基于DOM及LiDAR的多尺度分割與面向?qū)ο罅窒斗诸?/H1>
發(fā)布時(shí)間：2018-04-02 12:01
本文選題：林隙 切入點(diǎn)：影像分割 出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年09期
【摘要】：為研究分割尺度對(duì)航空正射影像(DOM)與LiDAR數(shù)據(jù)協(xié)同面向?qū)ο罅窒斗指钆c分類的影響,以東北典型的天然次生林帽兒山實(shí)驗(yàn)林場東林施業(yè)區(qū)為試驗(yàn)區(qū),對(duì)DOM與LiDAR數(shù)據(jù)進(jìn)行多尺度分割與面向?qū)ο罅窒斗诸�。分割過程中,采用基于DOM分割、基于LiDAR數(shù)據(jù)分割、DOMLiDAR協(xié)同分割3種分割方案。每種分割方案采用10種尺度。在每種尺度應(yīng)用兩種數(shù)據(jù)提取的光譜和高度兩種特征,采用支持向量機(jī)分類器(SVM)進(jìn)行林隙分類。研究結(jié)果表明:3種分割與分類方案分類精度隨尺度的增大整體呈現(xiàn)下降的趨勢,與ED3(Modified)趨勢相反�；贚iDAR數(shù)據(jù)在尺度參數(shù)10獲得了最優(yōu)分割結(jié)果。在所有尺度上(10~100),基于LiDAR數(shù)據(jù)分割與分類精度高于其他兩種數(shù)據(jù)源的分類精度,相比單獨(dú)使用DOM優(yōu)勢更加明顯�；贚iDAR數(shù)據(jù)分割與分類方案在尺度參數(shù)10時(shí)獲得了最高分類精度(Kappa系數(shù)為80%)。3種分割與分類方案最優(yōu)尺度的分類精度顯著高于其他尺度分類精度。分割尺度對(duì)面向?qū)ο罅窒斗诸惤Y(jié)果有重要影響。
[Abstract]:In order to study the effect of segmentation scale on the segmentation and classification of spatial gap between DOM (aerial orthophoto image) and LiDAR data, the Donglin construction area of Maoershan Experimental Forest Farm, a natural secondary forest in northeast China, was used as the experimental area.Multi-scale segmentation and object-oriented gap classification for DOM and LiDAR data are carried out.In the process of segmentation, there are three segmentation schemes based on DOM segmentation and LiDAR data segmentation based on DOMLiDAR.Each scheme uses 10 scales.The spectral and height features of two kinds of data were used in each scale, and support vector machine classifier (SVM) was used for gap classification.The results show that the classification accuracy of the three kinds of segmentation and classification schemes decreases with the increase of scale, which is contrary to the trend of ED3Modified.The optimal segmentation results are obtained based on LiDAR data at scale parameter 10.On all scales, the accuracy of data segmentation and classification based on LiDAR is higher than that of the other two data sources, and the advantage of using DOM alone is more obvious.Based on the LiDAR data segmentation and classification scheme, the highest classification accuracy is obtained at 10:00 of the scale parameters. The classification accuracy of the optimal scale is significantly higher than that of other scales.Segmentation scale has an important influence on the result of object-oriented gap classification.
【作者單位】： 東北林業(yè)大學(xué)林學(xué)院;東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院;農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目(31300533) 農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室開放課題項(xiàng)目(2015001、2015003)
【分類號(hào)】：S771;TP751
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 胡長軍，，仝兆岐;用面向?qū)ο蠹夹g(shù)設(shè)計(jì)儲(chǔ)層數(shù)據(jù)庫系統(tǒng)[J];石油大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年06期
2 譚衢霖;徐東彪;;基于面向?qū)ο蠓诸惖拿茉瓶h城區(qū)地面不透水程度分析[J];北京交通大學(xué)學(xué)報(bào);2011年04期
3 劉哠,翁長儉;動(dòng)力分析的面向?qū)ο笥邢拊椒╗J];廣東造船;2003年04期
4 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實(shí)現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報(bào);2012年03期
5 楊良闖;程先富;;基于高分?jǐn)?shù)據(jù)的村級(jí)地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開發(fā)與市場;2014年05期
6 鄭毅;武法東;劉艷芳;;一種面向?qū)ο蠓诸惖奶卣鞣治龇椒╗J];地理與地理信息科學(xué);2010年02期
7 別強(qiáng);何磊;趙傳燕;;基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J];遙感技術(shù)與應(yīng)用;2014年01期
8 孫志英;趙彥鋒;陳杰;李桂林;檀滿枝;;面向?qū)ο蠓诸愒诔鞘械乇聿豢赏杆忍崛≈械膽?yīng)用[J];地理科學(xué);2007年06期
9 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報(bào);2009年07期
10 劉煒;王聰華;趙爾平;杜鶴娟;;基于面向?qū)ο蠓诸惖募?xì)小河流水體提取方法研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年07期
相關(guān)博士學(xué)位論文 前2條
1 黃志堅(jiān);面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年
2 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年
相關(guān)碩士學(xué)位論文 前4條
1 鄧海龍;高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究[D];中國地質(zhì)大學(xué)(北京);2015年
2 譚龍;基于面向?qū)ο蠓诸惙ǖ母叻直媛蔬b感滑坡信息提取應(yīng)用研究[D];蘭州大學(xué);2014年
3 董小姣;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D];湖南科技大學(xué);2014年
4 鄧劉昭蘆;基于MSRC的遙感影像面向?qū)ο蠓诸愌芯縖D];湖南工業(yè)大學(xué);2014年
本文編號(hào)：1700280
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/1700280.html
本文選題：林隙 切入點(diǎn)：影像分割 出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年09期
【摘要】：為研究分割尺度對(duì)航空正射影像(DOM)與LiDAR數(shù)據(jù)協(xié)同面向?qū)ο罅窒斗指钆c分類的影響,以東北典型的天然次生林帽兒山實(shí)驗(yàn)林場東林施業(yè)區(qū)為試驗(yàn)區(qū),對(duì)DOM與LiDAR數(shù)據(jù)進(jìn)行多尺度分割與面向?qū)ο罅窒斗诸�。分割過程中,采用基于DOM分割、基于LiDAR數(shù)據(jù)分割、DOMLiDAR協(xié)同分割3種分割方案。每種分割方案采用10種尺度。在每種尺度應(yīng)用兩種數(shù)據(jù)提取的光譜和高度兩種特征,采用支持向量機(jī)分類器(SVM)進(jìn)行林隙分類。研究結(jié)果表明:3種分割與分類方案分類精度隨尺度的增大整體呈現(xiàn)下降的趨勢,與ED3(Modified)趨勢相反�；贚iDAR數(shù)據(jù)在尺度參數(shù)10獲得了最優(yōu)分割結(jié)果。在所有尺度上(10~100),基于LiDAR數(shù)據(jù)分割與分類精度高于其他兩種數(shù)據(jù)源的分類精度,相比單獨(dú)使用DOM優(yōu)勢更加明顯�；贚iDAR數(shù)據(jù)分割與分類方案在尺度參數(shù)10時(shí)獲得了最高分類精度(Kappa系數(shù)為80%)。3種分割與分類方案最優(yōu)尺度的分類精度顯著高于其他尺度分類精度。分割尺度對(duì)面向?qū)ο罅窒斗诸惤Y(jié)果有重要影響。
[Abstract]:In order to study the effect of segmentation scale on the segmentation and classification of spatial gap between DOM (aerial orthophoto image) and LiDAR data, the Donglin construction area of Maoershan Experimental Forest Farm, a natural secondary forest in northeast China, was used as the experimental area.Multi-scale segmentation and object-oriented gap classification for DOM and LiDAR data are carried out.In the process of segmentation, there are three segmentation schemes based on DOM segmentation and LiDAR data segmentation based on DOMLiDAR.Each scheme uses 10 scales.The spectral and height features of two kinds of data were used in each scale, and support vector machine classifier (SVM) was used for gap classification.The results show that the classification accuracy of the three kinds of segmentation and classification schemes decreases with the increase of scale, which is contrary to the trend of ED3Modified.The optimal segmentation results are obtained based on LiDAR data at scale parameter 10.On all scales, the accuracy of data segmentation and classification based on LiDAR is higher than that of the other two data sources, and the advantage of using DOM alone is more obvious.Based on the LiDAR data segmentation and classification scheme, the highest classification accuracy is obtained at 10:00 of the scale parameters. The classification accuracy of the optimal scale is significantly higher than that of other scales.Segmentation scale has an important influence on the result of object-oriented gap classification.
【作者單位】： 東北林業(yè)大學(xué)林學(xué)院;東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院;農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目(31300533) 農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點(diǎn)實(shí)驗(yàn)室開放課題項(xiàng)目(2015001、2015003)
【分類號(hào)】：S771;TP751
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 胡長軍，，仝兆岐;用面向?qū)ο蠹夹g(shù)設(shè)計(jì)儲(chǔ)層數(shù)據(jù)庫系統(tǒng)[J];石油大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年06期
2 譚衢霖;徐東彪;;基于面向?qū)ο蠓诸惖拿茉瓶h城區(qū)地面不透水程度分析[J];北京交通大學(xué)學(xué)報(bào);2011年04期
3 劉哠,翁長儉;動(dòng)力分析的面向?qū)ο笥邢拊椒╗J];廣東造船;2003年04期
4 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實(shí)現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報(bào);2012年03期
5 楊良闖;程先富;;基于高分?jǐn)?shù)據(jù)的村級(jí)地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開發(fā)與市場;2014年05期
6 鄭毅;武法東;劉艷芳;;一種面向?qū)ο蠓诸惖奶卣鞣治龇椒╗J];地理與地理信息科學(xué);2010年02期
7 別強(qiáng);何磊;趙傳燕;;基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J];遙感技術(shù)與應(yīng)用;2014年01期
8 孫志英;趙彥鋒;陳杰;李桂林;檀滿枝;;面向?qū)ο蠓诸愒诔鞘械乇聿豢赏杆忍崛≈械膽?yīng)用[J];地理科學(xué);2007年06期
9 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報(bào);2009年07期
10 劉煒;王聰華;趙爾平;杜鶴娟;;基于面向?qū)ο蠓诸惖募?xì)小河流水體提取方法研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年07期
相關(guān)博士學(xué)位論文 前2條
1 黃志堅(jiān);面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年
2 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年
相關(guān)碩士學(xué)位論文 前4條
1 鄧海龍;高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究[D];中國地質(zhì)大學(xué)(北京);2015年
2 譚龍;基于面向?qū)ο蠓诸惙ǖ母叻直媛蔬b感滑坡信息提取應(yīng)用研究[D];蘭州大學(xué);2014年
3 董小姣;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D];湖南科技大學(xué);2014年
4 鄧劉昭蘆;基于MSRC的遙感影像面向?qū)ο蠓诸愌芯縖D];湖南工業(yè)大學(xué);2014年
本文編號(hào)：1700280
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/1700280.html
