本文關(guān)鍵詞：基于高分辨率遙感影像與LiDAR點云的損毀建筑物提取方法研究

  更多相關(guān)文章： LiDAR 高分辨率遙感影像 多尺度分割 SVM 損毀建筑物

【摘要】：近幾十年來地震頻發(fā),地震作為自然界中破壞力最強的災(zāi)害之一給人類社會帶來了越來越多的災(zāi)難�；谡鸷髴�(yīng)急救災(zāi)以及震后受災(zāi)信息快速評估的需求,針對震后災(zāi)區(qū)地形情況復(fù)雜,建筑物受損形式多種多樣,在遙感影像上特征各異,單一遙感數(shù)據(jù)源通常提取精度不高的問題,本研究基于震后高分辨率遙感影像與LiDAR點云數(shù)據(jù),通過分析使用高分辨率遙感影像豐富的紋理、形狀等特征以及LiDAR點云的高程信息,采用面向?qū)ο蟮亩喑叨确指詈椭С窒蛄繖C分類方法實現(xiàn)外觀上損毀、倒塌建筑物提取,解決了震后受災(zāi)建筑物快速準確提取問題,本文完成的主要工作如下：1、本研究使用實驗區(qū)LiDAR點云處理得到的nDSM以及對nDSM進行Canny算子邊緣檢測得到的地物輪廓圖和高分辨率遙感影像一起進行了多尺度分割。實驗結(jié)果證明加入LiDAR點云信息后有效減少了高分辨率遙感影像單獨進行多尺度分割易出現(xiàn)因同譜異物而錯分的現(xiàn)象。2、本文使用灰度共生矩陣的熵作為分割后對象新的同質(zhì)性評價指標,與作為異質(zhì)性指標的全局Moran'I指數(shù)組合構(gòu)成了全局最優(yōu)分割尺度目標函數(shù),經(jīng)實驗證明該方法可行。3、研究確定了用于實驗區(qū)損毀建筑物提取的分類特征組合。根據(jù)實驗區(qū)的不同地類綜合利用了高分辨率遙感影像的三種特征：光譜、紋理和形狀特征,以及LiDAR點云的高程信息確定了實驗的分類特征組合,其中本文構(gòu)建了基于RGB影像的植被提取規(guī)則,經(jīng)實驗證明提取綠色樹木精度較高。4、研究確定了基于支持向量機(SVM)分類方法的損毀建筑物提取流程,經(jīng)研究分析后使用了徑向基核函數(shù)作為支持向量機的核函數(shù),通過網(wǎng)格搜索以及交叉尋優(yōu)得到了最優(yōu)核函數(shù)參數(shù)組合。5、在Visual Studio2010平臺基于C++語言,采用支持向量機分類方法集成開發(fā)了本文實驗的損毀建筑物提取程序,并對分類結(jié)果進行了精度評價。最后得到基于本研究方法進行損毀建筑物提取的生產(chǎn)者精度為92.22%,用戶精度為90.22%,Kappa系數(shù)為0.857,取得了良好的精度,證明本文方法用于損毀建筑物提取切實可行,對以后開展類似工作有一定參考意義,為震后損毀建筑物快速評估提供了理論與技術(shù)支持。
【關(guān)鍵詞】：LiDAR 高分辨率遙感影像 多尺度分割 SVM 損毀建筑物
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P23;P315.9
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-18
• 1.1 研究背景及意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 研究內(nèi)容與技術(shù)路線15-16
• 1.3.1 研究內(nèi)容15-16
• 1.3.2 技術(shù)路線16
• 1.4 各章概要16-18
• 第2章 面向?qū)ο蟮倪b感影像分類方法18-34
• 2.1 影像分割18-20
• 2.1.1 影像分割的定義18
• 2.1.2 影像分割方法18-20
• 2.2 遙感影像多尺度分割技術(shù)20-27
• 2.2.1 影像分割中的尺度問題20-21
• 2.2.2 多尺度分割概念21-22
• 2.2.3 基于分型網(wǎng)絡(luò)演化方法的多尺度分割算法22-24
• 2.2.4 最優(yōu)分割尺度選擇24-27
• 2.3 影像對象特征參數(shù)27-29
• 2.4 影像對象分類方法29-33
• 2.4.1 支持向量機基本原理29-32
• 2.4.2 支持向量機分類流程32-33
• 2.5 本章小結(jié)33-34
• 第3章 實驗數(shù)據(jù)預(yù)處理與配準34-43
• 3.1 實驗數(shù)據(jù)概述34-35
• 3.2 LiDAR點云預(yù)處理35-38
• 3.2.1 LiDAR點云粗差剔除35-36
• 3.2.2 LiDAR點云數(shù)據(jù)濾波36-37
• 3.2.3 點云數(shù)據(jù)生成nDSM37-38
• 3.3 LiDAR點云與高分辨率遙感影像配準38-40
• 3.3.1 高分辨率遙感影像與LiDAR點云配準的主要流程38-39
• 3.3.2 高分辨率遙感影像與LiDAR點云配準方法39-40
• 3.4 配準實驗40-41
• 3.5 本章小結(jié)41-43
• 第4章 LiDAR數(shù)據(jù)與高分辨率遙感影像的多尺度分割43-53
• 4.1 LiDAR數(shù)據(jù)參與的多尺度分割43-47
• 4.1.1 LiDAR點云參與影像多尺度分割的方式43-45
• 4.1.2 LiDAR數(shù)據(jù)對影像分割性能的影響45-46
• 4.1.3 LiDAR數(shù)據(jù)對影像分割尺度的影響46-47
• 4.2 LiDAR點云參與下的最優(yōu)分割參數(shù)選擇47-52
• 4.3 本章小結(jié)52-53
• 第5章 損毀建筑物提取實驗53-65
• 5.1 實驗平臺53
• 5.1.1 硬件平臺53
• 5.1.2 軟件平臺53
• 5.2 分類特征選擇53-57
• 5.2.1 LiDAR特征選取54
• 5.2.2 高分辨率遙感影像特征選取54-57
• 5.3 損毀建筑物提取流程57-61
• 5.3.1 訓練樣本選取與分類特征值計算58-59
• 5.3.2 核函數(shù)選擇與核函數(shù)參數(shù)尋優(yōu)59-61
• 5.4 分類結(jié)果與精度分析61-64
• 5.4.1 分類結(jié)果61-62
• 5.4.2 分類精度評價62-64
• 5.5 本章小結(jié)64-65
• 結(jié)論與展望65-67
• 結(jié)論65
• 展望65-67
• 致謝67-68
• 參考文獻68-72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王愛萍;王樹根;吳會征;;利用分層聚合進行高分辨率遙感影像多尺度分割[J];武漢大學學報(信息科學版);2009年09期

2 王艷梅;王根杰;劉海娟;;高分辨率遙感影像提取道路方法研究進展[J];赤峰學院學報(自然科學版);2013年19期

3 顧鈺培;肖蘭玲;凌婷婷;達利春;;一種基于高分辨率遙感影像的建筑物提取方法[J];測繪與空間地理信息;2014年04期

4 趙書河;;高分辨率遙感數(shù)據(jù)處理方法實驗研究[J];地學前緣;2006年03期

5 羅軍;潘瑜春;王紀華;陸洲;曹榮龍;閻廣建;;基于高分辨率遙感影像的設(shè)施農(nóng)業(yè)資源信息采集技術(shù)研究[J];地理與地理信息科學;2007年03期

6 邵蕓;郭華東;范湘濤;王爾和;朱博勤;馬建文;張風麗;;奧運主場館區(qū)工程環(huán)境高分辨率遙感監(jiān)測與虛擬仿真研究[J];遙感學報;2008年04期

7 陳世榮;馬海建;范一大;徐豐;連健;;基于高分辨率遙感影像的汶川地震道路損毀評估[J];遙感學報;2008年06期

8 韓春峰;米曉飛;;基于高分辨率遙感影像的人口信息的提取綜述[J];科技資訊;2010年04期

9 李彩露;吳平;王寧;劉源璋;;高分辨率遙感影像道路提取方法綜述[J];地理空間信息;2011年03期

10 楊先武;韋春桃;李彩露;吳平;;基于形態(tài)重建的高分辨率遙感影像城市道路提取[J];地理科學;2011年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李艷芳;王生;;高分辨率遙感影像在公安行業(yè)的應(yīng)用分析[A];第十七屆中國遙感大會摘要集[C];2010年

2 趙書河;王培法;肖鵬峰;馮學智;;高分辨率遙感應(yīng)用研究[A];中國地理學會2006年學術(shù)年會論文摘要集[C];2006年

3 朱曉鈴;鄔群勇;;基于高分辨率遙感影像的城市道路提取方法研究[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

4 張劍清;鄭順義;張勇;張宏偉;李治江;;高分辨率遙感影像的精糾正[A];第十四屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2003年

5 馬力;;基于高分辨率遙感影像的導航數(shù)據(jù)更新研究[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

6 陳君穎;田慶久;;高分辨率遙感植被分類模式研究[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

7 燕琴;張繼賢;劉玉紅;錢廣軍;;以影像序列糾正高分辨率遙感影像的應(yīng)用研究[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

8 溫小歡;林廣發(fā);陳明華;陳友飛;;基于高分辨率遙感影像獨立樹冠提取方法之比較[A];中國地理學會百年慶典學術(shù)論文摘要集[C];2009年

9 羅震;楊存建;李小文;;基于高分辨率遙感影像的農(nóng)村聚落信息的提取[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

10 董明;;基于高分辨率遙感影像的道路半自動提取方法研究[A];數(shù)字測繪與GIS技術(shù)應(yīng)用研討交流會論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 崔恩慧;如何“玩轉(zhuǎn)”高分辨率遙感技術(shù)?[N];中國航天報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 霍宏;生物視覺啟發(fā)的高分辨率遙感影像特征提取與目標檢測研究[D];上海交通大學;2014年

2 李榮亞;雙態(tài)云支持下高分辨率遙感存儲與計算一體化研究[D];浙江大學;2014年

3 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測方法研究[D];華中科技大學;2011年

4 陶超;高分辨率遙感影像中的城區(qū)與建筑物檢測方法研究[D];華中科技大學;2012年

5 洪亮;基于對象馬爾可夫模型的高分辨率遙感影像分割方法研究[D];武漢大學;2010年

6 陳杰;高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D];中南大學;2010年

7 Rami Badawi（巴達衛(wèi)）;基于高分辨率遙感影像的南京典型城區(qū)綠地信息提取[D];南京大學;2012年

8 張道兵;高分辨率遙感影像中交互式道路提取算法研究[D];中國科學院研究生院（西安光學精密機械研究所）;2007年

9 馮甜甜;基于高分辨率遙感數(shù)據(jù)的城市精細尺度人口估算研究[D];武漢大學;2010年

10 李海霞;高分辨率遙感影像對象分類方法研究及其城鄉(xiāng)規(guī)劃監(jiān)測應(yīng)用[D];中國農(nóng)業(yè)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 許潛金;基于高分辨率遙感影像與LiDAR點云的損毀建筑物提取方法研究[D];西南交通大學;2015年

2 李建飛;高分辨率遙感影像中的道路信息提取與表達方法研究[D];湖南工業(yè)大學;2015年

3 孫雯;微小衛(wèi)星低成本高分辨率遙感相機的設(shè)計和研制[D];蘇州大學;2015年

4 程臻;面向?qū)ο蟮母叻直媛蔬b感影像全要素分類研究[D];哈爾濱工業(yè)大學;2015年

5 康萌萌;基于共享特征的高分辨率遙感影像多層次分類研究[D];上海交通大學;2013年

6 潘旋;基于混疊采樣的高分辨率遙感光譜成像研究[D];西安電子科技大學;2013年

7 黃雪青;基于高分辨率遙感影像的信息提取[D];重慶大學;2008年

8 田正杰;高分辨率遙感影像道路分割與提取算法研究[D];西安科技大學;2009年

9 施蓓琦;高分辨率遙感影像的幾何精糾正及其精度度量[D];上海師范大學;2006年

10 申真;基于面向?qū)ο蟮母叻直媛蔬b感影像道路提取研究[D];江西理工大學;2012年

，

本文編號：925806