機載激光(guāng)雷達（LIDAR）和(hé)遙感影(yǐng)像的(de)融合方法

發布日期：2018-05-31 00:00 浏覽量：13811

　　機載LIDAR是最近30年才發展起來(lái)的(de)一種高(gāo)新技術,機載激光(guāng)雷達技術是激光(guāng)測距技術、計算(suàn)機技術、高(gāo)精度動态載體姿态測量技術(INS)和(hé)高(gāo)精度動态GPS差分(fēn)定位技術迅速發展的(de)集中體現。激光(guāng)測距技術在傳統的(de)常規測量中就扮演著(zhe)非常重要的(de)角色,從最初的(de)有反射棱鏡的(de)測距儀系統發展到如今無合作目标的(de)激光(guāng)測距系統;GPS定位技術的(de)出現徹底解決了(le)海陸空的(de)定位問題:INS和(hé)GPS的(de)集成爲确定高(gāo)動态載體的(de)姿态成爲可(kě)能。以上幾種技術的(de)成熟運用(yòng)及相關技術的(de)發展爲整個(gè)系統的(de)集成奠定了(le)技術基礎,機載激光(guāng)雷達實際上已經代表了(le)對(duì)地觀測領域一個(gè)新的(de)發展方向。整個(gè)系統比較複雜(zá),就數據獲取的(de)方式來(lái)講更像大(dà)地測量系統(通(tōng)過測邊、測角進行點的(de)定位),就數據後處理(lǐ)的(de)方式來(lái)講卻更像攝影(yǐng)測量系統,包括地物(wù)的(de)提取,建築物(wù)三維重建等。

　　機載激光(guāng)雷達目前主要用(yòng)于快(kuài)速獲取大(dà)面積三維地形數據,快(kuài)速生成DEM等數字産品,特别是用(yòng)于測繪森林(lín)覆蓋區(qū)域和(hé)山區(qū)的(de)真實地形圖;将機載激光(guāng)雷達技術作爲一種新的(de)技術手段應用(yòng)于快(kuài)速生成城(chéng)市地區(qū)的(de)數字地面模型(DTM),進行地物(wù)自動提取,由數字地面模型(DTM)生成數字高(gāo)程模型(DEM),并進一步建立三維城(chéng)市模型,是當前在該領域的(de)一個(gè)研究熱(rè)點。

　　1、融合LIDAR和(hé)遙感影(yǐng)像進行分(fēn)類方法的(de)提出

　　目前人(rén)們研究出了(le)一系列激光(guāng)雷達數據的(de)分(fēn)類算(suàn)法。比如,(1)僅僅用(yòng)LIDAR數據單獨進行城(chéng)市表面地物(wù)的(de)提取,例如将LIDAR點雲數據生成DSM,借助統計直方圖分(fēn)析可(kě)确定阈值的(de)大(dà)小,再利用(yòng)面積、高(gāo)程、梯度阈值來(lái)進行建築物(wù)提取;利用(yòng)激光(guāng)脈沖兩次回波的(de)高(gāo)差變化(huà),将首次回波獲得(de)的(de)高(gāo)程減去尾次回波所獲得(de)的(de)高(gāo)程,在空曠地帶和(hé)房(fáng)屋等表面規則的(de)地物(wù),兩者的(de)高(gāo)程差幾乎爲零,而在植被覆蓋區(qū),特别是樹林(lín)地帶,高(gāo)程差不爲零,利用(yòng)這(zhè)一特性,可(kě)将植被和(hé)非植被點區(qū)分(fēn)開來(lái)。(2)結合LIDAR數據和(hé)等高(gāo)線、電子地圖等數據源進行地物(wù)提取。例如Palme将GIS數據和(hé)LIDAR點雲數據結合在一起,以GIS數據爲基礎對(duì)LIDAR點雲數據進行分(fēn)析和(hé)歸類,進而提取出三維建築物(wù)。它首先将GIS數據和(hé)LIDAR點雲數據生成的(de)DSM進行重合,然後在GIS數據中标出建築物(wù)的(de)位置,在DSM中對(duì)應的(de)找到其中的(de)建築物(wù),最終獲得(de)完整的(de)三維建築物(wù)模型。但對(duì)于一些不适合人(rén)工作業的(de)地區(qū),數據不易獲得(de),因此該方法也(yě)存在一定的(de)局限性。(3)融合激光(guāng)回波信号強度和(hé)激光(guāng)腳點高(gāo)程進行分(fēn)類。機載LIDAR系統不僅能提供數據點的(de)高(gāo)程信息,而且越來(lái)越多(duō)的(de)系統可(kě)以提供激光(guāng)回波信号的(de)強度信息。激光(guāng)脈沖打到相同的(de)物(wù)質表面時(shí),其回波信号的(de)強度較爲接近,每種物(wù)質對(duì)激光(guāng)信号的(de)反射特性是不一樣的(de),當樹和(hé)房(fáng)屋靠近時(shí),用(yòng)常規的(de)基于高(gāo)程變化(huà)的(de)數據很難将兩者分(fēn)開,而利用(yòng)強度信息可(kě)以将它們分(fēn)開。首先對(duì)不同介質激光(guāng)回波信号強度進行标定,可(kě)以先利用(yòng)内插後的(de)高(gāo)程數據圖像識别出房(fáng)屋和(hé)樹等;然後利用(yòng)激光(guāng)回波信号的(de)強度數據形成的(de)圖像識别出道路和(hé)草(cǎo)地等。

　　近年來(lái),随著(zhe)遙感技術的(de)發展,QuickBird、IKONOS、SPOT5等高(gāo)分(fēn)辨率遙感影(yǐng)像的(de)出現大(dà)大(dà)提高(gāo)了(le)遙感技術應用(yòng)的(de)發展。高(gāo)空間、高(gāo)光(guāng)譜分(fēn)辨率的(de)提高(gāo)帶來(lái)了(le)單位空間内像元數量的(de)增加,提供了(le)更爲豐富的(de)地物(wù)信息。同時(shí),高(gāo)分(fēn)辨率的(de)航空影(yǐng)像記錄了(le)連續波譜信息,包含了(le)空間結構、地物(wù)邊界、色彩屬性等判讀地物(wù)的(de)重要信息。現在,有的(de)數字航攝儀地面采樣率可(kě)達到厘米級,能夠分(fēn)辨地物(wù)微小差别。激光(guāng)雷達數據雖然對(duì)描述地物(wù)三維空間結構的(de)優勢明(míng)顯,但其每平方米幾個(gè)點的(de)激光(guāng)點密度以及分(fēn)米級的(de)光(guāng)斑分(fēn)辨率(光(guāng)斑直徑)對(duì)于精确描述地物(wù)邊界還(hái)存在誤差。尤其是不規則房(fáng)屋邊緣存在高(gāo)度相似植被的(de)情況下(xià),容易造成錯分(fēn)和(hé)誤判,需要借助正射影(yǐng)像進行輔助判讀。此外,快(kuài)速建立建築物(wù)三維模型時(shí)房(fáng)屋邊界探測也(yě)需要航空影(yǐng)像數據加以判讀。實驗表明(míng),如果不融合其他(tā)數據源(如影(yǐng)像數據、多(duō)光(guāng)譜數據等),而單獨利用(yòng)LIDAR數據進行地物(wù)的(de)分(fēn)類和(hé)識别等自動化(huà)、智能化(huà)的(de)處理(lǐ)具有很大(dà)的(de)難度。基于這(zhè)一現狀,我們試圖将LIDAR與遙感影(yǐng)像加以融合,綜合利用(yòng)LIDAR數據的(de)位置、高(gāo)程信息以及遙感影(yǐng)像的(de)光(guāng)譜、紋理(lǐ)信息,對(duì)地物(wù)加以分(fēn)類研究。在進行數據融合之前,需要對(duì)兩種數據進行預處理(lǐ)。

　　2、數據預處理(lǐ)

　　LIDAR點雲數據表示的(de)是離散三維空間信息,沒有規律性,這(zhè)種數據形式對(duì)數據處理(lǐ)和(hé)表達帶來(lái)困難,更不利于三維信息的(de)提取。因此,需要對(duì)這(zhè)些原始數據進行一些預處理(lǐ),轉換爲容易表達和(hé)處理(lǐ)的(de)數據組織形式。合适的(de)數據組織形式,能爲數據的(de)處理(lǐ)和(hé)表達帶來(lái)很大(dà)的(de)便利,否則不僅會損失部分(fēn)信息,可(kě)能爲信息提取帶來(lái)某種更大(dà)的(de)困難。

　　2.1LIDAR點雲數據的(de)表達形式

　　原始的(de)LIDAR點雲數據就是若幹個(gè)地面或者地物(wù)點的(de)精确三維坐(zuò)标信息。對(duì)原始LIDAR點雲數據選擇一種合适的(de)表達方式,對(duì)數據管理(lǐ)和(hé)處理(lǐ)尤爲重要,常用(yòng)的(de)數據表達方式有規則格網、不規則三角網、分(fēn)塊曲面法等多(duō)種方法其中,分(fēn)塊曲面法近似數學函數,每塊用(yòng)一種數學函數來(lái)表示和(hé)描述,這(zhè)種方法并不利于計算(suàn)機自動分(fēn)析和(hé)處理(lǐ)。TIN能較好地顧及地貌特征點、線,表示複雜(zá)地形表面,缺點是數據量較大(dà),數據結構較複雜(zá),使用(yòng)與管理(lǐ)也(yě)較複雜(zá);不僅要存儲每個(gè)點的(de)高(gāo)程,還(hái)要存儲其平面坐(zuò)标、節點連接的(de)拓撲關系,三角形及鄰接三角形等關系。規則格網表示法通(tōng)常又有三種形式,正方形、長(cháng)方形和(hé)等邊三角。一般來(lái)說,規則格網數據便于進行聚類聚合、多(duō)層面複合疊置分(fēn)析、窗(chuāng)口分(fēn)析及追蹤分(fēn)析等幾種基本的(de)分(fēn)析,這(zhè)些優點對(duì)于點雲數據處理(lǐ)提供了(le)很大(dà)的(de)便利。而且後面LIDAR點雲數據要和(hé)影(yǐng)像數據進行匹配,而數字影(yǐng)像的(de)象素分(fēn)布可(kě)以看作是正方形排列,爲了(le)使得(de)兩者統一,方便處理(lǐ),LIDAR數據和(hé)影(yǐng)像數據的(de)分(fēn)布采用(yòng)統一的(de)形式來(lái)表達,用(yòng)矩形規則格網形式來(lái)表達LIDAR點雲數據是最合适的(de)也(yě)是最方便的(de)。在将LIDAR點雲數據進行規則格網化(huà)的(de)過程中,必須要選擇一種适合LIDAR點雲數據的(de)内插方法和(hé)間距。

　　2.2LIDAR點雲數據的(de)内插方法

　　内插即在一個(gè)由x、y坐(zuò)标平面構成的(de)二維空間中,由已知若幹離散點Pi的(de)高(gāo)程,估算(suàn)待内插點的(de)高(gāo)程值。由于采樣的(de)數據點呈離散分(fēn)布形式,或是數據點雖按格網排列,但格網的(de)密度不能滿足使用(yòng)的(de)要求,這(zhè)就需要以數據點爲基礎進行插值運算(suàn)。常用(yòng)的(de)數據内插方法有反距離加權插值法(IDW)、自然鄰近點插值法(NaN)、Kriging插值法、樣條插值法、非線性插值法、線性插值法等等。

　　2.3遙感影(yǐng)像預處理(lǐ)

　　遙感影(yǐng)像預處理(lǐ),包括消除幾何畸變以及各種噪聲的(de)影(yǐng)響,以提高(gāo)配準的(de)精度。對(duì)航空影(yǐng)像,選擇地面控制點進行幾何糾正。

　　3、遙感影(yǐng)像配準

　　由于機載LIDAR和(hé)對(duì)應的(de)的(de)遙感影(yǐng)像沒有共用(yòng)一套光(guāng)學系統,兩者沒有統一的(de)坐(zuò)标系統,所以在進行數據融合之前,首先要對(duì)兩者進行精确的(de)匹配,獲得(de)地學編碼影(yǐng)像。

　　我們對(duì)坐(zuò)标變換采用(yòng)控制點位法,采用(yòng)WGS84坐(zuò)标系(UTM投影(yǐng)),通(tōng)過測定多(duō)組遙感圖像上特殊地物(wù)的(de)坐(zuò)标點以及與這(zhè)些坐(zuò)标點相對(duì)應的(de)DSM圖像上的(de)點的(de)坐(zuò)标,然後将測得(de)的(de)控制點坐(zuò)标代入坐(zuò)标系轉換多(duō)項式方程,求出各項系數,确定坐(zuò)标系轉換方程。由确定的(de)多(duō)項式轉換方程,以待定的(de)DSM圖像上點的(de)坐(zuò)标爲自變量,按逐個(gè)點位坐(zuò)标輸入方程,求出相應的(de)坐(zuò)标,然後按一定的(de)内插方法插值求算(suàn)出最适宜DSM上點的(de)影(yǐng)像像素值存入DSM上。如此,最終完成整幅圖像的(de)配準校正工作。

　　在尋找控制點時(shí),爲了(le)提高(gāo)配準校正精度,一般應選取DSM和(hé)影(yǐng)像上皆清晰的(de)道路,河(hé)流的(de)交彙點,拐彎點,同時(shí)使采集的(de)控制點均勻分(fēn)布于整個(gè)DSM圖像上。實際上,由于判讀控制點坐(zuò)标時(shí)難免有誤差,爲了(le)避免少數對(duì)應點的(de)誤差而影(yǐng)響方程的(de)求值精度,通(tōng)常采用(yòng)多(duō)選控制點對(duì),再進行方程的(de)多(duō)次拟合分(fēn)析,排除多(duō)次拟合效果差的(de)控制點,留有效果好的(de)控制點。

　　4、影(yǐng)像跟DSM的(de)融合

　　數據融合最早被應用(yòng)于軍事領域。是一個(gè)對(duì)多(duō)遙感器的(de)圖像數據和(hé)其他(tā)信息的(de)處理(lǐ)過程。著(zhe)重于把那些在空間或時(shí)間上冗餘或互補的(de)多(duō)源數據,按照(zhào)一定的(de)法則進行運算(suàn)處理(lǐ),獲得(de)比任何單一數據更精确更豐富的(de)信息。

　　圖像融合可(kě)在三個(gè)不同的(de)層次上進行:一是像元(pixel)、二是特征(feature)、三是決策(decision)層。融合的(de)水(shuǐ)平依次從低到高(gāo)。基于不同的(de)融合層次,采用(yòng)的(de)融合方法也(yě)不相同,如像元級的(de)代數法、IHS變換法、小波變換法、主成分(fēn)變換法,特征級的(de)聚類分(fēn)析法、加權平均法,決策級的(de)神經網絡法等。

　　4.1HIS融合方法

　　我們使用(yòng)的(de)基于像元的(de)圖像融合方法,采用(yòng)HIS彩色技術變換方法,通(tōng)常用(yòng)彩色顯示器所顯示的(de)彩色是由RGB信号的(de)亮度值所确定的(de)。但因RGB彩色坐(zuò)标系統中R、G、B呈非線性關系.使調整色調的(de)定量操作較爲困難。而HIS彩色坐(zuò)标系統對(duì)顔色屬性易于識别和(hé)量化(huà),色彩的(de)調整(數學變換)方便、靈活,因而往往進行RGB系統――HIS系統的(de)彩色空間變換。所謂HIS彩色變換是指将标準RGB圖像有效地分(fēn)離爲代表空間信息的(de)明(míng)度(I)和(hé)代表波譜信息的(de)色度(H)、飽和(hé)度(S)。

　　4.2融合效果評價

　　融合圖像對(duì)于後續的(de)信息提取和(hé)改善分(fēn)類精度都是至關重要的(de),經融合後的(de)影(yǐng)像紋理(lǐ)特征增強,細節更加突出。用(yòng)最佳指數因子(optimumindexfactor,簡稱OIF)來(lái)求算(suàn)信息量的(de)大(dà)小。

　　在數據統計分(fēn)析的(de)基礎上,選擇标準差大(dà)、相關性小的(de)數據。因爲标準差越大(dà),所包含的(de)信息量越大(dà),而波段間的(de)相關系數越小,表明(míng)圖像信息的(de)冗餘度越小。因此Fion越大(dà),則該組合波段的(de)信息量越大(dà)。

猜你喜歡：