基于分層模糊證據(jù)合成的lidar數(shù)據(jù)地物分類方法
【專利摘要】本發(fā)明公開了基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法。通過(guò)構(gòu)建模糊信任分配模型對(duì)首次回波高程圖像、首末次回波高程差圖像、首次回波強(qiáng)度圖像、歸一化植被差異指數(shù)圖像分別進(jìn)行信任分配，得到對(duì)應(yīng)的信任分配圖像；使用中值濾波對(duì)各信任分配圖像進(jìn)行降噪處理；構(gòu)造分層框架，對(duì)各層濾波結(jié)果進(jìn)行合成，根據(jù)最大值規(guī)則對(duì)合成結(jié)果進(jìn)行決策得到最終的分類結(jié)果。本發(fā)明克服了已有高精度方法分類速度慢無(wú)法滿足用戶需求的缺陷，在保證較高精度的同時(shí)，有效地提升了算法運(yùn)行的速度，形成了一種快速的高精度地物分類算法。可應(yīng)用于城市三維建模、大規(guī)模生態(tài)變化評(píng)估、地質(zhì)災(zāi)害快速勘察等領(lǐng)域。
【專利說(shuō)明】基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及機(jī)載LIDAR數(shù)據(jù)領(lǐng)域中的地物分類方法，具體為基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法。

【發(fā)明內(nèi)容】

[0002]機(jī)載激光掃描測(cè)距系統(tǒng)(Light Detection And Ranging,簡(jiǎn)稱LIDAR)由激光掃描儀、可見(jiàn)光或紅外成像系統(tǒng)、全球定位系統(tǒng)和慣性導(dǎo)航設(shè)備等構(gòu)成，是一項(xiàng)發(fā)展迅速的新型測(cè)繪遙感技術(shù)。由于其可快速、準(zhǔn)確、實(shí)時(shí)地提供大量的三維數(shù)據(jù)信息，被廣泛用于城市三維建模、大規(guī)模生態(tài)變化評(píng)估、地質(zhì)災(zāi)害狀況勘察等領(lǐng)域。
[0003]從高密度的LIDAR數(shù)據(jù)中進(jìn)行有效信息提取是生成各類測(cè)繪產(chǎn)品的前提，而地物分類方法則是有效信息提取的核心技術(shù)之一。目前LIDAR數(shù)據(jù)地物分類領(lǐng)域內(nèi)高精度的分類算法很多，而隨著LIDAR技術(shù)的發(fā)展，測(cè)量的區(qū)域地形地物更加復(fù)雜，LIDAR數(shù)據(jù)的密度也在不斷增加，這必將加大LIDAR數(shù)據(jù)后處理的工作量，增加處理時(shí)間。而對(duì)于戰(zhàn)斗機(jī)轟炸目標(biāo)選定、惡劣天氣條件下飛機(jī)降落導(dǎo)航、地質(zhì)災(zāi)害救災(zāi)政策快速制定等應(yīng)用，地物分類方法不僅需要滿足高精度的要求，更需要保證分類的快速完成。在保證較高精度的同時(shí)，如何對(duì)大量的機(jī)載LIDAR數(shù)據(jù)進(jìn)行快速分類，成為了一個(gè)亟待解決的問(wèn)題。
[0004]傳統(tǒng)方法如基于多源特征融合分類方法，利用了監(jiān)督分類的思想，融合多源數(shù)據(jù)進(jìn)行分類，該方法不僅需要訓(xùn)練樣本，還要人工參與為每類特征分配權(quán)重，算法復(fù)雜度高，速度較慢；馬爾科夫隨機(jī)場(chǎng)方法，雖然有效提升了分類的精度，但是分類程序運(yùn)行時(shí)間卻長(zhǎng)達(dá)十幾秒甚至幾百秒 ； 0tsu聚類與拓?fù)淠Ｐ拖嘟Y(jié)合的辦法進(jìn)行分類，算法的速度無(wú)法滿足實(shí)用需求；另有其他方法，如K-均值聚類方法、小波變換和空間尺度相結(jié)合的方法、數(shù)學(xué)形態(tài)方法等，分類精度尚可，但都難以在速度上滿足用戶的需求。
[0005]
【發(fā)明內(nèi)容】

[0006]本發(fā)明為了解決現(xiàn)有地物分類方法無(wú)法同時(shí)滿足高精度和運(yùn)算快的問(wèn)題，提供了基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法。
[0007]本發(fā)明是采用如下的技術(shù)方案實(shí)現(xiàn)的:基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法，包括以下步驟:
[0008]S1:構(gòu)造分層框架，選取首次回波強(qiáng)度圖像IN和LIDAR數(shù)據(jù)預(yù)處理后得到的首末次回波高程差圖像HD為分層框架第一層輸入；選取首次回波高程圖像DSMfe和LIDAR數(shù)據(jù)預(yù)處理后得到的歸一化植被差異指數(shù)圖像NDVI為分層框架第二層輸入；
[0009]S2:構(gòu)建模糊信任分配模型，對(duì)分層框架每層輸入的圖像分別進(jìn)行模糊信任分配并得到信任分配圖像；
[0010]S21:構(gòu)建模糊信任分配模型為:
【權(quán)利要求】
1.基于分層模糊證據(jù)合成的LIDAR數(shù)據(jù)地物分類方法，其特征在于包括以下步驟: 51:構(gòu)造分層框架，選取首次回波強(qiáng)度圖像IN和LIDAR數(shù)據(jù)預(yù)處理后得到的首末次回波高程差圖像HD為分層框架第一層輸入；選取首次回波高程圖像DSMfe和LIDAR數(shù)據(jù)預(yù)處理后得到的歸一化植被差異指數(shù)圖像NDVI為分層框架第二層輸入； 52:構(gòu)件模糊信任分配模型，對(duì)分層框架每層輸入的圖像分別進(jìn)行模糊信任分配并得到信任分配圖像； 521:構(gòu)件模糊信任分配模型為:
【文檔編號(hào)】G06K9/62GK103927557SQ201410194225
【公開日】2014年7月16日 申請(qǐng)日期:2014年5月8日 優(yōu)先權(quán)日:2014年5月8日
【發(fā)明者】楊風(fēng)暴, 李大威, 馮裴裴, 王肖霞, 梁曉偉 申請(qǐng)人:中北大學(xué)