模型,提出了一种基于Score检验统计的粗差探测方法。首先构造半参数模型的惩罚极大似然函数,给出了相应的解的表达式。然后构造Score检验统计量,推导出具体表达式,给出了相应的粗差探测步骤。最后,用一组含有粗差的模拟数据验证了本文算法的有效性。     

Ability to detect and locate gross errors on DEM matching algorithm

Abstract

Digital elevation model (DEM) matching techniques have been extended to DEM deformation detection by substituting a robust estimator for the least squares estimator, in which terrain changes are treated as gross errors. However, all existing methods only emphasise their deformation detecting ability, and neglect another important aspect: only when the gross error can be detected and located, can this system be useful. This paper employs the gross error judgement matrix as a tool to make an in-depth analysis of this problem. The theoretical analyses and experimental results show that observations in the DEM matching algorithm in real applications have the ability to detect and locate gross errors. Therefore, treating the terrain changes as gross errors is theoretically feasible, allowing real DEM deformations to be detected by employing a surface matching technique.     

稳健初值的选权迭代法剔除DEM数据粗差

本文将抗差估计的思想融入到数字高程模型粗差探测的算法中,设计出对模型误差、特别是粗差具有抵抗能力的粗差探测算法.稳健初值的选权迭代法即为抗差估计的一种,首先是通过线性规划的单纯形解法来计算观测值的残差,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差,然后按照统计检验的方法...     

相位补偿SAR差分干涉提取山区DEM算法及精度分析

首先,将去平干涉相位和外部DEM模拟的地形相位作差分,以降低干涉图的条纹率。然后,采用模拟的地形相位对差分干涉图的解缠相位进行补偿得到去平干涉图的解缠相位,并用此相位进行基线精化和高程提取。实验结果表明,该算法可得到高程精度更高的山区DEM。与常规干涉算法相比,它不仅可改善解缠精度,还可得到更加真实且相干性明显改善的相干图,减少因相干性低于解缠时设定的相干性阈值而产生的高程空洞区。相比于＂高程补偿＂算法,其可更有效地削弱残余系统相位以及解缠和外部DEM引入的随机相位误差的影响。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

多维粗差定位与定值的算法研究及实现

在概括控制网观测值粗差探测方法研究进展和讨论多雏粗差定位与定值理论的基础上，提出了多维粗差的搜索、判断和算法，并在控制网数据处理通用软件包中得到实现。通过算例分析，证明了算法的有效性；最后提出了粗差定位与定值时应注意的问题。     

GNSS导航卫星多维粗差定位算法研究

针对现有GNSS导航卫星多维粗差定位算法研究较少,本文提出采用全局-局部测试法查找观测值中的粗差。从函数模型方面详细论述全局测试和局部测试判断并定位粗差的过程,并且结合蒙特卡罗方法模拟的导航实验数据验证本文所提出的方法。模拟实验表明,该方法能比较快速且准确地定位含粗差观测值,从理论上补充了GNSS导航卫星多粗差定位的算法,也在一定程度上提高了多星座导航完备性。     

A Bayesian unmasking method for locating multiple gross errors based on posterior probabilities of classification variables

This paper puts forward a Bayesian method for multiple gross errors location and estimation, and studies the masking and swamping problem in multiple gross errors detection from a new point of view, further proposes the corresponding feasible solution. First, the Bayesian method for gross error location is established based on the posterior probabilities of classification variables, each of which is used to determine whether each observation contains gross error or not. When some interactions exist among observations with multiple gross errors, the above-mentioned method may lead to the failure of detection due to masking and swamping. For that, on the basis of analyzing the character of masking and swamping, starting from the eigen structure of the sample correlation coefficient matrix of the classification vector, we give the Bayesian unmasking method to locate multiple gross errors, and design the corresponding algorithm, namely the adaptive Gibbs sampling algorithm. Finally, applying the mean shift model, we raise a Bayesian approach to estimate gross errors. Significant applications of the approach show the promising results on overcoming masking and swamping.