本文關鍵詞：LIDAR數(shù)據(jù)快速地物分類的精度提高方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機載激光掃描與測距系統(tǒng)(Light Detection And Ranging,LIDAR)是近年來遙感相關領域的重要數(shù)據(jù)來源。LIDAR數(shù)據(jù)快速地物分類是將LIDAR數(shù)據(jù)應用于實際工程的前提條件,因此在LIDAR數(shù)據(jù)處理領域占據(jù)著重要的位置。實際應用中LIDAR數(shù)據(jù)所提供的信息很難完全準確地反應地物屬性,并且在先驗知識不足的情況下判別規(guī)則往往難以建立,由此導致分類結果的精度難以滿足高精度需求的應用,嚴重制約著LIDAR技術的發(fā)展和應用。因此本文在保證快速的前提下,針對如何有效提高地物分類算法的精度進行研究,主要內容如下:(1)LIDAR數(shù)據(jù)特征與地物特性研究:在深入分析各類LIDAR數(shù)據(jù)特征物理意義的基礎上,對各類數(shù)據(jù)所能區(qū)分的地物類別及不同類型地物的可識別性進行了研究;從數(shù)據(jù)獲取、轉換、分類方法等方面對影響地物分類精度的因素進行了分析,并提出相應的解決手段。(2)基于模糊DSmT的LIDAR數(shù)據(jù)多地物分類方法研究:結合減少影響地物分類精度因素的手段,構建類別模糊集與類別沖突集將LIDAR數(shù)據(jù)中的不確定性和異源數(shù)據(jù)融合時的沖突性進行量化處理;構建三種模糊概率分配函數(shù)和概率重分配函數(shù)實現(xiàn)多特征的合成,決策得到多地物分類結果,通過實例分析與對比證明了該方法的有效性。(3)基于可能性分布合成理論的單一地物提取方法研究:以汽車為例進行地物提取,依據(jù)特征值與車輛對應關系的不確定性,利用概率-可能性分布轉化的方法將區(qū)域長寬比與區(qū)域強度比特征進行可能性量化;以T-模、S-模算子為基礎構建分布合成規(guī)則,得到比單一分布更可靠的結果;定義了準確率、漏識率和誤識率等指標對方法有效性進行評價。
【關鍵詞】：地物分類 LIDAR數(shù)據(jù) 快速算法 高精度 不確定性
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-5
• Abstract5-10
• 主要符號表10-11
• 第一章 緒論11-19
• 1.1 本文研究問題及研究意義11-12
• 1.2 研究現(xiàn)狀及發(fā)展趨勢12-16
• 1.2.1 國內外研究現(xiàn)狀12-16
• 1.2.2 發(fā)展趨勢16
• 1.3 本文主要研究內容16-19
• 第二章 LIDAR數(shù)據(jù)地物分類基礎19-31
• 2.1 LIDAR系統(tǒng)的組成及相關概念19-20
• 2.2 LIDAR數(shù)據(jù)地物分類20-26
• 2.2.1 LIDAR數(shù)據(jù)的特點20-21
• 2.2.2 LIDAR數(shù)據(jù)地物分類的必要性21-22
• 2.2.3 LIDAR數(shù)據(jù)地物分類的應用22-26
• 2.3 典型的地物分類方法26-30
• 2.3.1 支持向量機26-28
• 2.3.2 D-S證據(jù)理論28-29
• 2.3.3 馬爾科夫隨機場29-30
• 2.4 本章小結30-31
• 第三章 特征空間構建及影響分類精度因素分析31-45
• 3.1 LIDAR數(shù)據(jù)特征空間31-36
• 3.1.1 首次回波高程32
• 3.1.2 回波強度32-34
• 3.1.3 高程差34
• 3.1.4 歸一化植被差異指數(shù)34-36
• 3.2 地物特性36-39
• 3.2.1 建筑特性36
• 3.2.2 樹木特性36-37
• 3.2.3 車輛特性37-38
• 3.2.4 草地與道路特性38-39
• 3.3 影響分類精度因素分析及解決辦法39-43
• 3.3.1 影響地物分類精度的因素39-42
• 3.3.2 提高分類精度的手段42-43
• 3.4 本章小結43-45
• 第四章 基于模糊DSmT的LIDAR數(shù)據(jù)多地物分類方法45-58
• 4.1 DSmT理論45-47
• 4.1.1 DSmT理論的基本概念45-46
• 4.1.2 DSmT混合模型46
• 4.1.3 模糊DSmT理論46-47
• 4.2 類別模糊集合的構建47-50
• 4.2.1 三角形概率分配函數(shù)47-49
• 4.2.2 嶺型概率分配函數(shù)49-50
• 4.2.3 尖Γ-型概率分配函數(shù)50
• 4.3 類別沖突集合的構建50-52
• 4.4 概率重分配及決策52
• 4.5 實例分析52-57
• 4.5.1 實驗數(shù)據(jù)53-54
• 4.5.2 實驗結果對比與評價54-57
• 4.6 本章小結57-58
• 第五章 基于可能性分布合成的單一地物提取方法58-74
• 5.1 可能性分布合成理論58-62
• 5.1.1 可能性分布58-60
• 5.1.2 可能性分布合成60-62
• 5.2 方法流程62-63
• 5.3 預識別區(qū)域提取63-65
• 5.3.1 高程閾值分類63-64
• 5.3.2 面積閾值分類64-65
• 5.4 長寬比和區(qū)域強度比的可能性表征65-69
• 5.4.1 長寬比的可能性分布構造65-67
• 5.4.2 區(qū)域強度比的可能性分布構造67-68
• 5.4.3 合成結果決策68-69
• 5.5 實驗結果對比與評價69-73
• 5.6 本章小結73-74
• 第六章 總結與展望74-76
• 6.1 本文的主要工作及創(chuàng)新74-75
• 6.2 展望75-76
• 參考文獻76-83
• 攻讀碩士學位期間發(fā)表的學術成果83-85
• 致謝85-86

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮裴裴;楊風暴;衛(wèi)紅;李大威;梁若飛;;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];圖學學報;2015年06期

2 馮裴裴;楊風暴;衛(wèi)紅;梁若飛;劉丹;;不確定性理論在激光雷達數(shù)據(jù)地物分類方面的應用研究進展[J];光電技術應用;2015年05期

3 張曉浩;黃華梅;吳秋生;婁全勝;楊帆;劉輝;;三亞市蜈支洲島海岸侵蝕與沉積的定量分析[J];熱帶海洋學報;2015年05期

4 孫美玲;李永樹;陳強;蔡國林;;基于機載LiDAR點云高程和強度數(shù)據(jù)的城區(qū)汽車目標自動提取[J];遙感信息;2014年05期

5 譚凱婷;;LiDAR測量技術在高陂水利樞紐工程中的應用[J];廣東水利電力職業(yè)技術學院學報;2014年03期

6 馮光勝;;LIDAR在地質災害調查與監(jiān)測中的應用研究[J];鐵道工程學報;2014年07期

7 梁小偉;楊風暴;衛(wèi)紅;李大威;;基于激光雷達數(shù)據(jù)陰影處理和圖像融合的地物分類方法[J];激光與光電子學進展;2014年04期

8 陳圣群;王應明;;區(qū)間值信念結構下沖突證據(jù)組合[J];系統(tǒng)工程理論與實踐;2014年01期

9 樓燕敏;吳迪;;機載LiDAR技術在浙江省灘涂海岸測量中的應用研究[J];測繪通報;2012年12期

10 左志權;張祖勛;張劍清;;區(qū)域回波比率與拓撲識別模型結合的城區(qū)激光雷達點云分類方法[J];中國激光;2012年04期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 吉琳娜;可能性分布合成理論及其工程應用研究[D];中北大學;2015年

2 李樂林;基于等高線族的機載LiDAR數(shù)據(jù)建筑物三維模型重建方法研究[D];武漢大學;2012年

3 劉純平;多源遙感信息融合方法及其應用研究[D];南京理工大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 梁小偉;機載LIDAR數(shù)據(jù)特征選擇與精確分類技術研究[D];中北大學;2015年

2 高利鵬;基于機載LiDAR和高分辨率遙感影像的道路提取研究[D];中國礦業(yè)大學;2014年

3 黃明;聯(lián)合LiDAR數(shù)據(jù)和遙感影像的建筑物三維模型提取方法[D];太原理工大學;2014年

4 王彩鳳;利用機載LiDAR點云提取損毀建筑物的方法研究[D];西南交通大學;2013年

5 胡本剛;基于LiDAR點云與高分影像的面向對象的損毀建筑物提取方法研究[D];西南交通大學;2013年

6 李顯巨;基于LiDAR技術的復雜地質環(huán)境區(qū)滑坡識別研究[D];中國地質大學;2012年

7 李劍巧;利用LIDAR數(shù)據(jù)獲取森林樹冠下層植被結構方法的研究[D];清華大學;2011年

  本文關鍵詞：LIDAR數(shù)據(jù)快速地物分類的精度提高方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：351711