文献类型：期刊文章

作　　者：乔纪纲[1,2] 刘小平[1] 张亦汉[1]

机构地区：[1]中山大学地理科学与规划学院遥感与地理信息工程系,广东广州510275 [2]广东商学院资源与环境学院,广东广州501320

出　　处：《遥感学报》

基　　金：国家自然科学基金(编号:40901187);广东省自然科学基金资助项目(编号:9451027501002471)~~

年　　份：2011

卷　　号：15

期　　号：3

起止页码：539-553

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSCD、CSCD2011_2012、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到76.5%。

关 键 词：LIDAR 高度纹理  人工神经网络 地面粗糙度 分类  

分 类 号：P237]