一種基于可見光與激光雷達圖像的稀疏地物分類與標(biāo)示方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明所屬技術(shù)領(lǐng)域為空間信息技術(shù)領(lǐng)域或模式識別領(lǐng)域，涉及圖像處理和計算機視覺等技術(shù)，特別涉及一種基于可見光與激光雷達圖像的稀疏地物分類與標(biāo)示方法。
【背景技術(shù)】
[0002]分類圖像中建筑物，車輛或樹木等凸起的稀疏地物目標(biāo)可用傳統(tǒng)的基于目標(biāo)建模的檢測分類方法，即標(biāo)定大量訓(xùn)練樣本目標(biāo)，訓(xùn)練不同的分類器，然后在圖像多個尺度上進行滑動窗口掃描，從而得到該圖像中所有感興趣目標(biāo)的外接矩形窗口。但是，上述方法中采用的滑動窗口策略時間消耗比較大，特別是當(dāng)目標(biāo)類別不是一種而是多種時，這種策略更加難以實時；另外，該方法檢測到目標(biāo)的表示方式是用包圍框框住目標(biāo)，很多情況下，這些包圍框的尺寸相對于目標(biāo)來說，總是過大或過小，甚至出現(xiàn)多個尺寸的包圍框框同一目標(biāo)的情況，這就導(dǎo)致在進行目標(biāo)標(biāo)示時的精準度不夠高；該方法不能得到目標(biāo)的輪廓；即使訓(xùn)練很多的目標(biāo)樣本，有時該方法的錯誤分類與目標(biāo)漏分類情況還是比較嚴重。
[0003]針對以上滑動框口策略帶來的耗時、準確度不夠高的問題，考慮從圖像中提取出包含目標(biāo)的區(qū)域，然后對這些區(qū)域進行分類。提取目標(biāo)區(qū)域常用的方法是進行圖像分割，目前圖像分割的方法雖然有很多，但大多數(shù)都與目標(biāo)的類型、應(yīng)用目的相關(guān)，如果分割的準則或者特征選擇不當(dāng)，就容易造成過分割或者是欠分割。由于圖像分割的復(fù)雜性，較好地從圖像中提取出目標(biāo)區(qū)域仍是一個問題。
[0004]由此可見，單純依靠可見光圖像來準確提取地物目標(biāo)區(qū)域還存在著很大的局限性。而我們知道激光雷達能夠直接獲得目標(biāo)的空間點云信息，對于區(qū)分地面上明顯垂直分布的地物，如:建筑物、樹木、車輛具有很大優(yōu)勢。因此，可將激光雷達的這些特性應(yīng)用到地物目標(biāo)區(qū)域提取中來?；诖耍景l(fā)明研究一種利用激光雷達圖像中地物目標(biāo)的高程信息實現(xiàn)可見光圖像中地物目標(biāo)區(qū)域的獲取，同時準確快速地分類標(biāo)示出地物目標(biāo)的方法，解決目標(biāo)區(qū)域不好提取，滑動窗口策略遍歷整幅圖像進行地物分類時耗時、精準性不高的問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于可見光與激光雷達圖像的稀疏地物分類與標(biāo)示方法，以便解決目標(biāo)區(qū)域不好提取，滑動窗口策略遍歷整幅圖像進行地物分類時耗時、精準性不高的問題。保證分類標(biāo)注的準確性，提高識別效率，減少分類時間。
[0006]為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是:一種基于可見光與激光雷達圖像的稀疏地物分類與標(biāo)示方法，其特征是:包括以下步驟:
[0007]步驟1:獲得僅包含地物的二值化的nDSM圖像；其中，nDSM為Normalized DigitalSurface Model ；
[0008]步驟2:從可見光圖像中提取與步驟I中nDSM圖像對應(yīng)的圖像區(qū)域，用分類器判斷這些圖像區(qū)域的類別；
[0009]步驟3:得到可見光圖像中僅包含地物區(qū)域的圖像；
[0010]步驟4:通過上述步驟得到的信息對地物區(qū)域圖像進行分類與標(biāo)示。
[0011]所述的步驟1:獲得僅包含地物的二值化的nDSM圖像，包含以下步驟:
[0012]步驟1.1:設(shè)定高度閾值，進一步濾除nDSM圖像中的地面點或噪聲點，得到僅包含地物的nDSM圖像；即對激光雷達數(shù)據(jù)分別進行濾波和插值操作，得到數(shù)字地面高程模型DEM和數(shù)字表面模型DSM數(shù)據(jù)，將DSM與DEM作差生成nDSM數(shù)據(jù)，將nDSM數(shù)據(jù)按照高度信息映射到[0，255]區(qū)間內(nèi)，生成灰度點云圖像；對灰度點云圖像設(shè)定閾值，濾除殘留的地面點或噪聲點，得到僅包含地物的nDSM圖像；其中，DEM為Digital Elevat1n Model，DSM為Digital surface model ；
[0013]步驟1.2:對步驟1.1得到的圖像進行二值化處理，即將提取出的地物賦值255，其他點賦值O ;先對圖像進行形態(tài)學(xué)腐蝕處理再進行形態(tài)學(xué)膨脹處理。
[0014]所述的步驟2:從可見光圖像中提取與步驟I中nDSM圖像對應(yīng)的圖像區(qū)域，用分類器判斷這些圖像區(qū)域的類別，包含以下步驟:
[0015]步驟2.1:對步驟1.2得到的圖像進行輪廓遍歷查找；
[0016]步驟2.2:設(shè)定輪廓面積以及周長閾值，大于該閾值即為滿足條件，對查找到的滿足條件的輪廓進行外接矩形提取，保存矩形坐標(biāo)；在可見光圖像中，提取對應(yīng)矩形坐標(biāo)區(qū)域的圖像，將其編號為i保存，其中i =0，1，2…N，這些圖像稱為測試樣本圖像，對這些測試樣本圖像用分類器進行分類，將其分類出的類別編號為C，其中c = O, 1，2…N;
[0017]步驟2.3:對步驟2.1查找到的輪廓進行填充，即輪廓內(nèi)部賦值為255，外部賦值為O ;用距離變換法求出該輪廓區(qū)域的中心坐標(biāo)，將其編號為j保存，其中j = O, I, 2…N。
[0018]所述的步驟3:得到可見光圖像中僅包含地物區(qū)域的圖像，包含以下步驟:
[0019]步驟3.1:對步驟1.2得到的圖像進行輪廓遍歷查找；
[0020]步驟3.2:逐個填充步驟3.1中圖像的輪廓，即將輪廓內(nèi)部賦值為255，外部賦值為0，并對其進行歸一化處理，即將圖像中的像素值映射到[0，1]區(qū)間上，將其作為掩膜圖像，并將其編號為k保存，其中k = 0，1，2...Ν ;
[0021]步驟3.3:將可見光圖像與由步驟3.2得到的掩膜圖像k，其中k = 0，1，2…N，分別進行點乘，得到掩膜處理過的地物圖像m，其中m = 0，1，2…N，將所有地物圖像進行累加即可得到僅包含地物的圖像，稱為地物區(qū)域圖像。
[0022]所述的步驟4:通過上述步驟得到的信息對地物區(qū)域圖像進行分類與標(biāo)示，具體包含:在由步驟3.3得到的地物區(qū)域圖像的坐標(biāo)j處標(biāo)示出類別號c對應(yīng)的類別，其中坐標(biāo)j是由步驟2.3得到的，類別號c是由步驟2.2得到的。
[0023]本發(fā)明的優(yōu)點是:本發(fā)明利用激光雷達圖像的高度信息提取出可見光圖像中對應(yīng)的地物圖像區(qū)域及其坐標(biāo)位置，然后將這些地物目標(biāo)圖像區(qū)域用分類器進行類別判斷，并在相應(yīng)的坐標(biāo)位置進行標(biāo)示。該方法解決了目標(biāo)區(qū)域不好提取以及滑動窗口策略帶來的耗時、精準性不高的問題，能準確快速的分類與標(biāo)示出地物，提高地物的分類速度與標(biāo)示準確度，保證分類標(biāo)注的準確性，減少分類時間。
【附圖說明】
[0024]下面結(jié)合附圖對本發(fā)明做進一步的說明:
[0025]圖1是算法的主要流程。
[0026]圖2 是獲得僅包含地物的二值化的 nDSM (Normalized Digital Surface Model)圖像流程圖。
[0027]圖3是提取與nDSM圖像對應(yīng)的可見光區(qū)域圖像，用分類器判斷其類別的流程圖。
[0028]圖4是得到可見光圖像中僅包含地物區(qū)域的圖像的流程圖。
【具體實施方式】
[0029]如圖1所示，一種基于可見光與激光雷達圖像的稀疏地物分類與標(biāo)示方法，包括以下4個步驟:
[0030]步驟1:獲得僅包含地物的二值化的 nDSM (Normalized Digital Surface Model)圖像；
[0031]步驟2:從可見光圖像中提取與步驟I中nDSM圖像對應(yīng)的圖像區(qū)域，用分類器判斷這些圖像區(qū)域的類別；
[0032]步驟3:得到可見光圖像中僅包含地物區(qū)域的圖像；
[0033]步驟4:通過上述步驟得到的信息對地物區(qū)域圖像進行分類與標(biāo)示。
[0034]如圖2所示，所述的步驟1:得到僅包含地物的二值化的nDSM圖像，其特征包含以下步驟:
[0035]步驟1.1:設(shè)定高度閾值，進一步濾除nDSM圖像中的地面點或噪聲點，得到僅包含地物的nDSM圖像。即對激光雷達數(shù)據(jù)分別進行濾波和插值操作，得到數(shù)字地面高程模型DEM (Digital Elevat1n Model)