海岸帶是海洋與陸地的結(jié)合部、復(fù)雜與交叉的地理單元,是人文活動(dòng)非�；钴S與資源環(huán)境非常優(yōu)越的黃金地帶�？紤]資源環(huán)境和現(xiàn)實(shí)要素,我國(guó)海岸帶調(diào)查內(nèi)容多,包括海岸線及其變遷演變、海濱濕地、土地利用與土地覆蓋、植被等,其中最重要的調(diào)查要素是海岸線和土地利用。 目前,基于遙感影像數(shù)據(jù)進(jìn)行海岸線提取和海岸帶特征分類的算法有很多,取得了一定成果,但它們多數(shù)使用單一的遙感數(shù)據(jù),難以得到較高精度的海岸線和地物分類。 LiDAR點(diǎn)云與影像各具優(yōu)缺點(diǎn),二者的互補(bǔ)性很強(qiáng)。因此,利用機(jī)載LiDAR提供的精確的三維點(diǎn)云數(shù)據(jù)并結(jié)合數(shù)字影像,進(jìn)行相關(guān)的海岸線提取與地物分類的數(shù)據(jù)處理技術(shù)成為海島海岸帶調(diào)查的一個(gè)新的研究熱點(diǎn)。 本文的研究?jī)?nèi)容圍繞著海岸線提取和海岸帶地物分類這兩個(gè)主要論題展開(kāi),對(duì)其中涉及的諸多關(guān)鍵技術(shù)予以深入探討,包括以下內(nèi)容： (1)總結(jié)現(xiàn)有點(diǎn)云組織索引算法的優(yōu)缺點(diǎn),提出一種基于Hilbert排列碼與R樹(shù)的海量LiDAR點(diǎn)云二級(jí)索引算法。通過(guò)聚類方法與R樹(shù)的M值來(lái)優(yōu)化第一級(jí)索引；使用Hilbert R樹(shù)作為第二索引,實(shí)現(xiàn)兩級(jí)R樹(shù)高度的有效控制,同時(shí)使點(diǎn)云的增加與更新只在局部進(jìn)行,達(dá)到高效管理海量點(diǎn)云的目標(biāo)。為驗(yàn)證算法效率,實(shí)驗(yàn)時(shí)利用較大點(diǎn)云數(shù)據(jù)分別建立了完整的KD樹(shù)、四叉樹(shù)內(nèi)存索引和本文所述索引。在這三索引中分別進(jìn)行KNN查詢、窗口查詢和基于坡度變化的濾波處理三項(xiàng)實(shí)驗(yàn),結(jié)果表明,本文所述的二級(jí)索引在查詢效率及整體性能上是最優(yōu)的。 (2)總結(jié)LiDAR數(shù)據(jù)特征,包括：高程差、梯度、法向量、強(qiáng)度、回波次數(shù)、平坦度等,在此基礎(chǔ)上研究并實(shí)現(xiàn)一種多特征濾波算法。該方法是在基于梯度的LiDAR數(shù)據(jù)濾波算法的基礎(chǔ)上改良而成的,即在梯度濾波的結(jié)果上,再進(jìn)行平坦度濾波作為補(bǔ)充判斷條件,從而提高濾波精度。試驗(yàn)結(jié)果表明該方法濾波有效,算法穩(wěn)健,分類精度80%,能滿足的常規(guī)應(yīng)用的分類精度。此外試驗(yàn)中所采用的分類閾值均為系統(tǒng)默認(rèn),通過(guò)調(diào)節(jié)閾值,理論上可達(dá)到更高的分類精度。 (3)通過(guò)對(duì)典型實(shí)驗(yàn)區(qū)域的反復(fù)研究,提出一種聯(lián)合LiDAR點(diǎn)云和影像的海岸線提取方法,并對(duì)以下關(guān)鍵技術(shù)進(jìn)行重點(diǎn)研究： 1)結(jié)合影像分割與歸一化差異水體指數(shù)的水體提取方法； 2)初始水邊線的提取和顧及多種點(diǎn)云特征精化水邊線提取方法； 3)海岸線平滑方法。 本文實(shí)驗(yàn)證明了該方法的有效性。 (4)本文基于隨機(jī)森林,提出一種面向?qū)ο蟮臋C(jī)載LiDAR數(shù)據(jù)特征選擇與分類方法,對(duì)海岸帶目標(biāo)對(duì)象的幾何、光譜、紋理等特征進(jìn)行相關(guān)性評(píng)估,篩選出合適的特征用于海岸帶地物分類。通過(guò)逆向迭代消除,定量選擇出與所分目標(biāo)最相關(guān)的特征。以RF和SVM分類器實(shí)驗(yàn)證明：特征選擇后,RF分類精度與SVM精度相當(dāng),通過(guò)特征選擇去除了部分特征后的分類精度略優(yōu)于利用所有特征的分類精度。為了改善復(fù)雜建筑物區(qū)域環(huán)境下,建筑物與其它地物之間存在的嚴(yán)重混分現(xiàn)象,本文以模糊集為理論基礎(chǔ),研究并實(shí)現(xiàn)了一種融合影像和LiDAR點(diǎn)云的類別隸屬度分類方法。實(shí)驗(yàn)結(jié)果表明在LiDAR點(diǎn)云的輔助下,能夠有效改善光譜信息分類結(jié)果中出現(xiàn)的建筑物、裸地、道路、水體等地類之間的混分現(xiàn)象,能夠?yàn)閺?fù)雜建筑物區(qū)域提供更為精準(zhǔn)的分類結(jié)果。
【學(xué)位單位】：武漢大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2013
【中圖分類】：P714
【部分圖文】：

述見(jiàn)文獻(xiàn)[”]。這種算法可以獲得幾近100%的空間利用率，而且g礁叢傭冉詰惴至訓(xùn)腞樹(shù)及其變體的批建立方法”J。本文利用的一特點(diǎn)即在Hilbert R樹(shù)的動(dòng)態(tài)更新過(guò)程中仍然保持空何數(shù)據(jù)依照的排列順序，從而保證點(diǎn)云的增加與更新僅限于局部同定網(wǎng)格，不必重引。驗(yàn)與分析件平臺(tái)的主要配置是Intel雙核CPU T7250 2.0GHz、1G內(nèi)存與256M卡。選用2008年4月在湖北貧某山區(qū)飛行獲取的部分LiDAR點(diǎn)云作，該數(shù)據(jù)包含三個(gè)LAS文件即034057.LAS (如圖2-9 (a)：文件為數(shù)為 17395854)、034921.LAS (如圖 2-9 (b)：文件為 394M,點(diǎn)數(shù)為與 035641.LAS (如圖 2-9 (c)：文件為 364M，點(diǎn)數(shù)為 13653684)，大約有5千萬(wàn)個(gè)LiDAR點(diǎn)、區(qū)域的西南角坐標(biāo)（12761.8, 69276.2)，（23365.1，72760.7)。； j ； ：

的最佳丨ill面。最后計(jì)算待判斷激光點(diǎn)與其曲面的距離。如果激光點(diǎn)到該曲面的垂線距離處T-設(shè)定閾值內(nèi)，則為地面點(diǎn)，否則為非地面點(diǎn)，（如圖2-12所示)。0非地面點(diǎn)0 00 0 00 0地面點(diǎn)圖2-12曲面擬合的算法原理(4)移動(dòng)窗口濾波法移動(dòng)窗口濾波方法首先給定一個(gè)大尺度窗口，在LiDAR數(shù)據(jù)中不斷移動(dòng)尋找出窗口內(nèi)的最低點(diǎn)，然后根據(jù)最低點(diǎn)集計(jì)算出一個(gè)初始的地形模型；其次根據(jù)初始地形模型，計(jì)算待判定激光點(diǎn)與初始地形模型的垂直距離，如果超過(guò)給定的距離閾值，則將其判斷為非地面點(diǎn)，將其從數(shù)據(jù)集中移除，以此再計(jì)算出一個(gè)更精確的地形模型。重復(fù)迭代，直至移除所有地面點(diǎn)，且移動(dòng)窗口的大小隨著迭代次數(shù)的增加而不斷的縮小。窗口尺寸和距離閾值的設(shè)定通常需要不斷的測(cè)試才能得出比較滿意的濾波結(jié)果。窗口過(guò)大會(huì)導(dǎo)致地面過(guò)于平滑或去掉一些小的地形細(xì)節(jié)。距離閾值過(guò)大將； 導(dǎo)致許多植被點(diǎn)被劃分為地面點(diǎn)。閾值設(shè)得過(guò)小，又可因?yàn)槿サ粢恍┬〉牡匦螌?dǎo)致過(guò)于平滑。因此這些過(guò)濾參數(shù)的設(shè)置取決于測(cè)區(qū)的實(shí)際地形狀況，設(shè)置為不同的過(guò)濾參數(shù)值。(5)迭代線性最小二乘內(nèi)插法迭代線性最小二乘內(nèi)插濾波方法中

范圍為左上角（254088, 4176101)，右下角（271179， 4171615)數(shù)據(jù)大小約120M,測(cè)區(qū)內(nèi)激光腳點(diǎn)個(gè)數(shù)為3742278個(gè)。測(cè)區(qū)航攝影像如圖2-14所示，原始點(diǎn)云分布如圖2-15所示。31

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高恩陽(yáng);鄭昊鴻;;點(diǎn)云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測(cè)繪通報(bào);2014年06期

3 趙強(qiáng);彭國(guó)華;王鋒;;點(diǎn)云精簡(jiǎn)的一種方法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點(diǎn)云修復(fù)技術(shù)研究[J];測(cè)繪與空間地理信息;2011年06期

5 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[J];測(cè)繪通報(bào);2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點(diǎn)云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點(diǎn)云約簡(jiǎn)和體積計(jì)算方法[J];測(cè)繪科學(xué);2008年06期

8 楊欣;姚海燕;;平面點(diǎn)云邊界參數(shù)識(shí)別[J];中國(guó)西部科技;2009年27期

9 孫瑞;張彩霞;;點(diǎn)云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點(diǎn)云強(qiáng)度噪聲的三維擴(kuò)散濾波方法[J];測(cè)繪學(xué)報(bào);2013年04期

相關(guān)會(huì)議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李凱;張愛(ài)武;;基于激光點(diǎn)云的糧倉(cāng)儲(chǔ)糧數(shù)量測(cè)量方法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 劉虎;;基于線性八叉樹(shù)的點(diǎn)云簡(jiǎn)化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

2 中國(guó)工程院院士 劉先林;四維遠(yuǎn)見(jiàn)的裝備創(chuàng)新[N];中國(guó)測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動(dòng)快速拼接的全方位三維測(cè)量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺(jué)檢測(cè)數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測(cè)與評(píng)估技術(shù)研究[D];西南交通大學(xué);2015年

6 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

7 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

8 楊德賀;面向虛擬測(cè)方系統(tǒng)的點(diǎn)云聚類與擬合理論[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

9 何朝明;離散點(diǎn)云處理的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2007年

10 孟凡文;面向光柵投影的點(diǎn)云預(yù)處理與曲面重構(gòu)技術(shù)研究[D];南昌大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長(zhǎng)安大學(xué);2015年

5 吳愛(ài);面向特征擬合的點(diǎn)云簡(jiǎn)化方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺(jué)的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠(chéng);精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

本文編號(hào)：2815773