[发明专利]基于模糊证据理论的主被动遥感数据融合分类方法

说明书

本发明涉及一种基于模糊证据理论的主被动遥感数据融合分类方法，包括，激光点云拼接，点云网格化，植被区域识别，网格数据分割及证据理论分类等五个步骤。本发明与其他分类方法相比，此方法结合机载激光点云和航空影像主被动遥感数据，尽可能融合更多有效的特征进行地物分类，并结合模糊证据理论方法对多源特征进行融合，得出每种地物的最终联合概率，从而可以有效地提高地物分类的精度。

技术领域

本发明涉基于模糊证据理论的主被动遥感数据融合分类方法，属遥感测绘技术领域。

背景技术

在国家城市战略的推动下，我国城市化迅速发展，2011年城市化化率超越50％大关，2015年城市化率已达到56.10％，这种超速发展对中国城市的管理和规划提出了巨大的挑战。随着传感器和影像处理方法的不断更新，遥感技术已经成为城市管理和规划的主要手段，可以通过不同的遥感数据对大范围城市区域进行地物分类，从而为城市三维重建、地理国情监测、智慧城市以及城市规划与管理提供有效的数据支撑，这也一直是摄影测量和遥感学科的研究热点。近几年来，许多学者利用光学影像、机载\移动激光雷达测量(LightDetection and Ranging，LiDAR)和合成孔径雷达(Synthetic Aperture Radar，SAR)针对城市地表覆盖分类做了广泛且深入的研究。然而，上述研究均仅仅使用单一的数据源，由于大区域城市地物以及地形的高复杂性，这些单一的数据源无法完全描述地物特性，因此如何准确且高效地从大比例尺遥感数据中识别出不同的地物类型目前仍然是一个亟待解决的难题。

从20世纪70年代开始，许多学者开始通过光学影像对地物进行分类。随着光学传感器的不断发展，目前，光学影像具有分辨率高、光谱信息丰富等优点，并且能够根据影像密集匹配技术获取地物的三维信息，但是，光学影像在地物分类上存在如下限制：1)由于受到阴影和城市大气污染的影响，被动光学影像的质量和使用受到较大的限制；2)因为城市区域环境比较复杂，地物信息丰富，在影像中不可避免地会产生“同物异谱和同谱异物”的现象；3)影像密集匹配技术受地物纹理和影像的辐射质量影响较大，在弱纹理区域(如河流、雪地、窗户等)匹配歧义性较大，匹配点云精度低，上述限制都会影响到光学影像分类的精度。

激光雷达测量技术得到了较好地发展，可以快速直接地获取大范围且高精度的三维地形数据。机载激光雷达可以主动地发射出较长波长的红外波段，不受大气污染和地物阴影的影响，且能够精确量测地物高度，但是，与光学影像相比，缺少丰富的波谱信息。由此可知，为了较好地利用遥感数据对地物进行分类，需利用影像和激光点云主被动遥感数据协同进行处理，然而主被动遥感技术的成像机理不一样，会产生不同类型的数据以及特征属性信息。本文拟以影像和激光点云数据为研究对象，研究如何结合主被动遥感手段协同地获取多源属性特征，并着力解决如何利用模糊证据理论对主被动遥感数据进行分类。

发明内容

为了解决现有分类技术上的一些不足，本发明提供一种基于模糊证据理论的主被动遥感数据融合分类方法，解决了主被动遥感数据中空间维度上信息挖掘不充分和分类不平衡以及分类差别较大等问题，有效的提高了分类的精度和效率，为研究者提供了很好得参考价值。

为了实现上面提到的效果，提出了一种基于模糊证据理论的主被动遥感数据融合分类方法，包括以下步骤：

S1，激光点云拼接，首先由激光雷达对待观测区域内进行遥感测量，并逆向生成待观测区域外观激光点云，然后对各激光点云进行拼接，生成待观测区域地表外观激光点云数据，然后对生成的待观测区域地表外观激光点云数据进行保存，同时另复制至少一份作为原始激光点云备用；

S2，点云网格化，首先在S1步骤获得原始激光点云中，分别生成点云水平面坐标(X,Y)和网格坐标(i,j)，并使点云水平面坐标(X,Y)和网格坐标(i,j)通过关联函数建立数据关联并生成网格坐标；