多光谱激光点云卷积神经网络的地物分类研究

摘要：

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法.新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类.采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题.实验表明,地物分类整体精度OA达到89.8％,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性.

关键词：多光谱激光点云、卷积神经网络、热力图、样本标注、地物分类、精度评估

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：地理信息工程国家重点实验室项目SKLGIE2016-M-3-3

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：44-50,83