利用地面激光扫描数据提取单木结构参数

针对现有提取单木结构参数的方法精度不高的现状,文章研究利用地面三维激光扫描数据提取单木的高度、胸径和冠幅,特别是将RANSAC算法用于圆拟合,提高了胸径的反演精度。最后利用野外实测数据进行验证,并比较分析了Hough变换和RANSAC算法在提取胸径中的差异。结果表明,本文方法提取的单木参数精度较高;并且无论从相关系数、平均残差还是均方根误差等方面,RANSAC算法提取的胸径精度均高于Hough变换方法。     

基于机载激光雷达数据的老街基林场样地单木分割方法研究

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。     

基于简译的高分辨率卫星影像信息提取研究

利用简译遥感信息提取软件,以资源三号高分辨率卫星影像为数据源,选取老挝首都万象市为研究区,采用分层信息提取思想,在道路、建筑等地表覆盖要素人工提取结果的基础上,对未分类地物(水田、旱地、林地、工矿用地),利用最小距离算法和深度学习算法进行信息提取研究.研究结果表明,基于最小距离算法的总体分类精度为85.7％,Kappa系数为0.8165;基于深度学习算法的总体分类精度为89.29％,Kappa系数为0.8634,都可以达到很好的智能化提取效果.     

面向对象的图像分类方法与彩色扫描地形图林地层的自动提取

提出了一种基于面向对象分类方法的彩色扫描地形图林地层自动识别方法，简要阐述了这种方法的基本概念和原理，分析和讨论了该方法的优越性和林地层提取效果，为基于地形图计算林地面积，找林地动态变化或土地利用类型变化的研究提供了方法参考。     

超体素约简和谱聚类结合的机载LiDAR点云单木分割

为提高机载LiDAR点云数据的单木分割精度和效率,本文提出了一种基于Nystr?m的谱聚类算法。该算法基于谱聚类方法,同时引入了mean shift体素化和Nystr?m方法,在保持谱聚类算法优越表现的同时,大幅降低了谱聚类算法的空间和时间复杂度。首先,用mean shift方法将点云数据转换到体素空间以合理压缩数据量,使用带有体素权重的高斯相似度函数在体素空间中构造相似图。然后,使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值。接下来,使用K-means方法在特征空间中进行聚类,并将结果映射回原始点集以获得单木的聚类点。最后,直接从单木聚类中获取单木参数。在黑龙江省孟家岗林场的实验结果表明：本算法有效改进了谱聚类算法,以牺牲5%的分割精度为代价将分割效率提升了约96倍;与K-means方法相比,本算法在分割精度和计算效率方面均表现更优;从分割结果中提取的树高参数具有较高的精度,R2和RMSE值分别为0.86和1.62 m。本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法,可以用来进行单木点云分割和单木因子提取。     

基于无人机可见光影像的单木胸径估算方法

胸径(Diameter at Breast Height,DBH)是指树木主干离地表面胸高处的直径,根据无人机可见光影像估算单木DBH对林业资产管理与评估具有重要意义。以云南师范大学呈贡校区内的银杏为研究对象,首先,获取其无人机可见光影像,基于摄影测量原理生成数字正射影像图;然后,在此基础上提取银杏单木的冠幅(Crown Width,CW);最后,建立CW与DBH的4个回归模型,通过该模型估算得到DBH值。将实际测量的DBH值与估算值进行精度验证,最终一元二次函数模型R²为0.75,均方根误差为0.012 9 m,平均误差率为3.22%,均小于其他3个模型,具有较高的精度。实验结果表明基于无人机可见光影像可以较为准确地估算单木DBH。     

GF-6影像应用于林地与非林地识别的潜力分析

为研究我国首颗携带红边波段的高分六影像（GF-6）在林地与非林地上的识别贡献,本文选择复杂林地类型的安徽省黄山市作为研究区,采用特征优选（RFE）与随机森林（RF）相结合的方法开展了林地与非林地识别潜力研究。首先根据实地调查、Google Earth影像及林地"一张图"样本数据构建了样本库;然后基于DEM、多时相光谱特征、植被指数、红边指数等特征开展分类,并比较不同模型精度及不同变量的重要度。结果表明：GF-6红边信息对林地非林地识别较为重要,引入红边信息可将总体分类精度提升2%,其他新增波段及地形特征对林地与非林地识别贡献并不明显;多时相数据的运用相比单时相数据可整体提高林地类型的分类精度2.93%~4.1%,单时相分类结果6月最好,9月次之,12月最差;特征优选可以有效减少数据输入维数（46到15）,并取得最高分类精度,在不牺牲精度的同时保证了运算数据量的减少且明确了不同变量的贡献,具有较强的应用意义。     

林地信息提取与精度评价空间抽样方法研究

正林地是自然资源的重要组成部分,在减缓全球气候变化、维护生态平衡、改善生态环境等方面发挥着重要作用。遥感数据能够在不同尺度范围内开展林地资源的信息探测、目标识别和调查评估等。针对当前林地资源遥感制图的新需求,本文以北京市为例,综合利用MODIS、Landsat TM及各类遥感数据产品,开展了林地信息提取与精度评价空间抽样方法研究,采用林地遥感信息提取方法和遥感分类精度评价的采样点空间布局优化方法,     

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。     

一种高郁闭度林分树高的估测方法

针对单一无人机影像无法有效地提取高郁闭度林分树高的问题,该文提出一种结合无人机影像数据和全站仪测量的地形数据获取高郁闭度林分树高的方法。①利用搭载数码相机的小型无人机平台,以50m航高获取实验区局部高精度林分影像,利用全站仪获取实验区的地形数据;②利用无人机影像处理软件对影像进行处理,通过初步的几何校正以及空三加密过程得到整个实验区的高分辨率DEM和DOM模型;③采用局部最大值算法探测单株林木的树冠中心点坐标,利用自然生长算法和高程差值公式得到树冠中心对应的树根高程;④以树冠中心点高程以及树根高程的差值作为单木树高的估计值。通过实验得出:结合无人机影像与全站仪数据能够准确快速地获取高郁闭度林分树高,本文提出的方法可以为森林可持续经营提供数据基础。     

结合点云和影像的标靶自动识别与中心提取

针对多站地面激光点云拼接中标靶自动识别困难的问题,提出了结合光学影像和点云深度信息的标靶自动识别方法,以及模板自匹配的标靶中心提取方法,实现了标靶的自动识别和中心提取.经室内、室外两种环境真实数据的验证,该方法能自动识别布置在室内、室外场景中的标靶;对自动识别的标靶进行中心提取,精度均在2 mm之内,与人工提取结果一致,证明了方法的有效性和稳定性.该方法为基于标靶的点云自动拼接提供了良好的技术支撑.     

距离加权与冠层控制的LiDAR CHM凹坑去除方法

针对机载激光雷达(LiDAR)获取的高密度点云数据为森林冠层高度模型(CHM)构建提供了可能,但在应用中通常会出现局部无效值(凹坑)现象,影响森林高度等参数的提取精度的问题,该文提出基于距离加权和冠层控制的CHM凹坑去除方法.首先加权计算每个像素相似阈值判断可能凹坑,然后利用形态学运算控制冠层范围并确定最终凹坑,继而填入对应的CHM中值滤波后的值来去除CHM凹坑.通过与高斯滤波、均值滤波、中值滤波等方法比较,该文方法在凹坑的去除效果以及保留冠层形态方面均有优势,且对不同分辨率CHM具有普适性,直接提取单木数量精度可达96.7％,相比原始CHM以及另外4种方法处理的CHM所提取单木数量,精度分别提高2.38％、13.92％、17.81％、6.54％、2.38％;直接提取平均树高精度为99.41％,相比原始CHM及另外4种方法CHM精度分别提高0.16％、0.8％、0.56％、0.75％、0.16％.     

基于GF-1号影像的南方水稻种植信息提取

针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。     

地基LiDAR点云数据提取单木树高和胸径方法研究

林业资源是保持生态环境、维持生态平衡的重要资源,对单木参数信息的提取是林业资源调查的重要内容。利用地基三维激光点云提取单木参数具有效率高、速度快、节省人力物力等优点。在常用的Hough拟合圆柱法提取树高参数和Hough拟合圆法提取胸径参数的基础上,提出格网化拟合圆柱法和最小二乘拟合圆法分别提取单木树高参数和胸径参数,并以现场直接量测的树高和胸径参数为参考值进行对比。实验结果显示:与直接量测结果相比较,Hough变化拟合圆柱法和格网化拟合圆柱法得到的树高参数平均偏差分别为0.05m、0.003m,标准差分别为0.142m、0.002m,相关系数分别为0.87、0.99;Hough变化拟合圆法和最小二乘拟合圆法得到的胸径参数平均偏差分别为0.003 6m、0.002 5m,标准差分别为0.004m、0.003m,相关系数分别为0.60、0.91。结果表明,提出的格网化拟合圆柱法提取树高参数和最小二乘拟合圆法提取胸径参数能得到精度较高的单木参数信息。     

定量结构模型的地面激光雷达单木分割应用

针对传统每木检尺的小班调查因子测量方法耗时长、效率低、人为操作误差大等问题,该文研究了一种定量结构模型(QSM)实现单木的三维重建,并基于地面激光雷达(TLS)所获取的点云数据提取研究区单木的胸径、树高参数.该算法重构了单木的三维模型,且TLS数据所求得的胸径、树高与实测数据具有较好的一致性,提取结果精度较高.本研究采...     

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。     

一种高郁闭度林分树高的估测方法

针对单一无人机影像无法有效地提取高郁闭度林分树高的问题,该文提出一种结合无人机影像数据和全站仪测量的地形数据获取高郁闭度林分树高的方法。首先,利用搭载数码相机的小型无人机平台,以50 m航高获取实验区局部高精度林分影像,利用全站仪获取实验区的地形数据。然后,利用无人机影像处理软件对影像进行处理,通过初步的几何校正以及空三加密过程得到整个实验区的高分辨率DEM和DOM模型;接下来,采用局部最大值算法探测单株林木的树冠中心点坐标,利用自然生长算法和高程差值公式得到树冠中心对应的树根高程;最后,以树冠中心点高程以及树根高程的差值作为单木树高的估计值。通过实验得出:结合无人机影像与全站仪数据能够准确快速地获取高郁闭度林分树高,本文提出的方法可以为森林可持续经营提供数据基础。     

一种高郁闭度林分树高的估测方法

针对单一无人机影像无法有效地提取高郁闭度林分树高的问题,该文提出一种结合无人机影像数据和全站仪测量的地形数据获取高郁闭度林分树高的方法。首先,利用搭载数码相机的小型无人机平台,以50 m航高获取实验区局部高精度林分影像,利用全站仪获取实验区的地形数据。然后,利用无人机影像处理软件对影像进行处理,通过初步的几何校正以及空三加密过程得到整个实验区的高分辨率DEM和DOM模型;接下来,采用局部最大值算法探测单株林木的树冠中心点坐标,利用自然生长算法和高程差值公式得到树冠中心对应的树根高程;最后,以树冠中心点高程以及树根高程的差值作为单木树高的估计值。通过实验得出:结合无人机影像与全站仪数据能够准确快速地获取高郁闭度林分树高,本文提出的方法可以为森林可持续经营提供数据基础。     

WorldView-2影像林地信息提取的研究与实现

林地信息的获取具有重要意义,可广泛应用于城市规划编制、林地资源分析、水土流失治理等领域。本文基于WorldView-2影像,在研究分割与对象特征的基础上,采用面向对象方法,实现了林地信息提取,其用户精度达到94%,制图精度达到97.2%。然后,将像元二分模型应用于林地类对象,计算其植被覆盖度。试验表明,面向对象方法能高效、准确、经济地提取林地信息;基于林地类对象计算的植被覆盖度能较好地表征植被覆盖情况。     

特征筛选方法在高分辨率遥感影像建筑物提取中的应用

城市建筑物信息的自动提取是城市遥感的关键技术之一,由于阴影、下垫面等多因素干扰,建筑物信息提取精度往往不稳定。本文以Pleiades卫星影像为数据源,通过改进Relief F特征筛选方法,探讨建筑物信息提取精度提高的可行性。首先构建高分辨率遥感影像建筑物基础特征空间,然后利用改进型Relief F算法分析特征对象的权重并筛选出最优特征,最后用监督分类、无特征筛选分类和基于改进型Relief F特征筛选等3种方法分别提取研究区建筑物信息,并结合实地调查数据进行精度验证。结果表明,基于改进型Relief F特征筛选的分类方法提取精度能够达到91.34%,较其他两种方法提取精度分别提高了34.31%和5.62%,且运算速度快,自动识别效率高。