發(fā)布時間：2018-04-05 00:10

  本文選題：LiDAR　切入點：航拍影像　出處：《中國礦業(yè)大學(xué)》2017年碩士論文

【摘要】：近年來,滾石災(zāi)害時有發(fā)生,它具有分布范圍廣、發(fā)生突然、頻率高等特點,嚴(yán)重威脅其周圍的人類及各種構(gòu)筑物,具有嚴(yán)重的危害性。通常,滾石防護需要通過野外實測獲取滾石分布信息,再采取工程性防護措施,這種方法耗時耗力,且山區(qū)地形復(fù)雜,野外調(diào)繪具有一定的危險性。目前,國內(nèi)外利用影像等數(shù)據(jù)進行滾石提取,存在提取精度低、誤檢率高、自動化程度低等問題。針對這些問題,本文擬提出一種綜合利用航拍影像與Li DAR數(shù)據(jù)提取山地滾石信息新方法,主要包括:影像多尺度分割,對分割后的對象進行綠色植被信息和陰影信息提取,排除綠色植被和陰影對最終滾石信息提取的干擾,對去除植被信息和陰影信息的分割對象運用本文提出的基于陰影和高程的滾石提取算法,得到滾石信息。主要工作內(nèi)容如下:(1)將綠色植被指數(shù)與面向?qū)ο笏枷胂嘟Y(jié)合進行綠色植被信息提取�；谙裨木G色植被信息提取易出現(xiàn)噪聲點多、提取結(jié)果不完整等問題。針對這些問題,本文將綠色植被指數(shù)運用到分割對象中能取得較好的提取效果。提取綠色植被信息,排除由于綠色植被形成的陰影對下文提取滾石信息的干擾。(2)改進一種基于彩色模型的陰影檢測算法。針對航拍影像陰影檢測中,與陰影區(qū)域具有相似光譜性質(zhì)的綠地、亮度較暗的非陰影、亮度較高的陰影區(qū)域容易出現(xiàn)錯檢漏檢等問題。在RGB和HSI色彩空間分別提出一種陰影指數(shù)進行陰影信息初步提取,根據(jù)陰影在RGB色彩空間中藍光波段和綠光波段的大小關(guān)系對初步提取結(jié)果進一步過濾,再對兩種色彩空間提取結(jié)果“與”運算作為最終陰影提取結(jié)果,最后通過實驗驗證本文的陰影提取算法。提取的陰影區(qū)域?qū)⒆鳛榈囊粋�重要的上下文特征用于滾石信息提取。(3)提出一種基于陰影和高程的滾石信息提取算法。分析滾石在影像和LiDAR數(shù)據(jù)中的特征,綜合利用滾石的光譜特征、上下文特征、Li DAR數(shù)據(jù)中的特征等,提出基于陰影和高程信息的滾石信息提取算法,并結(jié)合高程信息過濾得到最終滾石信息提取結(jié)果,最后進行精度評定和分析。本文提出的滾石提取算法識別精度高且提取輪廓準(zhǔn)確,基本能夠滿足地政等部門的滾石防護需求。(4)采用面向?qū)ο蟮腃++語言,基于Qt開發(fā)框架,使用開源的QGIS、GDAL、Laslib等類庫進行二次開發(fā),在微軟Visual Studio 2015開發(fā)環(huán)境下實現(xiàn)本文提出的滾石信息提取流程,主要包括:影像與矢量數(shù)據(jù)處理、LiDAR數(shù)據(jù)處理、滾石信息提取等模塊。
[Abstract]:In recent years, rolling stone disasters occur from time to time. They have the characteristics of wide distribution, sudden occurrence, high frequency and so on, which seriously threaten the human beings and all kinds of structures around them, and have serious harmfulness.Usually, the rolling stone protection needs to obtain the information of rolling stone distribution through field measurement, and then take engineering protection measures. This method is time-consuming and labor-consuming, and the terrain of mountain area is complex, so it is dangerous to adjust and map in the field.At present, there are some problems such as low precision, high rate of error detection and low degree of automation in the extraction of rolling stones with image and other data at home and abroad.In order to solve these problems, this paper proposes a new method for extracting rolling rock information from mountainous area by using aerial image and Li DAR data, which includes multi-scale segmentation of image, extraction of green vegetation information and shadow information from segmented objects.To eliminate the interference of green vegetation and shadow on the extraction of final rolling stone information, the rolling stone information is obtained by using the rolling stone extraction algorithm based on shadow and elevation proposed in this paper for the segmentation object which removes vegetation information and shadow information.The main work is as follows: (1) the green vegetation index is combined with the object oriented idea to extract the green vegetation information.The extraction of green vegetation information based on pixel is prone to many noise points and incomplete extraction results.In order to solve these problems, this paper applies green vegetation index to the segmentation object to obtain a better extraction effect.An improved shadow detection algorithm based on color model is improved by extracting green vegetation information and eliminating the interference of shadow caused by green vegetation to extract rolling stone information below.In the shadow detection of aerial image, the green space with similar spectral properties to the shadow region, the non-shadow with dark brightness and the shadow region with high brightness are prone to error detection and leak detection.A shadow index is proposed in RGB and HSI color space to extract shadow information. The preliminary results are filtered according to the relationship between the blue band and green band of shadow in RGB color space.Then the "and" operation of two color spaces is used as the final result of shadow extraction. Finally, the shadow extraction algorithm of this paper is verified by experiments.The extracted shadow region will be used as an important context feature for the extraction of rolling stone information. (3) A rolling stone information extraction algorithm based on shadow and elevation is proposed.This paper analyzes the features of rolling stones in image and LiDAR data, synthetically utilizes the spectral features of rolling stones and the features of Li DAR data, and puts forward a rolling stone information extraction algorithm based on shadow and elevation information.Combined with elevation information filtering, the final rolling stone information extraction results are obtained, and the accuracy evaluation and analysis are carried out at last.The rolling stone extraction algorithm proposed in this paper has high recognition accuracy and accurate contour, which can basically meet the rolling stone protection requirements of lands and other departments. It uses object oriented C language and is based on QT development framework.In this paper, we use the open source QGIS-GDALLLaslib library to develop the rolling stone information extraction flow in Microsoft Visual Studio 2015 development environment, which includes image and vector data processing module, rolling stone information extraction module and so on.
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P694;P23

【參考文獻】

相關(guān)期刊論文 前10條

1 楊智翔;裴向軍;袁進科;;高陡邊坡危巖體孤石的穩(wěn)定性分析[J];路基工程;2017年01期

2 位明露;詹總謙;;一種改進的航空遙感影像陰影自動檢測方法[J];測繪通報;2016年06期

3 高春霞;謝明鴻;宋納;;基于DSM與陰影的彩色遙感影像建筑物提取[J];鄭州輕工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2015年Z2期

4 汪小欽;王苗苗;王紹強;吳云東;;基于可見光波段無人機遙感的植被信息提取[J];農(nóng)業(yè)工程學(xué)報;2015年05期

5 伍艷蓮;趙力;姜海燕;郭小清;黃芬;;基于改進均值漂移算法的綠色作物圖像分割方法[J];農(nóng)業(yè)工程學(xué)報;2014年24期

6 何思明;王東坡;吳永;歐陽朝軍;;崩塌滾石災(zāi)害的力學(xué)機理與防治技術(shù)[J];自然雜志;2014年05期

7 趙顯富;胡曉雯;趙軒;;一種基于彩色模型的遙感影像陰影檢測方法[J];測繪通報;2014年05期

8 Shi Yonggang;Zhang Xueping;Liu Zhiwen;;AUTOMATIC SEGMENTATION OF HIPPOCAMPAL SUBFIELDS BASED ON MULTI-ATLAS IMAGE SEGMENTATION TECHNIQUES[J];Journal of Electronics(China);2014年02期

9 袁進科;黃潤秋;裴向軍;;滾石沖擊力測試研究[J];巖土力學(xué);2014年01期

10 周曉宇;陳艾榮;馬如進;;滾石柔性防護網(wǎng)耗能規(guī)律數(shù)值模擬[J];長安大學(xué)學(xué)報(自然科學(xué)版);2012年06期

相關(guān)博士學(xué)位論文 前8條

1 郝明;基于空間信息準(zhǔn)確性增強的遙感影像變化檢測方法研究[D];中國礦業(yè)大學(xué);2015年

2 張良;基于多時相機載LiDAR數(shù)據(jù)的三維變化檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

3 董保根;機載LiDAR點云與遙感影像融合的地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2013年

4 韓文泉;基于LiDAR技術(shù)的城市植被三維結(jié)構(gòu)信息提取[D];南京大學(xué);2012年

5 姚春靜;機載LiDAR點云數(shù)據(jù)與遙感影像配準(zhǔn)的方法研究[D];武漢大學(xué);2010年

6 羅伊萍;LIDAR數(shù)據(jù)濾波和影像輔助提取建筑物[D];解放軍信息工程大學(xué);2010年

7 王刃;機載LIDAR數(shù)據(jù)濾波與建筑物提取技術(shù)研究[D];解放軍信息工程大學(xué);2008年

8 閆成新;基于區(qū)域的圖象分割技術(shù)研究[D];華中科技大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 樊敬敬;基于機載LiDAR點云數(shù)據(jù)的城區(qū)植被與建筑物提取研究[D];中國礦業(yè)大學(xué);2016年

2 王慶瀚;下穿隧道邊坡危巖崩塌滾石運動機理及安全防護[D];山東大學(xué);2015年

3 李婷;航空遙感影像的陰影處理方法研究[D];西安電子科技大學(xué);2014年

4 高利鵬;基于機載LiDAR和高分辨率遙感影像的道路提取研究[D];中國礦業(yè)大學(xué);2014年

5 郭佳;機載LiDAR點云數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D];長安大學(xué);2014年

6 胡聰;高陡邊坡危巖體失穩(wěn)機理及其崩塌滾石運動規(guī)律[D];山東大學(xué);2014年

7 王江濤;高分辨率遙感影像陰影剔除算法研究[D];中國礦業(yè)大學(xué);2014年

8 方菊芹;遙感影像陰影檢測與去除算法研究[D];西南交通大學(xué);2014年

9 尚大帥;機載LiDAR點云數(shù)據(jù)濾波與分類技術(shù)研究[D];解放軍信息工程大學(xué);2012年

10 劉妍;基于MicroStation的機載激光雷達數(shù)據(jù)處理應(yīng)用研究[D];長安大學(xué);2011年

，

本文編號：1712311