激光雷达与高光谱成像技术数据融合研究进展

近年来,为提高地物分类精度,突破单一传感器的技术擎制,弥补单一数据源应用的局限性,多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案,打破了单一传感器的技术上限,为目标三维空间—光谱信息一体化获取提供了一种新的解决途径,同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程,论述其在特征级和决策级的主要融合方法和研究进展,将常用特征级融合和决策级融合方法进行详细介绍,并对最新几种研究算法进展进行小结和概述,探讨了其面临的挑战和未来发展与应用前景,最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。     

高光谱成像激光雷达光纤阵列焦面分光技术

伴随激光雷达技术凭借自身多方面的优势,广泛用于遥感、测绘等领域,对地物目标空间相关信息、光谱信息做好精准性辨识,作为未来激光雷达用于遥感测绘主趋。随着各类先进技术的兴起和应用,激光雷达测距可精准获取地物目标空间高程信息,被动高光谱成像可获取丰富光谱信息,但唯一不足的是2种技术方法和手段,难以同步获取高程和光谱信息。针对原有主、被动遥感探测技术自身的优势、不足,主要是探究基于光纤阵列焦面分光技术,结合实际需求,设计一套机载高光谱成像激光雷达接收系统,该系统可实现全天候光谱探测,不断完善和优化系统光机集成,有利于提高系统探测水平。     

联合无人机激光雷达和高光谱数据反演玉米叶面积指数

叶面积指数（Leaf Area Index,LAI）是作物长势监测及产量估算的重要指标,准确高效的LAI反演对农田经济的宏观管理具有重要作用。研究探索了联合无人机激光雷达（Light Detection and Ranging,LiDAR）和高光谱数据反演玉米叶面积指数的潜力,并分析了LiDAR数据不同采样尺寸、高度阈值、点密度对LAI反演精度的影响同时确定三者的最优值。该研究分别从重采样的LiDAR数据和高光谱影像中提取了LiDAR变量和植被指数,然后基于偏最小二乘回归（Partial Least Square Regression,PLSR）和随机森林（Random Forest,RF）回归两种算法分别利用LiDAR变量、植被指数、联合LiDAR变量和植被指数构建预测模型,并确定反演玉米LAI的最优预测模型。结果表明：反演玉米LAI的最优采样尺寸、高度阈值、点密度分别为5.5 m、0.55 m、18 points/m2,研究发现最高的点密度（420 points/m2）并没有产生最优的玉米LAI反演精度,因此单独依靠增加点密度的方法提高LAI的反演精度并不可靠。基于LiDAR变量获...     

基于新型光谱相似度量的高光谱影像谱聚类算法

高斯径向基函数是基于光谱向量间欧氏距离的度量,其对于同种地物光谱变化的适应性较弱,使得基于高斯径向基函数的高光谱影像谱聚类算法的性能下降。为了解决该问题,从光谱曲线形状描述出发,基于光谱角度余弦提出了一种新型光谱相似度量,并将其用于构建谱聚类算法的亲和度矩阵。最后利用多组高光谱数据进行了实验分析,结果证明了该算法的有效性。     

采用谱间预测的高光谱图像压缩方法研究

高光谱图像具有较高谱分辨率的优越性是以其较大的数据量及较高的数据维为代价的,因此有必要研究有效的高光谱图像压缩方法。探讨一种基于谱间预测的高光谱图像压缩方案。考虑到高光谱图像谱间相关性随分辨率的提高而增强,推导出由多个波段对当前波段进行线性预测的预测器系数求解算法,提出了一种参考波段优化选取方法。实验结果表明,该方法能获得较低的最小均方误差,运算速度快,具有实用价值。     

谐波分析光谱角制图高光谱影像分类

目的 针对光谱角制图(SAM)分类算法对高光谱像元光谱曲线的局部特征和其辐射强度不敏感,而且易受噪声和维数灾难影响,致使分类效率低和精度较差等缺陷,将谐波分析(HA)技术引入到SAM高光谱影像分类中,提出一种基于谐波分析的光谱角制图(HA-SAM)高光谱影像分类算法.方法 利用HA技术将高光谱影像从光谱维变换到能量谱特征维空间,并提取低次谐波分量及特征系数(谐波余项、相位和振幅),用特征系数组成的向量代替光谱向量,对高光谱影像进行SAM分类.结果 将SAM和HA-SAM同时应用于EO-1卫星的Hyperion高光谱影像分类,通过对比和分析,验证了HA-SAM的优越性,再选择AVIRIS(airborne visible infrared imaging spectrometer)高光谱影像对HA-SAM进行验证,结果表明该算法具有较强的普适性.结论 HA-SAM提高了传统SAM高光谱影像分类的效率和精度,而且适用性较强具有良好的应用前景.     

基于BP和GEP算法的高光谱物谱建模研究

本文在分析铀成矿光谱吸收特征的基础上,利用改进的人工神经网络在Matlab仿真实验平台上进行了高光谱物谱建模研究;基于基因表达式编程GEP算法进行了物谱关联模型挖掘探索;并将人工神经网络模型与基因表达式编程模型在测试数据上的预测结果进行了对比.结果表明:尽管后者训练时间要比前者长,但预测精度较高、结果易解释.     

高光谱遥感影像中最佳谱段的快速选择方法

针对高光谱遥感影像数据量大、信息冗余多的特点,在子空间划分理论基础上,结合最大熵和光谱角制图算法,提出一种快速的最佳谱段选择方法。充分利用相邻波段数据间的相关性分块特点,首先提取各子空间熵值最大的波段,然后依据地物光谱可分性选择最佳的波段组合。实验验证,最佳谱段选择速度快,并且所选谱段组合用于目标提取,效果显著。     

基于激光雷达的移动机器人实时位姿估计方法研究

位姿估计是移动机器人研究中的一个关键问题,对于运动目标跟踪、机器人导航、地图 生成等具有重要意义,提出了一种基于二维激光雷达的实时位姿估计方法,包括基于Hough变 换的切线角度直方图算法和迭代切线加权最近点算法两部分.两种算法的结合和切线信息的引 入.有效地解决了传统方法无法解决的局部最小值、类孔径、大计算量等问题.仿真数据和室外 环境实际数据的大量实验结果表明它具有精度高、速度快、适用性广和对噪声、遮挡和类孔径问 题鲁棒性高的特点.     

基于激光雷达的移动机器人位姿估计方法综述

位姿估计是移动机器人研究的一个核心问题．本文综述了国内外基于激光雷达的移 动机器人位姿估计的最新进展，并对各种方法进行分类、比较和分析，从中归纳出应用中值 得注意的问题和发展趋势．     

结合LiDAR单木分割和高光谱特征提取的城市森林树种分类

基于多源遥感数据的城市森林树种分类对城市森林资源调查、森林健康状况评价及科学化管理具有重要意义。以江苏省常熟市虞山国家森林公园内的典型城市森林树种为研究对象,利用同期获取的机载激光雷达(LiDAR)和高光谱数据,针对5个典型城市森林树种进行了树种分类的研究。首先,基于点云距离判断单木分割方法进行单木位置和冠幅提取,并借助实测数据和目视解译结果进行精度验证;然后,在冠幅内提取4组高光谱特征变量,并借助随机森林模型对特征变量进行重要性分析;最后,筛选出重要性高的特征变量进行2个级别的树种分类并借助混淆矩阵进行验证评价。结果表明:基于点云距离判断分割方法的单木位置提取精度较高(探测率为85.7%,准确率为96%,总体精度为90.9%);利用全部特征变量(n=36)对5个树种进行分类,分类的总体精度达到了84%,Kappa系数为0.80;利用优选特征变量(n=9)进行分类,总体精度达83%,Kappa系数为0.79;利用全部特征变量(n=36)对两种森林类型进行分类,分类的总体精度达91.3%,Kappa系数为0.82,其中阔叶树种分类精度为95.6%,针叶树种分类精度为85%;利用优选特征变量(n=9)进行分类,分类的总体精度达90.7%,Kappa系数为0.80,其中阔叶树种分类精度为93.33%,针叶树种分类精度为86.67%。     

机载激光雷达(LiDAR)数据在森林资源调查中的应用综述

LiDAR技术可以直接获取地表地物的三维信息,在森林参数估测方面具有独特的优势,因此,在森林资源调查中有着广泛应用.本文首先介绍了LiDAR系统组成和基本工作原理,然后详细分析了LiDAR技术定量提取树高、林分郁闭度和密度、蓄积量和生物量等森林参数的技术方法与研究进展,并对LiDAR数据在森林及其生态状况监测中的应用前景进行展望.     

基于LiDAR点云数据的等值线绘制方法

随着新型传感器激光雷达（LiDAR）步入市场,自20世纪80年代起逐渐应用于建筑规划、植被水利等行业.而在测绘行业,采用三维激光雷达扫描技术以取代传统的测量技术才刚开始起步,因其自动化程度高,更新周期短且获取到的数据精度高,信息全而逐渐被现代测绘业逐渐认可.用激光雷达采集到的点云数据为源数据,探究了三维离散点间接综合等值线的方法,并尝试改进三维道格拉斯算法,实现点子重要性排序以用于不同比例尺下地形图的综合.借助二次开发技术实现点数据栅格化,绘制等值线,同时在此过程中对比分析选用不同数量的点集合以及不同分辨率分别对等值线绘制的影响.结果表明先对点数据进行综合继而回放等高线既保留了原始地形的特征,且缩短了数据处理时间,同时也可根据实际比例尺的缩小程度,多尺度地输出、显示等值线.     

基于TerraSolid与Inpho的LiDAR数据处理方法分析与研究

介绍了机载激光扫描(Airborne Laser Scanning)/激光雷达(LiDAR)遥感信息获取系统的基本原理及系统组成,主要对基于TerraSolid和Inpho的两种LiDAR数据处理原理、滤波实现方法以及作业流程进行了分析,并通过不同地形特征的实验数据对其精度、效率、可操作性等方面进行了研究。     

基于机载LiDAR点云数据的复杂城市区域数字地面模型提取

LiDAR已成为获取数字地面模型（DTM）的重要手段。结合城市地形较平坦的特点,提出了一种针对LiDAR离散点云数据提取DTM的分步滤波方法,该方法主要通过高程频率直方图获取滤波主要参数,运用趋势面拟合的方法剔除剩余地物点,然后通过克里金法对地面点进行插值,最终得到DTM。将这种滤波方法应用在上海陆家嘴某区域,并与单纯趋势面拟合法的结果进行比较,实验数据表明,该滤波方法能有效的获取城市DTM。     

Water Regions Extraction from LiDAR Data in Coast

Water regions extraction is of great significance to monitoring,research,planning and development of coastal zones.The conventional method of water regions extraction based on remote sensing image often has poor accuracy in coast because there are large differences among spectral character of different water regions which often change over time as well.To solve this problem,the elevation,intensity and point-density information from the highly accurate 3D mass points of airborne LiDAR was exploited to extract water regions.Firstly,a part of water points were extracted by the characteristics of low density,and then were constrained by the elevation and intensity threshold which came from Statistical table.Secondly,A triangulation network surface model was established based on the water points got from the previous step to describe the elevation trend of water surface.Lastly,all the points which near or behind the surface model was extracted as water points.The result of the accuracy evaluation indicates that the recogniton accuracy of water points is more than 91%.     

顾及入射角的全波形激光雷达数据校正方法

相比于传统激光雷达,全波形激光雷达以非常小的采样间隔记录激光回波的全部信息并以数字化存储,经过处理可以得到能够反映地物固有特性的潜在特征。在全波形激光雷达回波数据处理中,对波形数据的校正是波形分解和地物目标特征提取的关键步骤。针对激光雷达系统获取数据过程中同类型建筑物目标对不同入射方向激光反射的差异,提出了一种全波形激光雷达数据的后向散射截面校正方法,建立了顾及入射角的波形数据校正模型。采用机载小光斑全波形激光雷达数据对提出的校正方法进行验证,结果表明:该校正方法能够对同类型建筑物目标的波形数据的后向散射截面进行归一化校正,消除不同入射角对该类目标后向散射截面的影响,极大提高后续建筑物目标精细分类和特征提取等应用的精度。     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas,an effective method for road extraction from airborne LiDAR data is proposed in this research.First,the morphological filtering method is applied to remove above|ground points cloud (such as buildings,transmission lines and vegetation etc.).Second,a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally,the road boundaries are located and tracked by using Freeman chain code method.Moreover,the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas,and the completeness,accuracy and quality are 93.87%,93.84％,88.43％,respectively.     

机载LiDAR数据航带平差研究进展

面向机载LiDAR数据航带平差处理的理论前沿,全面总结了机载LiDAR航带平差技术的国内外现状并进行了相应的归纳、分析,指出了当前研究中的一些不足,为后续的研究提供了参考。