[发明专利]基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法

权利要求书

1.一种基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于，包括以下步骤：

步骤1：对原始的全波形LiDAR数据进行波形分解，生成点云，提取点云的几何及波形特征；

步骤2：利用不同的小波核函数构建若干个小波支持向量机WSVM分类器；

步骤3：在每个小波支持向量机WSVM分类器内部进行参数优化；

步骤4：对小波支持向量机WSVM分类器进行集成，构成集成系统；

步骤5：采用小波支持向量机WSVM分类器集成系统对步骤1中的原始的全波形LiDAR数据分解出的点云进行分类并输出结果。

2.根据权利要求1所述的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤1中，对原始的全波形LiDAR数据使用高斯模型进行波形分解，提取点云的几何及波形特征，包括高程、高程标准差、体密度、曲率、法向量竖直角、平均竖直角、波形振幅、波形位置、波形标准差、波形强度，随后按类别选取适量点云作为训练样本。

3.根据权利要求1所述的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤2中，利用Gaussian,Shannon,Mexico Hat,Morlet和Harmonic小波函数作为母函数，构造出对应的小波核函数，并将其用于SVM模型中，获得小波支持向量机WSVM分类器。

4.根据权利要求1所述的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤3中，使用PSO算法对小波支持向量机WSVM分类器的惩罚系数C和核函数内部参数σ进行优化，以取得最优的参数组合并获得更好的分类效果。

5.根据权利要求1所述的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤4中，将步骤2中获得的5个对应的小波支持向量机WSVM分类器每个使用两次，共10个小波支持向量机WSVM分类器，使用bagging算法对小波支持向量机WSVM分类器进行集成，构成一个WSVM集成系统。

6.根据权利要求5的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤4中，首先使用bootstrap采样法生成子样本集，每个子样本集内点的个数是步骤1中总样本集中点数量的1/10，将每一个子样本集分为训练集和测试集两部分；每个小波支持向量机WSVM分类器使用PSO算法进行参数优化以获得分类的最优参数。

7.根据权利要求6的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：PSO算法在二维空间中进行搜索，将获得的参数用于训练集以获得分类模型，再将分类模型用于测试集以获得参数的分类正确率。

8.根据权利要求1-7任意一项所述的基于多小波支持向量机WSVM集成的全波形LiDAR点云分类方法，其特征在于：步骤5中，使用bagging集成算法，各小波支持向量机WSVM分类器的工作同时进行，最终将每个分类器输出的结果采用多数投票法决定最终的输出结果。