基于深度置信网络的多源DEM点面融合模型

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。