CN113592882B 一种基于无人机多源遥感的树冠提取方法 （中国林业科学研究院资源信息研究所）

US2018082424A1,2018.0US2015356721A1,2015.本发明公开了一种基于无人机多源遥感的割相结合的方法提取不同郁闭度下单木树冠信的CHM，采用分水岭分割法得到单木树冠初步分2A获取可见光影像和激光雷达点云，对激光雷达点云进行预处理得到预处理后的激光B将所述预处理后的激光雷达点云生成数字高程模型DEM和数字表面模型DSM，通过计C对所述冠层高度模型CHM进行分水岭分D所述可见光影像基于面向对象的多尺度分割算法获取树冠分布范围，对可见光正射E将所述冠层高度模型CHM获得的单木树冠边界信息作为分a对分类后的地面点点云采用不规则三角网TIN插值生成数字b以激光雷达反射的第一回波激光点为数据源采用克里金插值法生成数字表面模型c由数字表面模型DSM与数字高程模型DEM相减得到冠层高度模型CHM，CHM分辨率大小(1)建立分类体系，采用面向对象的多尺度分割算法将各样地树冠与非树冠区域分割(2)基于分类体系选择具备代表性的训练样本，并对可见光影像三个波段均值、亮度(4)在ENVI中以树冠区域为掩膜，剔除非树冠区域信息后获取树冠分布范围的可见光34[0002]树冠是森林调查的重要参数，传统的树冠参数的获取主要是[0005]通过高空间分辨率光学遥感图像的树冠提取的方法不适用于[0008]A获取可见光影像和激光雷达点云，对激光雷达点云进行预处理得到预处理后的[0009]B将所述预处理后的激光雷达点云生成数字高程模型(DEM)和数字表面模型[0011]D所述可见光图像基于面向对象的多尺度分割算法获取树冠分布范围，对可见光5[0015]a对分类后的地面点点云[0016]b以激光雷达反射的第一回波激光点为数据源采用克里金插值法生成数字表面模[0017]c由数字表面模型(DSM)与数字高程模型(DEM)相减得到冠层高度模型(CHM)，CHM[0020]进一步地，所述可见光图像基于面向对象的多尺度分割算法获[0021](1)建立分类体系，采用面向对象的多尺度分割算法将各样地树冠与非树冠区域[0022](2)基于分类体系选择具备代表性的训练样本，并对可见光图像三个波段均值[0023](3)选择优化后特征采用最近邻分类法进行面向对象分类，将树冠和非树冠区域[0024](4)在ENVI中以树冠区域为掩膜，剔除非树冠区域信息后获取树冠分布范围的可6[0040]其中(a)为中郁闭度样地目视解译结果；(b)为低郁闭样地树冠提取结果(c)为高[0046]A获取可见光影像和激光雷达点云，对激光雷达点云进行预处理得到预处理后的等预处理获得发明区样地正射影像，分辨率大小为0.05m。激光雷达数据使用软件[0050]B将所述预处理后的激光雷达点云生成数字地形模型(DEM)和数字地表模型(DSM)通过计算输出冠层高度模型(CHM)；7[0051]激光雷达图像的地物高度模型提取，采用LiMapper进行CHM分割即分水岭分割获采用上述插值方法对DEM和DSM进行空洞补充去除无效值；由DSM与DEM相减得到CHM(地物[0053](1)建立分类体系，采用多尺度分割算法将各样地冠层与非冠层区域分割为不同[0054](2)基于分类体系选择具备代表性的训练样本，并对RGB三个波段均值(Rmean、数(Shapeindex)、灰度共生矩阵的相异性(GLCMdissimilarity)、相关性(GLCM[0055](3)选择优化后特征采用最近邻分类法进行面向对象分类，将冠层和非冠层区域[0058]基于激光雷达点云数据生成的DEM、DSM和CHM如图2-4所示，当高斯平滑因子为mean[0060]D所述可见光图像基于面向对象的多尺度分割算法获取树冠分布范围，对可见光8或LiDAR数据中存在阴影或噪声的影响，导致伪单木被识别为单木或单木树冠较大导致分水岭分割时单株木被识别为多株木。根据中郁闭度和高郁闭度样地单木树冠提取的准确闭度和高郁闭度林分单木树冠提取F测度分别在88.0795.08％和78.5788.29%[0070]样地尺度上各样地树冠面积精度评价结果如表3所示，从各样地树冠面积相对误9高郁闭度1号样地提取树冠面积小于参考面积之外，其余8个样地提取面积均大于参考面冠幅与南北冠幅的平均值)与基于无人机激光雷达和可见光遥感图像提取的冠幅进行回归