無控制DEM匹配算法性能比較與改進(jìn)研究.pdf

1、數(shù)字高程模型(Digital Elevation Model，DEM)匹配是指將多源、多時(shí)相和多尺度DEM數(shù)據(jù)統(tǒng)一到同一坐標(biāo)系的過程。無控制DEM匹配是在無地面控制點(diǎn)支持的情況下，由計(jì)算機(jī)自動(dòng)提取DEM地形特征或幾何信息來實(shí)現(xiàn)DEM匹配。與傳統(tǒng)的控制點(diǎn)DEM匹配相比，無控制DEM匹配技術(shù)具備安全、高效、省時(shí)、省力、費(fèi)用低、適用范圍廣等諸多優(yōu)點(diǎn)，在測(cè)繪、遙感、導(dǎo)航、地理信息系統(tǒng)等多個(gè)領(lǐng)域的DEM絕對(duì)定向、DEM拼接及多源和多時(shí)相DEM數(shù)據(jù)

2、融合中有廣泛和潛在的應(yīng)用前景，因而吸引著國(guó)內(nèi)外眾多的專家學(xué)者的關(guān)注，是目前測(cè)繪科學(xué)技術(shù)領(lǐng)域中的熱點(diǎn)研究方向之一。
　　本文在現(xiàn)有無控制DEM匹配，即迭代最近點(diǎn)(Iterative Closest Point，ICP)、最小高差(Least Z-Difference，LZD)和最小二乘3D表面匹配(Least Squares3D surface matcing，LS3D)等最小二乘表面匹配(Least Squares Surface

3、 Matching，LSSM)算法的基礎(chǔ)上，通過仿真試驗(yàn)比較這3類LSSM算法的性能，尋找提高匹配精度、效率和拉入范圍的途徑；改進(jìn)k-d樹和盒子結(jié)構(gòu)(Boxing Structure，BS)等最近點(diǎn)查找算法，提出基于格網(wǎng)劃分(Grid Partition，GP)的最鄰近點(diǎn)查找算法，提高非規(guī)則DEM無控制匹配算法的收斂效率；提出基于“匹配度之和最大(Maximizing the Sum of Matching-Degree，MSMD)”的

4、新模型，用于遺傳算法(Genetic Algorithm，GA)求解(MGA)DEM匹配參數(shù)，解決LSSM算法拉入范圍小，基于傳統(tǒng)模型和GA的DEM匹配算法(TGA)在求解帶有尺度參數(shù)的7參數(shù)轉(zhuǎn)換模型時(shí)容易陷于錯(cuò)誤全局最優(yōu)解的弱點(diǎn)；提出融合MGA和LSSM的無控制DEM匹配(MGA+LSSM)新算法，提高M(jìn)GA的收斂效率和匹配精度，探索多尺度無控制DEM匹配的全局最優(yōu)算法。
　　通過模擬不同地形的規(guī)則和非規(guī)則DEM數(shù)據(jù)進(jìn)行仿真試驗(yàn)

5、，結(jié)果顯示：
　　(1)3種“點(diǎn)-點(diǎn)”ICP的7參數(shù)模型算法，其拉入范圍、匹配精度和整體收斂趨勢(shì)基本一致。它們?cè)谔幚砘鶞?zhǔn)DEM完全包含全部的待匹配DEM時(shí)，均比僅包含部分的待匹配DEM時(shí)的拉入范圍大、匹配精度高。地形越簡(jiǎn)單，拉入范圍越大。地形連續(xù)且地形特征越明顯，匹配精度越高。DEM數(shù)據(jù)密度越大，匹配精度越高，但收斂效率越低，拉入范圍也會(huì)降低；
　　(2)“點(diǎn)-面”ICP、LZD和LS3D算法在處理非規(guī)則DEM數(shù)據(jù)時(shí)，均比處

6、理規(guī)則DEM數(shù)據(jù)的匹配精度高。其中，對(duì)非規(guī)則DEM數(shù)據(jù)，LS3D算法的匹配精度和收斂效率最優(yōu)，“點(diǎn)－面”ICP算法的拉入范圍最大。對(duì)規(guī)則DEM數(shù)據(jù)，LZD算法的拉入范圍、匹配精度和收斂效率最優(yōu)；
　　(3)GP最鄰近點(diǎn)查找算法，比窮搜索、k-d樹和BS等最近點(diǎn)查找算法的查找速度快，且不影響LSSM算法的匹配精度；
　　(4)MGA匹配算法，避免了TGA算法極易陷入錯(cuò)誤的全局最優(yōu)極值的弱點(diǎn)。MGA+LSSM匹配算法綜合了MGA