基于多元GMM的机载多光谱LiDAR点云空谱联合分类

王丽英, 马旭伟, 有泽, 王世超, CAMARA Mahamadou

Spatial-spectral joint classification of airborne multispectral LiDAR point clouds based on the multivariate GMM

WANG Liying, MA Xuwei, YOU Ze, WANG Shichao, CAMARA Mahamadou

表4 本文算法和其他经典算法的精度对比

Tab.4 Accuracy comparison between the proposed algorithm and other classical algorithms

算法参考文献 算法原理 联合特征 总体精度/% Kappa系数 本文算法 多元GMM 多光谱、nDSM 93.57 0.912 Huo等[10] SVM分类 多光谱、伪NDVIs、形态学剖面、多尺度形态学剖面、nDSM 93.28 0.910 Teo等[12] SVM分类 多光谱、NDFIs、曲率、nDSM 93.00 0.911 Zou等[21] 决策树分类 伪NDVI、绿化率、强度、高程、点数、返回数、类别、亮度、面积 91.63 0.895 Fernandez-Diaz等[8] 马氏距离 5个结构波段、2个波段强度 90.22 0.870 Ahokas等[15] 随机森林 多光谱、nDSM、点邻域特征 93.50 — Shaker等[18] 对数似然分类 高程、高程变化、强度、强度变化、NDWI、回波数 96.50 — Wang等[14] SVM分类 空间位置、多光谱、几何、结构 94.76 0.935