基于分层模糊证据合成的lidar数据地物分类方法
【专利摘要】本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配，得到对应的信任分配图像；使用中值滤波对各信任分配图像进行降噪处理；构造分层框架，对各层滤波结果进行合成，根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷，在保证较高精度的同时，有效地提升了算法运行的速度，形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。
【专利说明】基于分层模糊证据合成的LIDAR数据地物分类方法
【技术领域】
[0001]本发明涉及机载LIDAR数据领域中的地物分类方法，具体为基于分层模糊证据合成的LIDAR数据地物分类方法。
【发明内容】
[0002]机载激光扫描测距系统(Light Detection And Ranging,简称LIDAR)由激光扫描仪、可见光或红外成像系统、全球定位系统和惯性导航设备等构成，是一项发展迅速的新型测绘遥感技术。由于其可快速、准确、实时地提供大量的三维数据信息，被广泛用于城市三维建模、大规模生态变化评估、地质灾害状况勘察等领域。
[0003]从高密度的LIDAR数据中进行有效信息提取是生成各类测绘产品的前提，而地物分类方法则是有效信息提取的核心技术之一。目前LIDAR数据地物分类领域内高精度的分类算法很多，而随着LIDAR技术的发展，测量的区域地形地物更加复杂，LIDAR数据的密度也在不断增加，这必将加大LIDAR数据后处理的工作量，增加处理时间。而对于战斗机轰炸目标选定、恶劣天气条件下飞机降落导航、地质灾害救灾政策快速制定等应用，地物分类方法不仅需要满足高精度的要求，更需要保证分类的快速完成。在保证较高精度的同时，如何对大量的机载LIDAR数据进行快速分类，成为了一个亟待解决的问题。
[0004]传统方法如基于多源特征融合分类方法，利用了监督分类的思想，融合多源数据进行分类，该方法不仅需要训练样本，还要人工参与为每类特征分配权重，算法复杂度高，速度较慢；马尔科夫随机场方法，虽然有效提升了分类的精度，但是分类程序运行时间却长达十几秒甚至几百秒 ； 0tsu聚类与拓扑模型相结合的办法进行分类，算法的速度无法满足实用需求；另有其他方法，如K-均值聚类方法、小波变换和空间尺度相结合的方法、数学形态方法等，分类精度尚可，但都难以在速度上满足用户的需求。
[0005]
【发明内容】
[0006]本发明为了解决现有地物分类方法无法同时满足高精度和运算快的问题，提供了基于分层模糊证据合成的LIDAR数据地物分类方法。
[0007]本发明是采用如下的技术方案实现的:基于分层模糊证据合成的LIDAR数据地物分类方法，包括以下步骤:
[0008]S1:构造分层框架，选取首次回波强度图像IN和LIDAR数据预处理后得到的首末次回波高程差图像HD为分层框架第一层输入；选取首次回波高程图像DSMfe和LIDAR数据预处理后得到的归一化植被差异指数图像NDVI为分层框架第二层输入；
[0009]S2:构建模糊信任分配模型，对分层框架每层输入的图像分别进行模糊信任分配并得到信任分配图像；
[0010]S21:构建模糊信任分配模型为:
【权利要求】
1.基于分层模糊证据合成的LIDAR数据地物分类方法，其特征在于包括以下步骤: 51:构造分层框架，选取首次回波强度图像IN和LIDAR数据预处理后得到的首末次回波高程差图像HD为分层框架第一层输入；选取首次回波高程图像DSMfe和LIDAR数据预处理后得到的归一化植被差异指数图像NDVI为分层框架第二层输入； 52:构件模糊信任分配模型，对分层框架每层输入的图像分别进行模糊信任分配并得到信任分配图像； 521:构件模糊信任分配模型为:
【文档编号】G06K9/62GK103927557SQ201410194225
【公开日】2014年7月16日 申请日期:2014年5月8日 优先权日:2014年5月8日
【发明者】杨风暴, 李大威, 冯裴裴, 王肖霞, 梁晓伟 申请人:中北大学