视差驱动的LoS DSM：支持非 nadir VHR 卫星图像中精准建筑检测的高效共配准方法

本文研究主要关注"基于视差的视线数字表面模型（Line-of-Sight DSM, LoS-DSM）生成在离天底（off-nadir）超高分辨率（Very High Resolution, VHR）卫星图像中的图像高程共配准问题"。光学图像和高程数据的融合对于三维辅助制图至关重要，特别是当涉及到建筑物检测时，因为建筑物作为地面上的显著特征，需要精确的配准来确保结果的准确性。 传统摄影测量方法在处理密集城市地区获取的VHR卫星图像时，由于视角倾斜导致的共配准难题，可能无法达到理想的效果。为了克服这一挑战，研究人员提出了一种创新的Disparity-Based Elevation Co-Registration (DECR) 方法。DECR方法利用视差信息，旨在生成LoS-DSM，实现了像素级别的图像高程共校准，显著提高了精度，其RMSE值相较于传统方法有所降低，小于2个像素。 DECR方法的应用体现在实际的建筑物检测任务中，通过在具有挑战性的城市环境中进行基于高程的建筑物检测(EBD)，结果显示检测质量高达90%以上。这种方法不仅提高了检测性能，还确保了检测到的对象能够准确地地理参照到它们的实际地面位置，便于与其他地图无缝集成。 相比于原始的LoS-DSM开发算法，DECR算法在效率上更具优势，它减少了计算步骤，保持了高精度，同时极大地降低了在人口稠密地区进行海拔标准化的需求。研究成果发表在《地理信息系统》期刊上，2018年第10期，具有国际标准刊号（ISSN Online:2151-1969, ISSN Print:2151-1950），并获得了DOI:10.4236/jgis.2018.101002。 总结来说，本文的核心贡献在于提供了一种有效的技术手段，将视差信息与高程数据相结合，解决了离天底VHR卫星图像中的建筑物检测中的高精度共配准问题，这在现代GIS应用中具有重要的实践价值和理论意义。