基于曲率熵和高斯混合模型的DEM简化算法研究

摘要：

针对现有数字高程模型(DEM,digital elevation model)简化算法对地形变化复杂区域的简化效果不够理想的问题,提出了一种基于高斯混合模型(GMM,Gaussian mixture model)和曲率熵的DEM精简算法.该算法首先根据DEM数据的高程信息对其进行聚类,将体现地形局部几何信息的熵与曲率相结合作为简化指标,针对不同的子类依据曲率熵的大小进行不同程度的精简.GMM聚类算法的引入能够保证各种地形数据在简化的过程中均得到一定程度上的保留,不会在平坦的区域简化过多的数据从而造成数据的不连续性.实验结果表明,与传统的简化算法相比,本文提出的算法具有高精度、数据空洞小、地形保持度高的特点,更加适合结构复杂、变化多样的地形.

关键词：数字高程模型(DEM)、曲率熵、高斯混合模型(GMM)、网格简化

所属期刊栏目：42

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61372186;北京高等学校青年英才计划YETP0500;北京化工大学交叉学科建设项目21510002083

在线出版日期：2015-12-07（万方平台首次上网日期，不代表论文的发表时间）

页码：103-108