【读论文】多/高光谱图像和 LiDAR 数据联合分类方法研究（2020）

【读论文】多/高光谱图像和 LiDAR 数据联合分类方法研究（2020）
王青旺
DOI

摘要：

地物分类识别需求的不断升级，对遥感场景解译提出了新要求：更高的空间二维解译精度和遥感场景空间三维解译。利用多源遥感数据和新型遥感技术是满足不断升级的需求的有效手段。多/高光谱成像和单波段激光雷(Light Detection And Ranging, Li DAR)是探测遥感场景地物信息的两种主要手段。多/高光谱图像提供遥感场景空间二维信息和丰富光谱信息，但受成像原理限制，丢失了地物在空间垂直方向的分布信息。单波段 LiDAR(以下简称 LiDAR)以主动成像方式获取遥感场景空间三维信息，与多/高光谱图像信息互补。近年来，随着立体光谱成像技术不断发展，实现了对遥感场景空间三维和光谱维信息的一体化获取。三波段 LiDAR 同时获取遥感场景空间三维信息和三波段激光脉冲回波强度信息，为遥感场景三维解译提供了数据基础。

多/高光谱图像和 LiDAR 数据(或三波段 LiDAR 数据)为遥感场景解译提供更多判别信息的同时，也带来了关于地物特征提取与分类识别的新问题：如何从多/高光谱图像和 LiDAR 数据提取地物图谱-高程判别特征和设计分类模型、如何根据新型三波段 LiDAR 数据三维空间-强度一体化信息特点设计点云特征提取与分类模型等。本文深入分析遥感场景空间维、光谱(强度)维信息互补特性，分别从多/高光谱图像和 LiDAR 数