基于高分辨率遙感影像與LiDAR點云的損毀建筑物提取方法研究.pdf

1、近幾十年來地震頻發(fā)，地震作為自然界中破壞力最強(qiáng)的災(zāi)害之一給人類社會帶來了越來越多的災(zāi)難。基于震后應(yīng)急救災(zāi)以及震后受災(zāi)信息快速評估的需求，針對震后災(zāi)區(qū)地形情況復(fù)雜，建筑物受損形式多種多樣，在遙感影像上特征各異，單一遙感數(shù)據(jù)源通常提取精度不高的問題，本研究基于震后高分辨率遙感影像與LiDAR點云數(shù)據(jù)，通過分析使用高分辨率遙感影像豐富的紋理、形狀等特征以及LiDAR點云的高程信息，采用面向?qū)ο蟮亩喑叨确指詈椭С窒蛄繖C(jī)分類方法實現(xiàn)外觀上損毀、倒

2、塌建筑物提取，解決了震后受災(zāi)建筑物快速準(zhǔn)確提取問題，本文完成的主要工作如下:
　　1、本研究使用實驗區(qū)LiDAR點云處理得到的nDSM以及對nDSM進(jìn)行Canny算子邊緣檢測得到的地物輪廓圖和高分辨率遙感影像一起進(jìn)行了多尺度分割。實驗結(jié)果證明加入LiDAR點云信息后有效減少了高分辨率遙感影像單獨進(jìn)行多尺度分割易出現(xiàn)因同譜異物而錯分的現(xiàn)象。
　　2、本文使用灰度共生矩陣的熵作為分割后對象新的同質(zhì)性評價指標(biāo)，與作為異質(zhì)性指標(biāo)的全

3、局MoranⅠ指數(shù)組合構(gòu)成了全局最優(yōu)分割尺度目標(biāo)函數(shù)，經(jīng)實驗證明該方法可行。
　　3、研究確定了用于實驗區(qū)損毀建筑物提取的分類特征組合。根據(jù)實驗區(qū)的不同地類綜合利用了高分辨率遙感影像的三種特征:光譜、紋理和形狀特征，以及LiDAR點云的高程信息確定了實驗的分類特征組合，其中本文構(gòu)建了基于RGB影像的植被提取規(guī)則，經(jīng)實驗證明提取綠色樹木精度較高。
　　4、研究確定了基于支持向量機(jī)(SVM)分類方法的損毀建筑物提取流程，經(jīng)研究分

4、析后使用了徑向基核函數(shù)作為支持向量機(jī)的核函數(shù)，通過網(wǎng)格搜索以及交叉尋優(yōu)得到了最優(yōu)核函數(shù)參數(shù)組合。
　　5、在Visual Studio2010平臺基于C++語言，采用支持向量機(jī)分類方法集成開發(fā)了本文實驗的損毀建筑物提取程序，并對分類結(jié)果進(jìn)行了精度評價。
　　最后得到基于本研究方法進(jìn)行損毀建筑物提取的生產(chǎn)者精度為92.22％，用戶精度為90.22％，Kappa系數(shù)為0.857，取得了良好的精度，證明本文方法用于損毀建筑物提取切