编号
zgly0001590479
文献类型
期刊论文
文献题名
基于LiDAR高度纹理和神经网络的地物分类
作者单位
中山大学地理科学与规划学院遥感与地理信息工程系
广东商学院资源与环境学院
母体文献
遥感学报
年卷期
2011年03期
年份
2011
分类号
P237
关键词
LiDAR
高度纹理
人工神经网络
地面粗糙度
分类
文摘内容
使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到76.5%。