基于激光光谱遥感图像处理的地理信息系统研究_张懂庆.pdf

第 46 卷 第 6 期2023 年 6 月测绘与空间地理信息GEOMATICS SPATIAL INFOMATION TECHNOLOGYVol 46，No 6Jun，2023收稿日期:20211011作者简介:张懂庆(1989)，男，甘肃天水人，注册测绘师，工程师，学士，主要从事测绘、地理信息、无人机航测、计算机应用等方面的工作。基于激光光谱遥感图像处理的地理信息系统研究张懂庆1，2，米喜红1，张繁荣3(1 甘肃省地质矿产勘查开发局第一地质矿产勘查院，甘肃 天水 741020;2 甘肃地矿生态环境修复设计研究院环境损害司法鉴定所，甘肃 天水，741020;3 甘肃省煤田地质局综合普查队，甘肃 天水 741000)摘要:为进一步提高激光雷达技术的应用成效，本文提出一种基于激光光谱遥感图像处理的地理信息系统，此系统主要由数据管理模块、地理信息处理模块、场景控制模块以及数据传输模块等四大模块组成。在应用过程中，系统会将激光雷达技术所获取的光谱遥感图像快速处理为地理信息处理模块可以接收和处理的融合图像信息，进而提高系统地理信息处理和显示效率及效果，提高系统应用性能，为数字城市建设提供相应的地理信息支持。关键词:激光雷达;激光光谱遥感图像处理;地理信息系统中图分类号:P208文献标识码:A文章编号:16725867(2023)06014803esearch on Geographic Information System Based on LaserSpectral emote Sensing Image ProcessingZHANG Dongqing1，2，MI Xihong1，ZHANG Fanrong3(1 First Institute Geological and Mineral Exploration of Gansu Provincial Bureau of Geology and Mineral esources，Tianshui 741020，China;2 Environmental Damage Forensic Institute of Gansu Geology and Mining EcologicalEnvironment estoration Design and esearch Institute，Tianshui 741020，China;3 Comprehensive Census of Gansu Coal Field Geological Survey Team，Tianshui 741000，China)Abstract:In order to further improve the application effect of Lidar technology，this paper proposes a geographic information systembased on laser spectral remote sensing image processing，which is mainly composed of four modules:data management module，geo-graphic information processing module，scene control module and data transmission module In the application process，the system willquickly process the spectral remote sensing image obtained by LiDA technology into fused image information that the geographic infor-mation processing module can receive and process，thereby improving the efficiency and effectiveness of the systems geographic infor-mation processing and display，and improving the systems application performance，and providing corresponding geographic informa-tion support for the construction of digital citiesKey words:LiDA;laser spectral remote sensing image processing;GIS0引言现如今，地理信息系统(GIS)已经在建筑、交通、测绘等诸多领域中得到广泛应用，并且随着相关技术的不断发展成熟，其所发挥出的作用也在不断增大。不过随着数字城市建设的持续推进，如今地理信息系统也需要同步发展，使得地理信息系统可以对目标物体的地理信息及其相关属性数据进行实时获取，并同时将地理信息与属性数据自动关联，为数字城市建设提供更为精准有效的地理信息支持。但结合实际情况来看，现有的 ACMIS系统存在不可视化、运行效率低以及信息描绘结果粗糙等问题，难以满足数字城市建设的实际需求。因此，本文提出一种基于激光光谱遥感图像处理的地理信息系统，并由此来解决现有 ACMIS 系统所存在的一系列问题，为数字城市建设提供相应的地理信息支持。1基于激光光谱遥感图像处理的地理信息系统设计1 1系统架构设计基于激光光谱遥感图像处理的地理信息系统主要由数据管理模块、地理信息处理模块、场景控制模块以及数据传输模块等四大模块组成。其中数据管理模块可以通过 GNSS 设备和激光雷达遥感设备共同对目标地物地理信息和属性信息进行采集获取;地理信息处理模块则是通过三维地理信息模型对数据管理模块所采集的地理信息及属性信息进行描述处理;场景控制模块主要用于分析目标地物实际地理场景，促使系统主循环正常运行，促使系统实际地理信息定位更快精准有效;数据传输模块则是通过 S422 协议来达成用户与服务端之间的数据交互，保障系统数据的快速传输1。1 2数据管理模块数据管理模块作为基于激光光谱遥感图像处理的地理信息系统的核心模块，其设计架构如图 1 所示。图 1数据管理模块设计架构Fig 1Data management module design architecture具体来说，数据管理模块主要是通过 GNSS 设备和激光雷达设备来实时获取目标地物地理信息和属性信息，并在获取信息后，通过系统软件对相关信息进行预处理，预处理后的激光光谱遥感图像将会发送至地理信息模块2，结合 ADVJP2000 芯片共同完成激光光谱遥感图像的快速处理，最终为地理信息系统提供更为精准有效的目标地物相关信息。1 3地理信息处理模块在系统中，地理信息处理模块将会通过 OpenGL 函数来对激光光谱遥感图像进行地理信息三维描绘，并将描绘后的结果对地理环境中的实际地物进行替换和渲染，获取目标地物的三维地理效果图。不过，现有的地理信息系统大多是采用一维地理信息和二维地理信息相融合的地理数据表达方法，此种表达方式直观立体水平较差，不利于数据使用者的直接观察分析3。对此，在设计过程中将会基于三维立体视角，将文本信息、曲线信息、遥感数据信息等诸多种类信息均融入地理信息系统中，同时采用三维地理信息模型 OpenGL 函数对相关数据进行有效描述和分析，最终获取到目标地物的实际三维立体模型结构，完成对目标地物的三维处理。1 4场景控制模块场景控制模块可以为系统提供虚拟场景中物体与实际场景中地物进行精准配对关联的效果。在三维图像注册过程中，场景控制模块将会对实物场景进行综合分析，然后根据分析结果从数据库中筛选出对应的数据及内容，达成精准配对效果。此外，场景控制模块还能对虚拟地物信息和属性信息进行可视化控制，从而为系统的主循环运行提供重要支持4。具体来说，场景控制模块以互联网作为数据传输媒介，促使系统中经过数据管理模块处理后的数据信息进行融合，并完成对 GNSS 数据的解析处理。1 5数据传输模块数据传输模块作为实现用户与服务端之间实现数据通信的重要保障，模块中心服务器可以保障系统计算机设备能够在有线网络、无线网络的支持下正常运行。具体来说，数据传输模块的设计架构如图 2 所示5。图 2数据传输模块设计架构Fig 2Data transmission module design architecture系统采用 S422 协议，数据传输模块在系统中主要为数据管理模块、地理信息处理模块以及场景控制模块提供数据交互串口，进而保障系统各模块之间的数据交互效果。1 6激光光谱遥感图像处理基于激光光谱遥感图像处理的地理信息系统会对激光光谱遥感图像进行融合处理，即将激光雷达所采集的光谱遥感图像转换为地理信息处理模块可接收的融合图像数据。在此过程中，假设光谱遥感图像 I(x，y)的实际呈现位置位于一个不变的环形区域内，那么在经过直方图的均衡处理以后，图像上的像素点便可以通过 P(x，y，L(x，y，)表示，对光谱遥感图像中的特征点进行文本采集以后，通过边缘特征检索的方式来对图像中不发达地区的复杂地理环境条件下地物几何形状进行综合分析，再通过雅可比矩阵来对所采集的信息元素进行精准表示6，见式(1):J(x，y，)=PxPy()=10Lx(x，y，)01Lx(x，y，)()(1)通过 H(x，y，)一阶矩阵将原本的彩色光谱遥感图像转换为更有利于计算机识别和应用的灰度图像，见式(2):H(x，y，)=JJT=1+L2x(x，y，)Lx(x，y，)Ly(x，y，)Lx(x，y，)Lx(x，y，)1+L2y(x，y，)()(2)假设激光雷达所采集的原始光谱遥感图像为 F，而经过一阶矩阵转换以后的灰度图像为 G，并且所有角点检测均处于高斯曲率闭合区域内，那么便可通过光谱遥感图941第 6 期张懂庆等:基于激光光谱遥感图像处理的地理信息系统研究像中的像素点二阶矩阵和一阶矩阵进行除法操作，来获取激光雷达所采集到的光谱遥感图像的高斯曲率强度函数值7，见式(3):(x，y)=det(M)det(H)=Lxx(x，y，)Lyy(x，y，)Lxy(x，y，)+Lxy(x，y，)1+L2x(x，y，)L2y(x，y，)(3)通过对激光雷达所获取的光谱遥感图像中的 HarrisLaplace 角点进行关联角筛选检测分析，并以此为基础进行微分尺度 D和积分尺度 1的合并，在合并结果上采集图像像素点的二阶矩阵，获取到实际轨迹表达式8，见式(4):trace(x，y，)=(Lxx(x，y，)+Lyy(x，y，)(4)在对光谱遥感图像完成二值化处理以后，便可实时对图像角点尺度进行测量操作，从而获取不同光谱遥感图像的轨迹风险矩阵，同时将尺度 引导到图像像素点的一阶分解中，获取到激光光谱遥感图像的多光谱遥感序列，完成激光光谱遥感图像的融合处理操作9。2实验分析为能够确定本文所提出的基于激光光谱遥感图像处理的地理信息系统应用成效，实验过程中将会对本系统与现有的 ACMIS 系统进行对比测试分析，具体分析内容为响应时间，具体测试操作为测试在相同系统并发情况下，本系统和 ACMIS 系统的地图操作、车辆定位以及轨迹回访 3 种条件下的响应速度。具体测试结果见表 1。表 1本系统与 ACMIS 系统平均响应时间对比分析Tab 1Comparative analysis of average response time between this system and ACMIS system系统并发(人)地图操作(s)车辆定位(s)轨迹回放(s)本系统ACMIS 系统本系统ACMIS 系统本系统ACMIS 系统02 52 51 0252 3555 618 61202 73 21 0362 9465 8214 59402 94 51 0423 6146 3019 56603 15 81 0484 6486 5624 58803 37 21 0555 1447 0035 551004 99 51 2746 3449 3142 571205 212 51 3467 6749 2656 171405 917 51 4138 3379 6878 641606 125 51 5579 61110 34102 211807 431 41 67711 25212 31142 612007 642 71 76815 33614 31158 552208 149 51 94217 24715 19175 142408 452 52 02120 30316 24191 54由表 1 可知，随着系统并发数量的持续增加，本系统和 ACMIS 系统的平均响应时间也在持续增加，但相对于ACMIS 系统来说，本系统平均响应时间更短，在实际应用过程中将会表现出更好的应用成效，尤其是在系统并发超过 100 人以后，相对于 ACMIS 系统平均响应时间成倍增长的情况来说，本系统虽然也会出现一定的响应时间增长情况，但同比分析下可以确定本系统具有更为良好的运行稳定性。此外，为能够进一步对比本系统和 ACMIS 系统在不同并发数量下的运行性能，本文还从处理机队列长度、网络传输量以及内存占比 3 个方面对本系统和 ACMIS 系统性能进行对比测试分析，具体测试结果见表 2。表 2本系统与 ACMIS 系统平均运行性能对比分析Tab 2Comparative analysis of average operating performance between this system and ACMIS system系统并发(人)处理机队列长度(%)网络传输量(%)内存占比(%)本系统ACMIS 系统本系统ACMIS 系统本系统ACMIS 系统08 67 40012 812 2209 814 68 88 618 215 24012 726 312 812 520 926 36016 427 221 417 121 228 98018 928 128 719 322 432 610019 229 437 422 625 137 812019 329 642 424 927 639 914019 530 147 528 128 344 516019 830 655 430 229 456 118020 331 459 632 630 260 320022 132 562 134 731 370 122023 435 166 646 532 575 224025 137 984 353 234 478 0(下转第 154 页)051测绘与空间地理信息2023 年3结束语本文针对现有建筑物提取方法存在的问题，从建筑物提取的每个阶段进行分析，提出多特征自适应融合的建筑物提取方法。通过交叉核函数多不同特征进行自适应融合处理，充分挖掘影像信息，引入单分类框架分类器，减少样本数据选取工作;针对提取结果存在漏洞与“椒盐噪声”现象，结合多尺度分割算法生成空间约束范围，进行基于影像对象的建筑物提取;在利用建筑物形状特征参数对提取建筑物进行精细化处理，进一步提高建筑物提取精度。参考文献:1刘星雨，王建，朱恰，等 基于深度学习差值分析的高分影像建筑物变化检测J 北京测绘，2021，35(5):583589 2宋旭东，曹文峰，冯德俊，等 基于高分遥感影像的建筑物侧面信息提取及其高度计算 J 北京测绘，2020，34(3):296300 3胡云锋，张千力 结合形态学和光谱特征参数的建筑物阴影提取及其高度估算J 测绘通报，2018(6):2226 4王子明 一种结合数字表面模型的建筑物提取方法 J 地理空间信息，2019，17(1):3840 5HUANG X，ZHANG L Morphological building/Shadowindex for building extraction from highresolution imageryover urban areasJ Selected Topics in Applied EarthObservations emote Sensing IEEE Journal of，2012，5(1):11172 6HUANGX，YUAN W，LI J，et al A new building extrac-tion postprocessing framework for HighSpatialesolutionemoteSensing ImageryJ IEEE Journal of SelectedTopics in Applied Earth Observations and emote Sens-ing，2017，10(2):115 7胡荣明，黄小兵，黄远程 增强形态学建筑物指数应用于高分辨率遥感影像中建筑物提取J 测绘学报，2014，43(5):514520 8王志盼，沈彦，王亮，等，单类分类框架下的高分辨率遥感影像建筑物变化检测算法 J 武汉大学学报(信息科学版)，2020，45(10):1 6101 618 9刘义志，赖华荣，张丁旺，等 多特征混合核 SVM 模型的遥感影像变化检测J 国土资源遥感，2019，31(1):1621 10黄昕 高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究 D 武汉:武汉大学，2009 11Avudaiammal，Elaveni P，et al Extraction of Buildingsin urban area for surface area assessment from satellite im-agery based on morphological building index using SVMClassifierJ Journal of the Indian Society of emoteSensing，2020，48(10):1 3251 344 编辑:张曦(上接第 150 页)从表 2 可知，随着系统并发数量的持续增加，本系统和 ACMIS 系统的各类服务资源的占用率也在持续增加，并且在并发数量为 240 人时，2 种系统的各类服务器资源占用率达到最大值，其中在处理机队列长度方面，本系统最大值为 25 1%，而 ACMIS 系统的最大值则为 37 9%;在网络传输量方面，本系统的最大值为 84 3%，而 AC-MIS 系统的最大值仅有 53 2%;在内存占比方面，本系统的最大值为 34 4%，而 ACMIS 系统的最大值则为78 0%。由此可见，本系统实际运行性能更为优秀，不仅可以提高系统整体网络使用率，还能够降低内存占比和缩短处理机队列长度，进而提高系统运行速率，避免系统在运行过程中出现卡顿等问题，提高用户的使用体验效果。因此，综合分析后可以发现，本系统具有良好的应用价值，可在当前数字城市建设过程中进行普及应用。3结束语综上所述，本文提出的激光光谱遥感图像处理地理信息系统，相对于现有的 ACMIS 系统来说，无论是在响应速度方面，还是在网络使用、内存占比以及处理机队列长度方面均有着良好的应用成效，说明本系统在当前数字城市建设的大背景下具有良好的应用价值，可以基于本文所提出的架构设计，结合各地区的实际情况具体完成地理信息系统设计，进而为数字城市建设提供重要的地理信息支持。参考文献:1陈智虎，童倩倩，赵泽英，等 基于无人机的高光谱遥感图像采集和处理技术研究J 贵州师范大学学报(自然科学版)，2019，37(5):5257 2万欢，孙昕，周浩澜，等 基于决策树的无人机高光谱遥感影像地物分类研究 J 河北农业科学，2019，23(1):101104，108 3张爱武，董喆，康孝岩 基于 XGBoost 的机载激光雷达与高光谱影像结合的特征选择算法J 中国激光，2019，46(4):150158 4吴莉娟，姚啸 基于 GF1 号遥感影像的森林小班蓄积量自动提取研究 J 科技创新，2020(17):6970 5王硕 基于多光谱遥感影像的城市建设用地提取及扩张分析 J 数字化用户，2019，25(32):251 6赵扬，杨清洁 基于改进的三维卷积神经网络的高光谱遥感影像分类技术研究J 信息技术与网络安全，2019，38(6):4651 7徐爽，刘贵珊 基于激光束匹配的高光谱遥感图像压缩重构算法 J 激光杂志，2020，41(12):8892 8徐冬宇，厉小润，赵辽英，等 基于光谱分析和动态分形维数的高光谱遥感图像云检测J 激光与光电子学进展，2019，56(10):93101 9林沂，张萌丹，张立福，等 高光谱激光雷达谱位合一的角度效应分析J 遥感技术与应用，2019，34(2):225231 编辑:任亚茹451测绘与空间地理信息2023 年