《融合机载激光扫描数据的航空影像水体特征提取-PowerPoint-Presentation》由会员分享，可在线阅读，更多相关《融合机载激光扫描数据的航空影像水体特征提取-PowerPoint-Presentation（22页珍藏版）》请在金锄头文库上搜索。
1、同济大学测量与国土信息工程系同济大学测量与国土信息工程系 融合机载激光扫描数据的航空影像水体特融合机载激光扫描数据的航空影像水体特征提取征提取Water Feature Extraction From aerial-Image Fused with LiDAR data吴杭彬吴杭彬同济大学同济大学测量与国土信息工程系测量与国土信息工程系20082008年年1212月月2626日日2021/3/111同济大学测量与国土信息工程系同济大学测量与国土信息工程系 研究目的研究目的影像水体提取在环境遥感、环境监测等领域应用非常广泛，尤其在环境保护、洪水分析、水资源调查中，影像的水体提取技术为这些应用提供
2、了强有力的保障。 目前的影像水体特征提取主要分为：目视人工解译-适用于各类影像基于光谱信息的解译-适用于多光谱、高光谱影像单波段法多波段法基于图像纹理信息的解译-适用于各类影像航空影像的水体特征提取是当前遥感影像水体特征提取的薄弱环节，提取的效率和精度都有待提高。2021/3/112同济大学测量与国土信息工程系同济大学测量与国土信息工程系 第一部分:机载激光扫描（Light Detection And Ranging， LiDAR）2021/3/113同济大学测量与国土信息工程系同济大学测量与国土信息工程系 机载激光扫描原理机载激光扫描原理机载激光扫描机载激光扫描是在飞机上搭载激光扫描设备，由
3、GPS提供的飞机位置数据、INS惯性导航系统提供的飞机姿态数据以及激光发射器获取激光测距数据获得一个大范围的带状区域内的地物点云点云数据。激光扫描的设备组成部分和激光测距原理2021/3/114同济大学测量与国土信息工程系同济大学测量与国土信息工程系 机载激光扫描的外、内业处理过程机载激光扫描的外、内业处理过程外业采集的数据外业采集的数据: : 飞机上安装的飞机上安装的GPSGPS实时观测数据实时观测数据地面基站的地面基站的GPSGPS实时观测数据实时观测数据飞机的飞机的INSINS系统数据系统数据激光测距数据激光测距数据航空影像航空影像数据处理过程数据处理过程: : 数据分离数据分离差分差分
4、GPSGPS处理处理差分差分GPSGPS和和IMUIMU数据集成数据集成集成数据的内插和平滑集成数据的内插和平滑点云数据生成点云数据生成航空影像内、外定向航空影像内、外定向最终数据最终数据激光扫描点云数据激光扫描点云数据飞机的实时定位、定姿数据飞机的实时定位、定姿数据航空影像航空影像2021/3/115同济大学测量与国土信息工程系同济大学测量与国土信息工程系 点云（点云（Points Cloud）点云点云是以一个整体的状态存在，能够很清晰地看到其表面的各种细节形态的大量三维点数据。点云数据在逆向工程、三维重建中具有广泛的用途。点云数据一般以三维坐标X,Y,Z的方式给出，在一些仪器采集的数据中，
5、还可能包含回光强度值信息和激光点的颜色信息。在同济大学校园里采集的点云数据2021/3/116同济大学测量与国土信息工程系同济大学测量与国土信息工程系 第二部分:航空影像水体特征提取2021/3/117同济大学测量与国土信息工程系同济大学测量与国土信息工程系 研究过程和步骤研究过程和步骤方法：人工目视判读方法获取同名点进行匹配输出：影像向激光扫描数据转换的坐标参数点云与影像匹配机载激光扫描数据分析机载激光扫描数据分析狄洛尼三角网和水体三角网狄洛尼三角网和水体三角网水体三角网栅格化、缓冲航空影像与缓冲栅格的运算航空影像与缓冲栅格的运算水体边缘的精化水体边缘的精化三角网的直方图统计分析带坐标框架的
6、航空影像均值偏移向量法(MeanShift)影像分类2021/3/118同济大学测量与国土信息工程系同济大学测量与国土信息工程系 试验数据所在位置试验数据所在位置实验数据来自美国俄亥俄州北部，数据覆盖范围约为2.3平方公里。大致位于北纬41度44分，西经81度17分http:/metadataexplorer.gis.state.oh.us/metadataexplorer/explorer.jsp 2021/3/119同济大学测量与国土信息工程系同济大学测量与国土信息工程系 实验数据实验数据机载激光扫描点云数据：共439，996点，点的平均密度约为0.02/平方英尺。由Leica的ALS系统
7、采集。航空影像数据：真彩色航空影像，5000*5000分辨率，像素分辨率为约为1英尺。由普通CCD相机采集。2021/3/1110同济大学测量与国土信息工程系同济大学测量与国土信息工程系 点云数据与航空影像的匹配点云数据与航空影像的匹配将激光点云数据进行按高程和回光强度值内插。采用人工判读的方法，按房屋和道路对象提取同名点。各提取了14个同名点，并进行6参数的迭代平差坐标转换，转换结果如下：当同名点选房屋房屋时，转换参数为：2299963.64240717765001.8608268831.007301949161960.00765490911180677-4.4084076080253e-0
8、05-0.999834732412637X方向的残差中误差为2.35英尺，Y方向的残差中误差为1.97英尺当同名点选道路道路时，转换参数为：2300000.52919327765005.0717043550.9989745181146650.00114835895237775-0.000278379912288074-1.00039224778675X方向的残差中误差为2.77英尺，Y方向的残差中误差为3.09英尺结论：采用同名点判读的方法可以实现影像向点云坐标系统的匹配；房屋同名点的匹配精度略优于道路同名点；X方向和Y方向的匹配中误差约为2-3英尺。对于影像的水体提取，该匹配精度已经可以完成
9、相关的工作。2021/3/1111同济大学测量与国土信息工程系同济大学测量与国土信息工程系 融合激光扫描数据的航空影像水体特征提取原理融合激光扫描数据的航空影像水体特征提取原理当前主流的当前主流的LiDARLiDAR系统采用的波段均为近红外的波段系统采用的波段均为近红外的波段，如：Leica公司的ALS系统和ALTM系统采用1.064微米波段IGI公司的LiteMapper系统采用1.550微米波段此外，还有1.047微米也常用于机载LiDAR系统测深LiDAR系统还采用透水性较好的蓝绿激光波段，如532纳米常见地物的在近红外波段的光谱特性常见地物的在近红外波段的光谱特性水体土壤植被http:
10、/www.udel.edu/Geography/DeLiberty/Geog474/spectral_signatures.gif2021/3/1112同济大学测量与国土信息工程系同济大学测量与国土信息工程系 各类地物的狄洛尼三角网各类地物的狄洛尼三角网从激光扫描点云数据和航空影像对比可以发现，航空影像的水体所在位置，在激光数据中出现了大量的缺失；而在其他区域，水体的数据分布基本均匀。为了定量的获取激光点云数据中的数据缺失部分，采用基于四方边缘结构的(Quad-Edge)逐点插入算法，对激光点云数据构建狄洛尼三角网。数据缺失区域的三角网形状将有别于数据正常区域。草地、道路、水体、建筑物、树木、
11、山体的三角网比较2021/3/1113同济大学测量与国土信息工程系同济大学测量与国土信息工程系 水体三角网水体三角网通过各类地物的三角网比较可以发现，由于水体部分缺少激光点，其三角网形状与周围存在较大差异。其他地物的三角网在平面位置和大小形状方面差异不大。因此，采用平面面积比较的方法对三角网进行统计分析。最小面最小面积积0.003最大面最大面积积155410平均面平均面积积28.018从面积统计表可以发现，三角网的最大最小面积差异很大。为了更好的分析面积的分布情况，取面积小于100的三角形进行直方图统计。并以2倍的平均面积作为阈值进行水体三角网的提取。2021/3/1114同济大学测量与国土信
12、息工程系同济大学测量与国土信息工程系 水体三角网的栅格化、缓冲水体三角网的栅格化、缓冲水体三角网是矢量结构的数据，无法直接用于GIS的空间分析，因此，在ArcGIS软件中，将矢量格式的三角网数据通过栅格化的方式转换为栅格数据。缓冲分析是将数据按照一定的距离产生缓冲区。我们对栅格数据采用三角网平均边长（8.8英尺）的缓冲分析。缓冲分析的主要目的是：消除匹配误差带来的影像，在影像和点云匹配过程中，控制点的残差中误差为2-3英尺，8.8英尺也相当于3倍的控制点中误差。能消除匹配误差带来的影像。缓冲分析过程2021/3/1115同济大学测量与国土信息工程系同济大学测量与国土信息工程系 影像与栅格数据的
13、栅格运算影像与栅格数据的栅格运算1001在栅格运算前，先将栅格数据进行重分类，水体三角网所在的栅格点赋值为1，其他点赋值为0。栅格运算栅格运算类似于矩阵的点运算，即对应像素进行相应的运算。栅格乘法运算25512233128*2021/3/1116同济大学测量与国土信息工程系同济大学测量与国土信息工程系 粗水体的精化粗水体的精化粗水体粗水体：由于激光点反应的位置不一定就是水体的边缘，此外，在前面的处理中，我们还对水体三角网进行了缓冲，因此，得到的水体边缘还不能精确的反应影像中的水体边缘特征。改进的改进的MeanShift算法用于影像分类算法用于影像分类传统的MeanShift分类算法是针对二维或
14、三维的信息的，在粗水体信息中，存在像素的位置信息X、Y以及像素的属性光谱信息R、G、B，因此，需要对MeanShift算法的距离函数进行改进。MeanShift算法的阈值也是值得探讨的问题。在实验中，我们截取了其中部分数据作为试验，分别选取了0.04, 0.05, 0.06, 0.07, 0.08, 0.09, 0.10, 0.15, 0.20 和 0.30作为阈值进行处理，对比得到的结果发现阈值是0.06时，提取效果最佳。因此，对所有的粗水体数据，我们采用0.06作为阈值进行水体的精化。 2021/3/1117同济大学测量与国土信息工程系同济大学测量与国土信息工程系 精水体特征精水体特征20
15、21/3/1118同济大学测量与国土信息工程系同济大学测量与国土信息工程系 结果比较结果比较本文方法人工判读解译ERDAS监督分类2021/3/1119同济大学测量与国土信息工程系同济大学测量与国土信息工程系 结论结论人工判读、监督分类以及本方法都可以实现对水体特征的提取。采用人工判读的提取可以充分考虑操作员对地域的熟悉程度，结合操作员的经验，从全局来看提取结果较为准确。对于细小的水体，人工判读的方法也可以进行有效提取。然而人工判读的结果在边缘部分提取精度不高。采用监督分类的提取只考虑样本的光谱信息，因此同谱异质以及同质异普现象极易对提取结果产生影响。本方法与人工判读的结果相比，提取的水体边缘
16、精度高，而在细小水体上无法实现准确的分类。然而，采用本文的方法可以自动实现水体的提取，减少人工操作带来的大量工作和个体差异。与监督分类的结果相比，本方法既考虑了光谱信息，也充分融合了LIDAR的空间信息以及激光的光谱特性，提取精度明显优于监督分类。在边缘部分，由于狄洛尼三角网边缘是凸多边形的性质，导致提取结果在影像边缘部分与实际不符。而人工分类、监督分类在边缘部分不存在这种情况。2021/3/1120同济大学测量与国土信息工程系同济大学测量与国土信息工程系 后续的研究后续的研究狄洛尼三角网的凸性质，使得提取结果在边缘部分与实际存在差异，如何避免这一性质对水体提取的影响，是需要解决的一个问题。定量研究和分析本方法与水体区域大小的关系。对于细小、狭长水体，本方法提取结果并不理想。MeanShift算法的计算效率较低，本方法为了节省计算时间，采用的是分区计算合并的方法，这种方法对于局部的提取结果存在差异。2021/3/1121同济大学测量与国土信息工程系同济大学测量与国土信息工程系 谢谢大家2021/3/1122
