機載激光雷達（LIDAR）和遙感影像的融合方法

發(fā)布日期：2018-05-31 00:00 瀏覽量：14553

　　機載LIDAR是最近30年才發(fā)展起來(lái)的一種高新技術(shù),機載激光雷達技術(shù)是激光測距技術(shù)、計算機技術(shù)、高精度動(dòng)態(tài)載體姿態(tài)測量技術(shù)(INS)和高精度動(dòng)態(tài)GPS差分定位技術(shù)迅速發(fā)展的集中體現。激光測距技術(shù)在傳統的常規測量中就扮演著(zhù)非常重要的角色,從最初的有反射棱鏡的測距儀系統發(fā)展到如今無(wú)合作目標的激光測距系統;GPS定位技術(shù)的出現徹底解決了海陸空的定位問(wèn)題:INS和GPS的集成為確定高動(dòng)態(tài)載體的姿態(tài)成為可能。以上幾種技術(shù)的成熟運用及相關(guān)技術(shù)的發(fā)展為整個(gè)系統的集成奠定了技術(shù)基礎,機載激光雷達實(shí)際上已經(jīng)代表了對地觀(guān)測領(lǐng)域一個(gè)新的發(fā)展方向。整個(gè)系統比較復雜,就數據獲取的方式來(lái)講更像大地測量系統(通過(guò)測邊、測角進(jìn)行點(diǎn)的定位),就數據后處理的方式來(lái)講卻更像攝影測量系統,包括地物的提取,建筑物三維重建等。

　　機載激光雷達目前主要用于快速獲取大面積三維地形數據,快速生成DEM等數字產(chǎn)品,特別是用于測繪森林覆蓋區域和山區的真實(shí)地形圖;將機載激光雷達技術(shù)作為一種新的技術(shù)手段應用于快速生成城市地區的數字地面模型(DTM),進(jìn)行地物自動(dòng)提取,由數字地面模型(DTM)生成數字高程模型(DEM),并進(jìn)一步建立三維城市模型,是當前在該領(lǐng)域的一個(gè)研究熱點(diǎn)。

　　1、融合LIDAR和遙感影像進(jìn)行分類(lèi)方法的提出

　　目前人們研究出了一系列激光雷達數據的分類(lèi)算法。比如,(1)僅僅用LIDAR數據單獨進(jìn)行城市表面地物的提取,例如將LIDAR點(diǎn)云數據生成DSM,借助統計直方圖分析可確定閾值的大小,再利用面積、高程、梯度閾值來(lái)進(jìn)行建筑物提取;利用激光脈沖兩次回波的高差變化,將首次回波獲得的高程減去尾次回波所獲得的高程,在空曠地帶和房屋等表面規則的地物,兩者的高程差幾乎為零,而在植被覆蓋區,特別是樹(shù)林地帶,高程差不為零,利用這一特性,可將植被和非植被點(diǎn)區分開(kāi)來(lái)。(2)結合LIDAR數據和等高線(xiàn)、電子地圖等數據源進(jìn)行地物提取。例如Palme將GIS數據和LIDAR點(diǎn)云數據結合在一起,以GIS數據為基礎對LIDAR點(diǎn)云數據進(jìn)行分析和歸類(lèi),進(jìn)而提取出三維建筑物。它首先將GIS數據和LIDAR點(diǎn)云數據生成的DSM進(jìn)行重合,然后在GIS數據中標出建筑物的位置,在DSM中對應的找到其中的建筑物,最終獲得完整的三維建筑物模型。但對于一些不適合人工作業(yè)的地區,數據不易獲得,因此該方法也存在一定的局限性。(3)融合激光回波信號強度和激光腳點(diǎn)高程進(jìn)行分類(lèi)。機載LIDAR系統不僅能提供數據點(diǎn)的高程信息,而且越來(lái)越多的系統可以提供激光回波信號的強度信息。激光脈沖打到相同的物質(zhì)表面時(shí),其回波信號的強度較為接近,每種物質(zhì)對激光信號的反射特性是不一樣的,當樹(shù)和房屋靠近時(shí),用常規的基于高程變化的數據很難將兩者分開(kāi),而利用強度信息可以將它們分開(kāi)。首先對不同介質(zhì)激光回波信號強度進(jìn)行標定,可以先利用內插后的高程數據圖像識別出房屋和樹(shù)等;然后利用激光回波信號的強度數據形成的圖像識別出道路和草地等。

　　近年來(lái),隨著(zhù)遙感技術(shù)的發(fā)展,QuickBird、IKONOS、SPOT5等高分辨率遙感影像的出現大大提高了遙感技術(shù)應用的發(fā)展。高空間、高光譜分辨率的提高帶來(lái)了單位空間內像元數量的增加,提供了更為豐富的地物信息。同時(shí),高分辨率的航空影像記錄了連續波譜信息,包含了空間結構、地物邊界、色彩屬性等判讀地物的重要信息?，F在,有的數字航攝儀地面采樣率可達到厘米級,能夠分辨地物微小差別。激光雷達數據雖然對描述地物三維空間結構的優(yōu)勢明顯,但其每平方米幾個(gè)點(diǎn)的激光點(diǎn)密度以及分米級的光斑分辨率(光斑直徑)對于精確描述地物邊界還存在誤差。尤其是不規則房屋邊緣存在高度相似植被的情況下,容易造成錯分和誤判,需要借助正射影像進(jìn)行輔助判讀。此外,快速建立建筑物三維模型時(shí)房屋邊界探測也需要航空影像數據加以判讀。實(shí)驗表明,如果不融合其他數據源(如影像數據、多光譜數據等),而單獨利用LIDAR數據進(jìn)行地物的分類(lèi)和識別等自動(dòng)化、智能化的處理具有很大的難度?；谶@一現狀,我們試圖將LIDAR與遙感影像加以融合,綜合利用LIDAR數據的位置、高程信息以及遙感影像的光譜、紋理信息,對地物加以分類(lèi)研究。在進(jìn)行數據融合之前,需要對兩種數據進(jìn)行預處理。

　　2、數據預處理

　　LIDAR點(diǎn)云數據表示的是離散三維空間信息,沒(méi)有規律性,這種數據形式對數據處理和表達帶來(lái)困難,更不利于三維信息的提取。因此,需要對這些原始數據進(jìn)行一些預處理,轉換為容易表達和處理的數據組織形式。合適的數據組織形式,能為數據的處理和表達帶來(lái)很大的便利,否則不僅會(huì )損失部分信息,可能為信息提取帶來(lái)某種更大的困難。

　　2.1LIDAR點(diǎn)云數據的表達形式

　　原始的LIDAR點(diǎn)云數據就是若干個(gè)地面或者地物點(diǎn)的精確三維坐標信息。對原始LIDAR點(diǎn)云數據選擇一種合適的表達方式,對數據管理和處理尤為重要,常用的數據表達方式有規則格網(wǎng)、不規則三角網(wǎng)、分塊曲面法等多種方法其中,分塊曲面法近似數學(xué)函數,每塊用一種數學(xué)函數來(lái)表示和描述,這種方法并不利于計算機自動(dòng)分析和處理。TIN能較好地顧及地貌特征點(diǎn)、線(xiàn),表示復雜地形表面,缺點(diǎn)是數據量較大,數據結構較復雜,使用與管理也較復雜;不僅要存儲每個(gè)點(diǎn)的高程,還要存儲其平面坐標、節點(diǎn)連接的拓撲關(guān)系,三角形及鄰接三角形等關(guān)系。規則格網(wǎng)表示法通常又有三種形式,正方形、長(cháng)方形和等邊三角。一般來(lái)說(shuō),規則格網(wǎng)數據便于進(jìn)行聚類(lèi)聚合、多層面復合疊置分析、窗口分析及追蹤分析等幾種基本的分析,這些優(yōu)點(diǎn)對于點(diǎn)云數據處理提供了很大的便利。而且后面LIDAR點(diǎn)云數據要和影像數據進(jìn)行匹配,而數字影像的象素分布可以看作是正方形排列,為了使得兩者統一,方便處理,LIDAR數據和影像數據的分布采用統一的形式來(lái)表達,用矩形規則格網(wǎng)形式來(lái)表達LIDAR點(diǎn)云數據是最合適的也是最方便的。在將LIDAR點(diǎn)云數據進(jìn)行規則格網(wǎng)化的過(guò)程中,必須要選擇一種適合LIDAR點(diǎn)云數據的內插方法和間距。

　　2.2LIDAR點(diǎn)云數據的內插方法

　　內插即在一個(gè)由x、y坐標平面構成的二維空間中,由已知若干離散點(diǎn)Pi的高程,估算待內插點(diǎn)的高程值。由于采樣的數據點(diǎn)呈離散分布形式,或是數據點(diǎn)雖按格網(wǎng)排列,但格網(wǎng)的密度不能滿(mǎn)足使用的要求,這就需要以數據點(diǎn)為基礎進(jìn)行插值運算。常用的數據內插方法有反距離加權插值法(IDW)、自然鄰近點(diǎn)插值法(NaN)、Kriging插值法、樣條插值法、非線(xiàn)性插值法、線(xiàn)性插值法等等。

　　2.3遙感影像預處理

　　遙感影像預處理,包括消除幾何畸變以及各種噪聲的影響,以提高配準的精度。對航空影像,選擇地面控制點(diǎn)進(jìn)行幾何糾正。

　　3、遙感影像配準

　　由于機載LIDAR和對應的的遙感影像沒(méi)有共用一套光學(xué)系統,兩者沒(méi)有統一的坐標系統,所以在進(jìn)行數據融合之前,首先要對兩者進(jìn)行精確的匹配,獲得地學(xué)編碼影像。

　　我們對坐標變換采用控制點(diǎn)位法,采用WGS84坐標系(UTM投影),通過(guò)測定多組遙感圖像上特殊地物的坐標點(diǎn)以及與這些坐標點(diǎn)相對應的DSM圖像上的點(diǎn)的坐標,然后將測得的控制點(diǎn)坐標代入坐標系轉換多項式方程,求出各項系數,確定坐標系轉換方程。由確定的多項式轉換方程,以待定的DSM圖像上點(diǎn)的坐標為自變量,按逐個(gè)點(diǎn)位坐標輸入方程,求出相應的坐標,然后按一定的內插方法插值求算出最適宜DSM上點(diǎn)的影像像素值存入DSM上。如此,最終完成整幅圖像的配準校正工作。

　　在尋找控制點(diǎn)時(shí),為了提高配準校正精度,一般應選取DSM和影像上皆清晰的道路,河流的交匯點(diǎn),拐彎點(diǎn),同時(shí)使采集的控制點(diǎn)均勻分布于整個(gè)DSM圖像上。實(shí)際上,由于判讀控制點(diǎn)坐標時(shí)難免有誤差,為了避免少數對應點(diǎn)的誤差而影響方程的求值精度,通常采用多選控制點(diǎn)對,再進(jìn)行方程的多次擬合分析,排除多次擬合效果差的控制點(diǎn),留有效果好的控制點(diǎn)。

　　4、影像跟DSM的融合

　　數據融合最早被應用于軍事領(lǐng)域。是一個(gè)對多遙感器的圖像數據和其他信息的處理過(guò)程。著(zhù)重于把那些在空間或時(shí)間上冗余或互補的多源數據,按照一定的法則進(jìn)行運算處理,獲得比任何單一數據更精確更豐富的信息。

　　圖像融合可在三個(gè)不同的層次上進(jìn)行:一是像元(pixel)、二是特征(feature)、三是決策(decision)層。融合的水平依次從低到高?；诓煌娜诤蠈哟?采用的融合方法也不相同,如像元級的代數法、IHS變換法、小波變換法、主成分變換法,特征級的聚類(lèi)分析法、加權平均法,決策級的神經(jīng)網(wǎng)絡(luò )法等。

　　4.1HIS融合方法

　　我們使用的基于像元的圖像融合方法,采用HIS彩色技術(shù)變換方法,通常用彩色顯示器所顯示的彩色是由RGB信號的亮度值所確定的。但因RGB彩色坐標系統中R、G、B呈非線(xiàn)性關(guān)系.使調整色調的定量操作較為困難。而HIS彩色坐標系統對顏色屬性易于識別和量化,色彩的調整(數學(xué)變換)方便、靈活,因而往往進(jìn)行RGB系統――HIS系統的彩色空間變換。所謂HIS彩色變換是指將標準RGB圖像有效地分離為代表空間信息的明度(I)和代表波譜信息的色度(H)、飽和度(S)。

　　4.2融合效果評價(jià)

　　融合圖像對于后續的信息提取和改善分類(lèi)精度都是至關(guān)重要的,經(jīng)融合后的影像紋理特征增強,細節更加突出。用最佳指數因子(optimumindexfactor,簡(jiǎn)稱(chēng)OIF)來(lái)求算信息量的大小。

　　在數據統計分析的基礎上,選擇標準差大、相關(guān)性小的數據。因為標準差越大,所包含的信息量越大,而波段間的相關(guān)系數越小,表明圖像信息的冗余度越小。因此Fion越大,則該組合波段的信息量越大。

猜你喜歡：