高分7(GF7)卫星数据制作平原地区DSM/DEM(二)

2023-11-04 09:20

本文主要是介绍高分7(GF7)卫星数据制作平原地区DSM/DEM(二),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

李国春

(接前)

四、参数设置与质量控制

控制质量的参数主要是图3中右侧的22个参数,前4个我们说过是控制处理区域的,单位为像元。这里不再赘述。

第5个参数 核线搜索长度,单位也是像元数(下同)。是在核线上的搜索范围。由于GF7的设计特点,这里可以设置成最大高程(m)的一半稍多一些。这个值太小在搜索范围找不到同名点会导致搜索失败。太大也容易在真实范围之外找到伪匹配点,还浪费搜索时间。比方最高目标100m高,这个参数最少应该在50以上。

第6个参数 匹配长度。取来一定长度的带容差的后视数据,在搜索长度范围内与核线数据移动匹配,得到相似度最高的匹配后,记录移动的位移,作为像点位移。并记录该位置的相似度。可见,这个匹配长度越短,位置匹配越精确,但是这个长度太短也会造成很多的误判,导致过多的异常匹配。随着这个长度的增加,匹配越稳定,误判显著减少,但是匹配结果会表现的拖延和粘滞,表现出边缘匹配的模糊不齐,尤其是在沟坎、悬崖和建筑物边缘识别上造成较大误差。所以设计二次配准就是分别进行一次长配准长度和一次短配准长度来进行互补。见图13、图14。

图13参数匹配长度较短时匹配结果比较破碎

图14参数匹配长度较长时匹配结果发生糊图

第7个参数 核线宽度容差。前面讲了,由于前后视扫描和核线图像等多方面原因所造成的误差,不能仅仅使用一条核线进行匹配,需要进行一下宽度的扩展。这个值如果设置很窄,也容易得到不稳定的破碎的匹配结果。如果这个值设置过宽,就相当于有一定长度和宽度的NCC面匹配,会显著增加处理时间。事实上,这个容差值过宽并不能一定会提高匹配质量和增加匹配稳定度,保持适中即可。见图15、图16。

图15 参数核线容差为1时的结果

图16 参数核线容差为16时的结果

第8个参数 匹配步长。这个参数是指示每一步匹配像元间隔的间距。最小为1,表示每次匹配移动一个像元,或者说是逐像元匹配。设置大于1的值每次匹配跳过该值这么多像元。从处理精度来看这个值当然是1时最好,但是会极大消耗处理时间。见图17。

图17 参数匹配步长分别为8、4、1时的结果

第9个参数 相似度阈值。这是用于判定匹配质量的一个标准,表示低于此阈值的像点位移已经不再被信任,直接删掉用一个缺省填充值代替。这里的使用一个浮点数0.0001来代替高程。其实选择输出了可信度图像以后,用户也可以在后续从处理中,根据这里的相似度系数自行判断高程的取舍。

这个参数在这里设置只是根据可靠性指数(单独的一层数据similarity)对结果进行一次过滤。其实这个可以用菜单在任何时候过滤。方法是:①勾选待过滤的高程层(图18中红框)。②选择图18中的菜单项。见下一小节后处理。

第10~14的5个参数时二次匹配使用的参数。与第一次匹配的5~9的5个参数意义相同。二次匹配的设计意图是进行两次参数不同的匹配进行互补,以提高匹配质量。这5个参数中的任意一个设置为0时,忽略第2次配准。

第15个参数 孤岛检测。自动对像元直径小于等于此值的孤立高值图斑(噪音)进行消除。也可以在下一小节的后处理部分进行进一步处理。

第16个参数 洼地检测。对洼地检测消除,同上。

第17个参数 滤波窗口宽度。对第一、二次配准的结果进行中值滤波的窗口宽度。也可以在处理完毕后使用DEM处理菜单对结果进行滤波。参见图12。

第18个参数 滤波迭代次数。和上一个参数结合使用以达到较好的滤波效果。

第19、20个参数 系统性误差纠正。计算得到的合成高程的误差被认为是线性的,用一个斜率和一个截距值进 。

加企鹅758461012,原来的满了。

这篇关于高分7(GF7)卫星数据制作平原地区DSM/DEM(二)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/344790

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I

Java整合Protocol Buffers实现高效数据序列化实践

《Java整合ProtocolBuffers实现高效数据序列化实践》ProtocolBuffers是Google开发的一种语言中立、平台中立、可扩展的结构化数据序列化机制,类似于XML但更小、更快... 目录一、Protocol Buffers简介1.1 什么是Protocol Buffers1.2 Pro