發(fā)布時間：2021-07-05 09:50

　　本文針對多特征融合的機載LiDAR點云分類中,樣本數(shù)據(jù)多和樣本選取時存在誤差,導致分類速度慢和分類結(jié)果精度較低的問題,提出了基于改進LBET（Learning Based on Eigenvalue Transition,LBET）和神經(jīng)網(wǎng)絡的機載LiDAR點云分類方法。該方法選取地面高度、修復后的反射強度、影像分類結(jié)果、回波信息、高程紋理共五種分類特征信息經(jīng)過改進LBET模型分析生成二進制信號,獲取地物標準二進制信號和模糊信號,然后使用BP（Back Propagation,BP）神經(jīng)網(wǎng)絡訓練標準地物二進制信號和識別模糊信號實現(xiàn)點云分類。與多特征融合分類比較該方法的處理時間較快并且精度明顯提高。本文的主要貢獻有以下幾點:（1）對點云分類特征分析和處理,反射強度受儀器和外界的影響產(chǎn)生錯誤的值,反射強度應用到點云分類中效果較差,本文根據(jù)高程和反射強度使用相似性聚類算法對點云反射強度修復,對點云的高程紋理分析上,本文使用新的方法還衡量高程紋理,對地面高度的獲取上,使用點到DTM（Digital Terrain Model,DTM）的距離作為地面高度。（2）提出了改進LBET和BP神經(jīng)網(wǎng)絡融... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

機載LiDAR掃描的幾種軌跡

像設備機載 LiDAR 測量系統(tǒng)中，該裝置的主要功能是實時拍攝相應區(qū)域內(nèi)的，以便后期處理獲取該區(qū)域的數(shù)字正射影像（DigitalOrthophotoMap，DiDAR 測量系統(tǒng)只能獲取三維坐標強度信息卻無法獲取光譜信息的不足主要用于制作數(shù)字正射影像，在以后的發(fā)展中，加入多個鏡頭即可實現(xiàn) LiDAR 一體化作業(yè)。載 LiDAR 系統(tǒng)對地定位原理載 LiDAR 測量系統(tǒng)對地定位原理如下圖 2.3 所示。對于機載 LiDAR 測S 地面接收機向飛機上的 GPS 發(fā)射改正數(shù)，這樣飛機上的 GPS 就能獲位坐標。激光測距系統(tǒng)測定的激光發(fā)射源到地表的距離通過計算可以獲地表的距離，姿態(tài)參數(shù)( )可以利用裝載上的慣性導航系統(tǒng)來獲取即可獲取地面的三維坐標。

圖 3.1 實驗 1 航空影像 圖 3.2 實驗 2 航空影像3.1 點云高程紋理特征機載 LiDAR 測量系統(tǒng)的最大優(yōu)勢就是可以直接獲取地物三維坐標。受自身形態(tài)的影響，不同地物的三維坐標呈現(xiàn)不同形態(tài)，有學者把這種形態(tài)稱之為高程紋理。高程紋理通常用于遙感圖像地物分類中，采用均方差、熵等值等變化實現(xiàn)圖像的分類[34]。在遙感數(shù)據(jù)處理中，通常使用粗糙度來表示高程紋理，粗糙系數(shù)定義為檢測窗口內(nèi)的 DSM面積與 DEM 面積的比值[28]。如圖 3.3 所示。垂直方向DSMDEM

【參考文獻】：
期刊論文
[1]基于LiDAR點云數(shù)據(jù)的地物幾何特征提取與制圖[J]. 姜紅艷,梁立恒,王明常.  測繪與空間地理信息. 2018(04)
[2]機載LiDAR點云數(shù)據(jù)降維與分類的隨機森林方法[J]. 熊艷,高仁強,徐戰(zhàn)亞.  測繪學報. 2018(04)
[3]基于LIDAR點云回光強度信息的KNN算法與BP神經(jīng)網(wǎng)絡算法分類對比研究[J]. 梁宇乾,袁希平,甘淑.  軟件導刊. 2018(04)
[4]機載多光譜LiDAR數(shù)據(jù)的地物分類方法[J]. 潘鎖艷,管海燕.  測繪學報. 2018(02)
[5]機載LiDAR數(shù)據(jù)和航空影像基于角特征的配準[J]. 司傳波,高子翔,崔程寶.  測繪與空間地理信息. 2017(10)
[6]點云信息提取研究進展和展望[J]. 張繼賢,林祥國,梁欣廉.  測繪學報. 2017(10)
[7]基于徑向基函數(shù)神經(jīng)網(wǎng)絡的機載LiDAR點云空洞填補方法[J]. 蔡香玉,楊林,呂海洋.  南京師范大學學報(工程技術版). 2017(03)
[8]紋理與波形特征組合對機載LiDAR數(shù)據(jù)分類的影響[J]. 張愛武,李陶,李含倫,段乙好,孟憲剛.  高技術通訊. 2016(01)
[9]基于正態(tài)DS證據(jù)理論的機載LIDAR數(shù)據(jù)地物分類方法[J]. 馮裴裴,楊風暴,衛(wèi)紅,李大威,梁若飛.  圖學學報. 2015(06)
[10]高分辨率遙感影像結(jié)合LiDAR數(shù)據(jù)的面向?qū)ο蠓诸惙椒╗J]. 許傳陽,李建紅.  河南理工大學學報(自然科學版). 2015(02)

博士論文
[1]融合LiDAR數(shù)據(jù)和高分辨率遙感影像的地物分類方法研究[D]. 方軍.武漢大學 2014
[2]機載LiDAR點云與遙感影像融合的地物分類技術研究[D]. 董保根.解放軍信息工程大學 2013

碩士論文
[1]基于標簽相關性和三層BP神經(jīng)網(wǎng)絡的多標簽分類算法研究[D]. 廖麗芳.廈門大學 2017
[2]機載LiDAR點云數(shù)據(jù)的建筑物提取和模型規(guī)范化研究[D]. 汪禹芹.南京大學 2013
[3]LiDAR輔助遙感影像建筑物分類識別和提取研究[D]. 艾澤天.河南理工大學 2011



本文編號：3265848