基于LiDAR高度纹理和神经网络的地物分类

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 乔纪纲  刘小平  张亦汉 

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%。