第5讲LiDAR数据处理(4)2-DEM生成及强度处理

第五讲第五讲机载激光雷达数据处理机载激光雷达数据处理第五讲第五讲机载激光雷达数据处理机载激光雷达数据处理————DEMDEM生成及强度处理生成及强度处理主要内容基于LiDAR点云的DEM生成主要内容基于LiDAR点云的DEM生成滤波概述LiDAR点云滤波方法LiDAR点云滤波方法精度评价DEM内插方法及组织方式DEM内插方法及组织方式DEM精度分析LiDAR强度数据处理LiDAR强度数据处理针对城区LiDAR强度数据的去噪基于平坦度的LiDAR强度图像去噪基于平坦度的LiDAR强度图像去噪2滤波滤波方法介绍方法介绍滤波滤波方法介绍方法介绍1TopScan滤波方法1、TopScan滤波方法2、基于TIN的滤波算法维双向扫描标记法3、一维双向扫描标记法4、移动曲面滤波方法5、其他方法基于数学形态学滤波方法、基于TIN加密的基于数学形态学滤波方法、基于TIN加密的滤波方法、……3滤波精度的分析方法（滤波精度的分析方法（滤波精度的分析方法（滤波精度的分析方法（SitholeSitholeandandVosselman,2003Vosselman,2003））TypeITypeI(classifyBareEarthpointsasObjectpoints)(classifyBareEarthpointsasObjectpoints)TypeIITypeIIerrors(classifyObjectpointsasBareEartherrors(classifyObjectpointsasBareEarthpoints).points).TotalerrorsTotalerrorsItcanbeseenevenmoreclearlyfromtheItcanbeseenevenmoreclearlyfromthegraphicalcomparisonthatmostfiltersfocusongraphicalcomparisonthatmostfiltersfocusonminimisingminimisingTypeIIerrorsTypeIIerrors。。4滤波性能比较（GeorgeSithole,GeorgeVosselman，2004）5三、DEM生成三、DEM生成（1）地面空白填补（1）地面空白填补滤波之后产生了一些空缺点，如房屋顶点滤除缺点，如房屋顶点滤除后，应补上所在位置地面点高程数据。面点高程数据。——需要进行DEM的内插需要进行DEM的内插处理6（（22））DEMDEM内插方法：内插方法：（（22））DEMDEM内插方法：内插方法：距离权重法距离权重法(distanceweighting(distanceweighting））'11'()(),0()nnuuiiiiiiidZdPdfP对所有对某个多项式插值法多项式插值法(interpolatingpolynomials(interpolatingpolynomials））',0iiiZPd对某个多项式插值法多项式插值法(interpolatingpolynomials(interpolatingpolynomials））昀近点插值法昀近点插值法(NearestNeighbor(NearestNeighbor））克立格插值法克立格插值法((KiiKii））克立格插值法克立格插值法((KrigingKriging））…………————不同的插值方法对应不同的插值精度以及插值不同的插值方法对应不同的插值精度以及插值效率，也适用于不同的插值用途。效率，也适用于不同的插值用途。7（3）DEM模型规则格网模型。—根据生规则格网模根据成DEM的要求，如范围、间距等，由邻近地面点的位置等邻面点的位（即X、Y坐标）内插规则格网点上的高程才能昀终产生点高程才昀产DEM。TIN模型—直接基于离散地面点构建Delaunay三角网。8混合模型（规则格网+TIN）9四、精度分析案例：德国测绘部门从1994年开始，在巴伐利亚等地进行激光扫描测图的实验，并将利用LiDAR获取的成果与四、精度分析行激光扫描测图的实验，并将利用LiDAR获取的成果与采用摄影测量方法测图的结果进行对比，测试LiDAR数据精度和技术优势。测试数据：a.LiDAR数据：数据：比例尺为1：25000激光扫描数据在1996年4月25日和26日获取平均点距为共采集个点平均点距为4.1m，共采集16500000个点b.摄影测量数据：比例尺为1：14000的彩色航片比例尺为1：14000的彩色航片解析测图仪上量测10（1）叠加对比分析：由激光扫描数据生成的等高线（浅色）；由摄影测量方法生成的等高线（深色）。11（2）抽样统计分析：选择植被较少或没有植被的平坦地区作为检查区域，与差分GPS测量结果进行比较，得到高程残差统计图。12LiDAR优势费用成本低:LiDAR优势与摄影测量方法比较，所需费用只是其25%到33%，（节省了山区林地地面实测的费用、内业处33%，（节省了山区林地地面实测的费用、内业处理的费用等）限制条件少：飞行季节、时间、天气的限制较少：飞行季节、时间、天气的限制较少：冬季也可以进行，既便有雪也无碍；飞行时间无限制，白天黑夜都可以工作；飞行时间无限制，白天黑夜都可以工作；在阴天，云下飞行扫描同样有较好的结果13机载LiDAR强度数据处理机载LiDAR强度数据处理商用LiDAR系统在获取三维位置坐标信息（距商用LiDAR系统在获取三维位置坐标信息（距离）数据的同时都可以记录下各激光脚点反射的回波信号的强度信息由于强度信息的本质的回波信号的强度信息。由于强度信息的本质同传统的光学影像是一样的，大多数学者倾向于采用传统的数字图像处理的方法来处理于采用传统的数字图像处理的方法来处理。14强度信息数据的特点强度信息数据的特点噪声大未定标与距离信息同时获取与光学影像相似15强度信息数据处理强度信息数据处理步骤：重采样重采样去粗差取整、拉伸取整、拉伸去噪应用处理应用处理16重采样重采样将时间序列的数据转换为规则格网数据阵列，每个像素值代表该点对应的回波强度值。17去粗差去粗差18去粗差去粗差19取整拉伸取整、拉伸回波强度数据往往不是整数，而且也不是刚好个灰度级要想显示为灰度图像必须经256个灰度级，要想显示为灰度图像，必须经过取整和拉伸（压缩）的操作20去噪去噪LiDAR强度信息存在着较严重的噪声，噪声中的主要成份为脉冲噪声（椒盐噪声）其概中的主要成份为脉冲噪声（椒盐噪声），其概率密度函数（PDF）一般为指数密度分布和伽马密度分布。这种噪声为乘性噪声，与信号相马密度分布。这种噪声为乘性噪声，与信号相关，本质上是非线性的，难以去除。21中值滤波去噪中值滤波去噪中值滤波是对一个滑动窗口内的所有像素灰度值排序，中值滤波是对个滑动窗口内的所有像素灰度值排序，用中值作为窗口中心像素输出值的处理；例采用窗进行中值滤波例：采用1×3窗口进行中值滤波原图像某一行像素灰度为：22621244424原图像某行像素灰度为：22621244424中值滤波后为：22222244444——中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时，造成边缘模糊成度小。对中值滤波法来说正确选择窗尺寸的大小是很重——对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。22原图像中值滤波一维中值滤波（N=5）离散阶跃信号斜升信号没有受到影响离散三角信号离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。数小于窗口尺寸的半时，将被抑制掉，否则将不受影响。23一维中值滤波的概念很容易推广到二维。一般来说，二维中值滤波器比一维滤波器更能抑制噪声。二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形圆形菱形等十字形、圆形、菱形等不同形状的窗口产生不同的滤波效果，使用中必须根据不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。24均值滤波去噪均值滤波去噪均值滤波的基本原理是把数字图像中每一点的值，用均值滤波的基本原理是把数字图像中每点的值，用它的邻域中各像素灰度值的均值代替。设为数字图像各点的灰度值，则滤波窗口为A((2K+1)×(2K+1))的二维均值滤波定义为：}),(,{2Ijixij2,),()12(kxyAsrsjriij二维均值滤波的窗口可以取方形，近似圆形或十字形。均值算法简单计算速度快有很多改进算法有超像素平值算法简单，计算速度快。有很多改进算法，有超像素平滑法、梯度倒数加权平滑、昀大均匀性平滑、局部统计滤波等。25针对城区LiDAR强度数据的去噪针对城区LiDAR强度数据的去噪机载激光雷达遥感数据具有两个优点：机载激光雷达遥感数据具有两个优点：像素级的融合数据特性完全一致的不同信息，尺度，分辨率，时相可以利用这些特点改进传统的影像滤波方法，得到更好的图像质量。26算法设计算法设计背景：城市地区人工地物较多，形状复杂。背景：城市地区人工地物较多，形状复杂。距离信息中显示高程变化突兀，剖面的曲线表现出变化剧烈，锯齿状较多。强度信息中显示边缘较多，块状、线状目标较多且明显。算法思想：在进行滤波时，同时考虑对应的激光雷达距离信息中该点8-邻域内的高差，共有8个值，设距离信息中该点邻域内的高差共有个值设为hi，i=1,…,8。令h=min{hi}，T为阈值，若hT，则认为像素为地物边缘所成的图像，对其加以保护，保持原有灰度值不变，否则，采用中值滤波的结果27算法设计算法设计ijxijy(hT)ijy}),(,),(,{2)(),(IjiAsrxMedsjri(hT)式中：h=min{hi,i=1,…,8}，hi为激光雷达距离信息中式中{,,,}为激光雷离信中像素与其8-邻域内各像素的高差；T为阈值28试验试验数据处理操作是对原始数据进行，BMP图像只是为了显示29试验结果试验结果原始影像（局部）均值滤波结果（局部）30试验结果试验结果中值滤波结果融合去噪结果（阈值为1m）31结果分析多种图像质量指标检验去噪效果结果分析多种图像质量指标检验去噪效果边缘保持特性（EPI）边缘保持特性（EPI）边缘展宽弱边缘保护边缘保持指数清晰度（平均梯度）信噪比统计特征指标32结果分析各种指标计算结果结果分析算法原始图像均值滤波中值滤波融合去噪算法算法原始图像均值滤波中值滤波融合去噪算法EPI1.0000000.7847490.8454260.899160清晰度20.27954816.14853817.43263618.419926信噪比47.81920857.09207262.703554平均值125.648175125.646630125.110070125.30943433结论既保持了传统中值滤波的优点又改进了对弱结论既保持了传统中值滤波的优点又改进了对弱边缘目标的保护。34基于平坦度的LiDAR强度图像去噪基于平坦度的LiDAR强度图像去噪一种融合的强度信息图像均值去噪算法种融合的强度信息图像均值去噪算法非城市地区不同于城市地区，其地物较少，地非城市地区不同于城市地区，其地物较少，地面较为平滑，图像中的边缘较少35算法设计算法设计同时考虑对应的LiDAR距离信息中像素的8-邻域同时考虑对应的LiDAR距离信息中像素的8邻域内的高程信息，分别计算的左上角子邻域、左下子邻域、右上角子邻域及右下角子邻域的高程平坦度，然后取昀小平坦度对应的子领域的强度的均值作为该像素的新灰度值。高程平坦度：ijjipjif)),(),((2式中：为子邻域中各个像素的高程值),(jif为子邻域中所有像素的高程的均值),(jip36实例实例计算如图所示的高程平坦度