توضیحات محصول

(1 رای)5.00

دانلود مقاله روش تخمینی قوی برای ساختنِ مدل های ارتفاعی دیجیتالی از داده های سنجش از راه دور

تعداد کلمات فایل انگلیسی:۵۹۹۳ کلمه ۱۳ صفحه pdf

تعداد صفحات فایل ترجمه:۱۴ صفحه word فونت ۱۱ Arial (Body CS)

روش تخمینی قوی برای ساختنِ مدل های ارتفاعی دیجیتالی از داده های سنجش از راه دور

خلاصه :

مدل ارتفاع دیجیتال (DEM) ، از داده های سنجش از راه دور مشتق شده است ، و گاها از  بخش های مجزا به خاطر دلایلِ مختلفی مثلِ محدودیت های فیزیکی در سنسور ها و تباینِ پایینِ بافت زمین رنج می برد . برای کم کردن تاثیر بخش های مجزا ، در ساختار DEM ، یک الگوریتمِ قوی از  روشِ چهارتایی (MQ) بر اساسِ Mارزیاب ، (MQ-M) ارائه می شود . MQ-M یک تابع وزنِ تطابق پذیر با سه بخش را به کار می گیرد تابع وزن به طور نسبی قدرتِ MQ-M را تجزیه و تحلیل می کند ، و عملکردش با روش های کلاسیک MQ و روش های توسعه یافته و تعمیم یافته ء اخیرِ MQ که بر اساسِ حداقل مشتق مطلق MQ-L) هستند  مقایسه می شود . آزمون های بی شماری نشان می دهند که MQ-M با MQ های کلاسیک قابل قیاس بوده و از MQ-L برتر هستند ، وقتیکه نقاطی ساده توزیع نرمال و لاپلاس را دنبال می کنند و تحتِ حضورِ بخش های مجزا ، مدلِ پیشین از مدلِ بعدی آن با دقت تر است . یک مثالِ واقعی از ساختارِ DEM که از تصاویرِ استریو استفاده می کند نشان میدهد که در مقایسه با روشهای الحاقیِ کلاسیک مثلِ همسایه ء طبیعی (NN) ، کریجینگِ معمولی (OK) ، ANUDEM ، MQ-L و MQ-M ، MQ-M توانایی بهتری در حفظ مشخصات و ویژگی های بافت دارد . MQ-M ، نوارهای باریک صفحه را برای مرجعِ ساختارِ DEM جایگزین می کند تا تطابقِ با روشِ طبقه بندیِ مراتبِ چند تجزیه ایِ (MHC) تعمیم یافته ء اخیر ما را  ارزیابی کند . طبقه بندی ۱۵ گروه از مجموعه داده های خارق العاده ء تهیه شده توسط کمیسیونِ ISPRS نشان می دهد که MQ-M ای که بر اساسِ MHC باشد ، از MQ-L و TPS ای که بر اساسِ همین MHC باشند با دقت تر است . و در آخر MQ-M برای ساختار DEM پتانسیل قوی تری دارد .

 

A robust interpolation method for constructing digital elevation models
from remote sensing data

 

abstract

A digital elevation model (DEM) derived from remote sensing data often suffers from outliers due to various reasons such as the physical limitation of sensors and low contrast of terrain textures. In order to reduce the effect of outliers on DEM construction, a robust algorithm of multiquadric (MQ) methodology based on M-estimators
(MQ-M) was proposed. MQ-M adopts an adaptive weight function with three-parts. The weight function is
null for large errors, one for small errors and quadric for others. A mathematical surface was employed to com-
paratively analyze the robustness of MQ-M, and its performance was compared with those of the classical MQ
and a recently developed robust MQ method based on least absolute deviation (MQ-L). Numerical tests show
that MQ-M is comparative to the classical MQ and superior to MQ-L when sample points follow normal and La-
place distributions, and under the presence of outliers the former is more accurate than the latter. A real-world
example of DEM construction using stereo images indicates that compared with the classical interpolation
methods, such asnatural neighbor(NN), ordinary kriging (OK), ANUDEM, MQ-L and MQ, MQ-M has a better abil-
ity of preserving subtle terrain features. MQ-M replaces thin plate spline for reference DEM construction to assess
the contribution to our recently developed multiresolution hierarchical classification method (MHC). Classifying
the 15 groups of benchmark datasets provided by the ISPRS Commission demonstrates that MQ-M-based MHC is
more accurate than MQ-L-based and TPS-based MHCs. MQ-M has high potential for DEM construction
کد:۱۰۴۲۵
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
ساختنِ مدل های ارتفاعی, دیجیتالی داده, سنجش از راه دور

ساختنِ مدل های ارتفاعی, دیجیتالی داده, سنجش از راه دور

يك ديدگاه


نظری بدهید

5 + 19 =