海岸帶是海洋與陸地的結(jié)合部、復雜與交叉的地理單元,是人文活動非常活躍與資源環(huán)境非常優(yōu)越的黃金地帶�？紤]資源環(huán)境和現(xiàn)實要素,我國海岸帶調(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點云與影像各具優(yōu)缺點,二者的互補性很強。因此,利用機載LiDAR提供的精確的三維點云數(shù)據(jù)并結(jié)合數(shù)字影像,進行相關的海岸線提取與地物分類的數(shù)據(jù)處理技術成為海島海岸帶調(diào)查的一個新的研究熱點。 本文的研究內(nèi)容圍繞著海岸線提取和海岸帶地物分類這兩個主要論題展開,對其中涉及的諸多關鍵技術予以深入探討,包括以下內(nèi)容： (1)總結(jié)現(xiàn)有點云組織索引算法的優(yōu)缺點,提出一種基于Hilbert排列碼與R樹的海量LiDAR點云二級索引算法。通過聚類方法與R樹的M值來優(yōu)化第一級索引；使用Hilbert R樹作為第二索引,實現(xiàn)兩級R樹高度的有效控制,同時使點云的增加與更新只在局部進行,達到高效管理海量點云的目標。為驗證算法效率,實驗時利用較大點云數(shù)據(jù)分別建立了完整的KD樹、四叉樹內(nèi)存索引和本文所述索引。在這三索引中分別進行KNN查詢、窗口查詢和基于坡度變化的濾波處理三項實驗,結(jié)果表明,本文所述的二級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、強度、回波次數(shù)、平坦度等,在此基礎上研究并實現(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)濾波算法的基礎上改良而成的,即在梯度濾波的結(jié)果上,再進行平坦度濾波作為補充判斷條件,從而提高濾波精度。試驗結(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)應用的分類精度。此外試驗中所采用的分類閾值均為系統(tǒng)默認,通過調(diào)節(jié)閾值,理論上可達到更高的分類精度。 (3)通過對典型實驗區(qū)域的反復研究,提出一種聯(lián)合LiDAR點云和影像的海岸線提取方法,并對以下關鍵技術進行重點研究： 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云特征精化水邊線提取方法； 3)海岸線平滑方法。 本文實驗證明了該方法的有效性。 (4)本文基于隨機森林,提出一種面向?qū)ο蟮臋C載LiDAR數(shù)據(jù)特征選擇與分類方法,對海岸帶目標對象的幾何、光譜、紋理等特征進行相關性評估,篩選出合適的特征用于海岸帶地物分類。通過逆向迭代消除,定量選擇出與所分目標最相關的特征。以RF和SVM分類器實驗證明：特征選擇后,RF分類精度與SVM精度相當,通過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重混分現(xiàn)象,本文以模糊集為理論基礎,研究并實現(xiàn)了一種融合影像和LiDAR點云的類別隸屬度分類方法。實驗結(jié)果表明在LiDAR點云的輔助下,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,能夠為復雜建筑物區(qū)域提供更為精準的分類結(jié)果。
【學位單位】：武漢大學
【學位級別】：博士
【學位年份】：2013
【中圖分類】：P714
【部分圖文】：

述見文獻[”]。這種算法可以獲得幾近100%的空間利用率，而且g礁叢傭冉詰惴至訓腞樹及其變體的批建立方法”J。本文利用的一特點即在Hilbert R樹的動態(tài)更新過程中仍然保持空何數(shù)據(jù)依照的排列順序，從而保證點云的增加與更新僅限于局部同定網(wǎng)格，不必重引。驗與分析件平臺的主要配置是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點云作，該數(shù)據(jù)包含三個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,點數(shù)為與 035641.LAS (如圖 2-9 (c)：文件為 364M，點數(shù)為 13653684)，大約有5千萬個LiDAR點、區(qū)域的西南角坐標（12761.8, 69276.2)，（23365.1，72760.7)。； j ； ：

的最佳丨ill面。最后計算待判斷激光點與其曲面的距離。如果激光點到該曲面的垂線距離處T-設定閾值內(nèi)，則為地面點，否則為非地面點，（如圖2-12所示)。0非地面點0 00 0 00 0地面點圖2-12曲面擬合的算法原理(4)移動窗口濾波法移動窗口濾波方法首先給定一個大尺度窗口，在LiDAR數(shù)據(jù)中不斷移動尋找出窗口內(nèi)的最低點，然后根據(jù)最低點集計算出一個初始的地形模型；其次根據(jù)初始地形模型，計算待判定激光點與初始地形模型的垂直距離，如果超過給定的距離閾值，則將其判斷為非地面點，將其從數(shù)據(jù)集中移除，以此再計算出一個更精確的地形模型。重復迭代，直至移除所有地面點，且移動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定通常需要不斷的測試才能得出比較滿意的濾波結(jié)果。窗口過大會導致地面過于平滑或去掉一些小的地形細節(jié)。距離閾值過大將； 導致許多植被點被劃分為地面點。閾值設得過小，又可因為去掉一些小的地形導致過于平滑。因此這些過濾參數(shù)的設置取決于測區(qū)的實際地形狀況，設置為不同的過濾參數(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,測區(qū)內(nèi)激光腳點個數(shù)為3742278個。測區(qū)航攝影像如圖2-14所示，原始點云分布如圖2-15所示。31

【相似文獻】

相關期刊論文 前10條

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

2 龔書林;;三維激光點云處理軟件的若干關鍵技術[J];測繪通報;2014年06期

3 趙強;彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學學報(自然科學版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復技術研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點云-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)點云約簡和體積計算方法[J];測繪科學;2008年06期

8 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

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

10 張毅;閆利;;地面激光點云強度噪聲的三維擴散濾波方法[J];測繪學報;2013年04期

相關會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

相關重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關博士學位論文 前10條

1 彭檢貴;融合點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;2012年

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

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關鍵技術研究[D];南昌大學;2015年

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

5 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術研究[D];西南交通大學;2015年

6 金龍存;3D點云復雜曲面重構(gòu)關鍵算法研究[D];上海大學;2012年

7 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術研究院;2013年

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

9 何朝明;離散點云處理的關鍵技術研究[D];西南交通大學;2007年

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

相關碩士學位論文 前10條

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

2 楊紅粉;頻域技術應用于點云配準研究[D];北京建筑大學;2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術及其應用[D];西南交通大學;2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

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

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學;2015年

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

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

10 朱東方;基于復雜拓撲結(jié)構(gòu)點云的曲線擬合研究與應用[D];山東大學;2015年

本文編號：2815773