基于改进LBET和神经网络的机载LiDAR点云分类研究
发布时间：2021-07-05 09:50
本文针对多特征融合的机载LiDAR点云分类中,样本数据多和样本选取时存在误差,导致分类速度慢和分类结果精度较低的问题,提出了基于改进LBET（Learning Based on Eigenvalue Transition,LBET）和神经网络的机载LiDAR点云分类方法。该方法选取地面高度、修复后的反射强度、影像分类结果、回波信息、高程纹理共五种分类特征信息经过改进LBET模型分析生成二进制信号,获取地物标准二进制信号和模糊信号,然后使用BP（Back Propagation,BP）神经网络训练标准地物二进制信号和识别模糊信号实现点云分类。与多特征融合分类比较该方法的处理时间较快并且精度明显提高。本文的主要贡献有以下几点:（1）对点云分类特征分析和处理,反射强度受仪器和外界的影响产生错误的值,反射强度应用到点云分类中效果较差,本文根据高程和反射强度使用相似性聚类算法对点云反射强度修复,对点云的高程纹理分析上,本文使用新的方法还衡量高程纹理,对地面高度的获取上,使用点到DTM（Digital Terrain Model,DTM）的距离作为地面高度。（2）提出了改进LBET和BP神经网络融...
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
机载LiDAR扫描的几种轨迹
像设备机载 LiDAR 测量系统中，该装置的主要功能是实时拍摄相应区域内的，以便后期处理获取该区域的数字正射影像（DigitalOrthophotoMap，DiDAR 测量系统只能获取三维坐标强度信息却无法获取光谱信息的不足主要用于制作数字正射影像，在以后的发展中，加入多个镜头即可实现 LiDAR 一体化作业。载 LiDAR 系统对地定位原理载 LiDAR 测量系统对地定位原理如下图 2.3 所示。对于机载 LiDAR 测S 地面接收机向飞机上的 GPS 发射改正数，这样飞机上的 GPS 就能获位坐标。激光测距系统测定的激光发射源到地表的距离通过计算可以获地表的距离，姿态参数( )可以利用装载上的惯性导航系统来获取即可获取地面的三维坐标。
图 3.1 实验 1 航空影像 图 3.2 实验 2 航空影像3.1 点云高程纹理特征机载 LiDAR 测量系统的最大优势就是可以直接获取地物三维坐标。受自身形态的影响，不同地物的三维坐标呈现不同形态，有学者把这种形态称之为高程纹理。高程纹理通常用于遥感图像地物分类中，采用均方差、熵等值等变化实现图像的分类[34]。在遥感数据处理中，通常使用粗糙度来表示高程纹理，粗糙系数定义为检测窗口内的 DSM面积与 DEM 面积的比值[28]。如图 3.3 所示。垂直方向DSMDEM
【参考文献】：
期刊论文
[1]基于LiDAR点云数据的地物几何特征提取与制图[J]. 姜红艳,梁立恒,王明常. 测绘与空间地理信息. 2018(04)
[2]机载LiDAR点云数据降维与分类的随机森林方法[J]. 熊艳,高仁强,徐战亚. 测绘学报. 2018(04)
[3]基于LIDAR点云回光强度信息的KNN算法与BP神经网络算法分类对比研究[J]. 梁宇乾,袁希平,甘淑. 软件导刊. 2018(04)
[4]机载多光谱LiDAR数据的地物分类方法[J]. 潘锁艳,管海燕. 测绘学报. 2018(02)
[5]机载LiDAR数据和航空影像基于角特征的配准[J]. 司传波,高子翔,崔程宝. 测绘与空间地理信息. 2017(10)
[6]点云信息提取研究进展和展望[J]. 张继贤,林祥国,梁欣廉. 测绘学报. 2017(10)
[7]基于径向基函数神经网络的机载LiDAR点云空洞填补方法[J]. 蔡香玉,杨林,吕海洋. 南京师范大学学报(工程技术版). 2017(03)
[8]纹理与波形特征组合对机载LiDAR数据分类的影响[J]. 张爱武,李陶,李含伦,段乙好,孟宪刚. 高技术通讯. 2016(01)
[9]基于正态DS证据理论的机载LIDAR数据地物分类方法[J]. 冯裴裴,杨风暴,卫红,李大威,梁若飞. 图学学报. 2015(06)
[10]高分辨率遥感影像结合LiDAR数据的面向对象分类方法[J]. 许传阳,李建红. 河南理工大学学报(自然科学版). 2015(02)
博士论文
[1]融合LiDAR数据和高分辨率遥感影像的地物分类方法研究[D]. 方军.武汉大学 2014
[2]机载LiDAR点云与遥感影像融合的地物分类技术研究[D]. 董保根.解放军信息工程大学 2013
硕士论文
[1]基于标签相关性和三层BP神经网络的多标签分类算法研究[D]. 廖丽芳.厦门大学 2017
[2]机载LiDAR点云数据的建筑物提取和模型规范化研究[D]. 汪禹芹.南京大学 2013
[3]LiDAR辅助遥感影像建筑物分类识别和提取研究[D]. 艾泽天.河南理工大学 2011
本文编号：3265848
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
机载LiDAR扫描的几种轨迹
像设备机载 LiDAR 测量系统中，该装置的主要功能是实时拍摄相应区域内的，以便后期处理获取该区域的数字正射影像（DigitalOrthophotoMap，DiDAR 测量系统只能获取三维坐标强度信息却无法获取光谱信息的不足主要用于制作数字正射影像，在以后的发展中，加入多个镜头即可实现 LiDAR 一体化作业。载 LiDAR 系统对地定位原理载 LiDAR 测量系统对地定位原理如下图 2.3 所示。对于机载 LiDAR 测S 地面接收机向飞机上的 GPS 发射改正数，这样飞机上的 GPS 就能获位坐标。激光测距系统测定的激光发射源到地表的距离通过计算可以获地表的距离，姿态参数( )可以利用装载上的惯性导航系统来获取即可获取地面的三维坐标。
图 3.1 实验 1 航空影像 图 3.2 实验 2 航空影像3.1 点云高程纹理特征机载 LiDAR 测量系统的最大优势就是可以直接获取地物三维坐标。受自身形态的影响，不同地物的三维坐标呈现不同形态，有学者把这种形态称之为高程纹理。高程纹理通常用于遥感图像地物分类中，采用均方差、熵等值等变化实现图像的分类[34]。在遥感数据处理中，通常使用粗糙度来表示高程纹理，粗糙系数定义为检测窗口内的 DSM面积与 DEM 面积的比值[28]。如图 3.3 所示。垂直方向DSMDEM
【参考文献】：
期刊论文
[1]基于LiDAR点云数据的地物几何特征提取与制图[J]. 姜红艳,梁立恒,王明常. 测绘与空间地理信息. 2018(04)
[2]机载LiDAR点云数据降维与分类的随机森林方法[J]. 熊艳,高仁强,徐战亚. 测绘学报. 2018(04)
[3]基于LIDAR点云回光强度信息的KNN算法与BP神经网络算法分类对比研究[J]. 梁宇乾,袁希平,甘淑. 软件导刊. 2018(04)
[4]机载多光谱LiDAR数据的地物分类方法[J]. 潘锁艳,管海燕. 测绘学报. 2018(02)
[5]机载LiDAR数据和航空影像基于角特征的配准[J]. 司传波,高子翔,崔程宝. 测绘与空间地理信息. 2017(10)
[6]点云信息提取研究进展和展望[J]. 张继贤,林祥国,梁欣廉. 测绘学报. 2017(10)
[7]基于径向基函数神经网络的机载LiDAR点云空洞填补方法[J]. 蔡香玉,杨林,吕海洋. 南京师范大学学报(工程技术版). 2017(03)
[8]纹理与波形特征组合对机载LiDAR数据分类的影响[J]. 张爱武,李陶,李含伦,段乙好,孟宪刚. 高技术通讯. 2016(01)
[9]基于正态DS证据理论的机载LIDAR数据地物分类方法[J]. 冯裴裴,杨风暴,卫红,李大威,梁若飞. 图学学报. 2015(06)
[10]高分辨率遥感影像结合LiDAR数据的面向对象分类方法[J]. 许传阳,李建红. 河南理工大学学报(自然科学版). 2015(02)
博士论文
[1]融合LiDAR数据和高分辨率遥感影像的地物分类方法研究[D]. 方军.武汉大学 2014
[2]机载LiDAR点云与遥感影像融合的地物分类技术研究[D]. 董保根.解放军信息工程大学 2013
硕士论文
[1]基于标签相关性和三层BP神经网络的多标签分类算法研究[D]. 廖丽芳.厦门大学 2017
[2]机载LiDAR点云数据的建筑物提取和模型规范化研究[D]. 汪禹芹.南京大学 2013
[3]LiDAR辅助遥感影像建筑物分类识别和提取研究[D]. 艾泽天.河南理工大学 2011
本文编号：3265848
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3265848.html
