LZD算法程序实现及其在DEM匹配中的应用研究

介绍了一种基于规则格网的无控制DEM绝对定向方法——LZD算法,讨论了该算法程序实现的部分细节问题,运用MATLAB软件对这一算法进行了程序的编写,在此基础上,设计了一组模拟实验来研究该算法在DEM无控制匹配中的应用。

遗传算法和最小二乘匹配相结合的DEM匹配方法

针对传统最小二乘无控制DEM匹配方法拉入范围小的问题,提出了一种遗传算法和最小二乘匹配相结合的无控制DEM匹配方法,为了克服基于传统匹配模型的遗传匹配方法易陷入缩放系数为0的错误全局最优极值处的问题,建立了采用距离等级划分的DEM匹配模型。在此基础上,设计了遗传算法和最小二乘匹配相结合的匹配方法流程。仿真和实际数据实验结果均表明,该方法能够保持最小二乘法匹配精度高和遗传算法拉入范围大的优点,并有较好的稳定性和较高的收敛效率。

基于遗传算法的DEM粗匹配研究

传统最小二乘无控制DEM匹配方法基于LZD算法实现,该类方法对基准DEM与待匹配DEM之间的初始匹配状态要求较高,其应用受到较大限制。为了解决该问题,提出了一种基于遗传算法的DEM粗匹配方法,结合遗传算法全局最优化的需要,设计了一种新的匹配模型,对最小二乘匹配方法的拉入范围、遗传匹配方法收敛效果和粗匹配效果进行了实验分析。结果表明,基于遗传算法的DEM粗匹配方法能够在基准DEM与待匹配DEM之间状态差异较大时,为最小二乘匹配方法提供合适的初始匹配状态。

融合遗传算法的最小二乘无控制DEM匹配

为了解决传统无控制DEM最小二乘匹配方法拉入范围小的问题,首先建立了一种基于匹配度之和最大的DEM匹配模型,然后结合DEM匹配的实际需要,对遗传算法的编码方案、初始种群生成、适应度函数、基本遗传操作和迭代终止条件等5个基本方面进行了设计;在此基础上,设计了基于遗传算法和最小二乘匹配相结合的无控制DEM匹配方法流程,最后采用模拟数据设计了三组试验方案,测试新模型及算法的性能,并分别与传统模型的遗传匹配方法和最小二乘匹配方法进行了比较。结果表明:新算法比最小二乘匹配方法具有更大的拉入范围,比遗传匹配方法具有更快的匹配速度和更高的匹配精度。