一、选题背景 DEM(数字高程模型)是地理信息系统和遥感等领域所必需的核心数据，而且在测绘、水文、气象、 地貌、地质、土壤、工程建设、通讯和军事等领域也有着广泛的应用,这些应用都急切需要更高精度的 DEM数据。

目前, DEM数据可以通过野外测量和遥感技术的手段获取.其中,野外测量得到的DEM 精度高,但是会消耗大量的人力物力。

通过遥感技术可以在相对短的时间内获取覆盖面积较大的 DEM数据。

SRTM( Shuttle Radar Topography Mission)即航天飞机雷达地形测绘任务,由美国国家航空航天局、 美国国防部国家测绘局和德国与意大利航天机构共同完成测量的。

测量任务历时11d,获取了自60 #176;N至 56#176; S之间的SAR图像。

由SRTM获取的DEM数据 有30m( SRTM-1)和90m( SRTM-3)两种分辨率的产 品. SRTM数据每经纬度方格提供一个文件，精度有1arc-second和3 arc-second 两种，称作SRTM-1和SRTM-3, SRTM-1数据自2015年1月起逐步向全球免费公开，文件里面包含3601*3601个采样点的高度数据，并且数据的高程精度为#177;16m。

SRTM-1误差分析与建模目的是为了使SRTM数据更加精确，更加广泛应用到测绘、水文、气象、 地貌、地质、土壤、工程建设、通讯和军事等领域。

对优化DEM的精度和使用效果是非常有意义的。

二、国内外现状分析 目前,国内外研究人员对多源DEM 综合优化取得了一些研究成果.优化方法可以分为两大类: 一类是使用同源或异源的规则格网DEM数据进行综合优化.如孙亮等[1]提出了空间域最优加权融合算法,而陈传法等[2]采用快速傅立叶变换将DEM 数据变换的频域,对不同来源的DEM分别进行高通和低通滤波处理,再将频域相加,逆变换到空域. 两者在地形起伏不明显的地区取得了很好的效果. Ka r aka s i s等[4]将DEM 数据用不同的二元函数展开,对得到的展开系数矩阵进行加权融合处理.邓 少平等[5]根据对DEM精确性的评价融合了光学立体像对、 InSAR 和 雷 达 摄 影 测 量 等 方 式 获 取 的DEM.另外还有研究人员采用了基于稀疏表示的 DEM融合方法,但是这些研究还不够深入[6]。

另一类是使用高精度离散点高程数据来优化规则格网 DEM,而这类方法的文献较少。