LiDAR輔助遙感影像建筑物分類識別和提取研究.pdf

1、近年來,我國城市擴張迅速,城市建筑物快速增加。如何從高分辨遙感影像上自動、快速地提取建筑物,對地理信息系統(tǒng)數(shù)據(jù)庫更新、城市規(guī)劃、數(shù)字化城市建設等方面有著十分重要的學術及現(xiàn)實意義。LiDAR(Light Detecting And Ranging)技術的發(fā)展,為解決這一問題提供了新的途徑。本文使用LiDAR數(shù)據(jù)輔助高分辨遙感影像,結合LiDAR數(shù)據(jù)的高度特征和高分辨遙感影像的光譜及紋理特性,使用支持向量機(Support Vector M

2、achine,簡稱SVM)分類的方法,對建筑物的分類識別和提取進行了研究。
　　支持向量機(SVM)是一種基于統(tǒng)計學習理論的新的機器學習方法,應用于遙感影像分類中,在小樣本學習,學習效率和獲取全局最優(yōu)等方面都有顯著的優(yōu)勢。目前,SVM用于高分辨率遙感影像分類也處于廣泛的研究中。
　　本文在前人研究的基礎上,采用了區(qū)別于其它建筑物提取方法的新方法,即融合LiDAR高程數(shù)據(jù)和高分辨遙感影像作為實驗數(shù)據(jù),利用SVM分類技術把建筑物

3、同其他地物分離,然后使用數(shù)字圖像處理技術對分類結果進行處理,最終提取出建筑物。本文的主要研究內(nèi)容如下:
　　1.初步探討了原始LiDAR點云數(shù)據(jù)的預處理,研究了基于TerraScan分類生成數(shù)字表面模型(DSM)和數(shù)字高程模型(DEM),進而使用兩者生成沒有地面高程信息的nDSM,作為建筑物分類提取的輔助數(shù)據(jù)。
　　2.闡述了四種常用的監(jiān)督分類理論尤其是支持向量機分類理論,進行了高分辨影像的監(jiān)督分類實驗,比較了這四種監(jiān)督分類

4、方法的分類精度,同時比較了建筑物分類提取精度;進行了基于不同核函數(shù)的SVM高分辨影像分類實驗,比較了這四種核函數(shù)的分類精度和建筑物提取精度。
　　3.提出了支持向量機分類識別建筑物的分類流程,重點研究了如何確定支持向量機的核函數(shù)及核函數(shù)參數(shù),并使用獲取的核函數(shù)及核參數(shù)對實驗影像進行了建筑物分類實驗,最后對建筑物分類結果進行分析。
　　4.研究了影像分類后建筑物提取的后期處理技術,主要是采用小面積去除刪除錯分類別,采用數(shù)學形態(tài)