方差分析引导的高阶马尔可夫网络及其在点云建筑物提取中的应用

以ALS (Airborne Laser Scanning)系统为代表的三维点云获取技术为建筑物重建提供了一条高效便捷途径。本文基于ALS点云超体素,提出了一种方差分析引导的高阶马尔可夫网络,并用以提取建筑物。该方法以超体素作为无向图模型节点,根据三维邻域特有的局部几何属性,结合方差分析原理,生成高阶因子,并将特征转化为表达能力更强的节点和边势函数;再采用信念传播算法,对高阶马尔可夫网络进行推理,形成了一种非监督的建筑物识别框架。此外,本文采用由粗到精的识别策略,首先在独立假设前提下,利用贝叶斯高斯混合模型实现节点初始状态捕捉,再采用高阶马尔可夫网络对三维邻域的相关性建模,以提高建筑物提取精度。本文引入两组具备人工标记真值的开放ALS点云数据集进行实验,利用4种国际通用指标对建筑物提取结果进行精度评价。可视化分析表明,本文方法提取的建筑物内部完整,且边界清晰,为建筑物三维重建提供了可靠信息。定量化分析表明,在低层建筑主导的住宅区,本文方法的建筑物提取精度(基于投影面积和对象的F1指数)为95.4%和91.5%,均高于现有方法;在高层建筑主导的商业区,基于对象的F1指数达到93.5%,高...