Centre de documentation
scientifique

A high-resolution satellite DEM filtering method assisted with building segmentation / Yihui Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 6 (June 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 6 (June 2021) . - pp 421 - 430 Titre : A high-resolution satellite DEM filtering method assisted with building segmentation Type de document : Article/Communication Auteurs : Yihui Li, Auteur ; Fang Gao, Auteur ; Wentao Li, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 421 - 430 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection du bâti [Termes IGN] filtrage numérique d'image [Termes IGN] filtre adaptatif [Termes IGN] image à haute résolution [Termes IGN] Kappa de Cohen [Termes IGN] modèle numérique de surface [Termes IGN] orthoimage [Termes IGN] point d'appui [Termes IGN] segmentation d'image Résumé : (Auteur) Digital elevation model (DEM) filtering is critical in DEM production, and large-area meter-level resolution DEM is mainly generated from high-resolution satellite images. However, the current DEM filtering methods are mostly aimed at laser scanning data and tend to excessively remove ground points when processing a satellite digital surface model (DSM). To accurately filter out buildings and preserve terrain, we propose a DEM filtering algorithm using building segmentation results of orthophoto. Based on morphological filtering, our method estimates the probability of being a built-up area or mountains for DSM, and according to this probability the filtering parameters are adaptively adjusted. For robustness, our method performs the above filtering operation on DSM through a sliding-window approach, and finally the nonground points are determined by the votes of multiple filtering. Experiments against six representative data sets have shown that our method achieved superior performance than classical algorithms and commercial software. Numéro de notice : A2021-374 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.6.421 Date de publication en ligne : 01/06/2021 En ligne : https://doi.org/10.14358/PERS.87.6.421 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97827 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021061	SL	Revue	Centre de documentation	Revues en salle	Disponible