LiDAR輔助遙感影像建筑物分類(lèi)識(shí)別和提取研究.pdf

1、近年來(lái),我國(guó)城市擴(kuò)張迅速,城市建筑物快速增加。如何從高分辨遙感影像上自動(dòng)、快速地提取建筑物,對(duì)地理信息系統(tǒng)數(shù)據(jù)庫(kù)更新、城市規(guī)劃、數(shù)字化城市建設(shè)等方面有著十分重要的學(xué)術(shù)及現(xiàn)實(shí)意義。LiDAR(Light Detecting And Ranging)技術(shù)的發(fā)展,為解決這一問(wèn)題提供了新的途徑。本文使用LiDAR數(shù)據(jù)輔助高分辨遙感影像,結(jié)合LiDAR數(shù)據(jù)的高度特征和高分辨遙感影像的光譜及紋理特性,使用支持向量機(jī)(Support Vector M

2、achine,簡(jiǎn)稱SVM)分類(lèi)的方法,對(duì)建筑物的分類(lèi)識(shí)別和提取進(jìn)行了研究。
　　支持向量機(jī)(SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的新的機(jī)器學(xué)習(xí)方法,應(yīng)用于遙感影像分類(lèi)中,在小樣本學(xué)習(xí),學(xué)習(xí)效率和獲取全局最優(yōu)等方面都有顯著的優(yōu)勢(shì)。目前,SVM用于高分辨率遙感影像分類(lèi)也處于廣泛的研究中。
　　本文在前人研究的基礎(chǔ)上,采用了區(qū)別于其它建筑物提取方法的新方法,即融合LiDAR高程數(shù)據(jù)和高分辨遙感影像作為實(shí)驗(yàn)數(shù)據(jù),利用SVM分類(lèi)技術(shù)把建筑物

3、同其他地物分離,然后使用數(shù)字圖像處理技術(shù)對(duì)分類(lèi)結(jié)果進(jìn)行處理,最終提取出建筑物。本文的主要研究?jī)?nèi)容如下:
　　1.初步探討了原始LiDAR點(diǎn)云數(shù)據(jù)的預(yù)處理,研究了基于TerraScan分類(lèi)生成數(shù)字表面模型(DSM)和數(shù)字高程模型(DEM),進(jìn)而使用兩者生成沒(méi)有地面高程信息的nDSM,作為建筑物分類(lèi)提取的輔助數(shù)據(jù)。
　　2.闡述了四種常用的監(jiān)督分類(lèi)理論尤其是支持向量機(jī)分類(lèi)理論,進(jìn)行了高分辨影像的監(jiān)督分類(lèi)實(shí)驗(yàn),比較了這四種監(jiān)督分類(lèi)

4、方法的分類(lèi)精度,同時(shí)比較了建筑物分類(lèi)提取精度;進(jìn)行了基于不同核函數(shù)的SVM高分辨影像分類(lèi)實(shí)驗(yàn),比較了這四種核函數(shù)的分類(lèi)精度和建筑物提取精度。
　　3.提出了支持向量機(jī)分類(lèi)識(shí)別建筑物的分類(lèi)流程,重點(diǎn)研究了如何確定支持向量機(jī)的核函數(shù)及核函數(shù)參數(shù),并使用獲取的核函數(shù)及核參數(shù)對(duì)實(shí)驗(yàn)影像進(jìn)行了建筑物分類(lèi)實(shí)驗(yàn),最后對(duì)建筑物分類(lèi)結(jié)果進(jìn)行分析。
　　4.研究了影像分類(lèi)后建筑物提取的后期處理技術(shù),主要是采用小面積去除刪除錯(cuò)分類(lèi)別,采用數(shù)學(xué)形態(tài)