红外与激光工程
2023, 52(11): 20230212
1 中国科学院沈阳自动化研究所，辽宁 沈阳 110016
2 中国科学院光电信息处理重点实验室，辽宁 沈阳 110016
3 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169
4 中国科学院大学，北京 100049
为了提高在少标签数据条件下的地物分类精度，提出一种利用高光谱图像（HSI）数据与机载激光雷达（LiDAR）数据进行对比学习的地物分类方法。首先利用不带标签的HSI数据与LiDAR数据进行对比学习，通过对比学习可以建立这两种数据的空间特征之间的联系，实现对这两种数据的空间特征提取；设计了卷积模块与Transformer模块相结合的网络，使模型能够利用提取出的局部特征建立全局交互关系。在Houston 2013数据集和Trento数据集上进行对比实验，所提方法的分类精度高于其他多源数据融合地物分类的对照方法，在Houston 2013数据集上当每类标签样本量为5时，所提方法的分类精度比对照方法提高20.73个百分点，在Trento数据集上当每类标签样本量为2时，所提方法的分类精度比对照方法提高8.35个百分点。
图像处理 高光谱图像分类 机载激光雷达 地物分类 多源数据 激光与光电子学进展
2023, 60(22): 2228006
1 吉林大学 地球探测科学与技术学院，吉林 长春 130000
2 上海工程技术大学 城市轨道交通学院，上海 201620
3 武汉大学 测绘遥感信息工程国家重点实验室，湖北 武汉 430079
4 自然资源部海洋遥测技术创新中心，山东 青岛 266061
单频机载激光雷达测深系统凭借低成本、低负载、高采样率等优势成为大范围海岸带地形地貌探测的理想选择。然而如何解决单频局限，在不依赖辅助传感器情况下实现全波形数据的准确划分成为精确点位坐标解算的关键环节。目前基于全波形形态特征进行波形分类研究缺乏系统性评估分析和普遍性结论。该研究尝试从全波形空间形态入手，细化了波形类别（异常波形、过拟合波形、陆地波形、海面波形和测深波形），在已有波形特征基础上，系统分析了不同类别波形的形态特征差异，有针对性地提取了24维波形特征并基于随机森林特征选择和分类模型完成了各特征分类性能及最佳特征组合评估与定量分析。研究证明，包括相邻两点间振幅偏差、震荡主频等在内的6维特征组合对5种波形的分类效果最好，总体分类精度可达98.55%，Kappa系数为0.9820。为了验证特征的普适性，另外选取了一块实验区域进行验证，得到水陆分类的总体精度为96.81%。
机载激光雷达测深 全波形 波形特征 波形分类 airborne LiDAR bathymetry full waveform waveform characteristics waveform classification 红外与激光工程
2023, 52(9): 20230096
随着城市化进程的加快和人口的快速增长，城市空间内部格局正发生变化，城市热岛效应不断加剧。本研究旨在根据建筑、人口与地表热环境的关系来寻求可持续发展。与其他研究相比，本文采用了东京新宿区的机载热红外图像、机载激光雷达数据、建筑物矢量数据和人口普查数据等新颖数据，且最大创新点在于对建筑密度、平均高度、平均地表温度(Land Surface Temperature, LST)和人口密度之间进行的定量分析。结果显示，平均LST与建筑密度的相关性最大(r=06718)，其次是平均LST与人口密度的相关性(r=06050)；建筑密度与人口密度呈正相关(r=04949)，平均LST与建筑物平均高度呈负相关(r=-03814)。经研究可知，通过合理规划城市内部结构有望为减弱城市热岛效应和实现环境可持续发展提供参考。
城市建筑 热环境 机载热红外图像 机载激光雷达 相关分析 urban buildings thermal environment airborne thermal infrared image airborne lidar correlation analysis
1 昆明理工大学国土资源工程学院，云南 昆明 650093
2 云南省高校高原山区空间信息测绘技术应用工程研究中心，云南 昆明 650093
机载激光雷达已允许快速生成大面积区域的高分辨率数字高程模型，但是自动识别密集建筑物或茂密植被所覆盖区域的地面点与非地面点还比较困难。提出了一种移动曲面拟合最小二乘迭代算法自动快速对Lidar数据进行滤波，该方法采用移动窗口加权迭代最小二乘法来选择种子点，基于自适应阈值，逐步对非地面点和地面点进行滤波和分类。在四个研究区域进行的试验表明，新的滤波方法可以将市区和茂密植被覆盖的地面和非地面点分开。对于Ⅰ类误差，新算法的错误范围是4.08％~9.40％，对于Ⅱ类误差，错误范围是2.48％~7.63％，对于总误差，错误范围是5.01％~7.40％。
数字高程模型 机载激光雷达 滤波 Ⅰ类误差 Ⅱ类误差 digital elevation model airborne lidar filtering type Ⅰ error type Ⅱ error
1 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
2 中国科学院精密测量科学与技术创新研究院, 湖北 武汉 430071
3 中国科学院合肥物质科学研究院安徽光学精密机械研究所, 安徽 合肥 230031
4 中国测绘科学研究院摄影测量与遥感研究所, 北京 100830
5 中国科学院上海光学精密机械研究所, 上海 201800
高光谱激光雷达作为一种新型的主动式对地观测技术手段,结合了传统激光雷达三维空间信息获取和被动高光谱成像技术的优势,可实现高空间分辨和高光谱分辨的一体化成像探测,已成为未来遥感技术发展的重要方向。首先,从激光雷达空谱一体化数据获取技术研究进展出发,论述了高光谱激光雷达成像技术的发展历程并分析了其独特的优势。随后,结合机载平台应用发展,针对机载高光谱激光雷达系统研制中的关键技术难点,对激光发射单元、接收探测单元和数据处理单元的发展进行了阐述。最后,面向该新型遥感技术的未来发展前景,重点分析了机载高光谱激光雷达在地物覆盖分类、植被遥感监测、海洋资源探测和**目标侦查等领域中的重大应用潜力,并针对其未来推广应用进行了展望与分析。机载高光谱激光雷达凭借其空谱一体化数据获取优势,将来有望发展成为一种新型遥感技术门类。
光学学报
2022, 42(12): 1200002
中国地质大学（武汉）数学与物理学院，湖北 武汉 430074
机载LiDAR点云地物丰富且密度不均匀，对其进行精准高效的分类是遥感和摄影测量领域的一项关键任务。针对其密度不均匀的特点，引入一种密度相关的点云卷积算子——PointConv；提出注意力机制模块，修正提取局部信息的重要程度，增强网络对不同点云实例的识别能力。在城市室外场景机载点云数据集GML_DataSetA和三维语义标记基准数据集ISPRS Vaihingen上的分类结果验证了所提方法的有效性。
遥感 机载LiDAR点云 点云分类 密度加权 注意力机制 激光与光电子学进展
2022, 59(10): 1028007
东华理工大学测绘工程学院，江西 南昌 330000
滤波是机载激光雷达点云数据处理的关键步骤之一，形态学滤波算法作为一种经典有效的机载激光雷达点云滤波算法受到广泛使用。针对大多数形态学滤波算法地形特征保留不佳、滤波效果不好的问题，提出一种基于薄板样条多级插值的形态学滤波算法。该算法结合形态学开运算滤波窗口不断减小的特点，采用薄板样条插值在不同尺寸的窗口下进行处理，此过程由上往下迭代进行，直至窗口大小小于设定的最小滤波窗口尺寸。采用国际摄影测量与遥感协会提供的测试数据集进行实验，结果表明，所提算法精度有明显提高，在建筑物或山坡等地区的滤波效果尤为突出，有效保留了地形特征。
遥感 机载激光雷达 点云滤波 薄板样条插值 形态学滤波 激光与光电子学进展
2022, 59(10): 1028002
东华理工大学测绘工程学院，江西 南昌 330013
点云滤波是机载LiDAR点云后处理应用的必要环节。现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好，而在地形起伏较大区域滤波效果较差。为进一步提升点云滤波方法的精度及对复杂环境的适应能力，提出一种基于多约束连通图分割的滤波方法。通过设定垂直性、高差、距离三个约束条件构建点云连通图，实现点云分割，并基于地面覆盖率和格网化高程实现地面种子点集获取与筛选。最后，基于点到邻近地面种子点集拟合平面的距离实现地面点集优化。采用国际摄影测量与遥感学会（ISPRS）网站发布的15组专门用于检验滤波效果的点云数据进行实验。实验结果表明，所提方法针对不同的地形环境均可以获得良好的滤波结果。在与其他四种滤波方法的对比中，所提方法能够取得最小的平均总误差（5.44%）。此外，所提方法的平均一类误差和平均二类误差都相对较小，表明所提方法在去除地物点的同时能够有效保护地形细节。
遥感 机载LiDAR 多约束连通图 点云分割 点云滤波 激光与光电子学进展
2022, 59(4): 0428004
南京信息工程大学遥感与测绘工程学院，江苏 南京 210044
针对深度学习模型PointNet仅以独立点卷积进行特征提取导致的局部特征缺乏问题，提出了一种融合空间域特征和谱域特征的图卷积深度学习模型。该模型基于空间方法和谱方法分别构造图结构，以提取不同的邻域特征，并通过融合邻域特征与独立点特征得到深层次的抽象特征，其池化层采用空间金字塔池化方法加深细粒度描述。在国际摄影测量与遥感协会提供的机载LiDAR扫描点云和多光谱航空影像上的实验结果表明，相比其他对比方法，本方法的分类效果更好，分类精度为84.3%，可实现城市场景下点云数据的有效分类。
遥感 点云分类 深度学习 图卷积 机载LiDAR 激光与光电子学进展
2022, 59(2): 0228005
