一种LiDAR点云生成格网DEM的快速算法

提出一种LiDAR点云快速生成DEM的算法。该算法首先将原始点云文件转换为点云流文件;然后对点云流文件的每个区块采用逐点内插法进行Delaunay三角剖分;最后对生成的三角网流文件进行格网划分,对每个格网点内插生成规则格网DEM。将原始点云文件转换为流文件后,可以对点云数据分块处理,处理完一个分块后即可释放内存,解决了普通计算机处理海量点云数据内存不足、效力低下的问题。     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

激光点云数据的输电通道淹没分析

针对从数字高程模型(DEM)数据中提取有源淹没范围的算法实现中,种子蔓延算法的递归深度太深,在给定洪水水位条件下容易堆栈溢出的缺点.该文提出了两次遍历的实现方法解决了上述问题.利用直升机激光三维扫描技术获取到输电线路的点云数据,经过点云预处理、分离地面点、栅格化处理等操作,得到了高精度DEM数据.利用DEM数据的特点,通过ArcGIS Engine建立了快速、高效的洪水淹没深度识别模型和有源淹没范围提取模型.可用于模拟重现淹没范围,为分析输电线路灾情特征、制定应急处置方案提供决策支持.     

TIN向规则格网DEM转换的新算法

由TIN生成规则格网DEM是基于TIN的离散点数据栅格化的重要一步,在基于一种数学原理的基础上运用逆向思维提出了TIN向规则格网DEM转换的新算法,不用传统的分块和建立索引,而是通过逐个遍历三角形来判断格网节点位于哪一个三角形中并实现格网节点的插值。通过编程实现、测试该算法,证明它具有非常高的插值效率。     

基于OpenMP的海量DEM快速并行裁切算法

为了提高海量DEM的裁切效率,且充分利用现有的多核CPU计算资源,提出一种基于OpenMP框架的快速并行裁切算法,并对其性能进行实例验证.通过对规则和不规则DEM数据用不规则矢量范围线裁切的任务进行分解,设计了相应的并行程序,将遍历点与矢量范围线的空间关系及DEM内插的过程进行并行化计算,缩短了计算时间.算法在实际生产...     

基于切片技术的激光点云粗差探测

借鉴数据挖掘领域内的离群点探测技术,提出适合于海量点云数据的、基于切片技术的粗差探测算法,该算法将三维点云经过切片降为二维点,有效解决了三维环境下邻域搜索和粗差指标计算效率低下的问题,使算法整体效率和易用性得以显著提高.     

面向机载LiDAR点云数据的双线河水体DEM构建方法

机载激光雷达(LiDAR)系统可以快速获取高精度的地面点云数据，可以快速生成数字高程模型(DEM)。但是基于原始水体点云数据直接构建DEM效果较差，针对这个问题，论文提出了一种双线河水体点云填充方法，对缺失的河道内点云数据进行填充，并设计开发了河流优化填充模块，实现了双线河水体具有上下游特征的DEM构建效果。     

基于高差分块的河流区域DEM自动赋值方法

DEM生成中面状河流区域DEM格网点高程应与所在水域面高程保持一致,这一问题目前尚没有一个好的解决方法。根据地形图中等高线与河流水域面特殊空间关系特性,提出了基于高差分块的河流区域DEM格网点高程自动赋值方法。该方法采用河流水域面裁剪等高线,然后对分块多边形自动构面,自动提取分块区域高程,最后对分块区域DEM格网点高程自动赋值。实践表明该方法处理后的DEM数据比未经处理的DEM更符合河流水域面地表形态,精度更高,具有良好的实用性和可靠性。     

基于ArcGIS的洪水淹没分析模拟及可视化

基于数字高程模型(DEM)格网模型,通过改进迭代种子蔓延算法,实现给定水深情况下洪水淹没区的讣算模型,讨论洪水淹没演进过程可视化实现的关键技术,并使用ArcEngine开发包进行二次开发,以二维和二三维两种可视化方式,动态而形象地模拟在指定洪水水位下的洪水淹没演进过程.试验证明,所提出的实现方法切实有效,便于推广应用,为快速、准确及科学地进行洪灾评估洪水风险图的制作提供良好的基础,对洪涝灾害进行评估和预测分析具有重要意义.     

格网DEM侵蚀学坡长并行计算方法

针对现有侵蚀学坡长串行算法在处理大区域海量数据时计算能力的不足,基于消息传递接口(MPI)并行化工具,提出了一种格网DEM的侵蚀学坡长并行计算方法,采用缓冲区更新计算策略,解决了并行计算过程中的数据依赖性问题。选取陕北黄土高原的两组不同分辨率的DEM数据对并行算法进行了测试,结果表明,提出的并行计算方法可以有效降低侵蚀学坡长的计算时间,并取得了较好的并行效率。     

基于流域DEM遍历的3维淹没分析算法

在基于DEM遍历进行淹没分析基础上,提出了基于流域范围约束的DEM遍历算法,减少DEM遍历阶数,以提高计算速度。同时,将算法付诸于代码实现,在算例中与全局遍历进行对比测试。其对比结果表明,基于流域DEM遍历的淹没分析算法速度更快,计算结果可信。在大数据量条件下,速度优势更为明显,而在流域特征显著的地形条件下,计算结果精度高,与全局遍历结果基本一致。本文所研究的基于流域DEM遍历算法使得淹没分析更高效,对水文水力的研究与生产提供了捷径。     

Improved Priority‐Flood method for depression filling by redundant calculation optimization in local micro‐relief areas

Depression filling is a critical step in distributed hydrological modeling using digital elevation models (DEMs). The traditional Priority‐Flood (PF) approach is widely used due to its relatively high efficiency when dealing with a small‐sized DEM. However, it seems inadequate and inefficient when dealing with large high‐resolution DEMs. In this work, we examined the relationship between the PF algorithm calculation process and the topographical characteristics of depressions, and found significant redundant calculations in the local micro‐relief areas in the conventional PF algorithm. As such calculations require more time when dealing with large DEMs, we thus propose a new variant of the PF algorithm, wherein redundant points and calculations are recognized and eliminated based on the local micro‐relief water‐flow characteristics of the depression‐filling process. In addition, depressions and flatlands were optimally processed by a quick queue to improve the efficiency of the process. The proposed method was applied and validated in eight case areas using the Shuttle Radar Topography Mission digital elevation model (SRTM‐DEM) with 1 arc‐second resolution. These selected areas have different data sizes. A comparative analysis among the proposed method, the Wang and Liu‐based PF, the improved Barnes‐based PF, the improved Zhou‐based PF, and the Planchon and Darboux (P&D) algorithms was conducted to evaluate the accuracy and efficiency of the proposed algorithm. The results showed that the proposed algorithm is 43.2% (maximum) faster than Wang and Liu's variant of the PF method, with an average of 31.8%. In addition, the proposed algorithm achieved similar performance to the improved Zhou‐based PF algorithm, though our algorithm has the advantage of being simpler. The optimal strategies using the proposed algorithm can be employed in various landforms with high efficiency. The proposed method can also achieve good depression filling, even with large amounts of DEM data.     

从规则格网DEM自动提取汇水区域及其子区域的方法

从DEM自动提取的汇水区域及其子区域信息对进一步的水文分析有着重要的辅助作用.在经过洼地处理的DEM及得到水流方向矩阵的基础上,本文提出并实现了一种汇水区域及其子区域的提取算法.该算法首先提取整个DEM区域内每条河流的汇水区域,然后按照不同的要求划分子区域.经过试验,与现有的方法相比,该算法在提取效率和结果准确性方面都有明显提高.     

HASM解算的2维双连续投影方法

基于曲面论原理的高精度曲面建模方法（HASM）解决了长期困扰地理信息系统界的误差问题,但使用该方法需要求解大规模线性方程系统导致其计算效率较低并限制了其广泛应用。为提高HASM线性系统的解算速度和精度,本文基于二维双连续投影提出了一种解算HASM的新方法（HASM-DSPM）。为了提高收敛速度和解算精度,该方法采用选取优化的投影空间和两次校正策略。理论分析表明,使用该方法比使用高斯赛尔方法（Gauss-Seidel, GS）和改进的高斯赛德尔方法(Modified Gauss-Seidel, MGS)效率明显提高。分别用本文引入的方法、高斯赛德尔方法和效率较高的MGS方法分别进行了HASM方程组的解算,并对高斯合成曲面和实际项目区模拟进行了模拟试验。结果表明,和GS、MGS方法相比,本文提出的HASM-DSPM解算方法无论收敛速度和计算时间都有明显改善。     

地形特征约束下的失真DEM修复方法

数字高程模型（DEM）在描述地形时会存在一定程度的失真现象,对失真DEM进行修复可以有效地提高其精度及保真度。本文针对DEM在描述规则地形时存在的失真现象,提出了用地形特征约束失真DEM形态结构的失真修复方法,以规则地形中的平地结构地形为例,进行了失真修复试验。首先根据地形特征确定平地地形的DEM应为平面结构,再采用最小二乘法（LS）及随机抽样一致性算法（RANSAC）对其平面方程进行参数估计,进而得到修复的DEM数据。试验结果表明,本文所提的修复方法有效可行,修复后的DEM数据不仅提高了精度,还能充分地反映原地形的地形特征。两种修复算法的修复能力相接近,当存在大量格网点时,都能达到很好的修复效果,但RANSAC更能适应高程异常的情况,鲁棒性更好。     

增量法地形可视计算与分析

DEM在表达地形时具有水平等距网格和垂直高差的特点,根据DEM表达地形的特点,利用双增量地形可视计算方法,以水平方向矢量叉乘增量计算来判断点的可视性,采用垂直方向高程增量的谷地凹处盲区测试,根据地形高程的变化来消除不可视点,该算法思路清晰、计算复杂度低。同时重点分析该算法在地形的部分区域和不同特征地形上的特点,指出该算法在起伏山地和沟谷地形中的优势;横向上与ArcGIS功能模块进行比较,可视计算速度大大提高。     

一种改进的快速最小高差DEM匹配方法

利用最小高差(LZD)法进行DEM匹配时,当待匹配DEM的分辨率比参考DEM高时,确定的同名点中存在冗余,将导致计算冗余和效率降低。为解决上述问题,对LZD法确定同名点的模型进行改化,提出一种改进的基于最小高差原理的快速DEM匹配方法。该方法根据参考DEM的格网点确定同名点以避免冗余,并通过近似确定同名点及其高差,有效简化了计算过程。实验结果表明,该方法在保证较高的收敛速度和匹配精度的基础上,可有效提高计算效率,且计算效率不随待匹配DEM分辨率提高而降低,DEM间分辨率差异越大,方法的优势越明显。     

超像元尺度下的多光谱图像超分辨率洪水淹没制图

超分辨率制图SRM (Super-resolution Mapping)技术可以有效地处理遥感图像中的混合像元,获得准确的地物类别分布信息。目前,SRM技术已经成功地应用于多光谱图像洪水淹没定位中,称为超分辨率洪水淹没制图SRFIM (Super-resolution Flood Inundation Mapping)。然而,现有的SRFIM方法往往基于像元尺度空间相关性,这种空间相关性考虑设定的矩形窗内的像元之间的空间关系,但实际情况下淹没区域与非淹没区域的形状是不规则的,因此这种像元尺度空间相关性不够准确,影响最终的洪水淹没制图精度。为了解决这一问题,提出了超像元尺度空间相关性下的多光谱图像超分辨率洪水淹没制图SSSC-SRFIM (Super-resolution Flood Inundation Mapping for Multispectral Image Based on Super-pixel Scale Spatial Correlation)。在SSSC-SRFIM中,首先利用双立方插值改善原始粗糙多光谱图像,获得改善后的图像,并利用光谱解混方法对改善后的图像进行光谱解混,获得具有每个亚像元属于淹没类别概率值的丰度图像;然后利用主成分分析法提取改善后图像的第一主成分,并利用基于多分辨率的图像分割算法分割第一主成分,获得不规则形状的超像元;再者将丰度图像与超像元进行整合计算,并引入随机游走算法计算各个超像元之间的空间相关性;最后,依据超像元空间相关性,利用基于类别单元的类别方法将淹没区域或非淹没区域标签分配给每个亚像元中,得到最终的洪水淹没制图结果。利用两个Landsat 8 OLI多光谱图像对该方法进行了评价。结果表明,与传统的SRFIM方法相比,本文提出的SSSC-SRFIM方法具有更好的效果。     

基于排序预处理的等高线提取算法

从规则高程格网中自动提取等高线是地理信息系统以及计算机制图的基本功能。针对当前高程格网数据的海量性,在以往工作的基础上提出了基于常规顺序索引和桶式索引的等高线提取算法。在具体实现中与以往工作提出的基于区间树的算法进行了详细的效率比较,认为桶式索引在预处理效率、查询效率和占用空间等各方面具有较大优势。最后给出了进一步工作的内容。     

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。