论文部分内容阅读
机载激光雷达数据的城区植被和建筑物提取是Li DAR技术应用领域中的一个重点,对其进行深入的研究具有极为重要的现实意义和应用价值。由于机载LiDAR点云数据的特点以及城区环境的复杂性等原因,利用机载Li DAR点云数据进行城区植被提取的研究较少。特别是单独利用机载Li DAR数据进行面向对象的建筑物提取的研究相对较少,多数研究将Li DAR点云作为高分辨率遥感影像的辅助数据。为此,本文在对机载LiDAR系统和机载LiDAR数据特点深入分析的基础上,研究了基于机载LiDAR点云数据,重点研究了点云数据滤波方法,基于两次回波高程信息或强度信息提取植被的算法,并以滤波和植被提取结果为前提,设计了一种面向对象的建筑物及植被信息提取策略。具体研究工作主要包括:(1)重点分析了不规则三角网迭代滤波法,针对不规则三角网滤波算法计算复杂问题,提出对种子点及每一步滤波处理的结果进行融合区域增长的改进不规则三角网滤波算法,并综合利用Li DAR点云首次和末次回波脚点数据各自的优势,提出在首次回波脚点中进行种子点选取,在末次回波脚点中进行后续滤波处理,最后进行了实验验证。(2)提出了基于机载LiDAR点云数据植被提取的方法。首先,针对利用机载Li DAR首尾两次回波高程之差提取植被信息的方法中建筑物的边缘容易错分为植被的问题,提出利用坡度信息定位边缘,并通过强度信息对边缘处的非植被点进行识别剔除,可有效地区分建筑物边缘区域和植被区域。提出了直接利用首尾两次回波强度之差提取植被信息,经过实验数据的验证,得出该方法提取植被的效果较好。(3)设计了一种新的面向对象的建筑物提取策略。首先利用滤波出的地面点生成数字高程模型DEM,将数字表面模型DSM与DEM的差值影像nDSM作为建筑物提取的基础影像,以此保证建筑物提取时不受地形起伏的影响;利用提取的植被结果将基础影像nDSM分割出植被区域和非植被区域,对非植被区域融合canny算子检测的边缘信息进行多尺度过分割,然后对高度值相差较小的邻近分割对象予以合并达到对分割结果的优化处理,最后利用对象的高度值、面积以及邻近对象间的关系等特征,基于面向对象的分类方法完成建筑物的提取。