机载LiDAR点云自适应滤波算法

针对传统移动曲面拟合滤波算法难以使用单一且具有自适应性阈值滤波的问题,提出一种改进自适应阈值滤波算法。首先将点云格网化,利用混合最小二乘曲面拟合对多级移动曲面滤波算法进行部分优化;其次利用离散点云数据分布特征计算一级滤波阈值;最后计算格网中最大真实高程值与最小真实高程值之差,利用曲率极限点为该值设定一个自适应系数,对滤波阈值算法进行自适应改进后二级滤波。实验采用国际摄影测量和遥感学会(ISPRS)公布的激光雷达数据集验证算法,结果表明,该算法滤波总误差平均值达到6.26%,连续地形滤波总误差达到4%以下,可以较精确地区分地面点与地物点,精确度较高且适应性较强。

基于改进Encoder-Decoder网络的遥感影像道路提取

本文针对高分遥感影像中蕴含的丰富信息给道路提取结果带来的干扰问题,提出了一种基于改进Encoder-Decoder网络的高分遥感影像道路提取方法。首先在编码区引入残差模块提取图像特征信息,然后在网络的中心区域引入空洞卷积模块,进一步拓展了识别道路特征像素信息的感受野,并保障了特征图分辨率以及像素点空间信息保持不变,增强了网络的细节提取能力,最后使用Sigmoid函数对特征图进行分类。本次实验采用马萨诸塞州道路数据集作为训练数据,实验结果表明,本文所提出的基于改进编码–解码网络道路提取方法将整体的精度、召回率以及F1-score指标分别提升至91%,58%和71%,与U-Net模型相较有着明显的提升。

分段线性Morse理论下的地表拓扑特征提取与简化

针对传统地表特征提取算法存在特征识别不完整,拓扑关系构建复杂,难以进行拓扑简化的问题,本文实现了基于分段线性Morse理论的特征提取,并提出一种新的特征重要性度量指标进行拓扑简化。首先识别关键点构成关键线,生成Morse-Smale复形完成地表拓扑特征构建;然后提出一种新的特征重要性度量指标,利用Morse-Smale复形的平均特征值反算关键点的特征值,使其对Morse-Smale复形的特征重要性进行双重评估;最后基于该度量指标实现了地表拓扑特征的简化与表达。实验结果表明,地表特征被清晰提取并构建了良好的拓扑结构,特征提取点云压缩率达36.29%,拓扑简化的点云压缩率达70.73%,大大缩减了点云数据量,并将冗余拓扑结构剔除,为后续地表点云的表达与应用奠定良好的数据基础。

分段线性Morse理论支持下的三维点云拓扑特征提取与简化

针对目前基于Morse理论的三维点云拓扑特征提取算法难以删除“伪特征”点,简化后存在噪声特征线的问题,提出了一种基于分段线性Morse理论的三维点云特征提取与简化算法。首先计算函数指标,对特征点进行提取,以各特征点为顶点所包含的三角形为一个集合,计算该集合中两两相邻的三角形法向量的点积,将其最大值作为该点权重,并设置合适的阈值去除“伪特征”点;其次通过特征点生成特征线,完成下降Morse复形的构建;最后选择特征线上不同点的函数指标值,分别计算持续值和考虑特征线实际留存价值的保留系数,两者结合对原有“持续值”法进行改进,得到新的特征线重要性度量指标,并基于该指标实现对三维点云拓扑特征的简化与表达。结果表明,相较其他算法,所提特征提取算法显著减少了“伪特征”点提取,使下降Morse复形构建的时间效率提高了70.37%,点云压缩率提高了22.48%。新的特征线重要性度量方法能获取更简洁、连续且结构完整的特征线,且特征提取与简化过程表现出较强的抗噪性。