基于无人机影像的地表要素信息提取

准确掌握地表覆盖类型信息对于自然资源监管具有重要的作用。常用的地表覆盖信息手段多为基于卫星影像的遥感解译提取,本研究利用无人机航空影像,采用KNN均值聚类、最大似然法、面向对象3种分类手段尝试进行地表覆盖类型信息高精度提取。结果显示：大疆M600无人机获取的多光谱影像具有较高的质量,纹理信息表达清晰;KNN均值聚类分类在裸地与道路识别中具有较高的精度优势;最大似然分类方法在水体的识别中具有较高的精度优势;面向对象分类方法在居民地、林地、耕地的识别中具有较高的精度优势,通过最优特征筛选,最大限度地降低了其他类型对主类型的提取影响。     

利用高光谱遥感影像纹理滤波的城市居民地识别

高光谱影像具有丰富的光谱和空间结构信息,传统的基于光谱特征的分割方法易使分割区域过于细碎,从而降低了居民地信息提取的精度。尝试将纹理信息引入到特征空间,以提高信息识别、提取的精度。纹理信息采用多尺度3D-Gabor滤波器对经过特征选择后的高光谱影像进行滤波,进一步计算纹理能量和纹理特征,然后利用多特征聚类实现图像的初步分割,最终通过形态学方法获取影像中的居民地信息。实验表明,基于3D-Gabor滤波的方法能有效地识别、提取高光谱影像中的居民地信息。     

模糊超像素分割算法的无人机影像烟株精细提取

实现烟草单株自动化提取对加快烟草农业信息化有着重要意义,但目前烟株精细的提取还存在较大困难.因此,提出了一种基于模糊超像素分割(fuzzy-superpixels,FS)算法的无人机烟株提取方法.首先通过绿地提取方法得到无人机影像中的植被覆盖区域;然后利用FS算法对影像进行超像素分割,并统计超像素的均值、亮度、形状指数...     

无人机遥感影像中农村房屋信息快速提取

针对无人机遥感技术应用中信息提取自动化、智能化不足的问题,提出了一种基于面向对象分割的农村房屋信息提取方法。该方法首先利用双边滤波器滤掉影像中的噪声,然后利用移动均值算法分割影像,最后根据分割后房屋对象的特征建立提取规则,对房屋信息进行提取。实验结果表明,该方法可有效提取无人机遥感影像中的农村房屋信息,平均提取精度约为92%。     

基于无人机遥感的湖南金童山保护区滑坡监测

以湖南金童山国家级自然保护区内某条山区公路为例,利用无人机飞行获取高分辨率影像与高精度数字地形模型,使用基于面向对象的方法对滑坡信息进行提取,对无人机数据进行多尺度分割与光谱差异分割,选取了研究区内植被、道路、滑坡三类感兴趣地物的影像特征建立了规则集,充分利用了影像对象的光谱特征、几何特征、地形特征、空间关系,使用了阈值分类,隶属度函数与决策树分类方法.利用实地验证与基于无人机影像的目视解译对提取结果进行了精度评价,总体提取精度为94.75％,滑坡提取精度超过80％.该研究为快速监测山区内滑坡信息提供了借鉴.     

利用慢特征分析进行多尺度融合的 高分辨率影像变化检测

提出利用慢特征分析的特征级多尺度融合的方法。首先对两时相影像分别进行多尺度分割,并与原始影像共同构成多尺度特征集;其次对特征集进行迭代慢特征变换,增大变化区域与未变化区域的可分性;最后通过K-means聚类完成变化区域与未变化区域的分割,得到二值变化检测结果。通过两组北京地区的多光谱影像实验发现,该方法具有更高的精度和自动化程度。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。     

基于对象上下文信息的无人机影像建筑物提取

针对全卷积网络进行遥感影像语义分割时存在的空间信息和上下文信息缺失问题,本文提出一种基于对象上下文信息的无人机遥感影像建筑物提取方法。该方法首先采用高分辨率网络(HRNet)作为主干网络提取空间信息完整的多尺度高分辨率特征;然后依据主干网络提取的特征在真实标签的监督下划分对象区域,并计算每个像素与对象区域之间的关系得到像素与对象区域的上下文信息;最后将主干网络提取的高分辨率特征与对象上下文信息组合实现特征增强,依据增强后的特征实现无人机遥感影像中建筑物的提取。两个数据集的实验结果均表明,本文方法有效提高建筑物提取精度。     

顾及超像素光谱特征的无人机影像自动模糊聚类分割法EI北大核心CSCD

针对现有流行模糊C均值聚类在影像分割中存在边界依附能力弱,分割不稳定及需要手动设置聚类数目等问题,提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割方法。相对于传统分水岭变换算法,该方法首先采用两步边界推进准则,生成轮廓更加精确、形状规则更加紧凑的超像素子区域;然后,提取子区域光谱特征并结合重缩放密度峰值算法自动获取聚类数目;最后,综合利用超像素光谱特征与隐式马尔可夫随机场思想对模糊聚类进行改进,实现超像素精确合并。通过两组影像数据的定性分析和定量评价表明,本文方法能准确定位目标边界,获得较好的视觉分割结果,同时有效提高了影像分割精度。     

基于CNN模型的遥感影像液气贮存设备识别

基于卷积神经网络（CNN）进行遥感影像液气贮存设备提取。基于0.3 m、0.5 m、2.1 m分辨率的多源遥感影像,通过训练CNN模型来提取液气贮存设备,检测精度F值分别为0.78、0.77和0.36;基于0.3 m、0.5 m、1 m分辨率的无人机影像,训练得到不同的CNN模型,迁移学习至0.8 m分辨率的高分影像上进行液气贮存设备识别,检测精度F值分别为0.08、0.73和0.71。结果表明,CNN模型可有效提取液气贮存设备,且训练样本包含的信息越均一,识别精度越高;CNN模型对多源遥感影像具有较好的迁移学习能力,在遥感影像典型目标识别与提取方面具有较好的应用前景。     

Individual tree crown delineation using localized contour tree method and airborne LiDAR data in coniferous forests

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.     

结合多光谱影像降维与深度学习的城市单木树冠检测

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。     

利用遥感进行退耕还林成活率及长势监测方法的研究

本文以张家口退耕还林工程的新造经济林为例,提出了一种利用高分辨率遥感技术监测新造林成活率及长势的方法。主要采用面向对象的信息提取技术提取退耕地新造林的树冠信息。开发了基于树冠分布图的树冠因子提取程序,计算树冠因子,统计造林成活率,从而掌握新造林地的现状。最后,根据实际测量的数据进行误差检验,由遥感数据自动提取的树冠冠幅平均误差为:东西冠幅为0.337m,南北冠幅为0.433m;计算新造林成活率的精度达到了89.837%。为退耕还林工程科学,高效的管理及决策支持提供了依据。     

Individual tree crown segmentation in tropical peat swamp forest using airborne hyperspectral data

Abstract

Individual tree crown segmentation is important step for deriving various information for fine-scale analysis of ecological process. However, only several studies have applied tree crown segmentation in tropical forest ecosystems, especially in mixed peat swamp forests. In this study, hyperspectral data were used to detect changes in the biochemical and biophysical characteristics, which are important factors for tree crown segmentation. Principal Component Analysis method was performed to investigate its influence on crown segmentation. Visually Selected PCs, 160 PCs and 160 Spectral Bands image were used and two segmentation techniques; Watershed Transformation and Region Growing segmentation were applied on those images. The highest accuracy was achieved for the crown segmentation is using Region Growing segmentation, based on 1:1 measurement, D value and RMSE value. The results obtained from 160 PCs image using region growing algorithm shows better accuracy with D value of 0.2 (80% accuracy, 20% error) and RMSE of 9.9 m².     

多平台点云数据的单木参数提取精度分析

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。     

利用无人机数码影像进行密植型果园单木分割

单木树冠提取对果树健康状态、营养成分、产量预测具有重要意义。无人机获取的高分辨率遥感影像作为低成本、低风险的数据源,为准确估计棵数、描绘树木冠层轮廓提供了新的技术手段。以往关于单木冠层轮廓提取的研究大多集中在森林或稀疏果园,以局部最大值滤波结果作为基于标记分水岭算法的种子点,该方法在密植型果园的表现并不理想。提出了一种适用于密植型果园、以区域型种子块作为标记的分水岭算法,通过最大似然法提取果树冠层生成冠层数字表面模型,利用高斯滤波结合形态学开运算及自适应阈值分割方法生成区域型种子块,并执行基于种子块标记的分水岭算法,实现密植型果园单木分割。实例研究结果表明,总体棵数查全率为95.22%,查准率为99.09%,得到单木轮廓提取总体准确率为93.45%,总体欠分割误差为5.87%,总体过分割误差为0.90%。与局部最大值种子点提取结果对比,总体准确度提高18.66%,精细树冠轮廓提取精度提高17.75%,可为地形平缓地区密植型果园单棵果树树冠提取提供参考。     

激光雷达森林参数反演研究进展

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。     

利用无人机多光谱影像提取树冠信息

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%。     

基于车载点云数据的树木提取与分析

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。     

An automatic extraction method for individual tree crowns based on self-adaptive mutual information and tile computing

Forest data acquisition, which is of crucial importance for modeling global biogeochemical cycles and climate, makes a contribution to building the ecological Digital Earth (DE). Due to the complex calculations and large volumes of data associated with high-resolution images of large areas, accurate and effective extraction of individual tree crowns remains challenging. In this study, two GeoEye-1 panchromatic images of Beihai and Ningbo in China with areas of 5 and 25 km², respectively, were used as experimental data to establish a novel method for the automatic extraction of individual tree crowns based on a self-adaptive mutual information (SMI) algorithm and tile computing technology (SMI-TCT). To evaluate the performance of the algorithm, four commonly used algorithms were also applied to extract the individual tree crowns. The overall accuracy of the proposed method for the two experimental areas was superior to that of the four other algorithms, with maximum extraction accuracies of 85.7% and 63.8%. Moreover, the results also indicated that the novel method was suitable for individual tree crowns extraction in sizeable areas because of the multithread parallel computing technology.