|
|
|
本書基於多來源資料結合探討了建築物、道路、植被和水體等城市主要地理資訊分類提取方法；闡述了根據不同地物特徵，採用LiDAR資料的高程、強度和回波等資訊與高解析度影像的光譜解析度、空間解析度等參數相結合，有效提取地物、計算植被覆蓋度、統計自然資源涵養量等的方法；講解了應用點雲資料提取建築物資訊，從資料形態和機理上有效解決建築物提取受周邊高大植被影響問題的方法。
本書基於多來源資料結合探討了建築物、道路、植被和水體等城市主要地理資訊分類提取方法；闡述了根據不同地物特徵，採用LiDAR資料的高程、強度和回波等資訊與高解析度影像的光譜解析度、空間解析度等參數相結合，有效提取地物、計算植被覆蓋度、統計自然資源涵養量等的方法；講解了應用點雲資料提取建築物資訊，從資料形態和機理上有效解決建築物提取受周邊高大植被影響問題的方法。
第1章緒論1
1.1研究背景及意義1
1.1.1城市土地利用1
1.1.2基礎地理資訊2
1.1.3對地觀測技術3
1.1.4本書主要內容的價值與意義6
1.2 外發展現狀6
1.2.1城市土地利用理論及資料獲取6
1.2.2光學遙感技術的發展8
1.2.3機載雷射雷達現狀12
1.2.4影像與LiDAR融合應用於基礎地理資訊提取現狀13
1.3本書的思路與技術路線15
1.4本書主要內容16
第2章LiDAR資料與高分影像特點及實驗區概況19
2.1LiDAR系統19
2.1.1概述19
2.1.2LiDAR系統組成21
2.1.3資料後處理22
2.2LiDAR資料格式22
2.3本書實驗區資料基本情況25
2.3.1LiDAR資料情況25
2.3.2遙感影像資料概況26
本章小結27
第3章LiDAR濾波與高分影像資料預處理29
3.1點雲濾波概述29
3.2LiDAR點雲去噪處理30
3.2.1點雲去噪方法30
3.2.2實驗區點雲資料去噪處理31
3.3濾波的主要方法32
3.3.1數學形態學的濾波演算法32
3.3.2基於坡度變化的濾波演算法33
3.3.3移動曲面擬合濾波演算法34
3.3.4基於不規則三角網的濾波演算法34
3.3.5布料類比濾波演算法36
3.4GF-2影像資料預處理38
3.4.1輻射定標38
3.4.2大氣校正39
3.4.3幾何校正40
3.4.4圖像增強41
本章小結42
第4章建築物點雲資料提取43
4.1點雲濾波處理43
4.1.1布料模擬濾波優化43
4.1.2基於布料類比演算法的點雲濾波處理44
4.1.3點雲濾波處理精度分析45
4.2建築物點雲提取方法50
4.3基於點雲法向量余弦值統計的建築物提取51
4.3.1基於曲率的區域生長分割演算法52
4.3.2統計點雲法向量余弦值的建築物提取方法54
4.3.3建築物提取過程56
4.4基於掃描線的點間歐式距離統計提取方法62
4.4.1演算法基本思想62
4.4.2建築物提取實驗65
本章小結68
第5章點雲與影像融合的城市主要基礎地理資訊分類提取71
5.1遙感影像分類方法及精度評定72
5.1.1遙感影像分類方法72
5.1.2分類精度評定方法75
5.1.3分類樣本選擇75
5.2基於高解析度影像的地物分類76
5.2.1主要基礎地理資訊分類76
5.2.2分類結果評價77
5.3點雲資料與影像資料融合78
5.3.1融合方法78
5.3.2融合精度評價方法83
5.3.3LiDAR與GF-2融合過程85
5.3.4融合演算法實踐88
5.4融合點雲資料的主要基礎地理資訊分類88
5.4.1融合點雲資料分類需解決的問題88
5.4.2融合點雲資料的分類提取89
本章小結90
第6章總結與展望91
參考文獻93
