论文摘要
针对城市复杂环境点云数据中建筑物和植被较难分离的问题,提出利用二者高度、面积、坡度等信息先将建筑物分离,再利用建筑物结果作为约束,较为准确地将二者进行分离的方法。首先将倾斜摄影密集匹配点云数据进行插值生成DSM,针对非地面点集,依据建筑物规则特征,将其从地物中首先分割出来。其次,利用最小二乘拟合平面法获得近似建筑物屋顶的拟合平面,经过边界优化得到准确建筑物边界。最终将建筑物作为约束条件,提取植被信息。实验结果表明本文提出的方法较面向对象法有更好的分类结果,且能得到地物三维信息,具有较强实用性。
论文目录
文章来源
类型: 期刊论文
作者: 赵翠晓
关键词: 地物分类,建筑物提取,植被提取
来源: 测绘通报 2019年S1期
年度: 2019
分类: 基础科学
专业: 自然地理学和测绘学
单位: 浙江中海达空间信息技术有限公司
分类号: P237
DOI: 10.13474/j.cnki.11-2246.2019.0542
页码: 181-185
总页数: 5
文件大小: 1983K
下载量: 172
相关论文文献
- [1].遥感植被分类方法研究进展[J]. 中国园艺文摘 2015(08)
- [2].植被分类系统与方法综述[J]. 河北林果研究 2010(02)
- [3].对中国植被分类系统的认知和建议[J]. 植物生态学报 2011(08)
- [4].优势种植被分类系统的逻辑分析与示例方案化[J]. 生物多样性 2016(02)
- [5].中国陆地与海岛植被分类研究综述与展望[J]. 海洋学报 2016(04)
- [6].基于空间信息的高光谱遥感植被分类技术[J]. 农业工程学报 2012(05)
- [7].一种提高喀斯特地区植被分类精度的方法——以贵州省关岭县为例[J]. 贵州师范大学学报(自然科学版) 2018(03)
- [8].珠海市植被分类系统和主要植物群落特征[J]. 广东林业科技 2015(02)
- [9].深度学习算法在山区植被分类中的应用[J]. 价值工程 2019(04)
- [10].多光谱遥感影像植被覆盖分类研究进展[J]. 国土资源遥感 2016(02)
- [11].基于Sentinel-2时序多特征的植被分类[J]. 浙江农林大学学报 2019(05)
- [12].基于RS/GIS技术支持下的植被分类及其覆盖度研究——以昆明市为例[J]. 林业资源管理 2019(03)
- [13].基于融合技术的潮滩湿地植被分类[J]. 测绘 2014(01)
- [14].基于无人机重建点云与影像的城市植被分类[J]. 国土资源遥感 2019(01)
- [15].AVIRIS高光谱数据空-谱特征在植被分类中的对比分析[J]. 智慧农业(中英文) 2020(01)
- [16].不同时相城市QuickBird和WorldView-2植被分类[J]. 数学的实践与认识 2018(20)
- [17].基于旋转森林的Landsat-8影像森林植被分类[J]. 东北林业大学学报 2017(08)
- [18].面向对象的遥感湿地植被分类与信息提取——以微山湖为例[J]. 安徽农业科学 2012(12)
- [19].基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究[J]. 干旱区地理 2017(04)
- [20].依据季相特征GF-2影像的植被分类[J]. 东北林业大学学报 2019(03)
- [21].基于LiDAR点云数据的低矮植被分类方法[J]. 世界地质 2018(04)
- [22].苏州市上方山森林植被分类及其群落学特征[J]. 江苏林业科技 2020(02)
- [23].基于资源一号02C卫星数据的面向对象的森林植被分类[J]. 测绘与空间地理信息 2015(07)
- [24].越南-太原省-大慈县的植被分类[J]. 农村实用技术 2018(12)
- [25].云南热带森林植被分类纲要[J]. 广西植物 2018(08)
- [26].利用Sentinel-2A多光谱成像仪与Landsat 8陆地成像仪影像进行普陀山岛植被分类效果比较[J]. 测绘通报 2019(10)
- [27].山西植被分类系统修订[J]. 生态环境学报 2019(04)
- [28].基于MODIS的藏北高原植被分类研究[J]. 高原山地气象研究 2010(02)
- [29].高光谱遥感在植被分类中的研究[J]. 矿山测量 2014(01)
- [30].城市植被分类研究进展[J]. 安徽农业科学 2009(16)