基于LiDAR點云與高分影像的面向?qū)ο蟮膿p毀建筑物提取方法研究.pdf

1、針對地震災(zāi)區(qū)地形復(fù)雜，地物光譜特征、紋理特征與空間分布復(fù)雜，利用單一數(shù)據(jù)源無法快速、準確地提取損毀建筑物信息等情況，本文利用高分影像所具有的光譜特征、紋理特征和LiDAR點云所具有的高精度的空間三維信息、二次回波信息應(yīng)用面向?qū)ο蟮挠跋穹诸惣夹g(shù)，以實現(xiàn)損毀建筑物的快速、準確提取為目的，開展了以下研究工作:
　　 1、歸納總結(jié)了現(xiàn)有LiDAR點云濾波分類方法、LiDAR點云與高分影像的配準方法。采取人機交互的方式，利用基于面元特征的

2、配準方法實現(xiàn)了LiDAR點云和高分影像的配準。
　　 2、綜述了面向?qū)ο蟮母叻钟跋穹指罘诸惙椒?，主要包?高分影像的多尺度分割方法、最優(yōu)分割尺度確定以及面向?qū)ο蟮哪：诸惙椒ā?br>　　 3、研究采用LiDAR點云以nDSM的方式參與多尺度分割，實驗表明nDSM作為LiDAR點云的“高程”信息參與多尺度分割并不會造成影像的“過分割”現(xiàn)象，而是加速了影像對象的合并過程。
　　 4、本文提出最優(yōu)分割尺度范圍值求交、取最小

3、值得到最優(yōu)分割尺度的方法，該方法優(yōu)于原有的最優(yōu)分割尺度確定方法。實驗表明該方法是可行的，該方法具有更廣的適用范圍。
　　 5、研究分析了實驗研究區(qū)域內(nèi)各地物目標的光譜特征、形狀特征、紋理特征等，通過樣本的選擇、實驗分析選定了各地物目標的分類特征，建立了模糊分類規(guī)則集。根據(jù)樹木在高分影像上的光譜特征構(gòu)造了新的植被指數(shù)((VI)new)，實驗表明:利用該指數(shù)能夠準確有效的提取出樹木信息，提取樹木信息的Kappa系數(shù)為0.981744

4、。
　　 6、根據(jù)損毀建筑物的特征，采用通過逐步剔除影像上的樹木、道路、建筑物的方式提取損毀建筑物。最后對面向?qū)ο蟮膿p毀建筑物提取結(jié)果進行了精度分析，實驗表明該方法切實可行，提取損毀建筑物Kappa系數(shù)為0.932576。
　　 綜上，本文研究的基于LiDAR點云與高分影像的面向?qū)ο蟮膿p毀建筑物提取方法是切實可行的，損毀建筑物提取結(jié)果的用戶精度為94.04％，生產(chǎn)者精度為95.30％，Kappa系數(shù)為0.932576。本