陈 杰 张志林 汤奕琛 陈 晨 许 杰，4，5

（1.国网福建省电力有限公司漳州供电公司，福建 漳州 363000；2.国网福建省电力有限公司，福建 福州 350025；3.中国空间技术研究院，北京 100094；4.天津航天中为数据系统科技有限公司，天津 300462；5.天津市智能遥感信息处理技术企业重点实验室，天津 300462）

激光点云数据和多光谱影像数据都是在地物上空采集的数据，二维多光谱图像数据包括了光谱信息[1-3]，激光点云数据包括了地物的空间信息[4-6]，二维多光谱图像与激光点云数据相比，它缺少一个维度的信息量[7]，利用拼接正摄影像数据并经过地理坐标将多光谱影像数据中地物的表层光谱信息对应到相应的激光点云数据上进行数据对准，可以实现多光谱数据与激光雷达数据的融合。

1 技术路线

数据融合技术采用的技术路线如图1 所示。首先，多光谱与激光雷达数据融合技术对多景的多光谱图像进行配准、空三解算、区域网平差以及匀光匀色等预处理；其次，对多光谱影像进行拼接；再次，以点云空间坐标的平面为准索引，融合多光谱数据，如果点云有匹配的多光谱数据，则进行插值；最后，得到融合多光谱后的激光点云数据。多光谱影像数据分别由单独设计的光谱相机所拍摄，具有不同的相机畸变和内外参数误差，因此需要分别对不同通道的光谱数据进行图像拼接处理，处理过后的图像与激光点云数据进行融合。因为拼接正摄影像为正摄图，所以激光点云坐标只取前两项的平面坐标作为索引值，由于影响数据为栅格离散数据，而激光点云数据为精确的连续坐标值，因此需要对数据进行插值计算，获取点云对应的精确反射率值。经过插值计算后，每个点云都能索引一组对应的光谱反射率值，该值为12 bits 数据，由于LAS 数据只提供了RGB 3 个通道的光谱数据字段，因此要额外存储2 个波段就要占用其他字段存储多余的2 个波段数据并写入多光谱数据，进而实现多光谱雷达数据的融合。

图1 多光谱与激光雷达数据融合技术路线图

2 数据压缩

因为原始数据本身较小，所以进行有损压缩时主要考虑实际问题，此时发现有额外的可用信息，那就是压缩前的数据量是固定的，数据意义明了，如果默认12 bits 数据的最后3 bits 固定为0，那么只须保存原始数据的前9 bits，数据恢复时，只须补全后三位即可；分析此时数据的损失情况，后三位数据最大能表示的数值为8，而12 bits 数据最大能表示的数值为4 095，那么这最后三位数据只占全部12 bits 数据范围的0.195%，该损失对后续光谱数据分析的影响很小。

为了能够尽可能地保留更多的信息，使2 种压缩方法组合在一起，即无损压缩加有损压缩，具体技术路线如图2、图3 所示（多光谱数据的5 个波段分别为R（红）、G（绿）、B（蓝）、IR（近红外）以及R_edge（红边）, 均为12 bits 数据；Flag为标志，取值为0 或1）。

图2 数据编码（压缩）流程

图3 数据解码（解压）流程

压缩过程中，优先进行无损的霍夫曼编码，当编码后的数据总量不满足要求时，即压缩后数据量没有减少或者大于47 bits 时，就改为采用有损压缩的方法，同时，利用48 bits 的最后一位标注该组编码是有损压缩还是无损压缩的结果。解压流程是压缩流程的逆过程。采用霍夫曼编码分析无损编码的数据存储过程如图4 所示。

图4 霍夫曼编码

最后一位标志为0，表示该组数据为霍夫曼编码，此时，编码数据小于47 bits，剩余空位补0。解压时，先盘算最后一位是否为0，确定为霍夫曼编码后，从头开始解码，直到解码结果为60 bits 为止。当霍夫曼压缩不满足要求时，就采用有损压缩方法。

如图5 所示，有损压缩尽可能保留信息量更大的部分，舍弃信息量小的最后3 bits，此时，只需要45 bits 就能保存有损数据，而最后一位需要标记为1，表示为有损压缩，此时还剩余2 个空位，为了充分利用数据，求5 组光谱数据的最后三位所表示的值的均值，并将该均值的前两位存储在2 个空位上，进一步减少数据损失。在进行数据解码时，直接将前9 bits 赋值到12 bits 中的前9 个位置上，后三位直接赋值为密码组的最后三位即可，此时建议数据损失不要减少到0.195%，理论上平均信息损失量能够达到0.098%。

图5 有损压缩方法

3 多光谱数据写入

LAS 文件剩余2 个12 its 数据记录在GPS Time 字段，由于该字段是双精度浮点类型，经研究，最简单有效的方式是将其中1 个16 bits 数据记录为double 型的整数部分，另外一个16 bits 数据记录到小数部分，整数部分数据可以完全恢复，小数部分数据会有小于等于1 的数据损失，该损失可以忽略不计。利用目前空余的GPSTime 字段存储剩余2 个波段数据，最终生成带有光谱信息的激光雷达点云数据，将其作为后续处理的数据输入。

4 多光谱激光雷达数据融合

遍历激光雷达数据，取其平面坐标为索引值，按照该索引值搜索对应的多光谱拼接影像数据，为了提高数据的准确性，对索引值对应点位进行插值，由于图像数据为二维数据（如图6 所示），因此采用双线性插值方法进行插值。

图6 中P点为精确的图像像素坐标值（x，y）（double），4 个相邻点位的像素坐标为Q11（x1，y1）、Q12（x1，y2）、Q21（x2，y1）和Q22（x2，y2），P点的像素值受个像素影响，距离越近，权重越大，先求出R1（x，y1）、R2（x，y2）点的光谱信息f（R1）、f（R2），具体的插值计算如公式（1）～公式（3）所示。

图6 二维数据双线性插值

利用双线性插值能够得到更加精确的光谱值，将该值作为激光点云对应的光谱数据写入点云的字段中进行保存，根据激光点云数据LAS 数据格式标准，融合后的点云还需要具备可视化展示功能，至少需要RGB 3 个波段存储真彩色数据，另留存2 个字段保存红外和红边波段数据，利用数据压缩后，进一步占用其他字段写入多光谱数据。

融合后的点云数据主要用于展示、识别和分割等操作，GPSTime 被闲置，而GPSTime 共有8 Byte（64 bits）空间，但是double 数据类型是双精度数据值，不是直接利用64 bits直接存储的结果，而是在进行了一系列的数据运算后再进行数据存储的。为了减少字段占用，采用整数、小数分别保存的方法存储2 个波段的光谱反射率数据，实现了多光谱数据与激光雷达数据的融合。

5 结语

通过研究无人机平台搭载相应载荷采集的多光谱影像与激光雷达点云数据的特点，以点云空间坐标的平面为基准索引融合多光谱数据，采用数据有损压缩结合无损压缩的方法对数据进行压缩；进一步采用插值的方法对2 种类型的遥感数据进行信息融合，并剔除不必要的信息，使激光雷达点云数据同时具有三维空间信息和地物光谱信息，弥补了二维影像在地物反射特性表达上的不足，综合利用多光谱数据与激光雷达数据的数据优势，为后续的数据分析提供了良好的数据基础。