[发明专利]基于分层模糊证据合成的LIDAR数据地物分类方法

摘要

本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配，得到对应的信任分配图像；使用中值滤波对各信任分配图像进行降噪处理；构造分层框架，对各层滤波结果进行合成，根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷，在保证较高精度的同时，有效地提升了算法运行的速度，形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。

主权项

一种基于分层模糊证据合成的LIDAR数据快速地物分类方法，其特征在于包括以下步骤：S1：构造分层框架，选取首次回波强度图像IN和LIDAR数据预处理后得到的首末次回波高程差图像HD为分层框架第一层输入；选取首次回波高程图像DSMFE和LIDAR数据预处理后得到的归一化植被差异指数图像NDVI为分层框架第二层输入；S2：构件模糊信任分配模型，对分层框架每层输入的图像分别进行模糊信任分配并得到信任分配图像；S21：构件模糊信任分配模型为：MAi(x)=M2x<h1M2-M2-M1h12-h1(x-h1)h1<x≤h12]]>MBi(x)=M1+M2-M1h2-h12(x-h12)h12<x<h2M2x≥h2]]>MA∪Bi(x)=M1x≤h1M1+M2-M1h12-h1(x-h1)h1<x≤h12M2-M2-M1h2-h12(x-h12)h12<x<h2M2x≥h2]]>式中，M1、M2分别表示信任值下限和上限，h1、h12、h2为类别间阈值,i为数据源，x为像素点，A、B和A∪B表示模型中三个不同的类别；S22：首末次回波高程差图像HD进行模糊信任分配，得到信任分配图像和首次回波强度图像IN进行模糊信任分配，得到信任分配图像和首次回波高程图像DSMFE进行模糊信任分配，得到信任分配图像和归一化植被差异指数图像NDVI进行模糊信任分配，得到信任分配图像和S3：使用中值滤波方法对S2得到的信任分配图像都进行降噪处理，去除类椒盐噪声的信任分配点；S4：根据DS证据理论合成规则对S3中得到的分层框架第一层中滤波后的信任分配图像进行合成，合成后的图像为和合成后的图像再进行中值滤波得到滤波图像,滤波图像与S3中得到的分层框架第二层中滤波后的信任分配图像进行合成，得到4副合成图像mC(x)、mT(x)、mG(x)和mS(x)，该四副图像分别表示像素点x属于目标区域中四个类别C、T、G、S的信任分配值，类别中C代表建筑，T代表树木，G代表草地，S代表空地，DS证据理论合成规则：式中，Z＝{C,T,G,S}为焦元,K1＝{AFE，BFE，A∪BFE}，K2＝{ANDVI，BNDVI，A∪BNDVI}，K3＝{AHID，BHID，A∪BHID}，表示k1中任意一个元素在像素点x处的信任分配值，公式中分母的求和表示各个证据之间的冲突程度；S5：根据最大值规则对S4中得到的合成图像进行决策，得到分类结果。