基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法研究

摘要

针对地震灾区地形复杂，地物光谱特征、纹理特征与空间分布复杂，利用单一数据源无法快速、准确地提取损毁建筑物信息等情况，本文利用高分影像所具有的光谱特征、纹理特征和LiDAR点云所具有的高精度的空间三维信息、二次回波信息应用面向对象的影像分类技术，以实现损毁建筑物的快速、准确提取为目的，开展了以下研究工作:
　　 1、归纳总结了现有LiDAR点云滤波分类方法、LiDAR点云与高分影像的配准方法。采取人机交互的方式，利用基于面元特征的配准方法实现了LiDAR点云和高分影像的配准。
　　 2、综述了面向对象的高分影像分割分类方法，主要包括:高分影像的多尺度分割方法、最优分割尺度确定以及面向对象的模糊分类方法。
　　 3、研究采用LiDAR点云以nDSM的方式参与多尺度分割，实验表明nDSM作为LiDAR点云的“高程”信息参与多尺度分割并不会造成影像的“过分割”现象，而是加速了影像对象的合并过程。
　　 4、本文提出最优分割尺度范围值求交、取最小值得到最优分割尺度的方法，该方法优于原有的最优分割尺度确定方法。实验表明该方法是可行的，该方法具有更广的适用范围。
　　 5、研究分析了实验研究区域内各地物目标的光谱特征、形状特征、纹理特征等，通过样本的选择、实验分析选定了各地物目标的分类特征，建立了模糊分类规则集。根据树木在高分影像上的光谱特征构造了新的植被指数((VI)new)，实验表明:利用该指数能够准确有效的提取出树木信息，提取树木信息的Kappa系数为0.981744。
　　 6、根据损毁建筑物的特征，采用通过逐步剔除影像上的树木、道路、建筑物的方式提取损毁建筑物。最后对面向对象的损毁建筑物提取结果进行了精度分析，实验表明该方法切实可行，提取损毁建筑物Kappa系数为0.932576。
　　 综上，本文研究的基于LiDAR点云与高分影像的面向对象的损毁建筑物提取方法是切实可行的，损毁建筑物提取结果的用户精度为94.04％，生产者精度为95.30％，Kappa系数为0.932576。本文的研究成果对于实现损毁建筑物的快速、准确提取具有一定的参考价值，为灾后建筑物损毁评估、应急响应的信息获取提供了可靠的技术支持。

目录

声明

摘要

第1章 绪论

1．1 论文研究的背景与意义

1．2 国内外研究现状

1．3 本文的研究目的和内容

1．4 本文研究的关键问题及技术路线

1．5 各章概要

第2章 LiDAR点云与高分影像的配准方法

2．1 LiDAR系统的组成

2．2 LiDAR点云滤波

2．2．1 滤波原理

2．2．2 LiDAR点云滤波方法

2．3 LiDAR点云与高分影像配准

2．3．1 LiDAR点云与高分影像配准的定义

2．3．2 LiDAR点云与高分影像配准的主要内容

2．3．3 LiDAR点云与高分影像的配准方法

2．3．4 本次实验中所采用的配准方法

2．4 本章小结

第3章 面向对象的高分影像分类方法

3．1 高分影像分割概述

3．1．1 影像分割的定义

3．1．2 影像分割

3．2 多尺度分割技术

3．2．1 高分影像分割中的尺度问题

3．2．2 最小异质性原则下的区域合并

3．2．3 最优分割尺度

3．3 面向对象的分类方法

3．3．1 面向对象的模糊分类模型

3．3．2 面向对象的模糊分类的流程

3．3．3 常用的分类特征

3．4 本章小结

第4章 LiDAR点云参与的多尺度分割

4．1 实验数据概述

4．2 LiDAR点云参与多尺度分割

4．2．1 LiDAR点云参与多尺度分割的方式

4．2．2 nDSM对分割尺度影响

4．3 LiDAR点云参与下的最优尺度选择

4．3．1 最优分割尺度量化参数

4．3．2 最优分割尺度确定方法

4．4 本章小结

第5章 面向对象的损毁建筑物提取

5．1 地物分类特征选择与规则集建立

5．1．1 树木分类特征

5．1．2 分类特征选择与规则建立

5．2 损毁建筑物提取流程

5．3 面向对象分类结果与精度分析

5．4 本章小结

结论与展望

致谢

参考文献