用离散小波变换对格网DEM数据压缩中的关键技术

来源 :系统仿真学报 | 被引量 : 0次 | 上传用户:ccwjg
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
DEM数据具有不稳定、相关性差的特点,用离散小波变换对格网DEM数据进行压缩处理时,其边界问题将更为突出,主要表现在边界失真非常严重.这种现象不可避免地导致重建DEM数据精度的损失严重.为了最大限度地减弱边界问题的影响、提高压缩比,在进行格网DEM数据压缩时,作者将二维离散小波变换的边界问题转换为一维离散小波变换的边界问题,大大减小了边界失真区域,提高了重建DEM数据的精度.进而,用相应的算法进行了DEM压缩实验, 结果表明:可获取高压缩比且高精度的重建DEM数据.“,”Due to the instability and less relativity of DEM data, the boundary problem in discrete wavelet transform becomes more outstanding and kittle when compressing grid DEM data with DWT, which mainly indicates the distortion degree appears very severe. This phenomenon will inevitably lead to serious loss of the precision of reconstructed DEM data. In order to utmost weaken the influence of boundary problem and improve the compression ratio, the boundary problem of two-dimensional DWT was transformed into the boundary problem of one-dimensional DWT, which can enormously diminish the area of boundary distortion and greatly improve the precision of the reconstructed DEM data, then the corresponding algorithm was proposed. Moreover, according to the algorithm, some experiments were made. The results prove that not only higher compression ratios but also reconstructed DEM data with high precision are achieved.
其他文献
为了进一步提高交通流预测的精度,根据交通流的固有特点,提出了一种短时交通流预测组合模型.该模型包括灰色算法和ELM (Extreme Learning Machine)神经网络2个子模型:灰色算
建筑物创新的过程是一个人类思维开发的过程.在这个过程中,建筑设计人员的职业水平和思维方式对创新模式的开展起着决定性的因素.建筑设计人员要通过多方面知识书籍的整合和
一、12-1月病害发生情况预12-1月份是我省气温、水温最低的季节,预测海、淡水养殖水生动物大部分病害的发生率与死亡率都相对较低,但水霉病、小瓜虫病将大幅上升,甚至可能会
随着我国市场经济的发展和科学技术水平的不断提高,在经济和社会发展方面我国逐渐成为了社会主义强国,在建筑行业内部其建造技术和水平也得到了相应的提高,一些大型商业建筑
职业院校按照以就业为导向的办学宗旨,对教学遵循能力为本位的思想.信息技术和数字化手段为职业院校的教学和实训提供了很多新方法,使传统教育中无法解决的一些困难得到了解
由散焦图像恢复三维景物的深度信息是一个不适定问题.提出一种新的基于整体变分的散焦图像深度恢复算法:首先将散焦图像深度恢复转化为带有整体变分正则化项的能量泛函极值问题,然后采用变分原理将其中的最小化问题转为偏微分方程的求解,最后通过方程迭代获得深度的最优解.该算法避免了解不适定问题的逆,恢复聚焦图像等问题.模拟图像和真实图像的实验结果表明该算法是有效的,与最小二乘法相比具有较小的均方根误差.
21世纪中国的重工业飞速发展带动了国民经济的大幅度提升.经济效益提升的同时环境状况日益恶化,不可再生资源的消耗率增大,不可再生资源数量大幅度减少.全球变暖和雾霾的产生