|
|||||
|
|
| 基于高斯过程回归的SRTM数据空洞填补方法 | |
| 引用本文： | 高原,陈传法,杨帅. 基于高斯过程回归的SRTM数据空洞填补方法[J]. 北京测绘, 2020, 0(5): 585-588 |
| 作者姓名： | 高原 陈传法 杨帅 |
| 作者单位： | 山东科技大学测绘科学与工程学院 |
| 基金项目： | 国家自然科学基金(41371367);山东省自然科学基金(ZR2019MD007)。 |
| 摘 要： | 针对现有插值方法对复杂地表模拟能力不足的问题,发展了一种基于非平稳(神经网络)核的高斯过程回归(GPR)方法,并将其应用于SRTM DEM空缺数据填补。以山区SRTM DEM的模拟数据空洞为研究对象,将GPR模拟结果与传统插值方法(TIN、SPLINE和IDW)比较表明:GPR填补精度高于传统插值方法,且空缺区域模拟曲面较好的保持了地形特征。 |
| 关 键 词： | 航天飞机雷达地形测绘使命(SRTM) 高斯过程回归 数字高程模型(DEM) 插值 |
One SRTM Void Area Data Filling Method Based on Gaussian Process Gegression |
|
| GAO Yuan,CHEN Chuanfa,YANG Shuai. One SRTM Void Area Data Filling Method Based on Gaussian Process Gegression[J]. Beijing Surveying and Mapping, 2020, 0(5): 585-588 | |
| Authors: | GAO Yuan CHEN Chuanfa YANG Shuai |
| Affiliation: | (College of Geomatics,Shandong University of Science and Technology,Qingdao Shandong 266590,China) |
| Abstract: | To overcome the shortage of existing interpolation methods for DEM modeling,a non-stationary(neural network)kernel-based Gauss process regression(GPR)method is proposed and applied to fill voids in SRTM DEM.A real-world example of DEM construction indicades that compared to the classical interpolation methods including TIN,SPLINE and IDW,our method has a better ability to maintain terriain features in the void area,moreover,our method is more accurate than the other methods. |
| Keywords: | Shuttle Radar Topography Mission(SRTM) Gaussian Process Regression Digital Elevation Model(DEM) interpolation |
| 本文献已被 CNKI 维普 等数据库收录！ | |