女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

融合機載LiDAR和高光譜影像的土地利用分類

萊森光學 ? 來源:萊森光學 ? 作者:萊森光學 ? 2022-10-09 14:48 ? 次閱讀

高光譜影像包含豐富的光譜信息,能夠準確地描述地物的光譜特征,但在地物分類應用中通常會存在同物異譜和同譜異物現象。機載激光雷達(LightDetectionandRanging,LiDAR)可以直接獲取地物高精度、高密度的三維空間信息,通常為離散點云,由于缺乏光譜/紋理信息,在地物分類方面表現出最大的不足。因此,融合機載LiDAR點云的三維空間信息和高光譜影像的紋理信息,即可發揮各自優勢、取長補短,提升地物分類的精度和可信度。本文在已有研究基礎上從機載LiDAR數據和高光譜影像數據提取不同特征,設計了不同特征組合的融合數據集,采用效率更高、實現簡單的隨機森林算法(randomforest,RF)進行地物分類研究,并進行精度評價與對比,以提高分類精度,為土地資源利用監測、管理提供據支持。

1數據源

機載LiDAR和高光譜影像數據覆蓋區域位于廣西靈川縣,地形平坦,包括民房、農田、林地、裸地等地物類型(圖1)。其中機載LiDAR數據采集于2020年11月6日,由無人機LiDAR系統獲取,飛行高度約120m,平均點密度38點/m2,包含xyz坐標信息、強度信息及多次回波信息。高光譜數據采用高光譜成像儀于2020年12月25日獲取,當日天氣晴好,飛行高度為130m,空間分辨率為0.12m;波長范圍為400-1000nm,包含270個光譜波段。

pYYBAGNCbrSAGWTUAAOyMKhHBiQ487.png

圖1實驗區地理位置

2研究方法

分別從機載LiDAR點云數據和高光譜影像中提取地物的高度特征、光譜特征、紅邊特征及紋理特征,并設計了5種不同特征組合的影像,然后應用隨機森林分類器對不同特征組合的影像進行土地利用分類,并比較其精度。技術路線如圖2。

poYBAGNCbrSANL1NAADE5Haaen4788.png

圖2技術路線圖

2.1 LiDAR點云特征提取

首先采用三角網濾波方法進行點云濾波,然后采用不規則三角網方法(TriangulatedIrregularNetwork,TIN)對濾波后的地面點和非地面點進行插值,生成格網分辨率為0.25m的數字高程模型(digitalelevationmodel,DEM)和數字表面模型(digitalsurfacemodel,DSM),將插值生成的DEM和DSM進行差值運算,得到nDSM。

2.2高光譜影像特征提取

高光譜影像包含豐富的地物光譜信息,波段數多,在分類過程中,會導致數據冗余、效率變低、影響分類精度,因此首先要對高光譜影像數據進行降維處理。主成分分析法(principalcomponentanalysis,PCA)是目前應用最廣泛的降維方法,在ENVI5.3中對高光譜數據進行降維處理,選取前5個主成分波段特征。利用紅邊波段可以增強不同地物間的區分度,本文根據所用高光譜影像的光譜特點,定義了3種紅邊植被指數,組成紅邊特征集(后文以RE表示)。歸一化植被指數(normalizeddifferencevegetationindex,NDVI)對綠色植被比較敏感,也是遙感影像分類中常用的植被指數。各植被指數計算公式如表1所示。

表1植被指數

pYYBAGNCbrSAaoB8AADHBd0obOw012.png

注:NIR為近紅外波段;R為紅波段;RE1為紅邊710波段;RE2為紅邊750波段

紋理特征信息能夠有效提升分類精度,本文采用灰度共生矩陣(gray-levelco-occurrencematrix,GLCM)方法提取影像的紋理特征,并選取了同質度、非相似性、對比度、相關性、熵和角二階矩作為影像的紋理特征,對經PCA變換后的影像進行GLCM計算得到紋理特征。

2.3分類方法

首先使用ENVI5.3軟件,以高光譜影像為基準影像,選取nDSM和高光譜影像上明顯的同名地物點作為配準基元進行配準。為探究不同特征組合的分類效果,本文根據提取的不同特征,設計了5個特征組合的融合影像,如表2所示。

表2不同特征波段組合

poYBAGNCbrWABhVWAABNtPWsbAo380.png

隨機森林是一種機器學習算法,它將多棵決策樹集成在一起組成“森林”是目前遙感影像分類常用的方法,具有參數設置少、穩定性好、訓練樣本速度快、分類精度高等特點。本文根據實地調查數據和通過Googleearth高分辨率影像目視解譯完成訓練樣本和驗證樣本的選擇,使用RF分類器,對構建的不同特征組合進行地物分類。在隨機森林算法中,決策樹的數量(ntree)和為隨機特征的數量(mtry)是兩個關鍵參數,本文通過反復優化,將ntree設置為100,mtry設為特征數量的平方根。

2.4精度評價

采用Kappa系數和總體分類精度(OverallClassificationAccuracy,OA)對分類結果進行精度評價。并計算每種地物類別的用戶精度和生產者精度,以便更好地評價不同實驗組合的分類結果。

3 結果與分析不同特征組合的分類結果如圖3所示。可以看出,在融合影像僅具有光譜特征時(組合1),部分建筑物明顯被誤分為了道路和裸地。在加入植被指數和紋理特征后(組合3),植被和裸地的區分更明顯,建筑物誤分為道路的情況也有所改善,但仍有部分裸地被分為了建筑物;加入LiDAR點云數據提取的nDSM后,融合影像(組合4)具有了高度特征,建筑物和道路邊緣區分更清晰,建筑物和裸地的誤分情況相較于組合3也有極大改善,林地、農作物和裸地的區分也更明顯。

pYYBAGNCbrWAKK40AAe77CqD1lg364.png

圖3不同特征組合分類結果

表3分類結果精度統計

poYBAGNCbrWAPpMQAACtn0xDodo753.png

注:PA為生產者精度;UA為用戶精度

從表3可以看出,組合1的分類精度最低,OA和Kappa系數分別為77.73%和0.69;組合5的分類精度最高,OA和Kappa系數分別為85.96%、0.81,說明高光譜影像融合植被指數、紋理特征和高度特征后,分類精度得到有效提升。特別在添加了LiDAR點云數據提取的nDSM的高度特征后,分類精度提升最多,相較于未添加高度特征(組合3)OA和Kappa系數分別提升了5.33%和0.07,說明融合高程信息可以極大提高高光譜數據的分類精度;組合4的總體分類精度雖略低于組合5,但組合4中林地的分類精度卻更高,PA和UA均達到95%以上,說明紅邊光譜特征與從LiDAR數據提取的nDSM融合后對高植被的分類效果更好。

審核編輯 黃昊宇

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 高光譜圖像
    +關注

    關注

    0

    文章

    25

    瀏覽量

    7270
  • LIDAR
    +關注

    關注

    10

    文章

    342

    瀏覽量

    30168
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    光譜成像相機:基于光譜成像技術的玉米種子純度檢測研究

    種子純度是衡量種子質量的核心指標之一,直接影響農作物產量與品質。傳統檢測方法(如形態學觀察、生化分析)存在耗時長、破壞樣本、依賴人工等缺陷。近年來,光譜成像技術因其融合光譜與圖像信息
    的頭像 發表于 05-29 16:49 ?115次閱讀

    地物光譜儀如何為農業調查提供可量化的光譜依據?

    地記錄下來。 二、可量化的典型應用場景 1. 作物分類與制圖 目標:?區分玉米、水稻、大豆、小麥等作物類型; 操作方式: 地面布點實測各類作物的反射率曲線; 構建典型作物光譜庫(Spectral Library); 用于訓練高分遙感影像
    的頭像 發表于 05-12 15:40 ?130次閱讀
    地物<b class='flag-5'>光譜</b>儀如何為農業調查提供可量化的<b class='flag-5'>高</b><b class='flag-5'>光譜</b>依據?

    如何利用光譜相機實現精確的光譜分析?

    光譜相機是一種能夠獲取物體在連續多個窄波段上反射或輻射信息的先進成像設備。與普通RGB相機僅記錄紅、綠、藍三個寬波段不同,光譜相機可以捕獲數百個連續的窄波段,形成所謂的"
    的頭像 發表于 03-28 17:05 ?309次閱讀
    如何<b class='flag-5'>利用</b><b class='flag-5'>高</b><b class='flag-5'>光譜</b>相機實現精確的<b class='flag-5'>光譜</b>分析?

    光譜相機+LED光源系統助力材料分類和異物檢測、實現高速在線檢測

    波長的光源和光譜相機或類似設備。近年來,各領域利用光譜成像技術進行檢測的市場規模不斷擴大,對
    的頭像 發表于 03-21 17:02 ?440次閱讀
    <b class='flag-5'>高</b><b class='flag-5'>光譜</b>相機+LED光源系統助力材料<b class='flag-5'>分類</b>和異物檢測、實現高速在線檢測

    光譜相機的優勢有哪些?

    光譜相機作為現代信息采集技術的重要工具,近年來受到了廣泛關注。那么,光譜相機究竟是什么?它比傳統相機有什么獨特之處?本文將為你一一揭曉。 什么是
    的頭像 發表于 02-21 14:54 ?375次閱讀
    <b class='flag-5'>高</b><b class='flag-5'>光譜</b>相機的優勢有哪些?

    如何利用地物光譜進行空氣質量監測?

    地物光譜遙感技術在環境監測領域展現出強大的應用潛力。借助光譜數據,可以實現對空氣質量的全面監測,提供準確、實時的信息支持。以下是利用地物
    的頭像 發表于 01-03 10:37 ?328次閱讀
    如何<b class='flag-5'>利用</b>地物<b class='flag-5'>高</b><b class='flag-5'>光譜</b>進行空氣質量監測?

    如何利用地物光譜進行土地利用分類

    土地利用分類領域,地物光譜技術正發揮著日益重要的作用。下面就為大家簡要介紹如何利用地物光譜進行土地利用分類: 1.地物
    的頭像 發表于 12-13 14:44 ?396次閱讀
    如何<b class='flag-5'>利用</b>地物<b class='flag-5'>光譜</b>進行<b class='flag-5'>土地利用分類</b>?

    無人機光譜影像與冠層樹種多樣性監測

    無人機光譜影像與冠層樹種多樣性監測冠層樹種多樣性是自然森林生態系統功能和服務的重要基礎。
    的頭像 發表于 08-19 15:22 ?537次閱讀
    無人機<b class='flag-5'>高</b><b class='flag-5'>光譜</b><b class='flag-5'>影像</b>與冠層樹種多樣性監測

    無人機機載光譜成像系統的應用及優勢

      隨著無人機技術的快速發展,基于無人機平臺的光譜成像系統在多個領域中得到了廣泛應用。本文將介紹一款小型多旋翼無人機機載光譜成像系統,該
    的頭像 發表于 08-15 15:03 ?1349次閱讀
    無人機<b class='flag-5'>機載</b><b class='flag-5'>高</b><b class='flag-5'>光譜</b>成像系統的應用及優勢

    基于光譜影像的南磯濕地光譜特征分析1.0

    保護以及合理開發利用提供了科學依據和更好的技術支持,相關部門可以采取有效手段保障濕地健康,科學開發資源,且研究結果能夠為后續基于光譜影像數據的濕地研究奠定基礎。 二、研究區概況 2.
    的頭像 發表于 07-25 14:07 ?604次閱讀
    基于<b class='flag-5'>高</b><b class='flag-5'>光譜</b><b class='flag-5'>影像</b>的南磯濕地<b class='flag-5'>光譜</b>特征分析1.0

    基于光譜數據的典型地物分類識別方法研究

    隨著成像光譜儀器的廣泛應用,利用光譜數據進行物質分類與識別已經成為一項重要的研究內容,研究不同分類算法對最終的目標識別準確度具有重要意義。
    的頭像 發表于 07-18 14:43 ?757次閱讀
    基于<b class='flag-5'>高</b><b class='flag-5'>光譜</b>數據的典型地物<b class='flag-5'>分類</b>識別方法研究

    光譜成像系統:光譜遙感圖像的光譜混合模型

    光譜遙感是成像技術和光譜技術相結合的多維信息獲取技術,可以同時獲取地面目標的光譜信息和空間信息。光譜
    的頭像 發表于 07-10 11:54 ?1601次閱讀
    <b class='flag-5'>高</b><b class='flag-5'>光譜</b>成像系統:<b class='flag-5'>高</b><b class='flag-5'>光譜</b>遙感圖像的<b class='flag-5'>光譜</b>混合模型

    便攜式光譜成像系統:巖礦光譜遙感

    光譜成像作為目前遙感領域最先進的技術,在地質應用中取得了巨大成功。巖石 和礦物由于電子過程和分子振動可以產生特征的光譜吸收,因此可以利用
    的頭像 發表于 06-21 15:02 ?1196次閱讀
    便攜式<b class='flag-5'>高</b><b class='flag-5'>光譜</b>成像系統:巖礦<b class='flag-5'>高</b><b class='flag-5'>光譜</b>遙感

    基于無人機光譜遙感的荒漠化草原地物分類研究2.0

    草原退化調查監測須獲取實測數據,無人機搭載光譜成像儀進行低空遙感,是荒漠化草原地物分類的重要手段,可提供地物精細分類所需的遙感數據,充分發揮出兩種設備納米級
    的頭像 發表于 06-17 15:33 ?553次閱讀
    基于無人機<b class='flag-5'>高</b><b class='flag-5'>光譜</b>遙感的荒漠化草原地物<b class='flag-5'>分類</b>研究2.0

    基于無人機光譜遙感的荒漠化草原地物分類研究1.0

    本研究利用無人機光譜遙感技術采集荒漠化草原遙感數據,運用人工智能圖像分類技術,解決荒漠化草原地物分類與識別問題,具有自動化程度
    的頭像 發表于 06-12 11:48 ?665次閱讀
    基于無人機<b class='flag-5'>高</b><b class='flag-5'>光譜</b>遙感的荒漠化草原地物<b class='flag-5'>分類</b>研究1.0