机载Lidar点云与航空影像的智能三维融合技术研究

On the basis of the characteristics of and preprocessing methods for Lidar point cloud data，this research aims to tackle current situation that there is a wide variety of sensors; the image captured has their own disadvantages and advantages; meanwhile many image fusion techniques exist but the common-used method is absent; moreover the research on 3D image fusion just starts. Our subject deals with how to fuse the Lidar image and Remote-sensing image combined with pixel method and control point method .Using the method of texture mapping, we conduct research on the image fusion of Lidar image and SAR image, thus enlarging our study on the 3D fusion of Lidar image, Remote-sensing image and SAR image.We propose the 3D fusion method based on Autonomy-Oriented Computing, utilizing the autonomy behavior to obtain the global optimal solution. And we propose the 3D fusion method based on data assimilation, which makes full use of the data assimilation to assimilate the advantageous parts of predictive image and observed image, leading to the 3D intelligent fusion. High in efficiency,good at robustness, strong in adaption, the fusion method makes the fused 3D image more reality and close to objective fact. The method combing 3D fusion and intelligent optimum fill the blank that common adaptive 3D fusion method is lacked in the image fusion field, finally providing strong technique for high-precision detecting and recognizing of 3D object.

针对目前传感器种类繁多且所获取的图像各有优缺点，图像融合技术众多但缺乏普遍适用的方法，以及三维图像融合的研究刚刚起步的现状，本课题在研究Lidar点云数据的特点及预处理方法的基础上，结合像素融合法和控制点位法，研究激光雷达图像和遥感图像的三维融合方法；利用纹理贴图法，研究激光雷达图像和SAR图像的三维融合方法；从而进一步研究激光雷达图像、遥感图像与SAR图像的三维融合方法。并提出基于面向自治计算的三维图像融合方法，利用计算体的自治行为获得系统的全局最优解决方案；提出基于数据同化的三维图像融合方法，利用数据同化不断同化模型算子生成的预测图像和观测图像优势的融合图像，实现三维智能融合。融合方法效率高、鲁棒性好、自适应性强，融合后的三维图像更逼真、更接近客观事实。将三维融合和智能优化结合起来，填补了图像融合领域缺乏普遍适用的智能三维融合方法的空白，为三维立体目标的高精度检测与识别提供技术支撑。

针对目前传感器种类繁多且所获取的图像各有优缺点，图像融合技术众多但缺乏普遍适用的方法，以及三维图像融合的研究刚刚起步的现状，本课题在研究 Lidar 点云数据的特点及预处理方法的基础上，深入研究了Lidar点云数据三维重建方法、遥感图像融合方法、以及遥感目标识别等方法。针对Lidar点云数据滤波预处理中存在的挑战问题，深入研究了点云数据中存在的噪声等数据特性，提出一种基于区域预测的形态学Lidar点云数据滤波算法和一种基于区域生长的三角网滤波方法，能够取得更好的去噪效果，更能满足人的视觉心理和实际应用的要求；针对目前存在的不规则三角网构网效率较低的问题，深入研究了建立虚拟格网和格网插值的方法，提出了一种新的生成数字表面模型的构网方法；针对Lidar点云数据中目标边缘不清晰不易检测的问题，研究利用三角剖分方法通过三角形的形状变化进行具有高程突变的边缘点检测，提出了基于不规则三角网的Lidar点云数据边缘检测方法和基于不规则三角网的Lidar点云数据水上桥梁提取方法；针对图像融合问题，在研究多尺度分析和人类视觉系统的基础上，提出基于Shearlet和PCNN的图像融合算法，实现了遥感图像的融合处理，通过和多种变换融合的图像进行主观和客观效果的比较，本算法对遥感图像具有更好的融合效果；针对扫描地形图中由于混淆色、渐变色等颜色失真造成的难于分割的问题，深入研究了结合地形图空间关系特征的图像分析策略，提出了一系列扫描地形图分割算法，包括基于线划要素特征的扫描地形图分割算法、有导向的超像素分割方法、基于超像素的彩色地图分割算法、基于随机概率采样和多级图像融合的图像分割算法，这些算法可以较好的完成图像分割的任务，为目标检测、识别，以及场景信息提取奠定了基础；针对近年来国内日益严重的雾霾而引起图像降质的复原问题，深入研究了霾的成像机理，提出了基于黄霾物理特性的图像去霾和基于多尺度小波变换的融合图像去霾方法，得到了更加自然的图像复原效果，为遥感图像的融合、检测与识别提供更加优质的图像源。这些研究的开展，将会进一步开拓Lidar点云数据处理以及三维图像融合技术的应用，研究成果可用于军事、民用等相关领域，具有较好的理论和应用价值。