ارائه فیلتری محلی جهت بهبود مدل رقومی ارتفاعی زمین

مدل رقومی ارتفاعی دقیق و با کیفیت از سطح زمین برای بسیاری از کاربردها ضروری می باشد. به علت وجود برخی مشکلات در برداشت داده و همچنین ضعف در تکنیک های تولید مدل رقومی ارتفاعی از جمله روش های درونیابی، این مدل ها با خطاهایی بعضا بزرگ همراه می باشند که می بایست بصورت دستی و یا اتوماتیک ویرایش شوند. در این مطالعه یک روش جهت حذف خطاهای بزرگ و همچنین بازسازی مدل رقومی ارتفاعی زمین پیشنهاد شده است. در این روش دو مرحله ای ابتدا با استفاده از انحراف معیار فیلتر کوتاه شده آلفا، نقاط با خطای بزرگ شناسایی و حذف می شوند. در ادامه یک فیلتر وزن دهی با استفاده از معکوس فاصله که انطباق پذیر است با هدف حذف اشتباهات و بازسازی مدل رقومی ارتفاعی زمین اجرا می شود. روش پیشنهادی و چند روش رقابتی معمول بر روی یک مدل رقومی ارتفاعی شبیه سازی شده و یک مدل رقومی ارتفاعی یک متری مستخرج از تصاویر استریو ماهواره ای از جنوب غرب شهرستان مشهد اجرا شده اند و مورد ارزیابی قرار گرفته اند. خطای جذر میانگین مربعات مدل رقومی تصحیح شده مستخرج از تصاویر ماهواره ای با استفاده از روش پیشنهادی 1.89 متر است و این در حالی است که این شاخص برای روش فیلتر وزن دهی با استفاده از معکوس فاصله معمول 2.43 متر می باشد. نتایج آزمایش ها نشان می دهد که روش پیشنهادی علیرغم افزایش 19% هزینه زمانی می تواند دقت مدل رقومی ارتفاعی اصلاح شده را در قیاس با روش وزن دهی با استفاده از معکوس فاصله معمول حداقل 22% بهبود دهد. بنابراین می توان از فیلتر پیشنهاد شده در این مطالعه در حذف نویز و بهبود مدل رقومی ارتفاعی زمین در شرایطی که افزایش دقت در الویت است استفاده نمود.

a local filter for improve digital elevation model

an accurate, high quality digital elevation model (dem) from the ground is essential for many applications. due to some data collection problems as well as weaknesses in dem production techniques, including interpolation methods, these models are associated with some blunder errors that must be edited manually or automatically. in this study, a method for removing noise and blunders as well as improving the dem is proposed. in this two step method, first, with the standard deviation of the alpha trimmed filter, points with blunders are identified and removed. then, an adaptive inverse distance weighted filter is applied to remove blunders and refine the dem. the proposed method and some common competitive methods have been applied and evaluated on a simulated dem and a dem extracted from satellite stereo images from the southwest of mashhad city. the root means square error of the dem extracted from satellite images using the proposed method is 1.89 meters, while this criteria for the inverse distance weighted filter method is 2.43 meters. the experimental results show that the proposed method, despite a 20% increase in time cost, can improve the accuracy of the modified dem by at least 22% compared to the weighting method using the inverse distance. therefore, the filter proposed in this study can be used to remove noise and improve dem when increasing the accuracy is a priority.