基于正态DS证据理论的机载LIDAR数据地物分类方法

针对现有方法无法满足机载激光扫描与测距系统(LIDAR)数据地物分类时对算法精度和速度需求的问题,提出了一种基于非下采样剪切波(NSST)和正态DS证据理论的LIDAR数据快速地物分类方法。首先,利用NSST对LIDAR数据源图像进行多尺度分解,对得到的各层高频图像进行中值滤波处理,并进行逆变换合成。其次,构建正态概率分配函数及模糊类别,对LIDAR数据进行信任分配,并进行合成与决策。实验证实,该方法的分类精度达到86.12%,运行时间仅为0.46 s,在保证快速的基础上有效地提高了分类算法的精度。