偷拍视频偷看丁香五月西_欧洲av色欲无码综合网_在线视频精品网站_91亚洲火爆在线观看

當(dāng)前位置: 首頁 > 新聞資訊 > 行業(yè)資訊

探討機載激光點云與影像融合分類

發(fā)布日期:2019-05-16 23:46 瀏覽量:11178

航空或航天平臺獲取的遙感數(shù)據(jù)在各種空間、光譜和時間分辨率上提供了地表覆蓋信息,成為地理空間信息的主要來源。這些多源遙感數(shù)據(jù)提供的信息具有冗余性、互補性和合作性,將多源數(shù)據(jù)的互補信息加以利用,獲得對地物正確的解譯是非常重要的。多源遙感數(shù)據(jù)融合則是綜合多種傳感器遙感信息的最有效途徑之一,被認(rèn)為是現(xiàn)代多源影像處理和分析中非常重要的一步。

 

目前許多學(xué)者針對激光點云數(shù)據(jù)和影像的融合分類進行了研究。已有研究表明利用激光點云數(shù)據(jù)和光學(xué)影像進行融合分類得到的分類精度比單獨利用激光點云數(shù)據(jù)或光學(xué)影像進行分類的分類精度提高8%~16%。

因此聯(lián)合激光點云和光學(xué)影像進行分類,能夠改善分類效果,提高分類精度。

本文采用面向?qū)ο蠓诸惙椒?,?a href='http://gallileo-onlinemarketing.com/article/1202.html' target='_blank' title='激光點云'>激光點云數(shù)據(jù)引入影像分割、特征提取和影像分類3個環(huán)節(jié)中,改善影像分割效果和最終的分類結(jié)果,達到激光點云與航空影像融合分類的目的。


二、激光點云與影像融合分類

1. 改進的分水嶺分割算法

分水嶺分割算法是一個模擬浸水的過程,分水嶺分割算法中用到的是影像的梯度,計算Sobel 梯度影像并利用形態(tài)學(xué)所得的標(biāo)記圖像對梯度影像進行重建,將局部無關(guān)的極小值點去除消除過分割現(xiàn)象。

 

通常的算法中梯度為原始影像的灰度梯度計算獲得,但是這樣可能會造成一些局部灰度差異不大的地物,如水泥建筑和道路、綠色植被和草地等被分割到一塊分割單元中,導(dǎo)致最終的分類結(jié)果不準(zhǔn)確。

 

因此,本文將 LiDAR數(shù)據(jù)計算得到的 nDSM 投影到規(guī)則格網(wǎng)中生成圖像,計算高程梯度,然后利用標(biāo)記圖像進行高程梯度圖像的重建,再進行分水嶺分割計算,將分割后結(jié)果與灰度影像分割結(jié)果進行疊加,以達到改善分割效果的目的。

 

2. 規(guī)則集影像分類

激光點云數(shù)據(jù)的特征引入到航空影像分類的規(guī)則集中,主要有利用 nDSM 得到的高程信息及其統(tǒng)計值,激光點云自身獲得的反射強度信息及統(tǒng)計值。此外,光學(xué)影像的特征主要有直接光譜特征,如波段灰度均值、方差等; 間接光譜特征,如 NDVI 指數(shù)及幾何特征、形狀緊致性等。

 

綜合考慮了光學(xué)影像特征和激光點云特征,建立如下分類規(guī)則: 首先利用高程將地物分為地面和非地面地物,然后利用 NDVI 指數(shù)、強度、緊致性和強度標(biāo)準(zhǔn)差依次將地面地物分為草地、道路和裸地,利用 NDVI 指數(shù)、高程標(biāo)準(zhǔn)差和強度將非地面地物分為樹木和建筑。分類規(guī)則中的參數(shù)閾值都是通過樣本訓(xùn)練和多次試驗得到的。

 

三、影像分割

采用影像結(jié)合激光點云的改進分水嶺分割方法得到的分割結(jié)果在建筑物和陰影及樹木和陰影的地方要優(yōu)于僅采用影像進行分水嶺分割的結(jié)果。

下面從幾個定量指標(biāo)比較兩種分割結(jié)果。

分割結(jié)果指標(biāo).png 

對于兩種分割結(jié)果,分別統(tǒng)計其所得的分割單元數(shù)、分割單元的同質(zhì)性指標(biāo)、異質(zhì)性指標(biāo)等。同質(zhì)性指標(biāo)計算分割區(qū)域的標(biāo)準(zhǔn)差的加權(quán)平均值 U ,同質(zhì)性指標(biāo)的值越小說明區(qū)域同質(zhì)性越高; 異質(zhì)性指標(biāo)采用一個空間自相關(guān)指數(shù) V ( Moran 指數(shù)) 表示空間分割對象間的空間獨立程度,異質(zhì)性指標(biāo)的值越小說明分割單元間越獨立。

 

從表中可以看出,本文采用的影像和激光點云結(jié)合的分水嶺分割方法所得的分割單元數(shù)雖然比采用影像的分水嶺分割方法所得的分割單元數(shù)多,但是同質(zhì)性和異質(zhì)性數(shù)值卻更小,說明激光點云可以改善影像的分割效果,得到單元內(nèi)更勻質(zhì)、單元間差異更大的結(jié)果。

 

比較可見光( RGB) 波段影像的分割結(jié)果和增加近紅外(NIR) 波段之后影像的分割結(jié)果可以看出,后者的分割單元數(shù)比前者增加了,但是前者的同質(zhì)性和異質(zhì)性結(jié)果要比后者好。從定量指標(biāo)來看,RGB 影像和 LiDAR 點云結(jié)合的數(shù)據(jù)方式分割統(tǒng)計的同質(zhì)性和異質(zhì)性指標(biāo)均為最好,這是因為地物在可見光波段的光譜特性差異比較明顯,特別是草地和植被、草地和裸地有明顯差別,但是在近紅外波段它們之間的差異較小,因此加入近紅外波段之后計算的整體異質(zhì)性比可見光波段的差。但是結(jié)合定性的目視效果,最終采用 RGB+NIR 四波段影像和 LiDAR 點云結(jié)合的數(shù)據(jù)方式進行分割。

 

影像分類結(jié)果

融合分類得到的結(jié)果,可以看到大部分地物都得到了正確的分類,特別是由于高大植被和建筑造成的陰影基本上沒有影響道路的分類,而草地中間的植被也被分類出來。為了進一步分析融合分類的分類結(jié)果,評價分類精度,本文利用融合分類影像的混淆矩陣計算了每一類別的用戶精度、制圖精度、總體精度,以及 Kappa 系數(shù)和條件 Kappa系數(shù)。

 

裸地的制圖精度、用戶精度和條件Kappa 系數(shù)最低。其制圖精度為 62. 5%,實為裸地的像元有 37.5%被分為草地或道路像元中; 用戶精度為 66.67%,分類得到的裸地像元中有 33.33%實為草地或道路,說明裸地的多分和漏分現(xiàn)象比較嚴(yán)重。這是因為影像上裸地像元的數(shù)量很少,部分像元容易與鄰近的草地或道路分割為一個單元,這樣會使得分割單元的緊致性或強度等統(tǒng)計值代表了幾種混合地物的特性,使得分類時裸地誤分為草地或

道路,導(dǎo)致精度降低。

 

3 個類別精度指標(biāo)整體分析可知,道路、建筑和植被的精度較高,而草地的制圖精度較低,實際為草地的像元被分為道路或裸地像元,是因為分類所用的強度信息并不準(zhǔn)確,沒有經(jīng)過輻射校正,所以得到的強度特征并不能完全反映該地物的激光反射特性,因此采用的閾值不能很好地區(qū)分兩類地物。但是草地與建筑、草地與植被之間的錯分情況很少,說明激光點云數(shù)據(jù)得到的高程信息能將地面地物與非地面地物較好地區(qū)分,參與到建筑和植被的分類中能夠起到有效作用。

 

本文將機載激光點云數(shù)據(jù)與航空影像進行了面向?qū)ο蟮娜诤戏诸悾饕窃诤娇沼跋竦姆炙畮X分割梯度計算中加入 LiDAR 高程信息,然后結(jié)合地物的光譜特征和激光點云提供的高程特征,對影像進行了分層分類。試驗表明,激光點云的高程信息能夠改善影像分割效果; 激光點云數(shù)據(jù)得到的高程信息能將地面地物與非地面地物較好地區(qū)分,對建筑和植被的分類起到了有效作用。

 

版權(quán)聲明:文章來源于網(wǎng)絡(luò),登載此文出于傳遞更多信息之目的,版權(quán)歸原作者及刊載媒體所有,如本文中圖片或文字侵犯您的權(quán)益,請聯(lián)系我們。


猜你喜歡:

機載LiDAR激光點云數(shù)據(jù)制作高精度DEM的方法

什么是激光雷達點云數(shù)據(jù)

 


飛燕微信公眾號.jpg

 


猜你喜歡

相關(guān)設(shè)備
推薦服務(wù)
相關(guān)案例
新聞資訊

聯(lián)系方式

電話:025-83216189

郵箱:frank.zhao@feiyantech.com

地址:江蘇省南京市玄武區(qū)紅山街道領(lǐng)智路56
號星河World產(chǎn)業(yè)園3號樓北8樓

微信公眾號

總經(jīng)理微信

025-83216189