基于决策树的机载LiDAR点云数据分类

本文采用基于决策树的人工智能方式,通过对点云数据分割、提取分割片轮廓,手动设置地物的约束条件来提取LiDAR点云中的地物。两组实验表明,本文的方法能够成功提取点云数据中的建筑物、车辆等地物;要提高精度,需增加点云密度,因此本文方法适用于较平坦的城镇地区。     

密度聚类方法在点云数据分割中的应用研究

点云数据分割是点云数据处理的主要工作,也是实现地物自动识别的前提和关键环节,由于各种原因,目前点云数据分割自动化程度不高,尚需进一步的深入研究。本文以机载云数据为研究对象,提出了基于密度聚类方法的激光点云数据分割方法,该方法具有速度快、分割效果好、适应性强等优势,为后续的地物自动识别奠定了基础。     

基于水平截面法的树木点云精细分割研究

本文提出了水平截面法精细分割树木点云的方法。首先根据点云数据在XOY平面内建立二维格网,求取每个格网内点云数据高度的均值,根据格网内点云数据的高度阈值滤除地面点云和低矮地物点云数据;其次对滤除地面和低矮地物的点云运用八邻域算法提取树木点云,运用水平截面法对树木分层处理,求取每一层树木点云的轮廓线;再次将轮廓线连成多边形,求取多边形的最小外接圆的圆心,运用最小二乘直线拟合算法对各层圆心进行直线拟合,根据拟合直线与地面的交点,可以求取树木的精确位置;最后根据距离最近的原理,对树木进行了精细分割。实验表明:本文研究的方法可以较好的实现树木点云的提取,避免了传统方法设置参数过多的弊端。     

基于区域生长法激光扫描数据平面特征提取

激光扫描测量技术在三维城市建模领域的应用具有良好的发展发展前景。本文中的方法可以更好的应用于激光扫描仪点云数据中的关键地物提取。本文首先对三维激光扫描仪的测距原理进行了介绍,分析了三维激光扫描仪点云数据中的平面表示方式,结合区域生长算法对激光扫描仪点云数据进行分割,从而提取出平面特征,最后对该方法进行了试验和分析。     

车载LiDAR点云数据中杆状地物自动提取与分类

针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。     

基于LIDAR点云数据的电力线提取和拟合方法研究

从LIDAR电力线扫描数据的高程分布特点出发,提出了基于点云高程数据平面投影的电力线提取和拟合算法。首先通过高程自动阈值分割初步剔除地面点;其次,通过高程投影和重采样将高程分布转换为高程值影像,在影像空间通过直线检测实现电力线提取和拟合;最后,提出了基于数学形态学的电塔分割和潜在危险地物检测。通过对LIDAR点云数据电力线提取和拟合试验表明,本文算法能较好地实现电力线拟合、电塔提取及危险地物检测,可用于基于LIDAR的电力巡线。     

利用三维激光扫描数据进行建筑物立面点云分割算法分析

三维激光扫描技术在当今社会的应用越来越广泛,但由于点云数据量大,处理效率低下,如何快速高效地将大量点云数据进行重建与识别成为解决问题的关键。点云分割技术能够将立面点云中的特征信息与背景点云分离开来,为地物特征信息的提取和识别工作提供了重要的技术支持。本文通过编程实现了多种点云分割算法,对建筑物立面进行分割处理,详细分析了不同算法的分割精度及适用范围。     

激光雷达点云电力线自动提取算法

针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法。首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检测算法,实现单根电力线的快速、高精度提取。提取结果和拟合试验表明,该方法能在复杂地形下实现电力线的自动提取,极大提高了电力线的提取效率和精度。     

影像与激光雷达数据的城市地物信息提取

针对城市地物信息提取中地物边界难以确定、分类精度不高的问题,该文提出一套综合利用影像及激光雷达点云高程信息的面向对象分类方法。在分割中,各类地物的最佳分割尺度由监督法分割精度评价确定,最终分割结果利用粒度理论下的分割尺度综合方法进行合成,能兼顾不同地物最优分割尺度,获得准确地物边界;在分类中,采用ReliefF特征选择算法度量从影像及点云数据提取的对象特征重要度,选择最佳特征组合,并采用多分类器组合方法进行分类,以消除Hughes现象,提高分类精度。选择德国斯图加特市两块实验区进行分类实验,结果表明:该方法有利于提高大范围城市地物精细信息提取的精度和效率,具有较高的应用价值。     

基于PointCNN的车载行道树点云分割方法

利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云，经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云，并对三个数据集的应用结果作精度评定，其最终结果的误差在有效范围内，并对PointCNN中的参数进行分析，完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型，且受非行道树点云目标干扰小，在复杂道路环境下的数据分割工作有很好的效果。     

空谱协同多尺度顶点成分分析的高光谱影像端元提取EI北大核心CSCD

针对顶点成分分析方法无法实现复杂地表环境下的高光谱影像端元精确提取问题,提出了一种基于空谱协同多尺度顶点成分分析的端元提取方法,通过影像空谱特征融合和聚类分割,对不同分辨率空间尺度下的分割影像进行端元协同提取,并考虑噪声对影像端元提取精度的影响,提升端元提取的精度。首先,对影像进行预处理,采用低秩矩阵分解去除噪声。其次,对高光谱影像进行空谱多特征提取,利用多特征融合和K-means算法进行聚类分割,获取地物分布的空间异质性信息,提升后续端元提取的精度。然后,对高分辨率影像空间降采样,利用顶点成分分析方法对降采样后的低分辨率分割图像进行端元提取,并利用坐标映射寻找高分辨率影像中的相应端元,利用光谱角来判定是否为纯端元。最后,遍历上述方法至所有分割影像以获取最终的端元集合。使用模拟数据和真实的高分五号高光谱数据对提出的方法进行实验验证。实验结果表明,空谱协同多尺度顶点成分分析方法可提取高精度的纯净端元,且计算效率较高。     

矢量数据辅助的高分辨率遥感影像道路自动提取

高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。     

海岸带水体遥感信息全自动提取方法

在对经典的水体遥感信息提取方法分析的基础上,针对海岸带水体的特点了提出一种新的方法,该方法通过“像元-对象”及“全域-局部”的双重尺度转换,综合利用了海岸带水体遥感信息的光谱特征、空间特征、统计特征和不确定性,有机结合了地学知识与数据挖掘方法,实现了海岸带水体遥感信息的全自动提取。对我国四大海域不同类型海岸带的Landsat ETM+遥感影像进行试验,发现应用该方法能够兼顾宏观和微观的水体特征,提取结果具有较好的完整性和连续型,相对精度优于监督分类法和阈值分割法。     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

利用激光点云数据提取采石场地貌特征

三维激光扫描技术在地貌特征提取方面能够实时、主动、高效完成数据采集工作,具有传统测量方法不具有的特点。利用研究区点云数据生成等高线和三维模型可以真实地反映出其地貌特征。本文选择李庄采石场为研究对象,利用徕卡C10扫描仪获取激光点云数据,采用Cyclone和Geomagic Studio软件相结合对其进行预处理,再分别利用Cyclone、CASS、Surfer 3种软件提取地貌特征,并与常规测量方法进行了对比分析。研究结果表明：3种软件均可以生成等高线并生成理想的三维模型,且均有其特性;在制作精度和效率方面,利用点云数据绘制出的等高线相比常规测量方法有着明显的优势。     

ASTER数据的煤矿区水体信息提取

为实现多光谱数据对煤矿区水体信息提取,以萍乡市芦新岭及周边煤矿为试验区,在国内外学者对水体指数法提取水体信息和应用的启发下,对试验区不同地物的波谱特征进行分析。本文首先利用数学统计方法建立一种ASTER数据综合归一化差异水体指数模型SWI ASTER_xy,然后利用这一模型对试验区进行水体信息提取。试验表明,该模型能够有效地提取矿区各类水体,还可以运用在ASTER数据（或其他多光谱数据）对不同区域不同地物的提取,在遥感地物定量提取上具有很好的效果和潜力,具有一定的推广价值。     

GPS变形监测系统中消除噪声的一种有效方法

GPS变形监测系统的观测资料可看成为与时间有关的数据序列，应用小波分析理论，研究了时间序列观测数据的误差消除问题。结果表明，借助于小波分解与重构，可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。     

结合区域增长法和TIN边缘分割的建筑物立面几何特征提取

针对已分割出建筑物立面的点云数据,采用结合主成分分析(PCA)的区域增长法提取建筑物立面的平面特征,并利用结合凸壳算法的三角网轮廓提取算法实现建筑物立面几何特征轮廓边的提取。实验结果表明,该方法可以有效地从密度不均匀的点云数据中提取出建筑物立面几何特征。     

领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。     

基于颜色特征利用色矩与BTC法进行影像聚类

影像聚类是一种对影像数据进行分组的方法,在基于内容的影像检索中,如果能够利用较低层次的可视特征进行高效的影像聚类,将会大大提高影像检索的精度.文章分别利用色矩法与分块截短编码(BTC)方法提取影像颜色特征,然后采用K均值聚类算法来对两种方法进行聚类分析.实验结果表明,分块截短编码(BTC)方法的聚类精度优于色矩法.