基于激光雷达和航拍影像的城市地物分类研究

doi:10.11873/j.issn.1004-0323.2019.2.0253

遥感技术与应用

2019, Vol. 34

Issue (2): 253-262 DOI: 10.11873/j.issn.1004-0323.2019.2.0253

LiDAR专栏

基于激光雷达和航拍影像的城市地物分类研究

徐凡，张雪红，石玉立

(南京信息工程大学遥感与测绘工程学院，江苏南京 210044)

Research on Classification of Land Cover based on LiDAR Cloud and Aerial Images

Xu Fan，Zhang Xuehong，Shi Yuli

(School of Remote Rensing & Geomatics Engineering，Nanjing University of Information Science &Technology，Nanjing 210044，China)

全文: PDF(15572 KB)

摘要： 航拍影像富含光谱信息、纹理信息和空间信息，机载LiDAR(Light Detection and Ranging)能够提供地物的三维信息。综合利用两类数据的优势，研究了一种面向对象的城市地物分类方法。通过预处理将LiDAR点云转换成二维栅格数据，与航拍影像进行配准；结合光谱信息和高度信息对研究影像进行多尺度分割，依据最优分割尺度计算模型选择最优分割尺度；对分割对象提取各类特征，采用XGBoost算法进行特征选择，选择支持向量机(Support Vector Machine，SVM)分类器进行分类，为体现XGBoost算法的优势，借助SVM分类器与Relief和RFE两种传统的特征选择算法比较；基于一定规则将阴影区域地物区分以及合并到真实地物类别中，实现最终的城市地物分类。在3个区域测试分类方法，结果表明本文研究方法可行有效，能够较好地应用于城市地物分类。

关键词： 激光雷达; 航拍影像; 面向对象分类; XGBoost; SVM

Abstract: Aerial images contain abundant spectral information，texture information and spatial information，and airborne LiDAR can provide three-dimensional information of ground objects.An object-oriented classification method was researched by taking advantages of the two types of data.Converting LiDAR point cloud into 2-D raster image by preprocessing，and matched it with aerial image.Then，multi-scale segmentation algorithm was applied to image segmentation based on spectral information and height information.Next，XGBoost algorithm were applied to select features extracted from segmented object respectively.The SVM classifier was used to classify and prove the superiority of XGBoost algorithm by comparing with two traditional feature selection algorithms：Relief and RFE.Finally，objects at shadow regions were distinguished and merged into real objects based on certain rules.Testing the method in three regions，the results showed that the method was feasible and effective，and could be well applied to the classification of urban ground object.

Key words: LiDAR Aerial imagery Object-oriented classification XGBoost SVM

收稿日期: 2018-09-22 出版日期: 2019-05-10

ZTFLH:

TP79

基金资助: 国家自然科学基金项目“异速增长和资源限制模型结合多源遥感数据估算森林地上生物量研究”(41471312)，国家自然科学基金项目“反射率与叶绿素荧光遥感协同的冬小麦条锈病早期诊断研究”(41871239)，中国博士后科学基金项目“协同反射率与叶绿素荧光的冬小麦水分胁迫早期探测研究”(2017M610338)，河北省气象与生态环境重点实验室开放研究基金项目“基于机载高光谱数据的冬小麦水分胁迫探测研究”(Z201607Y)，河北省创新能力提升计划项目(18964201H)。

作者简介: 徐凡(1994-)，男，江苏扬中人，硕士，主要从事遥感影像与LiDAR结合分类及机器学习方面的研究。E-mail：173462553@qq.com。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

引用本文:

徐凡, 张雪红, 石玉立. 基于激光雷达和航拍影像的城市地物分类研究[J]. 遥感技术与应用, 2019, 34(2): 253-262.

Xu Fan, Zhang Xuehong, Shi Yuli. Research on Classification of Land Cover based on LiDAR Cloud and Aerial Images. Remote Sensing Technology and Application, 2019, 34(2): 253-262.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2019.2.0253 或 http://www.rsta.ac.cn/CN/Y2019/V34/I2/253

[1]Su Wei，Li Jing，Chen Yunhao，et al.Object-oriented Urban Land-Cover Classification of Multi-scale Image Segmentation Method：A Case Study in Kuala Lumpur City Center，Malaysia[J].Journal of Remote Sensing，2007，11(4)：521-530.[苏伟，李京，陈云浩，等.基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J].遥感学报，2007，11(4)：521-530.] [2]Yan W Y，Shaker A，El-Ashmawy N.Urban Land Cover Classification Using Airborne LiDAR Data：A Review[J].Remote Sensing of Environment，2015，158：295-310. [3]Fernandez-Diaz J，Carter W，Glennie C，et al.Capability Assessment and Performance Metrics for The Titan Multispectral Mapping LiDAR[J].Remote Sensing，2016，8(11)：936-970. [4]Dong W，Lan J，Liang S，et al.Selection of LiDAR Geometric Features with Adaptive Neighborhood Size for Urban Land Cover Classification[J].International Journal of Applied Earth Observation and Geoinformation，2017，60：99-110. [5]Yang B，Zhen D，Gang Z，et al.Hierarchical Extraction of Urban Objects From Mobile Laser Scanning Data[J].ISPRS Journal of Photogrammetry & Remote Sensing，2015，99：45-57. [6]Shi Wenzhong.Principle of Modeling Uncertainties in Spatial Data and Analysis[M].Beijing：Science Press，2005.[史文中.空间数据与空间分析不确定性原理[M].北京：科学出版社，2005.] [7]Zhang Jixian，Lin Xiangguo，Liang Xinlian.Advances and Prospects of Information Extraction from Point Clouds[J].Acta Geodaetica et Cartographica Sinica，2017，46(10)：1460-1469.[张继贤，林祥国，梁欣廉.点云信息提取研究进展和展望[J].测绘学报，2017，46(10)：1460-1469.] [8]Sun Meng.Research on Classification Method of Land Cover by Fusing Aribone LiDAR Point Clouds and Aerial Imagery[D].Xuzhou：China University of Mining and Technology，2016.[孙蒙.机载LiDAR点云与航空影像融合的地物分类方法研究[D].徐州：中国矿业大学，2016.] [9]Xu Chuanyang，Li Jianhong.Object-oriented Classification with High Resolution Image and LiDAR Data[J].Journal of Henan Polytechnic University，2015，34(2)：222-225.[许传阳，李建红.高分辨率遥感影像结合LiDAR数据的面向对象分类方法[J].河南理工大学学报(自然科学版)，2015，34(2)：222-225.] [10]Minh N Q，Hien L P.Land Cover Classification Using LiDAR Intensity Data and Neural Network[J].Journal of The Korean Society of Surveying，Geodesy，Photogrammetry and Cartography，2011，29(4)：429-438. [11]Dong Baogen，Ma Hongchao，Che Sen，et al.Method of Land Cover Refined Classification Supported by LiDAR Point Clouds[J].Remote Sensing Technology and Application，2016，31(1)：165-169.[董保根，马洪超，车森，等.LiDAR点云支持下地物精细分类的实现方法[J].遥感技术与应用，2016，31(1)：165-169.] [12]Hu Bengang.Object-oriented Damage Building Extraction based on LiDAR and High Resolution Remote Sensing Imagery[D].Chengdu：Southwest Jiaotong University，2013.[胡本刚.基于LiDAR 点云与高分影像的面向对象的损毁建筑物提取方法研究[D].成都：西南交通大学，2013.] [13]Bigdeli B，Samadzadegan F，Reinartz P.Fusion of Hyperspectral and LiDAR Data Using Decision Template-based Fuzzy Multiple Classifier System[J].International Journal of Applied Earth Observations & Geoinformation，2015，38：309-320. [14]Zhang W，Li W，Zhang C，et al.Parcel-based Urban Land Use Classification in Megacity Using Airborne LiDAR，High Resolution Orthoimagery，and Google Street View[J].Computers，Environment and Urban Systems，2017，64：215-228. [15]Sithole G，Vosselman G.Filtering of Airborne Laser Scanner Data based on Segmented Point Clouds[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2005，36(3/w19)：66-71. [16]Wang H，Wang S，Chen Q，et al.An Improved Filter of Progressive TIN Densification for LiDAR Point Cloud Data[J].Wuhan University Journal of Natural Sciences，2015，20(4)：362-368. [17]Sun Bozhong.Multi-scale Segmentation Technique in High Resolution Image Information Extraction Application Research[D].Xi’an：Xi’an University of Science and Technology，2011.[孙波中.多尺度分割技术在高分辨率影像信息提取中的应用研究[D].西安：西安科技大学，2011.] [18]Sun Ping，Deng Lei，Nie Juan.Multi-scale Remote Sensing Image Fusion Method based on Region Segmentation[J].Remote Sensing Technology and Application，2012，27(6)：44-49.[孙萍，邓磊，聂娟.一种基于区域分割的多尺度遥感图像融合方法[J].遥感技术与应用，2012，27(6)：844-849.] [19]Feng Xin，Du Shihong，Zhang Fangli，et al.Urban Land Classification of High Resolution Images based on Multi-Scale Fusion[J].Geography and Geo-Information Science，2013，29(3)：43-47.[冯昕，杜世宏，张方利，等.基于多尺度融合的高分辨率影像城市用地分类[J].地理与地理信息科学，2013，29(3)：43-47.] [20]He Shaolin，Xu Jinghua，Zhang Shuaiyi.Land Use Classification of Object-oriented Multi-scale by UAV Image[J].Remote Sensing for Land & Resources，2013，25(2)：107-112.[何少林，徐京华，张帅毅.面向对象的多尺度无人机影像土地利用信息提取[J].国土资源遥感，2013，25(2)：107-112.] [21]Wang Huixian，Jin Huijia，Wang Jiaolong，et al.Optimization Approach for Multi-scale Segmentation of Remotely Sensed Imagery Under K-Means Clustering Guidance[J].Acta Geodaetica et Cartographica Sinica，2015，44(5)：526-532.[王慧贤，靳惠佳，王娇龙，等.K均值聚类引导的遥感影像多尺度分割优化方法[J].测绘学报，2015，44(5)：526-532.] [22]Chen T，Guestrin C.XGBoost：A Scalable Tree Boosting System[C]∥ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM，2016：785-794. [23]Zhou Zhihua.Machine Learning[M].Beijing：Tsinghua University Press，2016.[周志华.机器学习[M].北京：清华大学出版社，2016.] [24]Chen Tan.Research on Buildings Shadow Processing in High-Spatial Resolution RS Images[D].Chengdu：Southwest Jiaotong University，2014.[陈锬.高空间分辨率遥感影像中建筑物阴影的处理研究[D].成都：西南交通大学，2014.]

[1]	云增鑫, 郑光, 马利霞, 王晓菲, 卢晓曼, 路璐. 联合主被动遥感数据定量评价林下植被对叶面积指数估算的影响[J]. 遥感技术与应用, 2019, 34(3): 583-594.
[2]	林沂, 张萌丹, 张立福, 江淼. 高光谱激光雷达谱位合一的角度效应分析[J]. 遥感技术与应用, 2019, 34(2): 225-231.
[3]	林沂, 周国清, 童庆禧. 偏振激光雷达对地观测遥感 [J]. 遥感技术与应用, 2019, 34(2): 232-242.
[4]	骆钰波, 黄洪宇, 唐丽玉, 陈崇成, 张浩. 基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建[J]. 遥感技术与应用, 2019, 34(2): 243-252.
[5]	李伟, 唐伶俐, 吴昊昊, 腾格尔, 周梅. 轻小型无人机载激光雷达系统研制及电力巡线应用[J]. 遥感技术与应用, 2019, 34(2): 269-274.
[6]	皋厦, 申鑫, 代劲松, 曹林. 结合LiDAR单木分割和高光谱特征提取的城市森林树种分类[J]. 遥感技术与应用, 2018, 33(6): 1073-1083.
[7]	廖凯涛，齐述华，王成，王点. 结合GLAS和TM卫星数据的江西省森林高度和生物量制图[J]. 遥感技术与应用, 2018, 33(4): 713-720.
[8]	虢韬，沈平，时磊. 机载LiDAR快速定位高压电塔方法研究[J]. 遥感技术与应用, 2018, 33(3): 530-535.
[9]	孟庆岩，孙云晓，张佳晖，等. 基于多源遥感的建筑区绿化垂直分布特征与空间配置分析——以匈牙利塞克什白堡市为例[J]. 遥感技术与应用, 2018, 33(2): 370-376.
[10]	梁茜茜，张汉德，孙根云，王鹏. 基于机载激光雷达数据的海岸带水域提取方法[J]. 遥感技术与应用, 2018, 33(1): 136-142.
[11]	江东，陈帅，丁方宇，付晶莹，郝蒙蒙. 基于面向对象的遥感影像分类研究——以河北省柏乡县为例[J]. 遥感技术与应用, 2018, 33(1): 143-150.
[12]	王濮，邢艳秋，王成，习晓环，骆社周. 机载LiDAR数据提取山区道路方法研究[J]. 遥感技术与应用, 2017, 32(5): 851-857.
[13]	朱钟正，陈玉福，朱文泉，郑周涛. 适用于多目标遥感自动解译的最佳专题指数筛选[J]. 遥感技术与应用, 2017, 32(3): 564-574.
[14]	董立新. 林分平均高度卫星遥感新进展[J]. 遥感技术与应用, 2016, 31(5): 833-845.
[15]	秦海明,王成,习晓环,聂胜. 机载激光雷达测深技术与应用研究进展[J]. 遥感技术与应用, 2016, 31(4): 617-624.

Viewed

Full text

Abstract

Cited

Shared

Discussed