第35卷，第5期 2015年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
结合机载LiDAR数据与航空可见光影像
多层次规则分类建筑物变化检测
巩翼龙，闫利
武汉大学测绘学院，湖北武汉430079
Vol.35,No.5-pp1325-1330
May,2015
摘要建议了一种结合Lidar点云与航空可见光影像的建筑物变化检测新方法，利用多层次规则分类算法解决这两种异元异构数据间建筑物变化检测难题。并建议广一种结合面积阐值的形态学后处理方法，从而形成一套完整的处理流程，可应用于实际生产。最终，利用中国吉林省长春市2010年机载LDAR点云数据和2009年高分辨率航空影像对该方法的有效性进行了评价，通过与基于支持向量机(SVM)面向对象分类的建筑物变化检测算法比较，进一步对本研究建议的方法进行了验证与分析。结果显示，此方法效果理想，其
精度优于基于SVM面向对象分类的建筑物变化检测方法。Kappa系数达到0.9o，correctness达到0.87。关键词航空影像；机载LiDAR；多层次规则分类；变化检测；后处理
中图分类号：U248
文献标识码：A
引言
DOI: 10. 3964/j. issn.1000-0593(2015 )05-1325-06
求较高；同时，所用DSM中地面信息对建筑物分类精度有一定影响。Malpica"J将红、绿、近红外、中红外波段的航空影像以及全色航空影像与机载LiDAR点云生成的NDSM叠
变化检测是遥感应用中最重要的技术之一。在自然灾害
后，与其调动卫星变轨对某区域进行重复过境成像，不如综合利用多种遥感数据进行互补能够更快速的对地物进行变化检测、灾害估计。其中，机载LiDAR的数据获取灵活、受天气影响小、可夜间作业，能够适应日常土地业务及灾后应急变化检测的需求。然而，结合机载L山AR点云数据与影像的多元变化检测技术由于获取原理、处理技术上差异较大，方兴未艾。近年来结合LiDAR点云数据和高分辨率航空影像的数据融合、地物提取方法被产泛研究和应用：同时，结合LiDAR点云和航空影像的土地利用分类研究也相应展开；也有学者使用LiDAR数据对地图进行更新，并使用点云和影像结合的方法进行土地利用变化检测3]，灾害后变化检测。证明广利用这两种数据进行建筑物的变化检测是可行且可获得较好检测结果。leenaMatikainen利用分类树方法对包括蓝、绿、红外波段的航空影像以及点云生成的DSM中建筑物进行联合分类，再与往期建筑物失量图进行变化发现3.4]。该方法利用影像的NDVI有效的将植被与建筑物区分出来，但这种司期多数据的联合分类对遥感数据完备性要
收稿日期：2014-12-18，修订日期：2015-03-05
加，以SVM方法在象元级上将建筑物分类出来，将往期建筑失量图进行变化发现，该方法利用了地物在不同波段呈现出的特征，并使用无地面信息的NDSM，因此地面建筑具有较好的分类精度，但使用广归化数学表面模型NDVI等指标，对各波段遥感数据完备性要求较高6。综上所述，目前结合机载LiDAR数据和航空影像的建筑物变化检测的主要间题：(1)多采用同时相多种数据联合分类，对同时相数据完备性要求较高。(2)建筑物的分类依靠NDVI等航空影像特征，未充分利用LDAR数据的高程信息。因此，本研究致力于采用适用于两种数据单独分类的高精度建筑物分类提取方法以解决过去对同期数据的高完备性要求：此外，充分利用LiDAR数据中的高程信息和儿何信息，提高建筑物分类精度的，减少对NDVI(归一化植被指数)等多波段组合特征的依赖，使得高精度的多元变化检测易于实现，
1方法 1.1方法流程
基金项目：国家自然科学基金项目（41271456），国家科技支撑计划项目（2012BAJ23B03)和对地观测技术国家测绘地理信息局重点实验室开
放基金项目(K201403)资助
作者简介：巩翼龙，1985年生，武汉大学测绘学院博士研究生
e-mail : gongyil@ 126 .com
*通讯联系人e-mail：2011102140017@whu.edu,cn