針對已有密集影像匹配（DIM）點(diǎn)云濾波算法通用性差,濾波效果受限于參數(shù)設(shè)置,且均未利用生成點(diǎn)云的影像信息等問題,該文提出一種融合多源數(shù)據(jù)的DIM點(diǎn)云濾波算法。首先融合影像和DIM點(diǎn)云高程多源信息;再引入新型分類器對融合影像進(jìn)行分類,其分類結(jié)果作為知識引導(dǎo)用于點(diǎn)云濾波中,即將分類專題圖與DIM點(diǎn)云疊加以過濾非地面點(diǎn),實(shí)現(xiàn)點(diǎn)云濾波并生成數(shù)字高程模型;最后選用航空影像進(jìn)行密集匹配和濾波實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,利用該點(diǎn)云濾波算法生成的DEM與參考DEM呈現(xiàn)高度相關(guān)性,可大大減少生產(chǎn)DEM人工后處理的工作量。 

【文章來源】：測繪科學(xué). 2020,45(01)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

DOM及其融合影像

多源數(shù)據(jù)融合可以將多種不同特征（包括各種遙感及非遙感）的數(shù)據(jù)結(jié)合起來，相互取長補(bǔ)短，獲得比任何單一數(shù)據(jù)更準(zhǔn)確、更豐富的信息，生成一副具有新的空間、波譜、時間特征的合成圖像[16]。借鑒該思路，首先結(jié)合影像和DIM點(diǎn)云各自優(yōu)勢（影像具有波譜及紋理特征，而點(diǎn)云數(shù)據(jù)提供了地物準(zhǔn)確可靠的三維信息），將二者融合后生成一幅既有波段信息又有高程信息的復(fù)合影像；然后引入支持向量機(jī)（support vector machines,SVM）的分類方法對融合后的影像進(jìn)行分類，可有效提高單一影像數(shù)據(jù)源的分類精度；最后將分類后的專題圖作為DIM點(diǎn)云濾波的依據(jù)，將二者疊加以區(qū)分地面點(diǎn)和非地面點(diǎn)，達(dá)到點(diǎn)云濾波目的，本文算法實(shí)施流程如圖1所示。1.1 DIM點(diǎn)云及其深度圖獲取

影像提供了豐富的光譜及紋理信息，但缺乏非光譜信息，例如地物高程信息、地物點(diǎn)與其相鄰地物的空間結(jié)構(gòu)關(guān)系等。利用密集匹配點(diǎn)云可獲取相應(yīng)區(qū)域點(diǎn)云深度圖，其深度值代表該點(diǎn)在實(shí)際地物處的高程。點(diǎn)云深度圖類似于影像，也由一定間隔的規(guī)則陣列逐行逐列進(jìn)行像素組織，與常見影像像素值代表意義不同，點(diǎn)云深度圖的每個像素值代表高程。圖2(a）為航空影像經(jīng)過空三和密集影像匹配生成的點(diǎn)云，每個點(diǎn)均從原始影像中獲取該點(diǎn)地物真彩色RGB值，圖2(b）為根據(jù)點(diǎn)云獲取的深度圖，其格網(wǎng)間距為2cm。1.2 多源數(shù)據(jù)融合和影像分類

【參考文獻(xiàn)】：
期刊論文
[1]多源光學(xué)衛(wèi)星影像匹配及精準(zhǔn)幾何信息提取[J]. 張力,孫鈺珊,杜全葉,韓曉霞.  測繪科學(xué). 2019(06)
[2]高光譜遙感影像分類研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報(bào). 2016(02)
[3]基于有理多項(xiàng)式模型RFM的稀少控制SPOT-5衛(wèi)星影像區(qū)域網(wǎng)平差[J]. 張力,張繼賢,陳向陽,安宏.  測繪學(xué)報(bào). 2009(04)
[4]基于多基線影像匹配的高分辨率遙感影像DEM自動生成[J]. 張力,張繼賢.  測繪科學(xué). 2008(S2)
[5]基于多尺度特征融合和支持向量機(jī)的高分辨率遙感影像分類[J]. 黃昕,張良培,李平湘.  遙感學(xué)報(bào). 2007(01)

博士論文
[1]機(jī)載LiDAR與影像密集匹配點(diǎn)云數(shù)據(jù)的濾波方法研究[D]. 葉立志.武漢大學(xué) 2016
[2]三維信息輔助的建筑物自動變化檢測若干關(guān)鍵技術(shù)研究[D]. 龐世燕.武漢大學(xué) 2015



本文編號：2971327