基于高程纹理的数据分割

5.5.2　基于高程纹理的数据分割

纹理普遍存在于万物之表面，有的很容易被人们察觉，如木纹、布纹、指纹;有的却不易让人感觉到它的存在，如一张白纸或光滑的金属加工表面，初看起来，似乎是一个均匀表面，但是在放大镜下，却能清楚地找到纸上的纤维花纹和金属表面上的加工纹理。纹理是图像中的一个重要特征，至今尚无公认的严格定义。通常认为，纹理在图像上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同的特点。纹理大致可分为两大类:一类是规则纹理，另一类是准规则纹理。

在机载激光雷达测量系统中，不同的物体或同一物体不同的部位，其局部高程的变化而形成的高程起伏(高程纹理，Height Texture)是识别地物的重要特征。Maas(1999)利用这种高程起伏自动分割密集的激光数据，并识别出如房屋、独立树、地面植被以及道路等地物。高程纹理分析分割(Maas，1999a;Elberink，et al，2000)实际上是借助于图形图像理解中的纹理分析原理，只不过这里定义的纹理是基于高程信息。激光脚点数据提供了每个激光脚点的高程信息。局部范围系列数据脚点间的高程变化就形成一定的“高程纹理”(见图5-15和图5-16)，这种局部高程纹理能反映出物体某些重要的特征信息。激光雷达测量数据局部高程变化而形成的高程纹理本身就可作为分割信息源。根据不同的纹理特性可区分人工地物和自然地物。

图5-15　高层建筑物地区激光脚点形成的三维点云

纹理可定性或定量地定义为局部区域的高程变化以及由此产生的对比度、均匀性等物理的特性(Elberink，et al，2001)。纹理主要反映图像面元灰度级属性以及它们之间的空间关系。下面给出几种常用的定义高程纹理的方式。

(1)原始高程数据:原始高程数据主要考虑分割一边是高的物体，如房屋、树，另一边是平坦地面或街道的情形。如果测区为山区，先将原始高程数据通过高通滤波。

(2)高程差:各像素周围一定窗口范围内高程的最大值和最小值之差值，如果地物为屋顶或街道，那么其值一般接近于零;如果地物是树等植被，那么其值相差悬殊。

(3)高程变化:描述一定窗口范围内高程值的变化规律，这种高程纹理与高程差形成的高程纹理有相似之处。

图5-16　树林区域激光脚点形成的三维点云

(4)地形坡度:针对每个像素邻域，其最大坡度由x、y分量方向的坡度决定，坡度影像(Slope Image)可作为区分倾斜屋顶和水平屋顶、街道和树等地物的重要信息源。当然，还可以利用各种算子(Sobel、Laplace、Filtering等)对内插后的原始高程数据进行一定的处理，获得各种新的高程数据，然后利用现有的图形图像分割算法进行分类分割(Maas，1999b)。为了减少小物体，如天线和烟囱上的孤立激光脚点的干扰，一般要进行中值滤波。该方法的缺点是目前需要内插成规则格网，这会带来内插误差，另外，还要求保证一定的数据密度。