基于高分辨率遙感影像與LiDAR點云的損毀建筑物提取方法研究.pdf

1、近幾十年來地震頻發(fā)，地震作為自然界中破壞力最強的災害之一給人類社會帶來了越來越多的災難?；谡鸷髴本葹囊约罢鸷笫転男畔⒖焖僭u估的需求，針對震后災區(qū)地形情況復雜，建筑物受損形式多種多樣，在遙感影像上特征各異，單一遙感數據源通常提取精度不高的問題，本研究基于震后高分辨率遙感影像與LiDAR點云數據，通過分析使用高分辨率遙感影像豐富的紋理、形狀等特征以及LiDAR點云的高程信息，采用面向對象的多尺度分割和支持向量機分類方法實現外觀上損毀、倒

2、塌建筑物提取，解決了震后受災建筑物快速準確提取問題，本文完成的主要工作如下:
　　1、本研究使用實驗區(qū)LiDAR點云處理得到的nDSM以及對nDSM進行Canny算子邊緣檢測得到的地物輪廓圖和高分辨率遙感影像一起進行了多尺度分割。實驗結果證明加入LiDAR點云信息后有效減少了高分辨率遙感影像單獨進行多尺度分割易出現因同譜異物而錯分的現象。
　　2、本文使用灰度共生矩陣的熵作為分割后對象新的同質性評價指標，與作為異質性指標的全

3、局MoranⅠ指數組合構成了全局最優(yōu)分割尺度目標函數，經實驗證明該方法可行。
　　3、研究確定了用于實驗區(qū)損毀建筑物提取的分類特征組合。根據實驗區(qū)的不同地類綜合利用了高分辨率遙感影像的三種特征:光譜、紋理和形狀特征，以及LiDAR點云的高程信息確定了實驗的分類特征組合，其中本文構建了基于RGB影像的植被提取規(guī)則，經實驗證明提取綠色樹木精度較高。
　　4、研究確定了基于支持向量機(SVM)分類方法的損毀建筑物提取流程，經研究分

4、析后使用了徑向基核函數作為支持向量機的核函數，通過網格搜索以及交叉尋優(yōu)得到了最優(yōu)核函數參數組合。
　　5、在Visual Studio2010平臺基于C++語言，采用支持向量機分類方法集成開發(fā)了本文實驗的損毀建筑物提取程序，并對分類結果進行了精度評價。
　　最后得到基于本研究方法進行損毀建筑物提取的生產者精度為92.22％，用戶精度為90.22％，Kappa系數為0.857，取得了良好的精度，證明本文方法用于損毀建筑物提取切