城区激光雷达点云建筑物提取技术是近年来发展的热点,如何准确区分植被、建筑物以及人造物,提高分类精度一直是研究难点。为此,针对分类精度较低的问题,提出一种基于随机森林的点云分类算法。首先使用改进布料滤波算法对点云数据进行地面滤波;其次,构建决策树并进行基于最大互信息系数的相关性分析,选出相关系数最小、精度最高的决策树,得到弱相关随机森林模型;最后,对决策结果进行加权投票处理,得到一种综合布料滤波和加权弱相关随机森林的点云分类算法,并通过Vaihingen城区数据集对算法进行验证。实验表明,与传统随机森林分类算法相比,本文算法提高了4.2%的分类精度,也提高了算法效率。

对不同岩性的岩石构建近红外光谱含水量反演模型过程中, 其特征集是否会因岩性不同而变化, 是建模时必须面对的关键问题。 针对该问题, 首先利用深部软岩水理作用智能测试系统进行了岩石吸水室内实验, 分别采集了砾岩、 粉砂岩、 夯土不同时刻3种不同岩性的含水岩石的近红外光谱各为51条、 106条和149条; 然后, 采用一阶导数法对原始光谱进行预处理, 消除环境干扰等对光谱的影响; 接着, 采用几何特征法提取光谱特征, 进行归一化处理, 消除量纲和变化幅度不同带来的影响; 分析了初始特征变量之间以及初始特征变量与含水量之间的相关程度, 并通过抑制阈值大小, 剔除冗余特征, 得到了两个强相关谱段处的特征变量; 最后利用最大信息系数（MIC）值作为度量标准, 对比分析了不同岩性的含水岩石近红外光谱的特征选择结果, 以期评价岩性对含水岩石光谱特征的影响。 结果表明: （1）砾岩、 粉砂岩、 夯土三种含水岩石的近红外光谱在1 400和1 900 nm附近都有着明显的吸收峰, 且随着含水量的变化, 吸收强度越来越强, 与含水量大小有明显的相关性; （2）对比砾岩、 粉砂岩、 夯土近红外光谱特征变量与其含水量的最大相关系数MIC值, 表明夯土的近红外光谱与含水量之间的相关性最强; （3）不同岩性的近红外光谱各个特征值与含水量的相关程度不同, 具体表现为在1 400 nm附近峰高、 右肩宽与含水量都具有较高相关系数, 只是相关性大小会因岩性不同而不同, 1 900 nm附近的右肩宽和峰面积与含水量都具有较高相关系数, 且右肩宽的相关程度高于峰面积; （4）不同岩性的含水岩石介质近红外光谱的特征变量与含水量相关性具有相似规律: 峰高、 右肩宽、 峰面积是相关程度最高的三个特性。