1 西安测绘研究所地理信息工程国家重点实验室，陕西 西安 710054
2 武汉轻工大学电气与电子工程学院，湖北 武汉 430048
3 武汉大学遥感信息工程学院，湖北 武汉 430079
4 湖北大学资源环境学院，湖北 武汉 430062
建筑物轮廓线是各类应用的数据源，但散乱、不规则激光点云数据给轮廓线提取带来了难度。针对上述问题，提出一种基于多层级最小外包矩形规则建筑物轮廓线提取方法，首先使用迭代区域增长算法对轮廓点进行分组，根据点数最多的一组确定初始最小外包矩形。再对初始最小外包矩形进行多层级分解，使轮廓点与不同层级最小外包矩形重合，最后根据不同层级最小外包矩形生成轮廓线。使用Vaihingen城区中规则建筑物进行实验，实验结果表明：与最小面积方法与最大重叠度方法相比，所提方法能准确确定初始最小外包矩形，且提取效率得到略微提高。提取的轮廓线角点均方根误差为0.71 m，优于其他4种方法。所提方法可快速提取规则建筑物轮廓线，有利于后续三维重建。
机载激光雷达 建筑物 最小外包矩形 多层级分解 轮廓线提取 激光与光电子学进展
2024, 61(8): 0837013
1 中国地质大学(武汉)数学与物理学院，湖北 武汉 430074
2 中国地质大学(武汉)地理与信息工程学院，湖北 武汉 430074
针对动态图卷积神经网络(dynamic graph convolutional neural network, DGCNN)聚合邻居点信息时的局限性，提出一种增强特征融合的动态图卷积神经网络模型EFF-DGCNN，并应用于机载LiDAR点云分类。该模型主要基于DGCNN提出特征增强模块和特征融合模块，对原始三维点云进行分类。首先，基于DGCNN对原始点云进行边缘卷积获取局部特征和全局特征；然后，将全局特征集成于各层的局部特征得到增强局部特征，据此凸显点云不同特征的重要性，使网络更加关注有利于分类的特征；最后，对不同增强局部特征进行特征融合得到深层次特征，从而实现点云的分类。为验证所提模型的分类性能，在GML_DataSetA数据集和ISPRS数据集分别进行了点云分类试验。试验结果表明：相比于DGCNN，所提EFF-DGCNN模型具有更好的分类能力，能更好地区分结构相似的点云。
机载激光雷达 点云分类 边缘卷积 特征增强 特征融合 airborne light detection and ranging point cloud classification edge convolution feature enhancement feature fusion
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
河南理工大学测绘与国土信息工程学院，河南 焦作 454000
针对三维深度学习网络PointNet中缺少点局部特征描述而导致的分类精度较低的问题，提出了一种整合图卷积模型与PointNet的机载激光雷达点云分类方法。该方法首先通过最小香农熵准则确定点的最优邻域，计算出点云的浅层特征；然后将点云的浅层特征输入深度学习网络中，通过图卷积提取点云局部特征，并将该特征与PointNet提取的点特征、全局特征组合得到特征向量；最后，将上述特征向量输入设计的多层感知机实现点云的准确分类。利用国际摄影测量与遥感协会提供的Vaihingen点云数据集进行了验证，实验结果表明，所提方法相较于PointNet点云分类方法精度提高了9.58个百分点。
遥感 机载激光雷达 点云分类 图卷积 最优k邻域 PointNet 激光与光电子学进展
2022, 59(22): 2228003
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
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
