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

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者