基于高分辨率遥感影像与LiDAR点云的损毁建筑物提取方法研究

摘要

近几十年来地震频发，地震作为自然界中破坏力最强的灾害之一给人类社会带来了越来越多的灾难。基于震后应急救灾以及震后受灾信息快速评估的需求，针对震后灾区地形情况复杂，建筑物受损形式多种多样，在遥感影像上特征各异，单一遥感数据源通常提取精度不高的问题，本研究基于震后高分辨率遥感影像与LiDAR点云数据，通过分析使用高分辨率遥感影像丰富的纹理、形状等特征以及LiDAR点云的高程信息，采用面向对象的多尺度分割和支持向量机分类方法实现外观上损毁、倒塌建筑物提取，解决了震后受灾建筑物快速准确提取问题，本文完成的主要工作如下:
　　1、本研究使用实验区LiDAR点云处理得到的nDSM以及对nDSM进行Canny算子边缘检测得到的地物轮廓图和高分辨率遥感影像一起进行了多尺度分割。实验结果证明加入LiDAR点云信息后有效减少了高分辨率遥感影像单独进行多尺度分割易出现因同谱异物而错分的现象。
　　2、本文使用灰度共生矩阵的熵作为分割后对象新的同质性评价指标，与作为异质性指标的全局MoranⅠ指数组合构成了全局最优分割尺度目标函数，经实验证明该方法可行。
　　3、研究确定了用于实验区损毁建筑物提取的分类特征组合。根据实验区的不同地类综合利用了高分辨率遥感影像的三种特征:光谱、纹理和形状特征，以及LiDAR点云的高程信息确定了实验的分类特征组合，其中本文构建了基于RGB影像的植被提取规则，经实验证明提取绿色树木精度较高。
　　4、研究确定了基于支持向量机(SVM)分类方法的损毁建筑物提取流程，经研究分析后使用了径向基核函数作为支持向量机的核函数，通过网格搜索以及交叉寻优得到了最优核函数参数组合。
　　5、在Visual Studio2010平台基于C++语言，采用支持向量机分类方法集成开发了本文实验的损毁建筑物提取程序，并对分类结果进行了精度评价。
　　最后得到基于本研究方法进行损毁建筑物提取的生产者精度为92.22％，用户精度为90.22％，Kappa系数为0.857，取得了良好的精度，证明本文方法用于损毁建筑物提取切实可行，对以后开展类似工作有一定参考意义，为震后损毁建筑物快速评估提供了理论与技术支持。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 技术路线

1．4 各章概要

第2章 面向对象的遥感影像分类方法

2．1 影像分割

2．1．1 影像分割的定义

2．1．2 影像分割方法

2．2 遥感影像多尺度分割技术

2．2．1 影像分割中的尺度问题

2．2．2 多尺度分割概念

2．2．3 基于分型网络演化方法的多尺度分割算法

2．2．4 最优分割尺度选择

2．3 影像对象特征参数

2．4 影像对象分类方法

2．4．1 支持向量机基本原理

2．4．2 支持向量机分类流程

2．5 本章小结

第3章 实验数据预处理与配准

3．1 实验数据概述

3．2 LiDAR点云预处理

3．2．1 LiDAR点云粗差剔除

3．2．2 LiDAR点云数据滤波

3．2．3 点云数据生成nDSM

3．3 LiDAR点云与高分辨率遥感影像配准

3．3．1 高分辨率遥感影像与LiDAR点云配准的主要流程

3．3．2 高分辨率遥感影像与LiDAR点云配准方法

3．4 配准实验

3．5 本章小结

第4章 LiDAR数据与高分辨率遥感影像的多尺度分割

4．1 LiDAR数据参与的多尺度分割

4．1．1 LiDAR点云参与影像多尺度分割的方式

4．1．2 LiDAR数据对影像分割性能的影响

4．1．3 LiDAR数据对影像分割尺度的影响

4．2 LiDAR点云参与下的最优分割参数选择

4．3 本章小结

第5章 损毁建筑物提取实验

5．1 实验平台

5．1．1 硬件平台

5．1．2 软件平台

5．2 分类特征选择

5．2．1 LiDAR特征选取

5．2．2 高分辨率遥感影像特征选取

5．3 损毁建筑物提取流程

5．3．1 训练样本选取与分类特征值计算

5．3．2 核函数选择与核函数参数寻优

5．4 分类结果与精度分析

5．4．1 分类结果

5．4．2 分类精度评价

5．5 本章小结

结论与展望

结论

展望

致谢

参考文献