本文關鍵詞：基于植被指數限制分水嶺算法的機載激光點云建筑物提取　出處：《光學學報》2016年10期 　論文類型：期刊論文

  更多相關文章： 遙感 建筑物提取 機載激光雷達 植被指數 分水嶺分割

【摘要】：建筑物提取在建筑物重建和城市管理中起著重要的作用。利用基于植被指數限制的分水嶺算法分割機載激光雷達點云,并利用一定的規(guī)則識別建筑物區(qū)域。對激光點云進行內插生成網格數據;利用植被指數限制的分水嶺分割算法分割激光點云生成的數字表面模型數據,在分水嶺淹沒過程中引入植被指數可以較好地區(qū)分建筑物和植被區(qū)域;在區(qū)域相鄰關系的基礎上,利用一些準則(高程差值、尺寸和植被指數)識別建筑物區(qū)域。利用國際攝影測量與遙感學會基準數據中法伊英根測試區(qū)域對建筑提取結果進行評價,在像元級別,平均完整度、正確度和質量分別為89.2%、94.3%和84.7%;在對象級別,平均完整度、正確度和質量分別為81.8%、93.1%和76.9%;在物體面積大于50m2的對象級別,平均完整度、正確度和質量可以達到99.1%、100%和99.1%。
[Abstract]:Building extraction plays an important role in building reconstruction and city management. A watershed algorithm based on the Vegetation Index Limited is used to segment the airborne laser radar point cloud, and a certain rule is used to identify the building area. The laser point cloud data interpolation mesh generation; digital surface model data segmentation algorithm of laser point cloud generated by watershed vegetation index limit, introduced in the process of watershed submerged vegetation index can distinguish the buildings and vegetation areas; based on region adjacent relation, using some criteria (size, height difference the building area recognition and vegetation index). The extraction results to evaluate the building using the ISPRS benchmark data in the test area of Sino French Iran yngen, pixel level, average integrity, accuracy and quality were 89.2%, 94.3% and 84.7%; the average at the object level, integrity, accuracy and quality were 81.8%, 93.1% and 76.9% in the area of the object; more than 50m2 of the object level, average integrity, accuracy and quality can reach 99.1%, 100% and 99.1%.
【作者單位】： 武漢大學遙感信息工程學院;
【基金】：國家自然科學基金(41571434,41171292)
【分類號】：P237
【正文快照】： 建筑物區(qū)域提取是建筑物重建的必要前提,在城市規(guī)劃和管理中起著重要作用[1-2]。機載激光雷達(LiDAR)是一種非常有效的遙感手段,可以獲取坐標和高程三維信息[3-4]�？梢岳毛@取的三維點云生成數字高程模型(DEM)數據[5-7]、識別線特征[8-10]、提取植被區(qū)域[11-12]和建筑物區(qū)域

【相似文獻】

相關期刊論文 前10條

1 夏雙;阮仁宗;顏梅春;;基于植被指數模型的淡水湖泊濕地景觀信息提取[J];地理空間信息;2012年06期

2 張鐿鋰;丁明軍;張瑋;劉林山;王兆鋒;閻建忠;擺萬奇;鄭度;;三江源地區(qū)植被指數下降趨勢的空間特征及其地理背景[J];地理研究;2007年03期

3 吳冰冰;;基于植被指數的城鎮(zhèn)植被變化檢測[J];無線互聯(lián)科技;2013年04期

4 劉瑜;韓震;周瑋辰;;基于垂直植被指數的濕地植被類型提取研究——以長江口九段沙濕地為例[J];遙感信息;2013年04期

5 陳劍鋒;諶進波;;基于植被指數閾值法的城市邊界動態(tài)監(jiān)測技術研究[J];測繪與空間地理信息;2011年05期

6 嚴建武;陳報章;房世峰;張慧芳;付東杰;薛曄;;植被指數對旱災的響應研究——以中國西南地區(qū)2009年—2010年特大干旱為例[J];遙感學報;2012年04期

7 張連蓬;柳欽火;王德高;陳士城;;高光譜遙感植被指數的普適性分析[J];測繪通報;2010年09期

8 王玉璽;郭珊珊;;基于FY3/MERSI數據提取并應用植被指數[J];河南科技;2013年17期

9 哈斯其其格;;基于MODIS數據的內蒙古植被指數分析[J];內蒙古科技與經濟;2013年23期

10 王慶;曾琪明;廖靜娟;;基于極化分解的極化特征參數提取與應用[J];國土資源遙感;2012年03期

相關會議論文 前2條

1 傅軍;張杰;辛紅梅;馬毅;;基于植被指數的高光譜遙感水陸識別方法初探[A];第十四屆全國遙感技術學術交流會論文摘要集[C];2003年

2 蒙繼華;陳雪洋;吳炳方;杜鑫;鈕立明;張飛飛;;利用Hyperion數據進行環(huán)境星CCD植被指數真實性檢驗[A];遙感定量反演算法研討會摘要集[C];2010年

相關博士學位論文 前1條

1 張立福;通用光譜模式分解算法及植被指數的建立[D];武漢大學;2005年

相關碩士學位論文 前2條

1 傅銀貞;遙感植被指數分析及應用研究[D];福州大學;2010年

2 劉金鋒;基于多源遙感數據的青海湖流域植被指數研究[D];青海師范大學;2014年

，

本文編號：1347417