共查询到19条相似文献，搜索用时 109 毫秒
1.
机载激光雷达技术凭借着对森林冠层的穿透能力,在森林资源调查中显露出无可比拟的优势。针对林业雷达领域中的单木结构参数提取问题,本文基于局部最大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation, MCWS)提出了一种单木分割方法,并评价该方法在样地尺度上的单木分割效果,分析结果表明样地区域总体分割精度F为0.736;结合实测树高对反演树高进行相关性分析,拟合精度R2为0.907,表明本文方法能够较准确地提取单木树冠信息。 相似文献
2.
以浙江省海宁市4种代表行道树(广玉兰、无患子、悬铃木、香樟树)为研究对象,结合无人机(UAV)影像和三维激光扫描数据,利用ContextCapture、LiDAR360软件完成点云拼接、滤波、降噪和编辑,通过迭代最近点算法实现点云精细匹配,完成多平台点云数据融合,进而得到数字表面模型与数字高程模型,并制作冠层高度模型;采用分水岭分割算法对不同行道树树种的冠层高度模型进行单木分割,并综合局部最大值法实现单木树高、冠幅的参数提取。结果表明,本文方法进行行道树单木分割的精度高,树高、冠幅参数提取值的效果好,满足行道树几何参数调查要求。 相似文献
3.
针对当下全球的水域环境监测中水体提取不完整、与周围地物区分错误等问题，以山东潍河为研究对象，提出了一种改进分水岭分割方法。首先提取目标水体的光谱信息分量作为前景图，然后将膨胀后的水体对象作为背景图，利用前景图与背景图叠加生成标记图，最后利用标记图通过分水岭变换对原图像进行分割以实现水体信息的自动提取。本文将试验结果与OpenCV中手动标记种子点的分水岭算法、基于Canny边缘的分水岭算法、结合形态滤波和标记的分水岭分割方法结果进行了对比。结果表明，本文算法比用种子点手动标记的方法更加自动化，提取的水体更加完整准确；相比于Canny边缘方法又避免了过度分割；比结合形态滤波标记的方法也更加完整准确，目标水体明显，对于水体提取是一种自动化的有效方法。 相似文献
4.
5.
枯立木识别对森林资源管理,生物多样性保护,以及森林碳储量变化评估具有重要价值。无人机高分辨率影像为枯立木调查提供了较为便捷的方式。现有枯立木识别算法多依靠拥有红边、近红外波段的多光谱影像来实现。相比于多光谱相机,消费级无人机通常搭载的是用于获取可见光(RGB)影像的普通数码相机,较少的波段信息为基于RGB影像的枯立木自动化精准识别带来很大的挑战。现有利用无人机可见光影像进行枯立木高精度识别多依赖于人工目视解译,自动化识别程度较低,且缺乏单木尺度的研究;此外,现有研究多集中在强扰动(如病虫害)引起的群发枯立木上,而对森林自然演替过程中产生的散发枯立木关注较少。为此,本研究提出了利用无人机可见光影像进行单木尺度的散发枯立木高精度自动化识别算法。在已有单木分割算法的基础上,发展了基于红绿波段比值(RGI)和蓝绿波段比值(BGI)光谱指数迭代统计分析的枯立木树冠自动化检测算法,提出了基于数字表面模型纹理特征的森林掩膜自动提取方法,实现了单木尺度的散发枯立木自动识别。经过实地调查和目视解译的枯立木参考数据的验证,结果表明枯立木查全率和精确率均接近95%,单木树冠分割结果中的欠分割和错分割是枯立木识别误差的主要来源,提高单木树冠提取精度是进一步完善单木尺度枯立木识别的关键。 相似文献
6.
树冠作为树木主要组成部分之一,是树木长势监测、树种识别等内容的重要参数,对森林资源调查和生态研究具有重要意义。与传统的实地调查相比,运用无人机遥感技术提取树冠信息具有高效、便捷等优势。本文基于无人机多光谱影像提取树冠信息,在树冠点探测上结合局部最大值法与Mean Shift优化策略,较原始局部最大法探测精度提升约10%。此外,提出了一种新的树冠边界提取算法,运用动态规划思想进行全局最优边界提取。与以往分水岭分割算法相比,本文算法在较密集林区和稀疏林区均有更好的提取效果,在试验样区稀疏林区F测度提升12%,较密集区F测度提升28%。 相似文献
7.
通过对机载激光点云基于冠层高度模型、基于点云以及基于层堆叠种子点分割方法,对针叶林、阔叶林、针阔混交林3种不同类型林分进行单木分割,并通过计算单木分割的检测率、正确率、F-score等精度指标,探究不同分割方法在不同类型林分的适用性。实验结果表明,对于针叶林,基于点云分割方法的分割精度最高,基于层堆叠种子点分割方法对树木分割的正确率最高;对于阔叶林和针阔混交林,基于层堆叠种子点分割方法的分割精度和检测率较高,优于其他两种分割方法。 相似文献
8.
基于数学形态学的IKONOS多光谱图像分割方法研究 总被引：2，自引：0，他引：2
利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法. 相似文献
9.
针对城市中树木数量多、树冠结构复杂、形态多变、难以测量等特点,为解决传统凸包算法在提取树冠轮廓时误差较大的问题,并实现树冠轮廓点提取和树冠体积自动计算,提出迭代渐进的凸包算法。以三维激光扫描仪获取的点云为原始数据,基于所提出的算法获取树冠轮廓点,结合格林公式及不规则台体体积法计算树冠体积。为验证算法的准确性,采用人工交互的方式提取树冠外轮廓点计算树冠体积,以此为参照对迭代渐进的凸包算法进行相关性与均方根误差的验证,并将该算法分别与几何体模型法、体元模拟法、Graham扫描线法计算的树冠体积进行对比分析,结果表明,迭代渐进的凸包算法计算出的树冠体积更接近于树冠的真实体积,为树冠信息的精细提取与建模提供一种新的方法。 相似文献
10.
《遥感学报》2021,(5)
正无人机激光雷达林业资源参数提取Application of UAV lidar technology in forest resources inventory封面图片为美国加州内华达山脉森林区域的无人机激光雷达数据及其单木分割结果。无人机激光雷达数据由北京大学郭庆华团队自主研发的八悬翼无人机激光雷达系统采集,该系统集成了长距离激光雷达扫描仪、GNSS和IMU定位定姿系统,可实时、动态地采集海量高精度点云数据。利用该团队自主研发的点云滤波、归一化和单木分割等激光雷达数据处理算法,可实现森林点云中每木点云的分割,及树位置、树高、胸径、树冠表面积及体积等森林结构参数的自动提取。 相似文献
11.
Individual tree crown delineation is of great importance for forest inventory and management. The increasing availability of high-resolution airborne light detection and ranging (LiDAR) data makes it possible to delineate the crown structure of individual trees and deduce their geometric properties with high accuracy. In this study, we developed an automated segmentation method that is able to fully utilize high-resolution LiDAR data for detecting, extracting, and characterizing individual tree crowns with a multitude of geometric and topological properties. The proposed approach captures topological structure of forest and quantifies topological relationships of tree crowns by using a graph theory-based localized contour tree method, and finally segments individual tree crowns by analogy of recognizing hills from a topographic map. This approach consists of five key technical components: (1) derivation of canopy height model from airborne LiDAR data; (2) generation of contours based on the canopy height model; (3) extraction of hierarchical structures of tree crowns using the localized contour tree method; (4) delineation of individual tree crowns by segmenting hierarchical crown structure; and (5) calculation of geometric and topological properties of individual trees. We applied our new method to the Medicine Bow National Forest in the southwest of Laramie, Wyoming and the HJ Andrews Experimental Forest in the central portion of the Cascade Range of Oregon, U.S. The results reveal that the overall accuracy of individual tree crown delineation for the two study areas achieved 94.21% and 75.07%, respectively. Our method holds great potential for segmenting individual tree crowns under various forest conditions. Furthermore, the geometric and topological attributes derived from our method provide comprehensive and essential information for forest management. 相似文献
12.
森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。 相似文献
13.
多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN。其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4%,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3%。实验结果表明：在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果。而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限。本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考。 相似文献
14.
本文基于高速公路高精度点云数据，首先通过点云数据的分类处理实现对树木点云数据的提取，将树木点云投影到水平面，采用DBSCAN密度聚类算法实现单根树木的提取；然后在数据密集区域存在树木树冠点云重叠的区域，本文结合树干几何特征提取树干的位置信息，计算所有点云到树干中心的欧氏距离，将所有点云归类到最近的树干进行粗分割；最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心，提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明，本文采用的树木分割方法能够实现单棵树木精确提取。 相似文献
15.
等高线拓扑关系定量表达对空间认知、地形特征挖掘、地图综合等至关重要。然而,已有研究多针对等高线树的生成及综合算法,缺乏等高线拓扑关系及其与尺度变化关系的定量表达,不同地貌类型其变化规律是否一致仍未知。为此,通过分带与投影转换、非闭合等高线拓扑检查与闭合及有向等高线树的构建等,发展了一种等高线拓扑关系定量表达方法。采用高山、中山、平原地貌60组多尺度等高线数据集,探究不同地貌类型的多尺度等高线拓扑指标及其随尺度变化规律的一致性。试验结果表明,相邻尺度等高线拓扑指标变化规律符合空间认知与推理,不同地貌类型多尺度等高线拓扑指标与尺度变化间关系可用同一个幂函数定量表达,该结论为基于多尺度空间相似关系等高线全自动综合的实现提供了理论支撑。 相似文献
16.
遥感地物自动提取是遥感智能解译中的关键问题,对空间信息的理解和知识发现具有重要意义。近年来,使用全卷积神经网络（fully convolutional networks, FCN）从高分影像和三维激光雷达（light detection and ranging, LiDAR）数据中提取地物信息因取得了较好效果而受到广泛关注。现有FCN网络在地物提取精度和效率等方面仍存在不足,由此提出一种基于多源数据的遥感知识感知与多尺度特征融合网络（knowledge-aware and multi-scale feature fusion network, KMFNet）。在网络编码器端融入遥感知识感知模块（knowledge-aware module, KAM）,高效挖掘多源遥感数据中的遥感知识信息;在网络编码器和解码器之间添加了串并联混合空洞卷积模块（series-parallel hybrid convolution module, SPHCM）,提高网络对地物多尺度特征的学习能力;在解码器端使用了渐进式多层特征融合策略,细化最终的地物分类结果。基于公开的ISPRS语义分割标准数据集,在LuoJiaNET遥感智能解译开源深度学习框架上将KMFNet与当前主流方法进行了对比。实验结果表明,所提方法提取出的地物更为完整,细节更加精确。 相似文献
17.
无人机遥感影像林地单株立木信息提取 总被引：2，自引：1，他引：1
针对无人机遥感技术在提取单株立木信息的限制性问题，提出一种新的自动单株立木信息提取方法。对原始无人机影像进行光谱信息增强处理以突出局部细节特征；通过引入DBI指数自动化确定K-means聚类方法的最优聚类数目，进而对影像像素进行标记；通过利用高斯马尔可夫随机场模型进一步对影像进行分割；使用数学形态学算子等方法对分割结果进行后处理得到单株立木树冠信息，通过图像几何矩原理计算得到单株立木位置以作为其识别的依据。结果表明，应用该提取方法，油松林区和樟子松林区单株立木识别总体精度分别为89.52%和95.65%、单木树冠提取精度分别为81.90%和95.65%，均具有较好地适用性。该方法不需要大量的人工干预和先验知识的输入，大大提高提取方法的自动化程度。 相似文献
18.
Qingyan Meng Xu Chen Jiahui Zhang Yunxiao Sun Jiaguo Li Tamás Jancsó Zhenhui Sun 《Journal of the Indian Society of Remote Sensing》2018,46(9):1433-1444
Urban green space is important for the well-being of urban residents. Seeking for three spatial dimension stereopsis is a very important issue in investigating urban green space. A potential applicability in the domain of urban tree space measurement and modelling has been explored based on LiDAR data in our study. This paper aims to present a framework—through a more automatic way—to extract canopy structure attributes. In this study, treetops were filtered by local maxima filtering algorithm from canopy height model. An improved spoke wheel algorithm was used to delineate the crown boundaries. And, an estimation issue of crown volume was simplified into three measurable parameters by estimating the crown structures. For accuracy assessment, data of 363 sampled trees located in the subset of Székesfehérvár city were selected randomly. The overall detection rate of treetop had proven to be 95.87% and crown boundaries were recognized effectively with a delineation quality of 88.59%, which were acceptable. About 80.26% of investigated crown volume estimates were obtained with shape distortion ranging from 3.1 to 7.8% according to the error analysis. The results indicated that the method can be used to extract canopy structure in urban areas. 相似文献
19.
激光雷达森林参数反演研究进展 总被引：6，自引：0，他引：6
激光雷达通过发射激光能量和接收返回信号的方式,来获取高精度的森林空间结构和林下地形信息。全波形激光雷达通过记录返回信号的全部能量,得到亚米级植被垂直剖面;离散回波激光雷达记录的单个或多个回波,表示来自不同冠层的回波信号。星载激光雷达一般采用全波形或光子计数激光剖面系统,仅能获取卫星轨道下方的单波束或多波束数据,用于区域/全球范围的森林垂直结构及变化观测。机载激光雷达多采用离散回波或全波形激光扫描系统,能够获取飞行轨迹下方特定视场范围内的扫描数据,用于林分/区域范围的森林结构观测。地基激光雷达多采用离散回波激光扫描系统,获取以测站为中心的球形空间内扫描数据,用于单木/样地范围的森林结构观测。激光雷达单木因子估测方法可分为CHM单木法、NPC单木法和体元单木法3类。CHM单木法通过局部最大值识别树冠顶点,采用区域生长或图像分割算法识别树冠边界或树冠主方向,NPC单木法一般通过空间聚类或形态学算法识别单木,体元单木法在3维体元空间采用区域生长或空间聚类算法识别树冠。根据激光雷达冠层高度分布可以估测林分因子,冠层高度分布特征来自于离散点云或全波形。多时相激光雷达可用于森林生长量、生物量变化等监测,以及森林采伐、灾害等引起的结构变化监测。随着激光雷达技术的发展,它将在森林调查、生态环境建模等生产与科学研究领域中得到更为广泛的应用。 相似文献