ASTER GDEM与SRTM3高程差异影响因素分析

作为最新发布的全球地形数据,ASTER GDEM比目前常用的SRTM3数据有着更高的分辨率和更广的覆盖范围,对于相关地学分析具有重要意义。本文以华中地区为研究区域,对ASTER GDEM与SRTM3数据进行了比较,重点分析了坡度、坡向、地形起伏度、土地利用类型、植被覆盖度、生成ASTER GDEM栅格点高程数据所用的ASTER DEM影像数等因素对2种DEM数据高程差异的影响。结果表明,在研究区域内,ASTER GDEM高程比SRTM3高程平均低5.42 m,两种DEM数据高程差异的RMS值为16.90 m;ASTER GDEM与SRTM3之间的高程差异随着坡度、地形起伏度、植被覆盖度的增大而增大,而ASTER DEM影像数越大,高程差异越小;坡向、土地利用类型对高程差异也有影响。     

小波域多时相干涉SAR数据融合

大气因素和高斯白噪声对由星载干涉SAR系统获取的干涉图相位有很大的影响，可能会极大地降低结果DEM的精度，提出了一种对多时相干涉SAR数据生成的独立DEM进行权重融合的方法，该算法在小波域当中估计了大气和高斯噪声的误差功率，并对多时相DEM进行权重融合。用河北省尚义县地区的ERS-1和ERS-2数据的研究表明，此算法可以很好地提高由干涉SAR获取的DEM的精度。     

多进制小波及其在DEM数据有损压缩中的应用

多进制小波是近几年刚发展的小波理论的一个新的分支,本文阐述了多进制小波分析的基本方法及其较之于二进制小波的若干优点,提出利用多进制小波变换压缩（简化）ＤＥＭ数据的方法,并给出实验结果。     

一种基于小波融合的多时相遥感图像去云方法

云层对遥感图像的处理和分析带来一定的困难,采用小波融合的方法,组合不同时相获取的卫星遥感图像给出一种有效去除云层的方法.依据云层信息为低频特征,应用基于归一化低频指数来实现对云层低频分量的抑制,同时从高频分量中提取更高的地物高频信息,从而重构出去除云层后的图像.根据实际两幅图像的处理,验证方法的可行性.     

利用ASTER数据融合的SRTM空值填补方法

由于雷达干涉采集误差导致SRTM数据出现高程空值,为了保证数据完整性,需要对其进行空值修补。本文总结了国内外对SRTM数据空值的填补方法,提出了一种在内插的基础上利用ASTER数据进行数据融合的空值填补方法。该方法首先对ASTER数据进行预处理,以消除两者之间的高程差异,然后利用处理后的90m间隔ASTER数据对SRTM数据进行融合,从而实现了SRTM数据的空值填补。实例验证了该方法是一种获取完整地形数据的有效途径。     

DEM建模方案的分析

首先阐述了数字地面模型的定义，其次叙述了目前DEM建模的方法：根据离散点建模和根据等高线数据建模，最后讨论一种基于数字化等高线建立高质量DEM的方案，并分析其可行性。     

利用弹性反馈神经网络融合ASTER GDEM和SRTM1高程数据

由于数据获取与后期处理方式不同,先进星载热发射和反射辐射仪全球数字高程模型(advanced spaceborne thermalemissionandreflectionradiometerglobaldigitalelevationmodel,ASTERGDEM)和航天飞机雷达地形测绘任务(shuttle radar topography mission,SRTM)数据在高程精度上存在差异,采用弹性反馈（resilient backpropagation,RProp）神经网络算法对二者进行融合处理,实现优势互补以提升高程精度。选取两个黄土丘陵沟壑地貌样区分别用于模型建立与效果验证,1∶10 000高程精度为参考数据,在建模样区应用RProp神经网络算法构建ASTER GDEM高程校正模型、SRTM1高程校正模型、ASTER GDEM与SRTM1高程融合模型,同时应用误差反向传播(back propagation,BP)神经网络建立ASTER GDEM与SRTM1高程融合模型,将这些模型的高程精度优化效果进行对比,并在验证样区检验RProp融合模型的可行性。结果表明,RProp融合模...     

基于DEM的长江三峡地区流域分析

长江三峡地区地形复杂,水资源丰富,地质灾害频发,时时威胁着人民的生命和财产安全。水成为了引起灾害的一个重要因素,因此对水源分布情况的了解就显得极为重要。本文借助ArcGIS平台,在DEM上进行流域分析,提取研究区的河网、集水区域等重要水文信息。     

小波变换在多尺度DEM模型建立中的应用

介绍了二维离散小波的分解与重构算法，应用小波变换有效地简化了DEM数据的表达，得到精度较高、过渡平稳的多尺度DEM模型，并给出了试验结果。     

DEM建模方案的分析

首先阐述了数字地面模型的定义 ,其次叙述了目前DEM建模的方法 :根据离散点建模和根据等高线数据建模 ,最后讨论一种基于数字化等高线建立高质量DEM的方案 ,并分析其可行性。     

基于整型小波变换的DEM数据压缩

从系统的简单性和高效性出发,将整型小波变换运用于DEM数据,采用一种简单高效的编码方案,对不同复杂程度的DEM数据进行了压缩试验,取得了较好的效果,并得出有关DEM数据压缩的一些规律。     

小波变换实现不同尺度土地利用图像融合

图像融合的目的是把同一目标的多幅图像融合成一幅质量高的图像。本文给出了一种基于小波变换的图像融合方法,首先对大比例尺土地利用图像使用正交小波进行分解,再使用小比例尺土地利用图像替换分解出的低频近似信息,然后重构,得到两幅土地利用图像的融合图像。最后使用该方法对两幅土地利用图像进行了融合,得到的融合后的土地利用图像汲取了两幅图像的优势,在一定程度上实现了土地利用空间类型的信息量随比例尺变化而自动增减。     

不同软件在ASTER数据中提取DEM的精度对比

利用3个不同的软件对四川省龙门山中段ASTER 15 m分辨率的立体像对进行了DEM提取,并对其精度进行了初步评价。分别使用立体测量法和干涉测量法提取DEM,并通过检验点法和剖面线法对比分析。结果表明,利用ERDAS的干涉测量法提取出的DEM效果较好,高程精度可达30 m,对后续数据深挖掘和高层次地形分析具有应用价值。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法。首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合。实验结果表明融合图像比源图像具有更好的视觉特征。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果。     

中国及周边区域ASTERGDEM与SRTMDEM高程对比分析及互补修复

本文分析了ASTER GDEM和SRTM DEM的获取方式,通过对两者在中国及周边区域高程的对比分析,得出两者高程间存在系统误差,前者高程比后者平均低4.9m。ASTER GDEM在许多区域特别是水域及高山区常存在明显粗差;SRTM DEM在特别是高山区域会出现空白区域,但其有效区域层次清晰、细节分明,无明显粗差,可靠性高。经过填补及高差约束限制修复,生成了无空白区域的SRTM DEM和可靠性更高的ASTER GDEM。     

基于数据融合的SRTM数据空洞填补方法

总结国内外对SRTM数据空洞的填补方法,指出基于内插的填补方法无法满足大区域SRTM数据处理的需求。提出在内插的基础上进行数据融合的空洞填补方法,并以实例验证了该方法是一种获取完整地形数据的有效途径。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

SRTM DEM数据空洞插值填补方法对比分析

SRTM全球数字高程模型数据目前已被广泛应用于多个领域。最新版本的SRTM DEM仍然存在较小的高程空值区域（数据空洞）和模糊区域。文章在模拟某试验区域SRTM DEM数据空洞的基础上,利用线性插值、反距离权插值、二次多项式插值、三次样条插值等DEM插值方法进行了数据空洞的插值填补试验和对比分析,结果表明在丘陵地区和空...     

基于快速傅里叶变换的ASTER与SRTM有效融合研究

为了克服两种向全球开放的、不同数据源(ASTER和SRTM)DEM的获取技术缺陷,以甘肃省东部董志塬某测区为例,研究两种来源DEM的有效融合方案。首先,借助快速傅里叶变换(FFT)将ASTER和SRTM的DEM数据由空域转换到频域;然后,分别基于高通和低通滤波器进行滤波处理,并将滤波后的频域相加;最后,基于FFT逆变换将融合后的频域转换到空域,实现DEM数据的有效融合。误差分析表明:融合后的DEM最小、最大误差较融合前的均有明显降低,中误差也有降低趋势,误差绝对值大于30 m的网格点数占全部网格数的比例均有所下降。