融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取培訓(xùn)課件

融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取研究目的影像水體提取在環(huán)境遙感、環(huán)境監(jiān)測等領(lǐng)域應(yīng)用非常廣泛，尤其在環(huán)境保護(hù)、洪水分析、水資源調(diào)查中，影像的水體提取技術(shù)為這些應(yīng)用提供了強(qiáng)有力的保障。目前的影像水體特征提取主要分為：目視人工解譯----適用于各類影像基于光譜信息的解譯----適用于多光譜、高光譜影像單波段法多波段法基于圖像紋理信息的解譯----適用于各類影像航空影像的水體特征提取是當(dāng)前遙感影像水體特征提取的薄弱環(huán)節(jié)，提取的效率和精度都有待提高。2融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取第一部分:機(jī)載激光掃描（LightDetectionAndRanging，LiDAR）3融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取機(jī)載激光掃描原理機(jī)載激光掃描是在飛機(jī)上搭載激光掃描設(shè)備，由GPS提供的飛機(jī)位置數(shù)據(jù)、INS慣性導(dǎo)航系統(tǒng)提供的飛機(jī)姿態(tài)數(shù)據(jù)以及激光發(fā)射器獲取激光測距數(shù)據(jù)獲得一個大范圍的帶狀區(qū)域內(nèi)的地物點云數(shù)據(jù)。激光掃描的設(shè)備組成部分和激光測距原理4融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取機(jī)載激光掃描的外、內(nèi)業(yè)處理過程外業(yè)采集的數(shù)據(jù):

飛機(jī)上安裝的GPS實時觀測數(shù)據(jù)地面基站的GPS實時觀測數(shù)據(jù)飛機(jī)的INS系統(tǒng)數(shù)據(jù)激光測距數(shù)據(jù)航空影像數(shù)據(jù)處理過程:

數(shù)據(jù)分離差分GPS處理差分GPS和IMU數(shù)據(jù)集成集成數(shù)據(jù)的內(nèi)插和平滑點云數(shù)據(jù)生成航空影像內(nèi)、外定向最終數(shù)據(jù)激光掃描點云數(shù)據(jù)飛機(jī)的實時定位、定姿數(shù)據(jù)航空影像5融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取點云（PointsCloud）點云是以一個整體的狀態(tài)存在，能夠很清晰地看到其表面的各種細(xì)節(jié)形態(tài)的大量三維點數(shù)據(jù)。點云數(shù)據(jù)在逆向工程、三維重建中具有廣泛的用途。點云數(shù)據(jù)一般以三維坐標(biāo)X,Y,Z的方式給出，在一些儀器采集的數(shù)據(jù)中，還可能包含回光強(qiáng)度值信息和激光點的顏色信息。在同濟(jì)大學(xué)校園里采集的點云數(shù)據(jù)6融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取研究過程和步驟方法：人工目視判讀方法獲取同名點進(jìn)行匹配輸出：影像向激光掃描數(shù)據(jù)轉(zhuǎn)換的坐標(biāo)參數(shù)點云與影像匹配機(jī)載激光掃描數(shù)據(jù)分析狄洛尼三角網(wǎng)和水體三角網(wǎng)水體三角網(wǎng)柵格化、緩沖航空影像與緩沖柵格的運算水體邊緣的精化三角網(wǎng)的直方圖統(tǒng)計分析帶坐標(biāo)框架的航空影像均值偏移向量法(MeanShift)影像分類8融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取試驗數(shù)據(jù)所在位置實驗數(shù)據(jù)來自美國俄亥俄州北部，數(shù)據(jù)覆蓋范圍約為2.3平方公里。大致位于北緯41度44分，西經(jīng)81度17分http://metadataexplorer.gis.state.oh.us/metadataexplorer/explorer.jsp

9融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取實驗數(shù)據(jù)機(jī)載激光掃描點云數(shù)據(jù)：共439，996點，點的平均密度約為0.02/平方英尺。由Leica的ALS系統(tǒng)采集。航空影像數(shù)據(jù)：真彩色航空影像，5000*5000分辨率，像素分辨率為約為1英尺。由普通CCD相機(jī)采集。10融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取點云數(shù)據(jù)與航空影像的匹配將激光點云數(shù)據(jù)進(jìn)行按高程和回光強(qiáng)度值內(nèi)插。采用人工判讀的方法，按房屋和道路對象提取同名點。各提取了14個同名點，并進(jìn)行6參數(shù)的迭代平差坐標(biāo)轉(zhuǎn)換，轉(zhuǎn)換結(jié)果如下：當(dāng)同名點選房屋時，轉(zhuǎn)換參數(shù)為：2299963.64240717765001.8608268831.007301949161960.00765490911180677-4.4084076080253e-005-0.999834732412637X方向的殘差中誤差為2.35英尺，Y方向的殘差中誤差為1.97英尺當(dāng)同名點選道路時，轉(zhuǎn)換參數(shù)為：2300000.52919327765005.0717043550.9989745181146650.00114835895237775-0.000278379912288074-1.00039224778675X方向的殘差中誤差為2.77英尺，Y方向的殘差中誤差為3.09英尺結(jié)論：采用同名點判讀的方法可以實現(xiàn)影像向點云坐標(biāo)系統(tǒng)的匹配；房屋同名點的匹配精度略優(yōu)于道路同名點；X方向和Y方向的匹配中誤差約為2-3英尺。對于影像的水體提取，該匹配精度已經(jīng)可以完成相關(guān)的工作。11融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取融合激光掃描數(shù)據(jù)的航空影像水體特征提取原理當(dāng)前主流的LiDAR系統(tǒng)采用的波段均為近紅外的波段，如：Leica公司的ALS系統(tǒng)和ALTM系統(tǒng)采用1.064微米波段IGI公司的LiteMapper系統(tǒng)采用1.550微米波段此外，還有1.047微米也常用于機(jī)載LiDAR系統(tǒng)測深LiDAR系統(tǒng)還采用透水性較好的藍(lán)綠激光波段，如532納米常見地物的在近紅外波段的光譜特性水體土壤植被/Geography/DeLiberty/Geog474/spectral_signatures.gif12融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取各類地物的狄洛尼三角網(wǎng)從激光掃描點云數(shù)據(jù)和航空影像對比可以發(fā)現(xiàn)，航空影像的水體所在位置，在激光數(shù)據(jù)中出現(xiàn)了大量的缺失；而在其他區(qū)域，水體的數(shù)據(jù)分布基本均勻。為了定量的獲取激光點云數(shù)據(jù)中的數(shù)據(jù)缺失部分，采用基于四方邊緣結(jié)構(gòu)的(Quad-Edge)逐點插入算法，對激光點云數(shù)據(jù)構(gòu)建狄洛尼三角網(wǎng)。數(shù)據(jù)缺失區(qū)域的三角網(wǎng)形狀將有別于數(shù)據(jù)正常區(qū)域。草地、道路、水體、建筑物、樹木、山體的三角網(wǎng)比較13融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取水體三角網(wǎng)通過各類地物的三角網(wǎng)比較可以發(fā)現(xiàn)，由于水體部分缺少激光點，其三角網(wǎng)形狀與周圍存在較大差異。其他地物的三角網(wǎng)在平面位置和大小形狀方面差異不大。因此，采用平面面積比較的方法對三角網(wǎng)進(jìn)行統(tǒng)計分析。最小面積0.003最大面積155410平均面積28.018從面積統(tǒng)計表可以發(fā)現(xiàn)，三角網(wǎng)的最大最小面積差異很大。為了更好的分析面積的分布情況，取面積小于100的三角形進(jìn)行直方圖統(tǒng)計。并以2倍的平均面積作為閾值進(jìn)行水體三角網(wǎng)的提取。14融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取水體三角網(wǎng)的柵格化、緩沖水體三角網(wǎng)是矢量結(jié)構(gòu)的數(shù)據(jù)，無法直接用于GIS的空間分析，因此，在ArcGIS軟件中，將矢量格式的三角網(wǎng)數(shù)據(jù)通過柵格化的方式轉(zhuǎn)換為柵格數(shù)據(jù)。緩沖分析是將數(shù)據(jù)按照一定的距離產(chǎn)生緩沖區(qū)。我們對柵格數(shù)據(jù)采用三角網(wǎng)平均邊長（8.8英尺）的緩沖分析。緩沖分析的主要目的是：消除匹配誤差帶來的影像，在影像和點云匹配過程中，控制點的殘差中誤差為2-3英尺，8.8英尺也相當(dāng)于3倍的控制點中誤差。能消除匹配誤差帶來的影像。緩沖分析過程15融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取影像與柵格數(shù)據(jù)的柵格運算1001在柵格運算前，先將柵格數(shù)據(jù)進(jìn)行重分類，水體三角網(wǎng)所在的柵格點賦值為1，其他點賦值為0。柵格運算類似于矩陣的點運算，即對應(yīng)像素進(jìn)行相應(yīng)的運算。柵格乘法運算25512233128*16融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取粗水體的精化粗水體：由于激光點反應(yīng)的位置不一定就是水體的邊緣，此外，在前面的處理中，我們還對水體三角網(wǎng)進(jìn)行了緩沖，因此，得到的水體邊緣還不能精確的反應(yīng)影像中的水體邊緣特征。改進(jìn)的MeanShift算法用于影像分類傳統(tǒng)的MeanShift分類算法是針對二維或三維的信息的，在粗水體信息中，存在像素的位置信息X、Y以及像素的屬性光譜信息R、G、B，因此，需要對MeanShift算法的距離函數(shù)進(jìn)行改進(jìn)。MeanShift算法的閾值也是值得探討的問題。在實驗中，我們截取了其中部分?jǐn)?shù)據(jù)作為試驗，分別選取了0.04,0.05,0.06,0.07,0.08,0.09,0.10,0.15,0.20和0.30作為閾值進(jìn)行處理，對比得到的結(jié)果發(fā)現(xiàn)閾值是0.06時，提取效果最佳。因此，對所有的粗水體數(shù)據(jù)，我們采用0.06作為閾值進(jìn)行水體的精化。17融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取精水體特征18融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取結(jié)果比較本文方法人工判讀解譯ERDAS監(jiān)督分類19融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取結(jié)論人工判讀、監(jiān)督分類以及本方法都可以實現(xiàn)對水體特征的提取。采用人工判讀的提取可以充分考慮操作員對地域的熟悉程度，結(jié)合操作員的經(jīng)驗，從全局來看提取結(jié)果較為準(zhǔn)確。對于細(xì)小的水體，人工判讀的方法也可以進(jìn)行有效提取。然而人工判讀的結(jié)果在邊緣部分提取精度不高。采用監(jiān)督分類的提取只考慮樣本的光譜信息，因此同譜異質(zhì)以及同質(zhì)異普現(xiàn)象極易對提取結(jié)果產(chǎn)生影響。本方法與人工判讀的結(jié)果相比，提取的水體邊緣精度高，而在細(xì)小水體上無法實現(xiàn)準(zhǔn)確的分類。然而，采用本文的方法可以自動實現(xiàn)水體的提取，減少人工操作帶來的大量工作和個體差異。與監(jiān)督分類的結(jié)果相比，本方法既考慮了光譜信息，也充分融合了LIDAR的空間信息以及激光的光譜特性，提取精度明顯優(yōu)于監(jiān)督分類。在邊緣部分，由于狄洛尼三角網(wǎng)邊緣是凸多邊形的性質(zhì)，導(dǎo)致提取結(jié)果在影像邊緣部分與實際不符。而人工分類、監(jiān)督分類在邊緣部分不存在這種情況。20融合機(jī)載激光掃描數(shù)據(jù)的航空影像水體特征提取后續(xù)的研究狄洛尼三角網(wǎng)的凸性質(zhì)，使得提