توليد اتوماتيك مدل رقومي زمين از تصاوير ماهواره‌اي با قدرت تفكيك مكاني بالا

Automatic DEM generation from high resolution Satellite Images H. Mohammadi*, F. Samadzadegan

امروزه مدل های رقومی زمينی كاربردهای متنوعی در زمينه های مقابله با سوانح طبيعی، آشكارسازی تغييرات، مديريت منابع طبيعی، پروژه های مهندسی و... دارند. روش های سنتی توليد مدل های رقومی زمينی پرهزينه و زمانبر هستند. اين روش ها عارضه مبنا بوده و روش های تناظريابی مورد استفاده در آن ها با مشكلات زيادی مواجه هستند. مدل رقومی زمينی توليدی در اين روش ها دارای اشتباهات بسياری است از اين رو نياز به پالايش های زيادی دارد و در نتيجه در پروژه های بزرگ مهندسی قابل استفاده نيستند. در اين تحقيق به ارائه يك روش نوين جهت توليد اتوماتيك مدل های رقومی زمينی از تصاوير ماهواره ای با قدرت تفكيك مكانی بالا می پردازيم. ابتدا يك تناظريابی استريوی متراكم بين زوج تصوير ماهواره ای با استفاده از روش تناظريابی شبه سراسری (SGM) انجام می شود و يك تصوير عمق اوليه دقيق و با ضريب اطمينان بالا توليد می گردد كه مبنای پردازش های بعدی خواهد بود. در مراحل بعدی به پالايش اين تصوير عمق اوليه می پردازيم و پس از آن با انتقال از فضای عكسی به فضای زمينی يك ابرنقاط ارتفاعی با تراكم بسيار بالا توليد می شود. در نهايت اين ابرنقاط ارتفاعی نامنظم تبديل به يك گريد منظم ارتفاعی (مدل رقومی زمنيی) می شود و نواحی خالی باقيمانده در آن به كمك روش های پركردن مدل های رقومی زمينی مقادير ارتفاعی به خود خواهند گرفت. داده مورد استفاده دو زوج تصوير استريوی ماهواره ای سنجنده Cartosat-1 از منطقه گناوه در جنوب ايران است كه دارای انواع مختلف توپوگرافی می باشد. نتايج حاصل از بررسی مدل رقومی زمينی توليدی با استفاده از روش پيشنهادی نشانگر توانايی بالای اين روش جهت توليد مدل های رقومی زمينی دقيق و صحيح است.

Considering ongoing developments in Photogrammetry and Remote Sensing and attending to their applications such as digital true orthophoto generation from high resolution images, have already proven the urgency and necessity of approaches for generating DEM as input of these applications. In this research we describe a novel method for automatic DEM generation. We describe “Semi-Global Matching” algorithm then implement and test it for generating an initial disparity image from high resolution stereo satellite images. Furthermore, post-processing steps for removing outliers, recovering from specific problems of structured environments and the interpolation of gaps are needed, to generate an accurate disparity map. With generating a clear disparity map we can generate 3d point clouds. Then these point clouds are used for generating a precise DEM for other applications.