典型文献
超体素约简和谱聚类结合的机载LiDAR点云单木分割
文献摘要：
为提高机载LiDAR点云数据的单木分割精度和效率,本文提出了一种基于Nystr?m的谱聚类算法.该算法基于谱聚类方法,同时引入了mean shift体素化和Nystr?m方法,在保持谱聚类算法优越表现的同时,大幅降低了谱聚类算法的空间和时间复杂度.首先,用mean shift方法将点云数据转换到体素空间以合理压缩数据量,使用带有体素权重的高斯相似度函数在体素空间中构造相似图.然后,使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值.接下来,使用K-means方法在特征空间中进行聚类,并将结果映射回原始点集以获得单木的聚类点.最后,直接从单木聚类中获取单木参数.在黑龙江省孟家岗林场的实验结果表明:本算法有效改进了谱聚类算法,以牺牲5％的分割精度为代价将分割效率提升了约96倍;与K-means方法相比,本算法在分割精度和计算效率方面均表现更优;从分割结果中提取的树高参数具有较高的精度,R2和RMSE值分别为0.86和1.62 m.本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法,可以用来进行单木点云分割和单木因子提取.
文献关键词：
遥感;机载激光雷达;点云;单木分割;谱聚类;Nyström 方法;体素化
中图分类号：
作者姓名：
王伟伟;庞勇;杜黎明;张钟军;梁晓军
作者机构：
中国林业科学研究院资源信息研究所,北京 100091;北京师范大学 人工智能学院,北京 100875;国家林业和草原局林业遥感与信息技术重点实验室,北京 100091
文献出处：
引用格式：
[1]王伟伟;庞勇;杜黎明;张钟军;梁晓军-.超体素约简和谱聚类结合的机载LiDAR点云单木分割)[J].遥感学报,2022(08):1650-1661
A类：
B类：
超体素,约简,LiDAR,单木分割,点云数据,Nystr,谱聚类算法,聚类方法,shift,体素化,空间和时,时间复杂度,数据转换,换到,数据量,相似度函数,相似度矩阵,特征向量,接下来,means,特征空间,射回,始点,点集,单木参数,黑龙江省,孟家,林场,计算效率,树高,高参数,数具,RMSE,点云分割,分割方法,单木因子,因子提取,机载激光雷达
AB值：
0.315164
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
