融合光谱特征和几何特征的建筑物提取算法

何曼芸; 程英蕾; 廖湘江; 赵中阳

doi:doi:10.3788/LOP55.042803

激光与光电子学进展, 2018, 55 (4): 042803, 网络出版: 2018-09-11

融合光谱特征和几何特征的建筑物提取算法下载： 1201次

Building Extraction Algorithm by Fusing Spectral and Geometrical Features

何曼芸程英蕾 ^*廖湘江赵中阳

作者单位

空军工程大学信息与导航学院, 陕西西安 710077

图 & 表

图 1. 算法流程图

Fig. 1. Algorithm flow chart

下载图片查看原文

图 2. 张量投票传递关系

Fig. 2. Transmitting relationship in tensor voting

下载图片查看原文

图 3. Area2航空影像

Fig. 3. Aerial image of Area2

下载图片查看原文

图 4. Area2点云数据

Fig. 4. LiDAR data of Area2

下载图片查看原文

图 5. (a)传统的张量投票结果和(b)融合光谱特征的张量投票结果

Fig. 5. (a) Traditional tensor voting results and (b) tensor voting results of fusing spectral feature

下载图片查看原文

图 6. (a)传统张量投票的点云分类结果和(b)改进张量投票的点云分类结果

Fig. 6. Point cloud classification results of (a) traditional tensor voting and (b) improved tensor voting

下载图片查看原文

图 7. 特征重要性指标的对比

Fig. 7. Comparison of importance index of features

下载图片查看原文

表 1准确度分析

Table1. Accuracy analysis

Rank	Algorithm	Number ofbuildings	I error		II error		Quality /%
Rank		Number ofbuildings	False		Correctness /%	Omission	Completeness /%
Object		Proposed	14	0	100	1	92.86	92.86
Object		Traditional	0	100	2	85.71	85.71
Area	Proposed	24260	444	98.17	983	95.95	94.26
Area	Traditional	709	97.07	3537	85.42	83.27

查看原文

何曼芸, 程英蕾, 廖湘江, 赵中阳. 融合光谱特征和几何特征的建筑物提取算法[J]. 激光与光电子学进展, 2018, 55(4): 042803. Manyun He, Yinglei Cheng, Xiangjiang Liao, Zhongyang Zhao. Building Extraction Algorithm by Fusing Spectral and Geometrical Features[J]. Laser & Optoelectronics Progress, 2018, 55(4): 042803.

融合光谱特征和几何特征的建筑物提取算法下载： 1201次

图 1. 算法流程图

Fig. 1. Algorithm flow chart

图 2. 张量投票传递关系

Fig. 2. Transmitting relationship in tensor voting

图 3. Area2航空影像

Fig. 3. Aerial image of Area2

图 4. Area2点云数据

Fig. 4. LiDAR data of Area2

图 5. (a)传统的张量投票结果和(b)融合光谱特征的张量投票结果

Fig. 5. (a) Traditional tensor voting results and (b) tensor voting results of fusing spectral feature

图 6. (a)传统张量投票的点云分类结果和(b)改进张量投票的点云分类结果

Fig. 6. Point cloud classification results of (a) traditional tensor voting and (b) improved tensor voting

图 7. 特征重要性指标的对比

Fig. 7. Comparison of importance index of features

表 1准确度分析

Table1. Accuracy analysis

关于本站 Cookie 的使用提示

全站搜索

融合光谱特征和几何特征的建筑物提取算法 下载： 1201次

图 1. 算法流程图

Fig. 1. Algorithm flow chart

图 2. 张量投票传递关系

Fig. 2. Transmitting relationship in tensor voting

图 3. Area2航空影像

Fig. 3. Aerial image of Area2

图 4. Area2点云数据

Fig. 4. LiDAR data of Area2

图 5. (a)传统的张量投票结果和(b)融合光谱特征的张量投票结果

Fig. 5. (a) Traditional tensor voting results and (b) tensor voting results of fusing spectral feature

图 6. (a)传统张量投票的点云分类结果和(b)改进张量投票的点云分类结果

Fig. 6. Point cloud classification results of (a) traditional tensor voting and (b) improved tensor voting

图 7. 特征重要性指标的对比

Fig. 7. Comparison of importance index of features

表 1准确度分析

Table1. Accuracy analysis

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

融合光谱特征和几何特征的建筑物提取算法下载： 1201次