融合波形和几何特征的机载LiDAR数据精分类研究

机载LiDAR能直接获取地表的三维几何信息，而如何利用机载LiDAR数据高精度获取地物的精细类别信息则是遥感对地观测面临的一个挑战。鉴于机载LiDAR系统朝全波形化发展的趋势，针对机载LIDAT数据分类精度低、分类数少、方法单一的研究现状，本课题以波形数据为研究对象，抓住波形数据与点云几何信息的互补性开展融合波形与几何特征的机载LiDAR数据精分类研究。在开展基于波形分解的波形特征提取研究基础上，基于波形和几何融合特征，从多分类器组合与混合分类器两个角度研究获取机载LIDAR数据的多分类器分类理论与方法，在此基础上研究建立基于二类分类算法集的点云数据分类后精处理框架，用于解决某些二类难区分点间的分离，进而形成包含多分类器分类和二类难分点间分离两大步骤的机载LIDAR数据高精度分类方法，为高精度的地物类别信息提取和机载LIDAR数据处理与应用提供有力的基础理论和方法支持。

针对机载LiDAR数据分类精度低，分类数量少，方法单一的研究现状，本课题引入波形数据，抓住波形数据与点云几何信息的互补性融合波形与几何特征，在开展基于波形分解的波形特征提取研究的基础上，实现多分类器组合与混合分类器的机载LiDAR数据的精分类研究，主要包括以下内容：.（1）.波形反应的是地物本身反射以及垂直方向的信息，本课题解决了不同坡度的波形回波的波形属性存在振幅、幅宽以及波形态有很大的区别，本课题解决坡度信息与波形形态的定性和半定量关系；.（2）.针对波形信息来自单一的波形信号，且形态各异，因此传统的高斯波形分解方法和EM波形分解方法需要知道波形个数作为先验信息，本课题采用基于半分贝叶斯的波形分解方法，无需波形个数先验知识，自动实现波形数据的分解；.（3）.在波形分解的基础上，实现波形分解成果的主要波形参数提取，包括振幅、波宽、波形形状参数、强度等，光斑面积，完整波形的波形个数等；.（4）.建立了一套基于特征融合的DEM高精度提取流程，首先实现对分解后的点云数据进行最末次回波和仅首次回波，进行邻域分析，利用渐进式TIN加密的方法，实现高精度DEM的，提高DEM的提取效率；.（5）.实现采用监督分类器，如最大似然法，随机森林分类器、支持向量机分类器进行分类，进行混合分类和组合分类，实现最大概率的多分类方法的多重分类；..针对以上内容，依托本项目发表国内外核心期刊或EI检索文章4篇，国外核心期刊1篇；开发完成一套基于波形数据的波形分解和波形特征参数提取的波形数据软件2套。