针对从非地面点云数据中难以自动分类植被和建筑物的问题,提出一种航空影像辅助的机载LiDAR(Light Detection and Ranging)植被点云分类方法。根据植被的光谱特征明显不同于其他地物这一特点,在生成数字正射影像的基础上,首先利用K均值(K-means)聚类算法对影像进行聚类和图像增强,然后将增强后的影像和对应区域的点云数据进行融合,最后通过影像处理结果对机载LiDAR植被点云进行分类。选取某城市的机载LiDAR植被点云数据和航空影像进行实验,定量分析结果显示所提方法的总分类精度为96.47%,Kappa系数为0.9248,该方法能够达到点云中植被自动分类的目的。

由于红外热像仪采集的热红外影像存在大量的噪声、边缘信息模糊难提取, 因此, 提出了一种基于 Laplace算子和灰色关联度相结合的边缘检测方法。该方法首先引进数学形态学对含有噪声的热红外影像进行形态学滤波, 然后利用 8邻域的 Laplace算子作为参考序列, 计算参考序列与系统序列之间的关联度得出关联度矩阵, 再给定阈值判断是否为边缘点, 最后细化影像。基于 MATLAB进行仿真实验, 结果表明: 该算法对具有噪声的热红外影像具有较好的抗噪效果, 能检测出传统方法不能提取的边缘细节信息, 通过调整阈值可以控制检测的边缘信息量, 是一种较好的边缘检测方法。