一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法技術

本發明專利技術涉及一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括以下步驟：利用LiDAR激光點云數據生成激光回波強度影像；激光回波強度影像與遙感影像全色波段進行配準；使用主成分分析法（PCA）對配準后的激光回波強度影像與遙感影像全色波段進行融合，獲得融合影像；對融合影像進行LEGION圖像分割。與現有技術相比，本發明專利技術利用主成分分析法（PCA）融合激光回波強度影像和高分辨率遙感影像全色波段，綜合利用兩種不同數據源作為LEGION分割方法的輸入數據，較好保留了LiDAR數據和全色波段影像的特征，有效地提高了高分辨率遙感影像的分割精度。本發明專利技術綜合使用LiDAR數據和遙感影像的信息來進行LEGION分割，實踐證明，該技術夠能有效地進行遙感影像分割，得到滿意的分割效果。

【技術實現步驟摘要】

本專利技術涉及ー種高分辨率遙感影像分割方法，特別是涉及ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法。
技術介紹
遙感技術已經被廣泛地應用于土地利用調查、資源勘探、生態環境監測等諸多領域，對社會和經濟發展發揮著重要的作用。隨著航空、航天及傳感器技術日新月異的發展，遙感影像的空間分辨率、時間分辨率和光譜分辨率不斷提高。高空間分辨率遙感影像由于能夠充分體現地物細節信息而備受關注。遙感影像分割是指將遙感影像中具有特殊涵義的不同區域區分開來，這些區域互不相交，每ー個區域都滿足特定區域的一致性，它是高分辨率遙感影像應用中非常重要的環節，涉及了圖像處理、模式識別和人工智能等諸多
數字圖像處理、計算機圖形學、模式識別、人工智能等學科的發展使得新的圖像分割方法不斷涌現，如聚類法、閾值法、邊緣檢測法、區域生長法、水平集方法、分水嶺變換法、多尺度分割、神經網絡分割等。上述分割方法各有優缺點，在實際應用中很難達到非常理想的效果。聚類法將圖像內的像素劃分到指定數目的類別之中，在此基礎上將同一類別且相互聯通的像素分割到同一個區域，但是類別數目的確定一般都是通過人工指定來實現的，此外由于沒有考慮空間上的邊緣信息和鄰接信息，該方法經常會得出不符合人的視覺習慣的分割結果；邊緣檢測法在圖像中存在噪聲時，得到的邊緣常常是孤立的或者分小段連續的，即使采用邊緣閉合的方法進行處理，也很難得到精確邊緣；區域增長法中合并和停止合并規則的制定會嚴重影響分割結果，往往會產生欠分割和過分割現象。其它分割方法在實際應用總也往往存在著各種問題，因此研究人員在改進現有技術的同時一直在探索新的分割方法。影像分割方法往往都是首先在普通的數字圖像分割中得到廣泛應用，然后引入到遙感影像分割中來。由于遙感影像數據量大、信息豐富等特征，新的分割方法應用到遙感影像分割中往往會出現很多難以解決的技術問題。隨著人類對視覺機理研究的不斷深入，基于生物視覺仿真和人工神經網絡的圖像分割方法也越來越成熟。局部興奮全局抑制振蕩網絡(LocallyExcitatory GloballyInhibitory Oscillator Networks,簡稱LEGION)方法是一種基于生物視覺仿真的神經網絡方法，它的基本原理是來自同一物體的刺激會引起檢測這一物體的那些神經元發生同步神經振蕩。在圖像分割中，將ー個像素視作ー個神經元，首先選出ー批振蕩發起點，隨后在它的鄰域內，將和它具有相同屬性的像素也發起振蕩，直到這一片區域的振蕩達到協同，則協同振蕩的這些像素就被劃為同一塊區域，而與發起點不相似的像素則被劃在不同的區域內。這種思路逐步被模型化，1995年,David Terman,DeLiang Wang在期刊《Physica D Nonlinear Phenomena〉〉弟 81 卷發成 “Global competitionand local cooperation in anetwork of neural oscillators” 一文提出了全局競爭局部合作的神經元網絡(Globalcompetition and local cooperationin a network of neural oscillators)模型；隨后，兩人在前面工作的基礎上，提出了改進過后的“局部興奮全局抑制振蕩網絡(LocallyExcitatoryGlobally Inhibitory Oscillator Networks, LEGION) ”模型。目前，LEGION方法只能應用于單波段灰度圖像的分割，而遙感影像往往具有多個波段的信息，因此LEGION方法尚不能充分利用遙感影像所提供的信息來進行分割。魯東旭在《基于LEGION的圖像目標提取方法研究及其對彩色圖像的實現》一文中給出了基于LEGION方法的彩色圖像目標提取的方法，對彩色圖像分別在RGB空間和HSV空間進行了分害わ并對目標提取結果進行了比較，實驗表明提取的目標區域更符合人眼視覺習慣，效果較好。但是文中的方法對彩色圖像各個波段分別進行LEGION分割，再將三個波段的運算結果進行綜合顯示，最后輸出目標圖像，這種方式沒有真正解決綜合使用多波段影像信息的問題，分割效果與單波段相比提升有限。為了解決上述問題，申請人于2010年12月2日申請了 “ー種基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法”(申請號201010572997. x)，其將多波段的影像數據經過重采樣、融合形成單波段數據，然后對單波段數據進行LEGION分割，該方法結合了數據融合與LEGION分割，使得LEGION分割方法能夠應用于不同波段影像數據中，并且取得了較好的效果。LiDAR(激光雷達)即Light Detection And Ranging,大致分為機載和地面兩大類，其中機載 激光雷達是ー種安裝在飛機上的機載激光探測和測距系統，可以量測地面物體的三維坐標。機載LiDAR是ー種主動式對地觀測系統，是九十年代初首先由西方國家發展起來并投入商業化應用的一門新興技木。它集成激光測距技術、計算機技術、慣性測量單元(MU)/DGPS差分定位技術于一體，該技術在三維空間信息的實時獲取方面產生了重大突破，為獲取高時空分辨率地球空間信息提供了一種全新的技術手段。它具有自動化程度高、受天氣影響小、數據生產周期短、精度高等特點。機載LiDAR傳感器發射的激光脈沖能部分地穿透樹林遮擋，直接獲取高精度三維地表地形數據。機載LiDAR數據經過相關軟件數據處理后，可以生成高精度的數字地面模型DTM、等高線圖，具有傳統攝影測量和地面常規測量技術無法取代的優越性，因此引起了測繪界的濃厚興趣。機載激光雷達技術的商業化應用，使航測制圖如生成DEM、等高線和地物要素的自動提取更加便捷，其地面數據通過軟件處理很容易合并到各種數字圖中。因此，航空LiDAR數據與遙感影像各有特點，兩種數據結合的應用受到越來越多的關注。
技術實現思路
本專利技術要解決技術問題是克服現有技術缺點，提出ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法。為了解決上述技術問題，本專利技術提出的技術方案是ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟步驟1、激光回波強度影像生成——針對LiDAR點云數據中的每個LiDAR點，計算其多次回波強度均值作為該LiDAR點的回波強度，并對LiDAR點的回波強度數據重采樣得到與遙感影像全色波段影像空間分辨率相同的柵格形式的激光回波強度影像；步驟2、影像配準——將激光回波強度影像和遙感影像全色波段影像進行配準；步驟3、PCA影像融合——使用主成分分析法對配準后的激光回波強度影像與遙感影像全色波段進行影像融合，獲得融合影像；步驟4、LEGION圖像分割——對步驟3中得到的融合影像用局部興奮全局抑制振蕩網絡分割方法進行圖像分割。本專利技術步驟2中，影像配準方法是在激光回波強度影像和遙感影像全色波段中選取多個同名地物點作為控制點，求得兩影像之間的平移、旋轉和仿射變換的多項式系數，通過圖像重采樣，獲得具有相同地理坐標的配準后影像，配準誤差在I個象元以內。本專利技術步驟3中，PCA影像融合的具體方法如下對配準的激光強度影像和遙感影像全色波段影本文檔來自技高網...

【技術保護點】
一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟：步驟1、激光回波強度影像生成——針對LiDAR點云數據中的每個LiDAR點，計算其多次回波強度均值作為該LiDAR點的回波強度，并對LiDAR點的回波強度數據重采樣得到與遙感影像全色波段影像空間分辨率相同的柵格形式的激光回波強度影像；步驟2、影像配準——將激光回波強度影像和遙感影像全色波段配準；步驟3、PCA影像融合——使用主成分分析法對配準后的激光回波強度影像與遙感影像全色波段進行融合，獲得融合影像；步驟4、LEGION圖像分割——對步驟3中得到的融合影像用局部興奮全局抑制振蕩網絡分割方法進行圖像分割。

【技術特征摘要】
1.一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟步驟1、激光回波強度影像生成——針對LiDAR點云數據中的每個LiDAR點，計算其多次回波強度均值作為該LiDAR點的回波強度，并對LiDAR點的回波強度數據重采樣得到與遙感影像全色波段影像空間分辨率相同的柵格形式的激光回波強度影像；步驟2、影像配準——將激光回波強度影像和遙感影像全色波段配準；步驟3、PCA影像融合——使用主成分分析法對配準后的激光回波強度影像與...

【專利技術屬性】
技術研發人員：程亮，汪業成，李滿春，劉永學，李飛雪，陳振杰，黃秋昊，陳東，童禮華，
申請(專利權)人：南京大學，
類型：發明
國別省市：