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

SQL Server修改数据库名及物理数据文件名操作步骤

《SQLServer修改数据库名及物理数据文件名操作步骤》在SQLServer中重命名数据库是一个常见的操作,但需要确保用户具有足够的权限来执行此操作,:本文主要介绍SQLServer修改数据... 目录一、背景介绍二、操作步骤2.1 设置为单用户模式(断开连接)2.2 修改数据库名称2.3 查找逻辑文件名

canal实现mysql数据同步的详细过程

《canal实现mysql数据同步的详细过程》:本文主要介绍canal实现mysql数据同步的详细过程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的... 目录1、canal下载2、mysql同步用户创建和授权3、canal admin安装和启动4、canal

使用SpringBoot整合Sharding Sphere实现数据脱敏的示例

《使用SpringBoot整合ShardingSphere实现数据脱敏的示例》ApacheShardingSphere数据脱敏模块,通过SQL拦截与改写实现敏感信息加密存储,解决手动处理繁琐及系统改... 目录痛点一:痛点二:脱敏配置Quick Start——Spring 显示配置:1.引入依赖2.创建脱敏

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元