航测内业数字表面模型生成研究(2)

　　（1）

　　（2）规则地址格网检索邻域内的点。

　　利用距离加权平均法进行内插计算，需要选取与插值点距离最近的若干个点来参加计算。最简单的方法就是计算内插点与周围采样点的距离，然后从中选出与内插点距离最近的若干点。这种方法计算量大，影响到插值速度。为解决这一问题，可选用一定的邻域搜索区域，根据距离加权平均法内插数学模型对采样点数量的要求，不断调整搜索范围，直到满足要求为止。

　　在建立了规则地址格网的基础上，就可以利用矩形检索函数搜索邻域正方形区域内的采样点，设所建立的规则地址格网的起点坐标为，搜索半径为，则矩形检索函数的参数设置为：

　　（2）

　　（3）

　　设置了函数参数，就可以利用矩形检索函数来搜索内插点正方形邻域内的采样点，若搜索的采样点数量不满足要求，则扩大搜索半径，直到满足要求为止。

　　（3）权值的计算。

　　由于地形的自相关性，较近的采样点对内插点的影响要大一些，因此常常用内插点和采样点之间的距离来刻画采样点对内插点的贡献程度，即距离越近，权值越大，反之越小。设当前内插点为，采样点为，为内插点与采样点之间的距离，定义采样点的权为：

　　（4）

　　称为反距离权。式中指数，而且实验证明，当时，导致曲面在数据点附近相对比较平直，而在两个数据点之间一个很小的区域内有很大的梯度，当时，导致曲面相对平缓，没有起伏，当时，不但容易计算，也比较符合实际地形变化规律，因此，实际应用中常常取 。

　　3 灰度量化生成DSM深度影像

　　为了直观地表示出LIDAR数据的内容信息，将由离散LIDAR点云数据规则格网重采样生成的数字表面模型（DSM）按照高程进行灰度量化，得到同灰度图像一样的DSM深度影像。这就为后续的基于数字图像处理技术的DSM深度影像处理做好了准备。具体做法是：搜索DSM中所有的LIDAR数据点，得到高程最大值和最小值，按照式（5）对高程进行量化，得到每一点的像素灰度值；同时将DSM三维点坐标中的X、Y坐标转化为DSM深度影像的二维横、纵坐标、，一个坐标点对应一个像素点，就生成了同DSM格网大小相同的DSM深度影像。

　　（5）

　　其中：

　　表示灰度值，表示DSM中LIDAR点的高程值。获得了同灰度图像一样的DSM深度影像后，一般可以从视觉上直接判断出地形的高低、形状等，一般也可以判断出建筑物、道路、水塘、沟渠、河流、桥等地物要素。图2是由实验数据生成的DSM深度影像，从图中可以看出，建筑物，道路、独立树等地物被清晰的表示出来了。与灰度图像相比，由航空LIDAR点云数据生成的城市地区DSM深度影像有其独特的特点（图2）。表现在以下几个方面。

　　（1）影像的灰度值和DSM中LIDAR数据的高程值成线性关系，高程值越高对应的像素灰度值就越高，反之，则越低。（2）在平坦城区，影像上地面部分的灰度值变化不大，且像素的灰度值低于建筑物部分。在影像的灰度直方图上，往往最高的波峰由地面部分LIDAR点的像素形成。（3）由于LIDAR光束在较高建筑物边缘常和墙面相切，导致建筑物边缘数据不准确，因此在灰度影像上建筑物边缘常呈锯齿状。

　　DSM深度影像其独特的特点为引入数字图像处理的方法提取建筑物奠定了基础。

　　参考文献

　　[1] 冯仲科，杨伯钢，罗旭，等.应用LIDAR技术预测林分蓄积量[J].北京师范大学学报，2007（S2）.

　　[2] 刘永霞，胡涌，冯仲科.基于LIDAR数据的林冠层三维信息模型的提取与应用[J].北京大学学报，2007（S2）.

　　[3] 王永平.机载LIDAR数据处理及林业三维信息提取研究[D].中国测绘科学研究院，2006.

　　[4] 贾广帅.机载激光雷达数据特点和滤波方法研究[D].北京大学，2007.