| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 1783927 | 1524111 | 2016 | 6 صفحه PDF | دانلود رایگان |
کلیدواژه‌ها
1. مقدمه
2. روش فیلترینگ مبتنی بر آنتروپی شانون برای توده نقاط لیدار
2-1 اصل بیشینه‌سازی آنتروپی شانون
2-2 اصل فیلتر مبتنی بر آنتروپی شانون برای فیلتر توده داده‌های لیدار
2-3 پیاده‌سازی فیلترینگ مبتنی بر آنتروپی
3. نتایج
4. نتیجه‌گیری
شکل 1. هیستوگرام سطوح برای یک نوع اطلاعات
شکل 3. پیش‌پردازش توده نقاط توسط پنجره متحرک در شبکه‌ها
شکل 2. فلوچارت روش فیلترینگ مبتنی بر آنتروپی
شکل 4. فلوچارت روش فیلترینگ پیشنهادی
شکل 5. شش مجموعه داده هوابرد لیدار که برای تایید تجربی روش‌های فیلترینگ پیشنهادی انتخاب شده‌اند. داده‌ها بخشی از مجموعه ISPRS می‌باشند که توسط لیزر در باند NIR (960 یا 1064 نانومتر) به دست آمده‌اند.
شکل 6. مجموعه داده‌های شکل 5 فیلترشده توسط روش پیشنهادی که مجموعه داده‌های زمینی حاصل را نشان می‌دهند
جدول 1. مقایسه خطای کل بین روش فیلترینگ پیشنهادی و هشت روش فیلترینگ کلاسیک [15]. مقادیر کمینه هشت روش فیلترینگ کلاسیک با فونت درشت برای هر مجموعه داده نشان داده شده‌اند.
شکل 7. خطاها از روش فیلترینگ پیشنهادی
Parameter-tuning is a challenging task when generating digital terrain models from airborne laser scanning (light detection and ranging, LiDAR) data. To address this issue, this paper presents a filtering method for near-infrared laser scanning data that exploits the principle of entropy maximization as the optimization objective. The proposed approach generates ground elevation of point cloud by constructing a triangulated irregular network, calculates the entropy of the elevation from different parts, and automatically separates ground and non-ground points by the principle of entropy maximization. Experimental results from different ground surfaces show that the proposed entropy-based filtering method can effectively extract bare-earth points from the point cloud without adjusting thresholds.
Journal: Infrared Physics & Technology - Volume 75, March 2016, Pages 87–92