[发明专利]基于机载LiDAR与星载多光谱影像融合的复杂地形分析方法

说明书

本发明公开了一种基于机载LiDAR与星载多光谱影像融合的复杂地形分析方法，包括：获取多光谱影像及点云数据；基于点云数据生成深度图；对深度图与多光谱影像进行粗配准，得到粗配准点对；利用粗配准点对及点云数据的高程值，建立二维至三维的转换模型；以点云深度图与多光谱影像的互信息最大值为测度，通过搜索算法确定精配准系数；根据精配准系数和转换模型对多光谱影像进行转换，得到转换影像；将转换影像与点云数据进行动态特征融合，生成融合数据；利用高程信息生成等高线地形图并显示在多光谱影像中；借助等高线地形图与融合数据协同对复杂场景进行分析。本发明降低了时间成本，提高了异源数据的配准和融合效率，为复杂场景情况分析提供了支撑。

技术领域

本发明属于地形分析技术领域，具体涉及一种基于机载LiDAR与星载多光谱影像融合的复杂地形分析方法。

背景技术

LiDAR(Light Detection And Ranging，激光雷达)是未来信息化体系作战不可或缺的“侦察兵”，凭借分辨率高、隐蔽性好、抗有源干扰能力强、低空探测性能好、体积小、质量轻等优势，其在军事领域中已被广泛引用。然而，随着战场信息化的演变及实景作战的复杂多变性，有目的性、针对性的伪装形式更加多样化，单一数据的复杂环境下三维地形构建逐渐不能满足实际需求，动态获取实景信息和动态呈现环境信息也成为了掌握全局战况的关键。动态实景与热红外信息加入到复杂环境三维地形构建中，将会使复杂环境下信息更加丰富，从而更有利于实际工作安排与统筹。因此，研究基于机载动态LiDAR数据与星载静态多光谱图像配准、融合的复杂地形分析具有巨大的实际应用价值。

目前，LiDAR与多光谱图像的配准技术主要包括基于互信息的配准方法、基于特征的配准方法、基于强度的配准方法等。具体地，基于互信息的配准方法主要针对影像的灰度信息、梯度信息等进行配准，基于特征的配准方法主要通过对图像中特殊点、线、面的提取实现配准，基于强度的配准方法主要是利用高程值或强度值将LiDAR点云映射为二维影像，再利用较为成熟的二维图像配准方法进行点云数据与光学影像之间的配准。在一定程度上，以上方法在点云数据与多光谱图像匹配时都有较好的表现，通过选择配准性能较好的方法，根据需求进行LiDAR与多光谱图像中特定区域进行融合，将使复杂环境下实际情况更加凸显、更有利于掌控全局。

多源数据融合一直是相关领域的研究热点。随着LiDAR技术的发展，点云数据与光学遥感数据的融合引起了广泛关注。现有技术已经将深度学习应用于数据融合中并取得了一定的研究成果。其中，特征级融合是目前使用最为广泛的方法之一，该方法提取光学遥感图像的光谱特征、空间特征和LiDAR点云数据的高程特征并进行融合；另一种方法使用较为普遍的融合策略为决策级融合，这种方法广泛应用于多源数据图像分类中，主要是依据不同数据的不同特征进行分类后，通过决策机制或权重机制进行融合，以获得较优的分类结果。

上述方法没有实现场景动态配准与融合，没有进行选择性的特定区域的异源图像匹配，算法复杂度高、工作量较大；信息丰富度具有局限性，不能满足实际需求。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于机载LiDAR与星载多光谱影像融合的复杂地形分析方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供一种基于机载LiDAR与星载多光谱影像融合的复杂地形分析方法，包括：

利用星载传感器获取多光谱影像并利用机载激光雷达获取点云数据，所述点云数据覆盖的区域被包含于所述多光谱影像覆盖的区域中；

基于点云数据生成点云深度图；

对所述点云深度图与所述多光谱影像进行粗配准，得到粗配准点对；

利用粗配准点对及所述点云数据的高程值，建立二维至三维的转换模型；

以所述点云深度图与所述多光谱影像的互信息最大值为测度，通过搜索算法确定精配准系数；