基于SFS理论和Landsat数据的SRTM高程数据无效区域填充

作为最新发布的高分辨率全球共享DEM数据，SRTM数据对于相关领域的研究和应用具有重要意义，但是受数据获取手段的限制，SRTM数据中存在很多无效区域，严重影响了该数据的实际应用效果，而目前常用的无效区域填充方法存在着精度不高、辅助数据获取困难等诸多问题，难以满足实际应用要求。针对上述问题，本项目探讨基于明暗恢复形状（Shape from shading，SFS）算法和Landsat数据的SRTM无效区域填充方法，在分析SFS算法理论基础的前提下，充分发挥Landsat数据空间分辨率高、已覆盖全球和免费共享的优势，针对SRTM无效区域填充问题的特殊性，对现有利用单幅遥感影像提取地面高程的SFS算法进行改进，最终提出一种具有较高精度和广泛适用性的SRTM无效区域填充方法。通过本项研究，将有效解决SRTM数据存在的无效区域问题，进一步推动和促进SRTM数据的实际应用。