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支持的情況下，由計算機(jī)自動提取DEM地形特征或幾何信息來實現(xiàn)DEM匹配。與傳統(tǒng)的控制點DEM匹配相比，無控制DEM匹配技術(shù)具備安全、高效、省時、省力、費用低、適用范圍廣等諸多優(yōu)點，在測繪、遙感、導(dǎo)航、地理信息系統(tǒng)等多個領(lǐng)域的DEM絕對定向、DEM拼接及多源和多時相DEM數(shù)據(jù)

2、融合中有廣泛和潛在的應(yīng)用前景，因而吸引著國內(nèi)外眾多的專家學(xué)者的關(guān)注，是目前測繪科學(xué)技術(shù)領(lǐng)域中的熱點研究方向之一。
　　本文在現(xiàn)有無控制DEM匹配，即迭代最近點(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)等最近點查找算法，提出基于格網(wǎng)劃分(Grid Partition，GP)的最鄰近點查找算法，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)換模型時容易陷于錯誤全局最優(yōu)解的弱點；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

5、，結(jié)果顯示：
　　(1)3種“點-點”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基本一致。它們在處理基準(zhǔn)DEM完全包含全部的待匹配DEM時，均比僅包含部分的待匹配DEM時的拉入范圍大、匹配精度高。地形越簡單，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，拉入范圍也會降低；
　　(2)“點-面”ICP、LZD和LS3D算法在處理非規(guī)則DEM數(shù)據(jù)時，均比處

6、理規(guī)則DEM數(shù)據(jù)的匹配精度高。其中，對非規(guī)則DEM數(shù)據(jù)，LS3D算法的匹配精度和收斂效率最優(yōu)，“點－面”ICP算法的拉入范圍最大。對規(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最鄰近點查找算法，比窮搜索、k-d樹和BS等最近點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算法極易陷入錯誤的全局最優(yōu)極值的弱點。MGA+LSSM匹配算法綜合了MGA