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使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

使用Node.js制作图片上传服务的详细教程

《使用Node.js制作图片上传服务的详细教程》在现代Web应用开发中,图片上传是一项常见且重要的功能,借助Node.js强大的生态系统,我们可以轻松搭建高效的图片上传服务,本文将深入探讨如何使用No... 目录准备工作搭建 Express 服务器配置 multer 进行图片上传处理图片上传请求完整代码示例

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA

鸿蒙中Axios数据请求的封装和配置方法

《鸿蒙中Axios数据请求的封装和配置方法》:本文主要介绍鸿蒙中Axios数据请求的封装和配置方法,本文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,需要的朋友参考下吧... 目录1.配置权限 应用级权限和系统级权限2.配置网络请求的代码3.下载在Entry中 下载AxIOS4.封装Htt

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,