多尺度格网的耕地信息无损提取与表达——以山西省芮城县为例

为满足多尺度的耕地资源精细化管理需求,解决面积占优格网化方法(Rule of Max Area,RMA)精度依赖于最佳尺度的问题,提出基于多尺度格网的耕地信息无损提取与表达方法。基于山西省芮城县1∶1万土地利用现状数据,创建32m×32m、64m×64m、128m×128m、256m×256m、512m×512m 5个不同尺度的格网数据,并以32m×32m为基础格网数据集进行耕地信息无损格网化,通过Arc Engine二次开发实现了多尺度格网的耕地信息的快速提取,提出了基于格网耕地纯度指数表达耕地空间分布的方法并制作了专题图。采用耕地面积误差分析方法和标准差椭圆模型对研究成果进行了检验。结果显示:多尺度耕地格网数据中的耕地面积误差均小于0.1m^2,实现了无损格网表达;多尺度耕地格网数据的平均中心相差小于1m,分布方向角平均小于0.1°,表明耕地信息无损提取方法能精确提取耕地的数量信息和分布情况。对比RMA方法格网化结果,基于耕地纯度指数表达方法能定量化表征耕地的空间分布特征,可为多尺度耕地资源管理提供准确的数据支持。

基于高分影像纹理分维变化的灾害自动识别方法

目前遥感变化检测主要是人机交互式目视解译,不能满足灾害自动识别尤其是卫星在轨变化检测自动化的新要求,亟须研究遥感影像变化自动检测算法,以实现灾害遥感自动识别。该文将高空间分辨率遥感影像的多尺度格网分割与纹理分维变化比较相结合,提出基于高分影像纹理分维单调变化(Texture Fractal MonotonousChange,TFMC)的灾害自动识别方法。通过计算和对比不同格网分割尺度下前后两期高分影像的纹理分维变化及其空间分布,并基于纹理分维变化单调性准则,可自动检测并识别灾区范围。以2011年3月11日日本地震海啸灾区的Worldview 0.5m全色影像为例,进行实验研究,表明MTFC方法无需人工干预即可根据纹理分形单调下降(当前减先前)可靠地识别出海水淹没区和密集房屋损毁区。经进一步优化,MTFC方法可望发展为高分遥感卫星在轨变化检测及灾害链聚焦监测的新技术。

基于多尺度虚拟格网的LiDAR点云数据滤波改进方法

机载激光雷达(LiDAR)点云数据滤波是目前点云数据处理领域研究的重点。针对目前点云数据滤波的难点,提出了一种基于多尺度虚拟格网和并行计算的改进滤波方法。该方法通过点云数据构建多级虚拟格网,对格网进行多尺度分解,剔除LiDAR数据中的粗差点,获取初始地面点及地物点;根据双向阈值滤波原理,以网格尺度由大到小的顺序逐层进行滤波处理,得到较为精细的地面点,并结合点云数据的并行编程处理,减少了滤波算法的误差积累。实验结果表明:改进算法与其他经典滤波算法相比,滤波精度有了较大的提高,在不同的地形条件下能有效地控制第II类误差,同时减少了总误差,提高了滤波处理的效率和数字高程模型(DEM)的可靠性。

混合整体最小二乘曲面拟合在点云滤波中的应用

针对传统点云滤波过程中拟合曲面不连续,参数求解不合理及高差阈值不明确的问题,本文提出一种基于混合整体最小二乘的曲面拟合约束法。利用中心网格加权坡度值构建了多尺度格网,探讨了依据网格邻域选取地面种子点的标准,分析了混合整体最小二乘曲面方程求解和根据滤波结果逐级调整高差阈值的方法和步骤。试验结果表明,该方法提高了复杂区域的点云滤波精度,为构建数字高程模型提供了精确数据。

一种利用三维HOG特征的建筑物点云分类方法

针对建筑物点云精确分类问题,提出一种利用三维HOG(histogram of oriented gridients)特征的建筑物点云分类方法。首先,通过分析点云的空间分布特征(投影形状、高程差异、密集程度等),生成能够显著表达立面目标多尺度特征的三维格网;然后,引入方向梯度直方图算子,依据建筑物立面的邻域梯度对称性,以及多尺度、多方向的立面特征差异,分析格网三维HOG特征,准确提取初始立面格网;最后,通过方向和距离约束获取完整立面格网,进一步将各立面聚类实现建筑物点云分类。实验结果表明,该方法基于立面特征进行建筑物分类,对于地基平台采集的点云具有较好的分类效果,稳健性较强。