[发明专利]一种激光雷达数据和高光谱图像的点云级融合方法

权利要求书

1.一种激光雷达数据和高光谱图像的点云级融合方法，其特征在于，包括：

获取激光雷达数据以及高光谱图像数据；

对所述激光雷达数据以及所述高光谱图像数据进行预处理；

将预处理过的所述激光雷达数据以及所述高光谱图像数据进行分割，分割成同质区域以及异质区域；

将所述同质区域中距离凸面单形体中心点最远的端元作为所述同质区域的代表端元，将所述代表端元结合所述异质区域的端元组合成初始的端元矩阵；

对混合光谱进行非负矩阵分解得到初始的丰度矩阵；

构建非负矩阵解混目标函数，迭代更新所述丰度矩阵以及所述端元矩阵；

对更新后的所述端元矩阵中大于预置的丰度阈值的数据向量作为最终端元，得到最终端元矩阵；

在固定所述最终端元矩阵的前提下，对更新后的所述丰度矩阵进行优化，得到最终丰度矩阵；

根据高光谱图像数据的所述最终丰度矩阵的丰度信息，采用双线性内插法获得对应的激光雷达数据的丰度矩阵；

利用所述激光雷达数据的丰度矩阵与所述最终端元矩阵进行融合，得到高光谱点云。

2.根据权利要求1所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，在所述获取激光雷达数据以及高光谱图像数据之前，还包括：

将激光雷达传感器、高光谱图像传感器及定位系统传感器的坐标原点安装固定在同一点。

3.根据权利要求1所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，所述对所述激光雷达数据以及所述高光谱图像数据进行预处理，包括：

对所述激光雷达数据进行几何校准，对所述高光谱图像数据进行辐射校准。

4.根据权利要求3所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，在所述对所述激光雷达数据进行几何校准，对所述高光谱图像数据进行辐射校准之后，还包括：

采用光线追踪将高光谱图像数据与对应的激光雷达数据进行空间对齐。

5.根据权利要求4所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，在所述采用光线追踪将高光谱图像数据与对应的激光雷达数据进行空间对齐之后，还包括：

对激光雷达传感器以及高光谱图像传感器进行光谱适应，使得激光雷达传感器以及高光谱图像传感器在光谱上对齐。

6.根据权利要求1所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，所述对混合光谱进行非负矩阵分解得到初始的丰度矩阵，具体为：

线性混合模型将混合光谱表示为：

Y_i＝WH_i+N_i

其中Y_i∈R^L*1表示第i个像素中测得的混合光谱，W∈R^L*M是M个端元矩阵，即为所述初始端元矩阵，H_i∈R^M*1表示各端元在混合光谱中所占丰度分数，N_i∈R^L*1是与建模误差和噪声；

对混合光谱进行非负矩阵分解得到初始的丰度矩阵。

7.根据权利要求1所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，所述构建非负矩阵解混目标函数，迭代更新所述丰度矩阵以及所述端元矩阵，具体为：

s.t.W_I≥0,H_I≥0

其中，

式中，φ(.)是全变差正则化函数以约束丰度图的空间相干性；Y_H为混合光谱；W_I，H_I分别是所述端元矩阵和丰度矩阵；ω_ij是描述丰度矢量h_i和h_j之间的空间相似性的权重；e_i和e_j是与由数字表面模型提供的第i个和第j个像素相关联的高度，Q_i是归一化常数，确保∑_j∈N(i)ω_ij＝1，并且是控制权重范围的参数。

8.根据权利要求1所述的激光雷达数据和高光谱图像的点云级融合方法，其特征在于，在所述根据高光谱图像数据的所述最终丰度矩阵的丰度信息，采用双线性内插法获得对应的激光雷达数据的丰度矩阵之后，还包括：

根据高光谱图像的所述最终端元矩阵获得对应的激光雷达数据的端元矩阵。