排序方式: 共有55条查询结果,搜索用时 328 毫秒
31.
32.
机载LiDAR是获取地表DEM的重要技术之一。本文针对机载LiDAR点云数据在复杂城区环境下的大型建筑及低矮地物滤波问题,提出一种新的二面角滤波法。利用空间二面角的平面角可以表达空间两相交平面相对位置的原理,实现机载LiDAR点云数据滤波。首先,算法提取点云数据中的高程突变点,以非突变点的二面角余弦均值稳定性作为判定迭代结束的条件;其次,分别统计高程突变和非突变点集的二面角余弦值频率分布,以交点处对应余弦值和最后一次迭代的坡度值作为LiDAR点云滤波的判定条件;最后,利用数学形态学“开”算子,去除残留低矮植被,得到可靠的滤波结果。对同一区域机载LiDAR点云数据,通过“二面角法”与“渐进三角网法”进行滤波处理。实验结果表明,二面角滤波法能有效地降低地物点错分为地面点的百分率,且在去除地物信息的同时能良好地保留地形特征。 相似文献
33.
三维相位解缠是时序干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)技术的关键环节之一,解缠结果直接影响时序InSAR地面沉降监测的精度。针对地面沉降严重、地形坡度变化较大的区域,因相位欠采样引起的整周期解缠误差问题,提出了一种基于频域置信度的加权最小二乘相位解缠算法,并以此替代时空三维相位解缠中空间维以相位梯度为权重的加权最小二乘相位解缠算法。通过提高相位坡度变化估计的准确性,进而提高时空三维相位解缠的精度和稳定性。以北京地区地面沉降监测为例进行了验证,结果表明,与经典的时空三维相位解缠算法相比,改进算法得到的沉降监测结果精度更高,特别是对于坡度变化较大、失相干现象明显的沉降漏斗区,其沉降监测精度有明显改善。 相似文献
34.
机载LiDAR点云数据中电力线的提取方法研究 总被引:4,自引:0,他引:4
提出了一种基于机载LiDAR点云数据的电力线提取方法。首先在进行LiDAR数据滤波的基础上,分离地面点与非地面点;然后针对非地面点采取一种基于角度的滤波方法,分离非地面点中的植被点与电力线点,对电力线点,采用二维Hough变换进一步分离各条电力线点;最后使用双曲余弦函数模型,对单条电力线进行曲线拟合。实验结果表明,该方法能够从LiDAR点云数据中较完整地提取出电力线点,电力线点提取正确率达96.2%,并能够对电力线走廊进行三维重建。 相似文献
35.
36.
在PSInSAR干涉测量技术中,主影像的选择直接影响后续的形变相位提取及沉降信息解算。在综合考虑空间垂直基线、时间基线和多普勒中心频率对影像去相干影响的基础上,将三因素的相干性测度映射到三维空间,构成三个质点,通过对三质点的质心的研究来衡量三因素对影像相干性的综合影响,构建一种新的主影像选择模型。以2003~2009年北京地区28景ENVISAT ASAR影像为试验数据,分别采用该模型及综合最大相关系数模型进行主影像选择,并进行实际干涉处理,以生成干涉图及相干系数均值,对两种方法主影像选取结果进行定量评价。结果表明,与直接以去相干因素的相干测度乘积构建的综合相关系数模型相比,该方法选取的主影像更为合理,与其他辅影像总体干涉性更好。 相似文献
37.
基于高分辨率遥感影像的DSM建筑物点的提取研究 总被引:3,自引:0,他引:3
采用基于小面积去除方法的中值SUSAN噪声点平滑方法,结合高分辨率遥感影像,对DSM中房屋点的提取进行了探讨。实验表明,本方法能有效地从DSM中提取绝大部分建筑物点,有助于建筑物的精确三维重建。 相似文献
38.
39.
为了充分利用不同极化特征信息,并将其有效地结合,提出一种结合粒度计算的全极化合成孔径雷达(synthetic aperture radar,SAR)影像分类方法。在不同极化目标分解特征组合的基础上引入影像纹理信息,利用光滑支持向量机(smooth support vector machine,SSVM)对不同特征组合进行类别划分获得粗粒度空间,采用商空间对粗粒度进行合并;根据全极化SAR影像分布特性,以相干矩阵作为新的特征矢量,利用Wishart测度代替传统欧氏距离对差异粒度进行推理,通过合并推理结果与合成论域,获得精细分类结果。采用L波段San Francisco地区和荷兰Flevoland地区的全极化SAR影像进行分类试验,结果表明:利用SSVM算法对全极化SAR影像进行粗粒度划分,并采用Wishart距离对差异粒度推理综合,总体分类效果优于结合纹理信息的Cloude及Yamaguchi4分类结果,且优于基于线性特征融合进行监督分类方法。 相似文献
40.
针对基于像素的谱聚类计算量大、效率低,且受到影像斑点噪声影响严重的问题,该文结合极化合成孔径雷达影像的统计特性,提出了一种基于超像素的极化合成孔径雷达影像谱聚类算法。该方法首先用基于梯度分割影像的分水岭算法得到影像的初始分割;然后按区域邻接关系合并含像素个数较少的极小区域得到超像素图像;最后以超像素为基本数据单元,采用修正Wishart距离作为超像素之间的距离度量标准,通过Nystrm逼近的采样方法获得最终的分类结果。最后利用模拟数据和1991年获取的荷兰Flevoland地区L波段稻田数据验证了该算法的有效性,总体分类精度达到了98.17%。 相似文献