一种基于带权A * 搜索算法的正射影像镶嵌线网络优化方法
发布时间：2021-08-20 21:30
提出了一种基于带权A*搜索算法的镶嵌线网络优化方法。首先,利用标准Voronoi图生成初始镶嵌线网络;然后,利用测区的数字表面模型（digital surface model, DSM）数据生成对应的高程梯度图（也称为边缘图）;再对初始镶嵌线网络的节点进行自动调整,将位于建筑物上的节点移动至附近的地面;最后,利用一种带权A*搜索算法,结合高程梯度图,对初始镶嵌线网络中的每一条镶嵌线进行智能优化,避开建筑物或者高差变化大的区域,获得最优的镶嵌线网络。利用3组真实的无人机数据对该方法进行实验,初步结果表明,该方法适用于排列不规则的测区,可有效优化镶嵌线网络,镶嵌线可自动避开大部分城区建筑物以及山区的山脊等,对城区以及山区影像都可得到高质量的正射影像。实验结果表明,对于第1组数据,此方法得到的结果在镶嵌线的选取上要优于商业软件OrthoVista。
【文章来源】：武汉大学学报(信息科学版). 2019,44(11)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
DSM和DEM的断面对比图Fig.2DSMandDEMoftheSameArea
SM与DEM几乎是相同的，此时文献［26-27］的方法无法获得最优的镶嵌线。本文仅使用DSM数据，虽然不能直接得到地物的高度信息，但是可以得到地面的高程梯度信息。如果是平地，则高程梯度接近0，此时镶嵌线可以通过该区域；如果是建筑物，则其边缘地区的高程梯度较大，此时镶嵌线不能通过该区域。换言之，可以通过高程梯度图作为辅助来选取最优的镶嵌线，只要使镶嵌线优先通过高程梯度较小的区域，则可以确保镶嵌线避开高程起伏图2DSM和DEM的断面对比图Fig.2DSMandDEMoftheSameArea图1Voronoi图的结构示意图Fig.1VoronoiDiagramofaConstrainedArea1651
武汉大学学报·信息科学版2019年11月大的区域，同时也可以避开建筑物以及植被等。首先计算DSM中每个像素的高程梯度，然后将高程梯度值作为灰度值重新写入一个新的Geotiff文件，该文件的大小与DSM大小一致，只是灰度值记录的不是该像素的高度信息，而是该像素的高程梯度信息，这个新的Geotiff文件就是高程梯度图。每个像素的高程梯度计算方法如图3所示，其计算公式为：R(i,j)=max(g1,g2…g8)（1）式中，gk（k=1，2…8）分别表示8个方向的梯度值。I(i,j)=ìí0,R(i,j)≤Tk×R(i,j),R(i,j)>T（2）式中，R(i，j)表示像素(i，j)的高程梯度；k是将高程梯度转化为图像灰度的系数；I(i，j)为高程梯度图的灰度；T是阈值，当高程梯度大于该阈值时，将其乘以系数k转化成高程梯度图的灰度值，当高程梯度小于该阈值时，则认为该像素位于平地区域，将其灰度值设为0。本文中阈值T被设置为0.5m。经过上述处理后，可以得到高程梯度图，如图4所示。从图4中可以看出，高程梯度图基本上都是由边缘组成，因此也可以称之为边缘图。利用这个边缘图，可以引导镶嵌线避开建筑物或者其他高程变化大的区域（如山脊等）。1.2.2镶嵌线网络节点优化初始镶嵌线网络的节点位置具有随机性，它有可能落在建筑物或者高程变化较大的区域，此时必须将这些节点进行重新调整，否则经过该节点的镶嵌线必然会穿过建筑物或者高程变化较大的区域。本文的节点即传统办法中所谓的镶嵌线的开始点和结束点。文献［6?
【参考文献】：
期刊论文
[1]基于图割算法的正射影像镶嵌线自动选择[J]. 丁锴为,邹峥嵘,张云生,张明磊. 测绘与空间地理信息. 2016(09)
[2]顾及结构信息的DOM镶嵌线搜索算法[J]. 焦晨静,陈时雨,赵鹏祥. 测绘科学. 2016(01)
[3]采用最优生成树的正射影像镶嵌线快速智能检测[J]. 陈继溢,许彪,张力,艾海滨,杜全叶. 测绘学报. 2015(10)
[4]正射影像镶嵌线自动搜索的视差图算法[J]. 袁修孝,段梦梦,曹金山. 测绘学报. 2015(08)
[5]A*搜索算法的正射影像镶嵌线自动提取[J]. 岳贵杰,杜黎明,刘凤德,项琳,张刚,李健. 测绘科学. 2015(04)
[6]卫星遥感影像的区域正射纠正[J]. 汪韬阳,张过,李德仁,唐新明. 武汉大学学报(信息科学版). 2014(07)
[7]一种改进的正射影像镶嵌线最小化最大搜索算法[J]. 袁修孝,钟灿. 测绘学报. 2012(02)
[8]Intelligent optimization of seam-line finding for orthophoto mosaicking with LiDAR point clouds[J]. Hong-chao MA 1,Jie SUN 2 (1 School of Remote Sensing,Wuhan University,Wuhan 430079,China) (2 State Key Lab for Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China). Journal of Zhejiang University-Science C（Computers & Electronics）. 2011(05)
[9]机载LiDAR正射影像镶嵌线智能优化研究[J]. 孙杰,马洪超,汤璇. 武汉大学学报(信息科学版). 2011(03)
[10]DSM辅助下城区大比例尺正射影像镶嵌线智能检测[J]. 左志权,张祖勋,张剑清,曹辉. 测绘学报. 2011(01)
本文编号：3354262
【文章来源】：武汉大学学报(信息科学版). 2019,44(11)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
DSM和DEM的断面对比图Fig.2DSMandDEMoftheSameArea
SM与DEM几乎是相同的，此时文献［26-27］的方法无法获得最优的镶嵌线。本文仅使用DSM数据，虽然不能直接得到地物的高度信息，但是可以得到地面的高程梯度信息。如果是平地，则高程梯度接近0，此时镶嵌线可以通过该区域；如果是建筑物，则其边缘地区的高程梯度较大，此时镶嵌线不能通过该区域。换言之，可以通过高程梯度图作为辅助来选取最优的镶嵌线，只要使镶嵌线优先通过高程梯度较小的区域，则可以确保镶嵌线避开高程起伏图2DSM和DEM的断面对比图Fig.2DSMandDEMoftheSameArea图1Voronoi图的结构示意图Fig.1VoronoiDiagramofaConstrainedArea1651
武汉大学学报·信息科学版2019年11月大的区域，同时也可以避开建筑物以及植被等。首先计算DSM中每个像素的高程梯度，然后将高程梯度值作为灰度值重新写入一个新的Geotiff文件，该文件的大小与DSM大小一致，只是灰度值记录的不是该像素的高度信息，而是该像素的高程梯度信息，这个新的Geotiff文件就是高程梯度图。每个像素的高程梯度计算方法如图3所示，其计算公式为：R(i,j)=max(g1,g2…g8)（1）式中，gk（k=1，2…8）分别表示8个方向的梯度值。I(i,j)=ìí0,R(i,j)≤Tk×R(i,j),R(i,j)>T（2）式中，R(i，j)表示像素(i，j)的高程梯度；k是将高程梯度转化为图像灰度的系数；I(i，j)为高程梯度图的灰度；T是阈值，当高程梯度大于该阈值时，将其乘以系数k转化成高程梯度图的灰度值，当高程梯度小于该阈值时，则认为该像素位于平地区域，将其灰度值设为0。本文中阈值T被设置为0.5m。经过上述处理后，可以得到高程梯度图，如图4所示。从图4中可以看出，高程梯度图基本上都是由边缘组成，因此也可以称之为边缘图。利用这个边缘图，可以引导镶嵌线避开建筑物或者其他高程变化大的区域（如山脊等）。1.2.2镶嵌线网络节点优化初始镶嵌线网络的节点位置具有随机性，它有可能落在建筑物或者高程变化较大的区域，此时必须将这些节点进行重新调整，否则经过该节点的镶嵌线必然会穿过建筑物或者高程变化较大的区域。本文的节点即传统办法中所谓的镶嵌线的开始点和结束点。文献［6?
【参考文献】：
期刊论文
[1]基于图割算法的正射影像镶嵌线自动选择[J]. 丁锴为,邹峥嵘,张云生,张明磊. 测绘与空间地理信息. 2016(09)
[2]顾及结构信息的DOM镶嵌线搜索算法[J]. 焦晨静,陈时雨,赵鹏祥. 测绘科学. 2016(01)
[3]采用最优生成树的正射影像镶嵌线快速智能检测[J]. 陈继溢,许彪,张力,艾海滨,杜全叶. 测绘学报. 2015(10)
[4]正射影像镶嵌线自动搜索的视差图算法[J]. 袁修孝,段梦梦,曹金山. 测绘学报. 2015(08)
[5]A*搜索算法的正射影像镶嵌线自动提取[J]. 岳贵杰,杜黎明,刘凤德,项琳,张刚,李健. 测绘科学. 2015(04)
[6]卫星遥感影像的区域正射纠正[J]. 汪韬阳,张过,李德仁,唐新明. 武汉大学学报(信息科学版). 2014(07)
[7]一种改进的正射影像镶嵌线最小化最大搜索算法[J]. 袁修孝,钟灿. 测绘学报. 2012(02)
[8]Intelligent optimization of seam-line finding for orthophoto mosaicking with LiDAR point clouds[J]. Hong-chao MA 1,Jie SUN 2 (1 School of Remote Sensing,Wuhan University,Wuhan 430079,China) (2 State Key Lab for Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China). Journal of Zhejiang University-Science C（Computers & Electronics）. 2011(05)
[9]机载LiDAR正射影像镶嵌线智能优化研究[J]. 孙杰,马洪超,汤璇. 武汉大学学报(信息科学版). 2011(03)
[10]DSM辅助下城区大比例尺正射影像镶嵌线智能检测[J]. 左志权,张祖勋,张剑清,曹辉. 测绘学报. 2011(01)
本文编号：3354262
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3354262.html
