中南林业科技大学青年科学基金(07042B)
- 作品数:7 被引量:45H指数:4
- 相关作者:刘峰杨志高龚健雅谭畅更多>>
- 相关机构:中南林业科技大学中南大学武汉大学更多>>
- 发文基金:中南林业科技大学青年科学基金国家重点基础研究发展计划湖南省教育厅科研基金更多>>
- 相关领域:自动化与计算机技术天文地球农业科学航空宇航科学技术更多>>
- 基于对象的激光点云数据城区树木识别方法被引量:5
- 2010年
- 通常利用激光点云数据(LiDar)进行树木分类的方法是将点云内插生成数字地形模型(DTM),根据地物高程差值,在图像处理方法的基础上进行分割或分类。提出一种新的基于对象的LiDar数据树木识别方法,其最大特点是直接利用点云数据的三维空间关系进行分类,不需要将点云转换成二维图像进行处理,避免了转换过程中信息的丢失,提高了分类的精度。具体实现步骤:首先利用kd-trees组织点云数据,在局部邻域中利用点云位置和法线分别进行协方差分析,估算各点的空间特征变量,然后结合各点的回波次数和局部邻域中点云个数密度作为SVM分类器的输入变量,最后利用基于径向基函数的SVM方法实现点云的分类。实验结果表明:OA分类精度为91.21%,Kappa系数为85.62%。
- 刘峰杨志高
- 关键词:激光点云
- 一种基于改进的2D-Gabor纹理图像分类方法被引量:2
- 2010年
- 针对多纹理图像分类的问题,本文提出了一种操作性强,通用性高的分类方法。借助人类视觉特性和纹理图像的尺寸,设计了一种快速简单的Gabor滤波参数设置方法。在多通道的滤波特征图像中应用顺序向前搜索策略选择特征,以J-M距离(Jeffreys-Matusitas distance)为判别因子进行特征空间的优化,最后通过SVM方法实现图像分类。实验表明,该方法有良好的纹理图像分类效果。较之传统的Gabor滤波图像分类方法,该方法具有参数设置简单,操作性强的特点。
- 刘峰
- 关键词:图像分类GABOR滤波器纹理图像
- 全波形LiDar数据分解方法的研究被引量:8
- 2010年
- 研究了激光波形数据高斯函数分解的理论基础,提出了利用广义高斯模型函数拟合脉冲波形,并提取脉冲波形重要参数的方法。实验表明:利用广义高斯模型能较好地分解脉冲波形,该参数提取方法在分解振幅较高的脉冲波形时鲁棒性较好。该波形分解方法不但能增加点云的数量,而且能增加点云的层次感,同时能提取出激光点云的振幅、距离、脉冲宽度以及背向散射截面等重要的参数,这些特征对后续的地物分类研究提供了基础。
- 刘峰谭畅
- 关键词:LIDAR广义高斯模型点云
- 一种基于SVM多特征综合的图像分类方法被引量:2
- 2010年
- 分别利用多通道Gabor滤波器和HSV颜色模型对图像进行特征提取,得到两种特征空间。用顺序向前浮点法搜索,以J-M距离(Jeffreys-Matusitas distance)为评价指标进行特征选择,最后利用综合后的特征数据在SVM基础上实现图像的监督分类。上述方法提高了彩色纹理图像和遥感图像的分类正确率。实验表明,多特征融合的分类效果比单一特征要好。
- 刘峰杨志高
- 关键词:图像分类SVM纹理
- 基于MapObjects的森林病虫害信息系统被引量:3
- 2008年
- 分析MapObjects二次开发的特点,设计适合森林病虫害管理的地理信息系统,分析系统的部分结构、工作原理和功能。提出实现采集、处理及关联空间数据和属性数据的方法,论述系统软件部分的实现。该系统改变了森林病虫害信息管理系统的传统模式,提高了管理效率。
- 刘峰杨志高
- 关键词:地理信息系统二次开发
- 一种基于多特征的高光谱遥感图像分类方法被引量:12
- 2009年
- 提出在多维特征空间中以互信息为评价指标进行特征选择,在特征子集中应用支持向量机(SVM)分类器实现图像监督分类的方法。首先提取图像的光谱、纹理和颜色特征,得到多特征的高维特征空间,然后用最大相关和最小冗余的互信息作为评价标准,用10-fold交叉验证误差率选择特征子集,最后用基于径向基函数的SVM实现图像的分类。实验表明,该方法能明显提高图像分类的精度。
- 刘峰龚健雅
- 关键词:图像分类互信息SVM
- 基于3D LiDar数据的城区植被识别研究被引量:13
- 2009年
- 提出一种基于支持向量机(SVM)的三维LiDar数据分类方法:利用kd-trees存储无序的点云数据,在局部邻域中利用点云数据间的几何关系估算植被表面特征值;将密度值和高程差值作为SVM输入特征变量,利用基于径向基函数的SVM方法实现植被点云数据的分类。实验结果为:OA分类精度达到94.31%,Kappa系数为89.53%。该方法操作性较强,在分类精度及计算效率方面比传统方法具有优势。
- 刘峰龚健雅
- 关键词:LIDAR数据支持向量机