Mode滤波器及其在遥感分类后处理中的应用

遥感数据分类的优化问题是一个值得探讨的现实课题。为研究Mode滤波器及其在遥感分类后处理中的应用,在详细描述非线性Mode滤波器原理的基础上,针对二维和三维数据的特点,从不同角度对滤波器进行拓展,使其能够应用于遥感数据分类。以二维遥感图像和三维机载Li DAR点云数据为例,分别从2个方面和4个方面对拓展方案进行讨论,利用近邻型和窗口型Mode滤波器改善2种数据的分类质量。对比实验结果证明,拓展后的Mode滤波器能够有效地去除斑点和椒盐噪声,大大减少了点云数据和遥感图像分类后产生的错分类别点,显著提高了2种遥感数据分类的Kappa值和总体精度,达到了预期目的。

LiDAR点云支持下地物精细分类的实现方法

在遥感数据分类中,获取精细的地物类别无疑能够传递更加丰富的信息量,进一步加深对遥感数据的理解和解译。在机载LiDAR点云高程数据的支持下,提出并实现了遥感影像上地物精细分类的方法。为保证高精度地同种地物再划分,综合考虑配准、辅助数据源、首次回波、点云密度及影像空间分辨率4种因素,并重点解决了点云密度与影像空间分辨率不匹配的问题,利用决策树显著地提高了影像上建筑物、植被的分类数量,使点云与影像联合分类的优势得到体现,达到了分类精度与地物类别数量相统一的目的。