【摘要】：目前,DEM廣泛應(yīng)用于眾多領(lǐng)域,較為常用的使用地形圖數(shù)據(jù)進(jìn)行構(gòu)建。不同的使用目的、數(shù)據(jù)來(lái)源、地貌類型,其所構(gòu)建的DEM呈現(xiàn)出一定的差異性,然而并沒(méi)有一種通用的插值算法滿足實(shí)際需求,如何選擇合適的插值算法以及相應(yīng)的參數(shù)就顯得比較重要,不同算法所構(gòu)建的DEM派生地形因子對(duì)質(zhì)量評(píng)定也起著重要作用。隨著數(shù)據(jù)量的增大,DEM構(gòu)建速度就顯得相對(duì)較慢,人們常借助于購(gòu)買高性能機(jī)器,來(lái)提高數(shù)據(jù)處理的速度,但這在一定程度上無(wú)法滿足對(duì)實(shí)際的需求。隨著GPU技術(shù)發(fā)展,CUDA擁有其獨(dú)特的加速效果,這樣就可以利用CUDA技術(shù)進(jìn)行加速構(gòu)建DEM。本文選用福建省三種典型地貌類型樣區(qū)的數(shù)據(jù),從DEM構(gòu)建精度、速度、派生地形因子質(zhì)量角度進(jìn)行研究,對(duì)常用內(nèi)插算法的構(gòu)建參數(shù)以及誤差進(jìn)行了對(duì)比,然后基于CUDA技術(shù)進(jìn)行并行設(shè)計(jì)構(gòu)建DEM,結(jié)果表明所設(shè)計(jì)的算法得到了一定程度的加速。本實(shí)驗(yàn)的主要內(nèi)容如下：(1)不同插值算法參數(shù)對(duì)構(gòu)建DEM的影響。利用質(zhì)量評(píng)定指標(biāo),探討不同插值算法參數(shù)的誤差變化特點(diǎn),找出不同插值算法構(gòu)建高精度DEM的合理參數(shù)。在此基礎(chǔ)上,對(duì)不同插值構(gòu)建DEM的誤差特征進(jìn)行分析,得出ANUDEM、NN、TIN算法構(gòu)建的精度較高,而IDW、Kriging算法誤差相對(duì)較大。(2)基于CUDA進(jìn)行并行插值算法設(shè)計(jì)以及性能評(píng)價(jià)。通過(guò)CUDA多線程技術(shù),利用分塊和動(dòng)態(tài)點(diǎn)搜索方法,設(shè)計(jì)和實(shí)現(xiàn)IDW、Spline、Kriging并行算法,并用于快速構(gòu)建DEM。通過(guò)對(duì)比分析三種算法的性能,三種插值算法在不同數(shù)據(jù)量情況下,呈現(xiàn)不等的加速。(3)探討不同插值算法對(duì)DEM地形因子的影響。利用數(shù)理統(tǒng)計(jì)、信息論知識(shí),分析不同插值算法所派生地形因子的差異性,了解不同算法提取地形因子的適用范圍。結(jié)果表明AUNDEM算法提取坡向地形因子不具有平坦區(qū)域,IDW、kriging算法提取的地形因子質(zhì)量較差。本實(shí)驗(yàn)為可為普通用戶在利用插值算法對(duì)數(shù)據(jù)進(jìn)行處理以及進(jìn)行數(shù)字分析提供一些參考性依據(jù),同時(shí)也可利用COM組件技術(shù)對(duì)并插值進(jìn)行封裝,以方便其他人員使用,具有一定的理論和應(yīng)用價(jià)值。
[Abstract]:At present, DEM is widely used in many fields, more commonly used topographic map data to build. Different use purposes, data sources, geomorphological types, the DEM constructed by it presents some differences, but there is no universal interpolation algorithm to meet the actual needs, How to select the appropriate interpolation algorithm and the corresponding parameters is very important, and the DEM derived terrain factors constructed by different algorithms also play an important role in quality evaluation. With the increase of data volume, the speed of DEM construction is relatively slow. People often use high performance machines to improve the speed of data processing, but to a certain extent, it can not meet the actual needs. With the development of GPU technology, CUDA has its unique acceleration effect, so that CUDA technology can be used to accelerate the construction of DEM.. In this paper, the data of three typical geomorphological types in Fujian Province are selected, and the construction parameters and errors of common interpolation algorithms are compared from the angles of DEM construction accuracy, speed and derived terrain factor quality. Then the parallel design based on CUDA technology is used to construct DEM,. The results show that the proposed algorithm is accelerated to some extent. The main contents of this experiment are as follows: (1) the effect of different interpolation parameters on the construction of DEM. Using the quality evaluation index, the error characteristics of different interpolation algorithm parameters are discussed, and the reasonable parameters for constructing high precision DEM by different interpolation algorithms are found out. On this basis, the error characteristics of different interpolation to construct DEM are analyzed, it is concluded that the accuracy of ANUDEM,NN,TIN algorithm is higher, while the error of IDW,Kriging algorithm is relatively large. (2) parallel interpolation algorithm design and performance evaluation based on CUDA. The parallel algorithm of IDW,Spline,Kriging is designed and implemented by using CUDA multithreading technology, using the method of block division and dynamic point search, and it is used to build DEM. quickly. By comparing and analyzing the performance of the three algorithms, the three interpolation algorithms show unequal acceleration under different data volume. (3) the influence of different interpolation algorithms on the terrain factors of DEM is discussed. By means of mathematical statistics and information theory, the differences of terrain factors derived from different interpolation algorithms are analyzed, and the applicable range of different algorithms to extract terrain factors is understood. The results show that the AUNDEM algorithm does not have a flat region for extracting slope terrain factors, and the quality of terrain factors extracted by IDW,kriging algorithm is poor. This experiment can provide some reference basis for ordinary users to process and analyze data by interpolation algorithm, and can also encapsulate and interpolate the data by using COM component technology, so as to facilitate other people to use it. It has certain theory and application value.
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘向陽(yáng);劉暢;楊瓊;易敏;賀年春;王露平;;中外插值算法比較研究[J];湖南理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年04期

2 王曉東;求函數(shù)穩(wěn)定點(diǎn)的反插值算法及其收斂速率[J];計(jì)算數(shù)學(xué);1990年02期

3 成禮智;點(diǎn)數(shù)任意時(shí)的快速插值算法[J];國(guó)防科技大學(xué)學(xué)報(bào);1993年04期

4 黨向盈;;基于傳統(tǒng)插值的最佳插值算法分析[J];黑龍江科技信息;2008年31期

5 劉紅偉;劉洪;秦月霜;首皓;;基于約束插值算法的井資料外推(英文)[J];Applied Geophysics;2008年04期

6 余小東;武瑩;何臘梅;;反距離加權(quán)網(wǎng)格化插值算法的改進(jìn)及比較[J];工程地球物理學(xué)報(bào);2013年06期

7 黃學(xué)俊,張寄州;最小階插值算法[J];系統(tǒng)工程學(xué)報(bào);1997年03期

8 何磊,袁德奎,陶建華;一種適用波浪潮流計(jì)算的地形插值算法[J];港工技術(shù);2004年04期

9 張燕;程永強(qiáng);;基于交替投影濾波器組的插值算法[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2008年35期

10 上官晉太;黨雅文;;4階收斂的三次卷積插值算法及其邊界條件[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

相關(guān)會(huì)議論文 前5條

1 畢重科;張彩明;;應(yīng)用于CT數(shù)據(jù)的插值算法[A];中國(guó)圖學(xué)新進(jìn)展2007——第一屆中國(guó)圖學(xué)大會(huì)暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

2 雷曉輝;王海潮;陳寧;蔣云鐘;;不同氣象信息插值算法對(duì)SWAT模型模擬的影響研究[A];中國(guó)水利學(xué)會(huì)第四屆青年科技論壇論文集[C];2008年

3 羅毅;文玉梅;肖義男;;改進(jìn)的PDE邊緣保持圖像插值算法[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

4 賴俊;張江鑫;;一種基于人臉對(duì)稱性的差錯(cuò)掩蓋方法[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

5 胡金義;劉軒;林紅;;基于ArcGIS的Cressman插值算法研究[A];中國(guó)水利學(xué)會(huì)2010學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 孫冬;基于分形自相似結(jié)構(gòu)和稀疏塊拼貼的圖像插值算法研究[D];安徽大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 郭翰庭;基于多方向和邊緣保持的圖像插值算法研究[D];西南交通大學(xué);2015年

2 史耀亮;毫米波雷達(dá)近程平面掃描散射成像算法研究[D];南京理工大學(xué);2015年

3 張丹丹;幾種基因型插值算法的研究[D];大連海事大學(xué);2015年

4 劉麗花;基于多源數(shù)據(jù)融合的三維地下水含水層系統(tǒng)的可視化實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2015年

5 陳卓立;LTE-A系統(tǒng)下行鏈路MIMO檢測(cè)的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

6 宋娟麗;濾色陣列插值算法及FPGA設(shè)計(jì)研究[D];西安電子科技大學(xué);2014年

7 馮玲;高幀率視頻采集與處理系統(tǒng)[D];電子科技大學(xué);2015年

8 張聰聰;基于波動(dòng)地磁場(chǎng)的室內(nèi)定位和構(gòu)建地圖[D];南京郵電大學(xué);2015年

9 馬牙川;基于FPGA的智能工業(yè)相機(jī)系統(tǒng)的研究[D];浙江大學(xué);2016年

10 孫智強(qiáng);顏色插值算法改進(jìn)及其電路設(shè)計(jì)[D];復(fù)旦大學(xué);2014年

，

本文編號(hào)：2288161