无控制DEM匹配算法性能比较与改进研究

摘要

数字高程模型(Digital Elevation Model，DEM)匹配是指将多源、多时相和多尺度DEM数据统一到同一坐标系的过程。无控制DEM匹配是在无地面控制点支持的情况下，由计算机自动提取DEM地形特征或几何信息来实现DEM匹配。与传统的控制点DEM匹配相比，无控制DEM匹配技术具备安全、高效、省时、省力、费用低、适用范围广等诸多优点，在测绘、遥感、导航、地理信息系统等多个领域的DEM绝对定向、DEM拼接及多源和多时相DEM数据融合中有广泛和潜在的应用前景，因而吸引着国内外众多的专家学者的关注，是目前测绘科学技术领域中的热点研究方向之一。
　　本文在现有无控制DEM匹配，即迭代最近点(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 Matching，LSSM)算法的基础上，通过仿真试验比较这3类LSSM算法的性能，寻找提高匹配精度、效率和拉入范围的途径；改进k-d树和盒子结构(Boxing Structure，BS)等最近点查找算法，提出基于格网划分(Grid Partition，GP)的最邻近点查找算法，提高非规则DEM无控制匹配算法的收敛效率；提出基于“匹配度之和最大(Maximizing the Sum of Matching-Degree，MSMD)”的新模型，用于遗传算法(Genetic Algorithm，GA)求解(MGA)DEM匹配参数，解决LSSM算法拉入范围小，基于传统模型和GA的DEM匹配算法(TGA)在求解带有尺度参数的7参数转换模型时容易陷于错误全局最优解的弱点；提出融合MGA和LSSM的无控制DEM匹配(MGA+LSSM)新算法，提高MGA的收敛效率和匹配精度，探索多尺度无控制DEM匹配的全局最优算法。
　　通过模拟不同地形的规则和非规则DEM数据进行仿真试验，结果显示：
　　(1)3种“点-点”ICP的7参数模型算法，其拉入范围、匹配精度和整体收敛趋势基本一致。它们在处理基准DEM完全包含全部的待匹配DEM时，均比仅包含部分的待匹配DEM时的拉入范围大、匹配精度高。地形越简单，拉入范围越大。地形连续且地形特征越明显，匹配精度越高。DEM数据密度越大，匹配精度越高，但收敛效率越低，拉入范围也会降低；
　　(2)“点-面”ICP、LZD和LS3D算法在处理非规则DEM数据时，均比处理规则DEM数据的匹配精度高。其中，对非规则DEM数据，LS3D算法的匹配精度和收敛效率最优，“点－面”ICP算法的拉入范围最大。对规则DEM数据，LZD算法的拉入范围、匹配精度和收敛效率最优；
　　(3)GP最邻近点查找算法，比穷搜索、k-d树和BS等最近点查找算法的查找速度快，且不影响LSSM算法的匹配精度；
　　(4)MGA匹配算法，避免了TGA算法极易陷入错误的全局最优极值的弱点。MGA+LSSM匹配算法综合了MGA拉入范围大和LSSM匹配精度高、收敛速度快的优点，因而比LSSM算法有更高的稳健性和拉入范围。
　　编程实现的各种无控制DEM匹配算法，为仿真试验和数据分析奠定了必要的技术基础，通过归纳总结各种无控制DEM匹配算法的性能特点，为寻找适应多尺度DEM的无控制匹配算法进行了有益的探索，研究结果对多源、多时相和多尺度DEM匹配和数据融合有参考价值。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景

1.1.1 无控制DEM匹配的产生

1.1.2 无控制DEM匹配的应用

1.2 国内外研究现状

1.2.1 表面匹配算法分类

1.2.2 基于“特征提取”的算法

1.2.3 基于“几何关系”的算法

1.3 研究目标和内容

1.4 论文的组织

第2章 几种典型最小二乘表面匹配算法性能比较

2.1 ICP算法

2.1.1“点-点”ICP算法

2.1.2“点-面”ICP算法

2.1.3“点到投影”ICP算法

2.2 最小高差算法

2.3 最小二乘3D表面匹配算法

2.4 仿真试验

2.4.1 试验目的

2.4.2 试验条件

2.4.3 仿真数据

2.4.4 试验内容

2.4.5 评价标准

2.4.6“点-点”ICP算法不同模型的试验对比

2.4.7“点-面”ICP、LZD和LS3D的DEM匹配试验对比

2.5 小结

第3章 最邻近查找算法改进研究

3.1 k-d树最邻近点查找

3.1.1 k-d树原理及其优化

3.1.2 k-d树最近点查找算法分析

3.2 盒子结构最邻近点查找

3.2.1 基本原理

3.2.2 改进算法

3.3 格网最邻近点查找

3.3.1 基本原理

3.3.2 格网最邻近点查找算法

3.4 仿真试验

3.4.1 k-d树最邻近点查找法对比试验

3.4.2 格网最邻近点查找法试验

3.5 小结

第4章 匹配度之和最大的DEm遗传匹配算法

4.1 匹配度之和最大的DEM匹配模型

4.2 基本原理

4.2.1 基本概念

4.2.2 遗传操作

4.2.3 基本思想和流程

4.2.4 优势与不足

4.3 算法设计

4.3.1 编码与解码

4.3.2 生成初始种群

4.3.3 计算适应度函数

4.3.4 基本遗传操作

4.3.5 迭代终止条件

4.4 仿真试验

4.4.1 试验准备

4.4.2 试验与分析

4.4.3 试验结论

4.5 小结

第5章 融合遗传算法和最小二乘的DEM 匹配

5.1 遗传算法与最小二乘匹配的融合

5.2 试验与分析

5.2.1 试验方案

5.2.2 分试验一

5.2.3 分试验二

5.2.4 试验结论

5.3 小结

结 论

致谢

参考文献

攻读博士学位期间发表的论文及科研成果