数据资源: 中文期刊论文

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%。

相关图谱

扫描二维码