[发明专利]一种面向异质遥感影像内容的数字高程数据重建方法

说明书

本发明提供一种面向异质遥感影像内容的数字高程数据重建方法，建立了遥感影像内容异质描述算子，基于该算子对遥感影像内容之间的差异进行描述，进而利用这些差异描述和遥感影像本身特征来建立一个回归预测模型，实现大面积区域数字高程数据重建。利用本发明专利，可以使得回归预测模型较好的适应影像内容之间的异质性，使得模型能够在影像内容存在较大差异的情况下获得较好的预测结果，实现面向异质遥感影像内容的大面积区域数字高程数据重建。

技术领域：

本发明一提供种面向异质遥感影像内容的数字高程数据重建方法，用于重建和获取面向地理信息系统领域的数据，具体涉及地貌地表遥感影像技术领域。

背景技术：

获取地表大面积区域的数字高程数据有助于进行大范围的地理三维建模，对于构建基础地理信息数据、虚拟现实仿真、灾害模拟与预测具有十分重要的意义。因此十分有必要获取地表大面积区域的精细数字高程数据信息。

要获得精细的地表数字高程数据，目前采用的方法分为两类：第一类，采用人工测量、飞机激光雷达测量的手段获得精细的地表数字高程数据，此类方法优点是数据精度高，但是需要极大的经费与时间支持，比较适合比较发达的城市区域数据的获取，对于较大面积区域绝大多数单位无法负担对应的经费与时间要求。第二类是，首先下载对应地区低分辨率的数字高程信息作为基础三维数据，找一个小的区域进行人工测量获得精细的高程数据，引入所在区域的高分辨率遥感影像，利用人工智能算法建立起高分辨率遥感影像、低分辨率数字高程、高分辨率数字高程信息之间的回归预测模型，基于该模型对整个区域进行预测；该方法在小的区域和范围内会取得较好的应用效果；然而，当面对较大面积区域时，由于区域范围大，所以其内部数据对应着多景遥感影像，会使得传统方法面临两个问题：问题1，对应区域的遥感影像可能来自于不同卫星的拍摄结果，数据的分辨率、像元数值响应范围会存在差异，这些差异会最终将误差传导到回归预测模型之中，进而导致三维重建失败；问题2，在区域较大的情况下，不同影像间也会存在拍摄时间角度的差异，不同位置甚至会有季节性的差异（如某些地区海拔差异较大，山顶处于0度以下被冰雪覆盖，而山脚在10度以上被植被覆盖），这些巨大差异会导致利用传统方法的预测过程在部分区域成功，而在其他相对异质的区域数据重建失败。

因此，面对大面积区域数字高程数据重建的需求，我们需要提出一种方法能够在预测数字高程数据的时候考虑到不同影像间的差异和影像内容之间的差异，实现大面积区域数字高程数据重建。

发明内容

本发明提供一种面向异质遥感影像内容的数字高程数据重建方法，该方法建立了遥感影像内容异质描述算子，基于该算子对遥感影像内容之间的差异进行描述，进而利用这些差异描述和遥感影像本身特征来建立一个回归预测模型，实现大面积区域数字高程数据重建。

本发明所述的一种面向异质遥感影像内容的数字高程数据重建方法，其特征在于包括以下步骤：

S1，面对一个地面区域，输入该区域的粗糙的数字高程数据RoughDEM，输入该区域的高分辨率遥感影像Image；输入第一子区域粗糙的数字高程数据RoughDEMSub1，输入RoughDEMSub1对应范围的高分辨率数字高程数据FineDEM1，输入RoughDEMSub1对应范围的高分辨率遥感影像SubImage1；输入第二子区域粗糙的数字高程数据RoughDEMSub2输入RoughDEMSub2对应范围的高分辨率数字高程数据FineDEM2输入RoughDEMSub2应范围的高分辨率遥感影像SubImage2；获取RoughDEMSub1的元素个数Sub1Num，获取RoughDEMSub2的元素个数Sub2Num；获取RoughDEM的元素个数AllNum；

S101，面对一个地面区域，输入该区域的粗糙的数字高程数据RoughDEM，输入该区域的高分辨率遥感影像Image；RoughDEM和Image均为float型的二维数组；RoughDEM和Image的元素个数相同；