DSM到DTM的转换——基于PCI Geomatica

数字表面模型（DSM）是数字高程模型（DEM）的变体，它代表地球的表面，包括植被，建筑物和其他人造特征。数字地形模型（DTM）仅包括除去植被，建筑物和其他人造特征的“裸土”的高程（尽管通常保留道路和桥梁）。

在摄影测量法（用于生成正射影像）和GIS（例如，用于分水岭分析）中，DTM是首选产品。但是DSM确实可用于真正射产品制作以及其他特定类型的分析。DEM是一个通用术语，可以引用DSM或DTM。

DEM可以认为是数字地形模型DTM的一个分支。DTM是描述包括高程在内的各种地貌因子，如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布，而DEM是零阶单纯的单项数字地貌模型，其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。

在PCI软件中，有两个主要工具可将DSM转换为DTM。这些是：
• Focus中的 DEM编辑工具，提供手动转换方法
• DSM2DTM算法 可提供自动化功能

Focus中的手动方法可以非常精细地控制转换过程，并提供最佳结果。通过DSM2DTM算法自动执行的方法在许多情况下都可以产生可接受的结果，但是通常可以通过在Focus中进行手动编辑进行润色处理来获得结果。

此过程需要先前创建的DEM文件。请参阅另一篇DEM提取教程：立体像对DEM提取——基于PCI Geomatica
用于生成DEM的样本图像：https://www.intelligence-airbusds.com/en/8262-sample-imagery
本文的官网链接：DSM2DTM

一、DEM手动编辑

通过DEM Editing窗口中提供的各种滤波器实现。

1. 打开Geomatica Focus应用程序。
   

2. 选择 Focus> File> Open 在Focus中打开DSM

3. 在Focus菜单栏中，选择“ Layer>DEM编辑 …”

4. 显示DEM编辑面板。DSM以阴影浮雕显示，以便于查看。进行编辑时，在DSM的部分工作区域上绘制一个多边形，使用以下过滤器顺序（如下所示）将DSM的该部分转换为DTM。然后可以使用另一个绘制的多边形重复这些滤镜，直到转换整个DSM：
   • Terrain filters 地形过滤器
   • Pit and Bump Filters 凹凸过滤器
   • Median filters 中值过滤器
   • Clamp filters 钳式过滤器
   • Final manual touch-up 最终手动编辑
   

1.1 Terrain filters

通常使用的第一个过滤器是“ Terrain Filters”。根据添加的数据类型，它可以是“Terrain filter (flat)”或“Terrain filter (hilly)”。 Terrain filter (flat)更适合于田野或市区等平坦区域，而Terrain filter (hilly)最适合于山区或丘陵地区。

地形过滤器中的两个主要参数是Size和Gradient


上图显示了用于测量DSM中最大建筑物的线测量工具示例。在这种情况下，建筑物的直径约为113米。

Gradient单位为度，范围0到90，从完全平坦到完全垂直。这是一个关键参数，它定义了保留在DTM中的对象的截止范围。例如，指定30度将使过滤器从坡度超过30度的地形中移除所有物体，只要它也在指定大小内即可。

确定Gradient参数的值时，请记住，自然休止角（自然地面沉降的典型角度）约为25度。这意味着将梯度值降低到25度以下可能会开始删除自然特征，例如山丘。这就是为什么最好将Gradient值设置为尽可能高的原因，因为它减少了消除自然坡度的可能性。

对于此示例，使用了Size为333像素（0.30m分辨率下为100m）且Gradient为40度的Terrain filter (flat)

可以从上图看到，以40度的陡峭角度，图像底部中心的采石场的砾石沉积没有被清除，但是几乎所有建筑物都被清除了。
注意：与青色所选区域的边缘相交的建筑物将不会被删除，因为它们并未完全包含在选择中。

运行初始地形滤镜之后，可以继续运行其他地形滤镜以提高平滑度并删除所有剩余的建筑物，以提高过滤质量。在这种情况下，建议将滤镜缩小为较小的数，并将Gradient减小2到7度。在减小Gradient的同时减小过滤器的Size也很重要，因为它可以防止去除较大的，缓斜的特征，防止它们不会落在阈值之内。如果连续运行大型粗过滤器，通常会去除较小的山丘。

为了改善此特定数据集的结果，再次运行了Terrain filter (flat)两次。
Size： 167（50米） Gradient： 37度 连续运行两次。

经过三次Terrain filter (flat)后，结果如下。
注意：由于我们的Gradient参数一直保持在37度的高水平，因此尚未删除采石场的砾石和悬崖面。

1.2 Pit and Bump Filters

Pit and Bump filters 通过消除景观中的小坑和凸起，同时融合了建筑物原来的边缘来平滑DTM。理想情况下，这些过滤器的Size应小且Gradient低，以避免去除重要的特征。此过滤器中使用的参数与地形过滤器的参数相似，其中Size表示要删除的最大对象，而Gradient表示要删除的对象的最高斜率。
这里，Pit and Bump filters按以下顺序运行了4次

过滤器	参数
Remove bumps (keep linear)	Size: 23 (7m) Gradient: 15
Remove pits (hilly)	Size: 23 (7m) Gradient: 15
Remove bumps (keep linear)	Size: 17 (5m) Gradient: 5
Remove pits (hilly)	Size: 17 (5m) Gradient: 5

下图显示了4次Pit and Bump filters的结果。
注意：地面光滑，道路和地面上的小瑕疵已被填充或清除。

1.3 Median filters

Median filter是DTM最终平滑的一部分。该过滤器不会进一步去除任何凸起，坑洼或建筑物，但会平滑丘陵和道路的边缘。最好使用中值过滤器作为最后一步。

Median filter有两种类型，Median filter和Hybrid median filter。Hybrid median filter在正常中值过滤器可能使粗糙边缘模糊的情况下保留了粗糙边缘，因此使用哪一个滤波器取决于数据集。

对于大多数数据集，过滤器Size介于7到11之间是合适的。在此示例中，Median filter以Size：11 运行一次
下图显示了通过运行Median filter的结果。之前（左）和之后（右）

1.4 Clamp filters

从DSM创建DTM的最后一步是 Clamp filter。如果像素在某个阈值之内，则此过滤器通过升高和降低像素来稳定高程模型的各个部分。这对于平整道路或田野等大型平面非常有用。该滤波器的建议值为Size为10，Clamp百分比为10。

运行 Clamp filter 的结果。在之前（左）和之后（右）

同时使用中值和钳位滤波器将大大平滑DTM。下图显示了过滤之前（左）以及Median和Clamp过滤之后（右）

1.5 manual touch-up edits

可能有一些残留的建筑物需要滤掉，或者需要清理沿其边缘的道路。在有问题的区域周围绘制多边形并应用过滤器，完成手动编辑。

例如，在此数据集中，有一栋建筑物在过滤过程中没有被移走，因为它靠在山坡上，很可能被误认为是自然特征。可以使用DEM编辑面板中包含的编辑工具轻松删除此建筑物。

下图突出显示了示例数据集中剩余的单个建筑物：

下图是使用低梯度的Terrain filter (flat) 工具去除被涂抹的建筑物之前（左）和之后（右）的图像。

二、自动生成DTM

使用DSM2DTM算法可以将DSM自动转换为DTM。可以通过Focus算法库、EASI或Python接口来访问此算法。

自动生成的DTM的质量可能不如手动方法高，因此强烈建议创建原始DSM的副本。过程中需要使用不同的参数设置多次运行DSM2DTM算法，以获得可接受的质量水平。

DSM2DTM算法在DSM上运行一系列Terrain，Pit，Bump，Median和Clamp过滤器。这与上述手动编辑技术中描述的推荐顺序相似。

下面是如何从Focus Algorithm Librarian 访问DSM2DTM算法示例

1. 在Geomatica工具栏上选择Focus

2. 在Focus菜单栏，打开 Algorithm Librarian
   

3. 选择Algorithm Library > All Algorithms > DSM2DTM

4. 将打开“ DSM2DTM模块控制面板”。
   • 在“ DSM2DTM模块文件选项卡中，选择要转换为DTM的DSM
   • 选择DTM的输出文件名和位置
   • 单击输入参数1选项卡
   • 根据下面的打印屏幕设置参数和过滤器。请注意，您可以一次运行设置多个过滤器。

5. 点击运行

6. 算法运行后，请根据您的单个数据集验证结果。

7. 可选择另外设置过滤器来再次运行DSM2DTM。
   注意：对象大小决定了用于搜索局部最小值的内核大小。通常，使用的尺寸要足够大以除去大多数建筑物和表面特征。但是，通常需要一些手动编辑来完善最终产品。
   

最终的过滤图像如下所示。可以继续在过滤器输出上继续运行DSM2DTM算法以生成所需结果。