传统的点云监督分类大多需要设置大量参数及语义规则对错分现象进行优化,导致该过程自动化程度不高,且在分类过程中往往忽略了训练集对分类结果的影响。考虑到上述问题,提出了一种针对倾斜摄影测量点云的分类框架。该方法首先利用信息熵改进传统随机森林,充分挖掘训练集的潜在信息,然后引入循环置信传播对错分现象进行优化。研究表明,所提出的分类框架自动化程度高,有较强的适用性,不仅能够优选出一组适用于该分类模型且具有较好分类能力的子训练集,而且可提高分类的精度和效率,改善单点分类的"椒盐"现象。
科研之友
微信
新浪微博
Facebook
分享链接
