数字高程模型（DEM）是一种非常重要的数字化地形表达形式。目前已有大量公开的DEM产品，但是大范围高分辨率DEM数据通常获取成本较高，而低分辨率数据难以满足人们的应用需求。本文拟利用多源DEM数据的互补信息，构建多尺度DEM数据融合的正则化模型，有效提升DEM数据质量。模型由数据一致性约束项和先验项组成：利用加权L1范数约束多尺度观测模型，能够克服多源观测数据之间的水平空间位移；另一方面，基于坡度信息，构建基于空间信息分段处理的马尔可夫随机场（MRF）先验模型，从而描述DEM数据的内部空间特征。该模型在提升原始数据分辨率和空间覆盖范围的同时，能够克服数据噪声、空洞等降质因素的影响，弥补现有数据在精度和尺度上的不足，从而更好地服务于地形分析、水文建模等对地观测应用。

        查看详细>>    L. Yue, H. Shen, Q. Yuan, and L. Zhang, “Fusion of Multi-scale DEMs using Regularized Super-resolution Methods,” International Journal of Geographical Information Science, DOI: 10.1080/13658816.2015.1063639.