機(jī)載激光雷達(dá)（Light Detection And Ranging,LiDAR）是近幾十年發(fā)展迅速的一種主動(dòng)式航空遙感對(duì)地觀測(cè)系統(tǒng),可以用來(lái)獲取高精度高密度的地物表面三維點(diǎn)云,目前已逐漸成為地物目標(biāo)識(shí)別的重要數(shù)據(jù)源之一。濾波,即地面點(diǎn)的提取過(guò)程,是機(jī)載LiDAR數(shù)據(jù)處理中較為關(guān)鍵的一步,也是地物識(shí)別的前提和基礎(chǔ)。傳統(tǒng)濾波算法通常基于一些常識(shí)和經(jīng)驗(yàn),需要根據(jù)地形設(shè)置不同的濾波參數(shù),這導(dǎo)致了不同的濾波算法對(duì)于不同地形的普適性和擴(kuò)展性較差的問(wèn)題。近幾年,國(guó)內(nèi)外一些學(xué)者開(kāi)展了與分類器相結(jié)合的濾波算法研究,在技術(shù)上取得了一定的發(fā)展和突破。由于點(diǎn)云數(shù)據(jù)與傳統(tǒng)影像數(shù)據(jù)不同,可直接用于目標(biāo)識(shí)別的信息較少,因此這類濾波算法通常需要進(jìn)行特征提取。但是隨著基于點(diǎn)云幾何信息提取的特征數(shù)量逐漸增多,同時(shí)也帶來(lái)了新的問(wèn)題,特征之間存在冗余性和相關(guān)性,數(shù)量多不意味著精度高,由此,特征選擇的有效實(shí)施迫在眉睫。而且,現(xiàn)有濾波算法一般不考慮以往已分類完成并經(jīng)過(guò)專家檢驗(yàn)的數(shù)據(jù)集與待分類的新數(shù)據(jù)集之間的聯(lián)系,只針對(duì)當(dāng)前的新數(shù)據(jù)集設(shè)定參數(shù)或是選取樣本,耗時(shí)費(fèi)力,如何挖掘舊數(shù)據(jù)集的知識(shí)用以輔助新數(shù)據(jù)集的分類,減少不必要的人力消... 

【文章來(lái)源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：131 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 特征選擇
        1.2.2 機(jī)載LiDAR點(diǎn)云濾波
        1.2.3 建筑物檢測(cè)
        1.2.4 建筑物特征線提取
    1.3 研究目標(biāo)和內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 濾波的特征生成與選擇
    2.1 引言
    2.2 特征生成
        2.2.1 鄰域的定義
        2.2.2 特征描述
    2.3 特征選擇
        2.3.1 理論基礎(chǔ)
        2.3.2 算法原理
    2.4 實(shí)驗(yàn)與分析
        2.4.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        2.4.2 實(shí)驗(yàn)策略
        2.4.3 實(shí)驗(yàn)結(jié)果與精度評(píng)價(jià)
    2.5 本章小結(jié)
第三章 基于遷移學(xué)習(xí)的機(jī)載激光雷達(dá)濾波
    3.1 引言
    3.2 理論基礎(chǔ)
    3.3 算法描述
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)與說(shuō)明
        3.4.2 實(shí)驗(yàn)結(jié)果與精度評(píng)價(jià)
        3.4.3 實(shí)驗(yàn)小結(jié)
    3.5 本章小結(jié)
第四章 機(jī)載激光雷達(dá)建筑物檢測(cè)與分割
    4.1 引言
    4.2 半抑制式模糊C-均值聚類
    4.3 算法流程
        4.3.1 基于半抑制式模糊C-均值聚類的建筑物粗提取
        4.3.2 建筑物精化提取
        4.3.3 單棟建筑物分割
    4.4 實(shí)驗(yàn)與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        4.4.2 實(shí)驗(yàn)結(jié)果與精度評(píng)價(jià)
    4.5 本章小結(jié)
第五章 基于幾何特性的屋頂特征線提取
    5.1 引言
    5.2 算法流程
        5.2.1 屋頂輪廓線
        5.2.2 內(nèi)部特征線
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 待進(jìn)一步解決和研究的問(wèn)題
參考文獻(xiàn)
致謝
攻博期間發(fā)表論文和科研情況


【參考文獻(xiàn)】：
期刊論文
[1]一種利用點(diǎn)云鄰域信息的建筑物屋頂面高精度自動(dòng)提取方法[J]. 趙傳,張保明,陳小衛(wèi),郭海濤,盧俊.  測(cè)繪學(xué)報(bào). 2017(09)
[2]利用目標(biāo)區(qū)域拓?fù)潢P(guān)系圖提取建筑物點(diǎn)云[J]. 黃榮剛,楊必勝,李健平,田茂,梁新美.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(04)
[3]融合航空影像和LIDAR點(diǎn)云的建筑物探測(cè)及輪廓提取[J]. 程效軍,程小龍,胡敏捷,郭王,張立朔.  中國(guó)激光. 2016(05)
[4]基于DSM深度影像的機(jī)載LiDAR建筑物邊界提取[J]. 陳光洲,岳東杰,許穎,郭珍珍.  勘察科學(xué)技術(shù). 2016(01)
[5]結(jié)合區(qū)域增長(zhǎng)法和TIN邊緣分割的建筑物立面幾何特征提取[J]. 龐世燕,劉亞文,左志奇,陳正富.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(01)
[6]基于Parzen窗條件互信息計(jì)算的特征選擇方法[J]. 賀鄧超,張宏軍,郝文寧,張睿.  計(jì)算機(jī)應(yīng)用研究. 2015(05)
[7]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[8]抑制式模糊C-均值聚類研究綜述[J]. 范九倫.  西安郵電大學(xué)學(xué)報(bào). 2014(03)
[9]一種基于LiDAR數(shù)據(jù)的建筑物自動(dòng)提取方法[J]. 郝明,史文中,張華.  測(cè)繪通報(bào). 2014(04)
[10]一種基于激光點(diǎn)云數(shù)據(jù)的房屋輪廓線提取方法[J]. 蔡湛,李如仁,李新科,吳華意.  地理與地理信息科學(xué). 2013(05)

博士論文
[1]機(jī)載LiDAR與影像結(jié)合的建筑物檢測(cè)及其輪廓精化方法研究[D]. 陳奇.武漢大學(xué) 2015
[2]利用機(jī)載LiDAR數(shù)據(jù)生成規(guī)范化建筑物模型的關(guān)鍵技術(shù)研究[D]. 高廣.武漢大學(xué) 2014
[3]機(jī)載LiDAR數(shù)據(jù)中屋頂特征線提取關(guān)鍵技術(shù)研究[D]. 李新科.武漢大學(xué) 2014
[4]基于標(biāo)記點(diǎn)過(guò)程的機(jī)載激光掃描點(diǎn)云建筑物提取[D]. 徐文學(xué).武漢大學(xué) 2013
[5]機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)濾波算法的研究與應(yīng)用[D]. 周曉明.解放軍信息工程大學(xué) 2011

碩士論文
[1]機(jī)載激光LiDAR點(diǎn)云數(shù)據(jù)濾波和分類算法研究[D]. 劉凱斯.首都師范大學(xué) 2014
[2]基于改進(jìn)互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究[D]. 劉青芳.山西大學(xué) 2010
[3]機(jī)載LIDAR數(shù)據(jù)濾波及建筑物提取技術(shù)研究[D]. 張皓.解放軍信息工程大學(xué) 2009



本文編號(hào)：3199529