LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法

以精确自动提取建筑物轮廓为目标,提出一种LiDAR辅助下利用超高分辨率影像进行轮廓提取的新方法。其要点分为4步:①预处理,检测LiDAR中建筑物点并分割成每栋建筑物的点集;②建立轮廓提取区,针对每栋建筑物做缓冲区和外接矩形,通过缓冲区过滤和外接矩形切割,建立轮廓提取感兴趣区域;③线段提取,借助LiDAR估算出建筑物概略主方向,并在该方向的约束下,自动、鲁棒地检测出建筑物的主方向和建筑物的线段;④轮廓筛选,基于LiDAR密度分析与Kmeans聚类动态筛选出精确轮廓。本方法所提取的建筑物轮廓定位精确、细节完好,轮廓提取准确率91%。

基于属性形态学剖面多特征超高分辨率遥感影像分类研究

针对近年来出现的超高分辨率遥感卫星数据,本文提出了一种基于形态学属性剖面多特征分类方法。首先针对超高分辨率多光谱影像提取属性形态学剖面,提取相应的细节信息;然后结合多光谱影像的光谱信息,训练分类器。其次,对Worldview2城镇区域影像进行了分类,可以看出,应用形态学属性剖面多特征分类的算法可以有效地将地物进行区分,目视结果和定量结果都达到了较高精度。

超高分辨率卫星影像应用浅析

World View3超高分辨率卫星影像2015年3月正式向国内提供,本文即围绕该影像产品分析其技术参数、精度、成本等,分析其在1:2000比例尺基础地理信息产品身产中的可行性,为各行业应用提供参照。

复杂场景下小农经营区地块级苹果园模块化制图方法框架

实现复杂场景下地块级苹果园的精准制图,是中国苹果产业精细化管理面临的迫切需求。然而,传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时,可靠性大幅度降低。本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架。①基于模拟人类对目标场景视觉感知的分层策略,从深秋季的单幅超高空间分辨率(Very High Resolution,VHR)影像中提取冗余的候选地块;②利用非对称瓶颈网络(Depth-wise Asymmetric Bottleneck Network,DABNet)模型与长短期记忆(Long Short-Term Memory,LSTM)模型,分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素。然后,构建元特征描述特征像素在候选地块中的分布情况,与地块的内在特征共同组成苹果园地块的分类特征;③使用随机森林(Random Forest,RF)将候选地块分类为苹果园地块和非苹果园地块。以山东省栖霞市西城镇为研究区,从43238个候选地块中提取出30292个苹果园地块,分类总体精度达到92.7%。利用RF算法自带的平均精度减少指标(Mean Decrease in Accuracy,MDA)对17种分类子特征进行特征重要性分析,证明本文提出的元特征比传统人工设计特征具有更强的信息抽象与特征表达能力。该框架成功实现场景复杂的小农经营区地块级苹果园制图,可推进精准果园农业的发展。