机载DEM特征点提取及压缩方法研究

赵鸿森， 冯 琦， 周德云

(西北工业大学电子信息学院，西安 710129)

0 引言

机载数字高程模型(Digital Elevation Model，DEM)数据信息量庞大［1］，100 km2的3 m分辨率DEM数据就包含11亿个数据，以32位字节的浮点数表示其高程，将至少需要8.5 GB存储空间。另一方面，这些数据因为受到目前各种通讯网络带宽的限制，无法高效地进行网络传输。未来DEM数据要显示在手持终端(PDA)上，关键的一个问题就是DEM数据的压缩与解压算法的硬件实现。为了提高数据传输的效率，以及解决这一类海量数据的存储问题，必须进行DEM数据的压缩。研究数字高程模型数据的压缩技术有重要的意义。

机载DEM数据无损压缩可以采用普通的栅格数据压缩方式，如游程编码、块码等，但是由于DEM数据反映了地形的连续起伏变化，通常比较“破碎”，普通压缩方式难以达到很好的效果。因此对于网格DEM数据，可以采用哈夫曼编码进行无损压缩。有时，在牺牲细节信息的前提下，可以对网格DEM进行有损压缩，通常的压缩大都是基于离散余弦变换或小波变换的［1－2］，由于小波变换具有能较好保持细节的特性，因此，将小波变换应用于DEM数据处理的研究较多。

已有压缩方法都没有充分考虑DEM数据不同于其他海量数据集的特点:地形的连续变化特征，鲜有高程的剧烈变化部分;几乎所有分块地形都由一些特征点或特征线确定，如山脊线、山谷线等，因此，压缩效率(比率)还有潜力可挖。提取DEM特征点(线)，以这些点集作为样本集采用RBF神经网络来完成压缩，将存储的网格点高程转换为存储神经网络权值，可以进一步提高压缩比率。……