[發(fā)明專利]基于模糊證據(jù)理論的主被動遙感數(shù)據(jù)融合分類方法

有效

• 申請?zhí)枺?/td>: 201910014911.2
• 申請日: 2019-01-08
• 公開（公告）號: CN109766824B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計）人: 趙宗澤;王雙亭;王宏濤;都偉冰;王春陽
• 申請（專利權(quán)）人: 河南理工大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/80
• 代理公司: 鄭州浩德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41130
• 代理人: 王國旭

1.基于模糊證據(jù)理論的主被動遙感數(shù)據(jù)融合分類方法，其特征在于：所述的基于模糊證據(jù)理論的主被動遙感數(shù)據(jù)融合分類方法包括以下步驟：

S1，激光點云拼接，首先由激光雷達對待觀測區(qū)域內(nèi)進行遙感測量，并逆向生成待觀測區(qū)域外觀激光點云，然后對各激光點云進行拼接，生成待觀測區(qū)域地表外觀激光點云數(shù)據(jù)，然后對生成的待觀測區(qū)域地表外觀激光點云數(shù)據(jù)進行保存，同時另復(fù)制至少一份作為原始激光點云備用；

S2，點云網(wǎng)格化，首先在S1步驟獲得原始激光點云中，分別生成點云水平面坐標(X,Y)和網(wǎng)格坐標(i,j)，并使點云水平面坐標(X,Y)和網(wǎng)格坐標(i,j)通過關(guān)聯(lián)函數(shù)建立數(shù)據(jù)關(guān)聯(lián)并生成網(wǎng)格坐標；

S3，植被區(qū)域識別，首先對植被區(qū)域進行識別區(qū)分，然后基于S2步驟生成的網(wǎng)格坐標，對每個網(wǎng)格中的高程信息熵和植被指數(shù)進行統(tǒng)計，并根據(jù)高程信息熵和植被指數(shù)進行統(tǒng)計，對當前網(wǎng)格中的植被與地表建筑進行區(qū)分，并在完成每個網(wǎng)格中高程信息熵和植被指數(shù)進行統(tǒng)計和植被與地表建筑區(qū)分后，在原始激光點云中標記植被區(qū)域邊界，從而完成植被區(qū)域識別；

S4，網(wǎng)格數(shù)據(jù)分割，完成S3步驟對植被區(qū)域識別分割后，基于“分水嶺算法”，首先計算原始激光點云表面模型的梯度數(shù)據(jù)；然后利用排序算法對梯度數(shù)據(jù)進行排序；最后，利用“浸水法”對網(wǎng)格數(shù)據(jù)進行淹沒生成分割區(qū)域；

S5，證據(jù)理論分類，首先設(shè)定一個有限的集合K，且K＝{a,b,c……}，集合K內(nèi)包含n種互相獨立的地物類別，則集合K也就是分割區(qū)域最終被識別的類別集合，然后設(shè)定S(K)為K的所有的子集的集合，且S(K)＝{O,{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}……}，其中O為不包含任何類別空集，K的所有的子集的數(shù)量為2ⁿ，然后設(shè)定S4步驟分割后的各區(qū)域數(shù)據(jù)值集合為A，并將集合A數(shù)據(jù)與集合K數(shù)據(jù)進行比對，若集合K數(shù)據(jù)包含集合A數(shù)據(jù)時，則集合A為集合K的子集并為S(K)集合中的一個元素；然后將S4步驟分割的各區(qū)域數(shù)據(jù)值集合帶入到S(K)集合中，并定義集合A數(shù)據(jù)的概率分布函數(shù)m，概率分布函數(shù)m為一個基本的概率分配函數(shù)，m(A)為某個證據(jù)信息證明某分割區(qū)域為類A的概率量P，對于一個分割區(qū)域，不同的證據(jù)信息可能會有不同的分類結(jié)果，若分割區(qū)域中存在p個數(shù)據(jù)源，對于每個類別A_j∈S(K)，m_i(A_j)(1≤i≤p)定義為每個數(shù)據(jù)源的概率量P，最后通過連接這些來自不同數(shù)據(jù)源的概率量P來計算每個類別B∈K的概率量P，從而確定出每個類別的最終概率。

2.根據(jù)權(quán)利要求1所述的基于模糊證據(jù)理論的主被動遙感數(shù)據(jù)融合分類方法，其特征在于：所述的S2步驟中，關(guān)聯(lián)函數(shù)為：

其中：L為網(wǎng)格間隔，即網(wǎng)格的空間分辨率，它的取值大小與激光點云的間隔有關(guān)，對于每個網(wǎng)格(i,j)內(nèi)點云的分布，可以通過關(guān)聯(lián)函數(shù)統(tǒng)計出落在網(wǎng)格(i,j)內(nèi)的所有點，從而，利用這些點對應(yīng)的高程值確定出該網(wǎng)格的值，同時由于激光點云的隨機分布，將會導(dǎo)致某些網(wǎng)格內(nèi)沒有點，而某些網(wǎng)格內(nèi)也會存在多個點，為了解決此問題，當網(wǎng)格內(nèi)沒有點時，可以通過最鄰近內(nèi)插方法獲取該網(wǎng)格的值。

3.根據(jù)權(quán)利要求2所述的基于模糊證據(jù)理論的主被動遙感數(shù)據(jù)融合分類方法，其特征在于：所述的最鄰近內(nèi)插方法獲取網(wǎng)格的值的具體方法為：

第一步，計算出激光點云坐標X和Y的最大值和最小值，并根據(jù)點云的間隔決定網(wǎng)格分辨率；

第二步，利用關(guān)聯(lián)函數(shù)計算出每個激光點(X,Y)對應(yīng)的網(wǎng)格坐標(i,j)，每個網(wǎng)格對應(yīng)一個容器，把落在網(wǎng)格內(nèi)激光點的序號存入容器內(nèi)，并分別統(tǒng)計出網(wǎng)格內(nèi)激光點的高程值；

第三步，經(jīng)過以上處理以后，對于網(wǎng)格內(nèi)沒有點的網(wǎng)格來說，網(wǎng)格為空值，可以通過最鄰近內(nèi)插的方法獲取網(wǎng)格值，從而可以保證激光點云的原始信息，對于大面積的網(wǎng)格空值，不進行內(nèi)插處理。