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
• 来源期刊: 遥感学报
• 学科: 工学
• 关键词: LiDAR 高度纹理 人工神经网络 地面粗糙度 分类
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 技术方法
• 页码范围: 539-553
• 分类号: TP751.1
• 语种: 中文

摘要

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%.