輸電線走廊的樹木生長會對電力線構(gòu)成威脅,自動高效地獲取輸電走廊精細的樹種信息對樹障隱患智能預警系統(tǒng)有重要作用。本研究綜合利用機載Li DAR點云數(shù)據(jù)和同步獲取的高分辨率航空影像的優(yōu)勢,基于面向?qū)ο蟮脑?以非參數(shù)的機器學習算法為核心,對輸電線走廊的樹木進行基于多源遙感數(shù)據(jù)提取多類特征的樹種分類。本研究選擇安徽省池州市東北部的兩塊輸電線走廊區(qū)域作為研究區(qū)。首先,對Li DAR數(shù)據(jù)處理以獲取冠層高度模型(Canopy Height Model,CHM)并進行優(yōu)化;針對目前樹冠提取中背景的影響和易出現(xiàn)的過度分割問題,先對航空正射影像,使用可見光差異植被指數(shù)(Visible-Band Difference Vegetation Index,VDVI)與雙邊濾波提取和優(yōu)化樹冠區(qū)域,接著結(jié)合CHM和僅含樹冠區(qū)域的正射影像,采用多尺度分割方法提取單木樹冠,并利用ESP2(Estimation of Scale Parameter 2)尺度評價工具獲取最優(yōu)分割尺度;然后以單木樹冠作為對象,基于航空正射影像提取光譜、紋理和形狀特征,基于CHM提取高度特征,構(gòu)建多維特征數(shù)據(jù)集,并利用XGBoost算法進行...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖1.1技術(shù)路線圖

緒論7圖1.1技術(shù)路線圖Figure1.1Technologyroute1.4組織結(jié)構(gòu)論文共分為五章，組織結(jié)構(gòu)如下：第一章緒論。首先對研究背景和意義進行介紹，再基于研究內(nèi)容對當前國內(nèi)外學者在樹冠提取方法、樹種分類數(shù)據(jù)源應(yīng)用和樹種分類方法方面的研究現(xiàn)狀進行闡述，最后介紹了研究目標、....

圖2.1研究區(qū)地理位置

研究區(qū)與數(shù)據(jù)處理92研究區(qū)與數(shù)據(jù)處理2.1研究區(qū)概況研究區(qū)位于安徽省池州市的東北部，海拔在1.8～112.2m之間，地理位置為東經(jīng)117°46′-117°56′，北緯30°39′-30°41′，屬于暖濕性亞熱帶季風氣候，四季分明，雨量充足，年平均氣溫16.5℃，年均降水量1400....

圖2.2原始LiDAR點云3D模型圖

基于機載LiDAR點云和航空影像的輸電線走廊樹種分類研究102.2數(shù)據(jù)獲取本研究所用數(shù)據(jù)包括機載LiDAR點云數(shù)據(jù)及同步獲取的高分辨率航空數(shù)碼影像數(shù)據(jù)，由電力公司提供。飛行時間為2016年6月，在晴朗、能見度較好的天氣條件下獲得。機載LiDAR點云數(shù)據(jù)由直升機搭載OptechAL....

圖2.3數(shù)字正射影像圖（區(qū)域1）

研究區(qū)與數(shù)據(jù)處理11圖2.3數(shù)字正射影像圖（區(qū)域1）Figure2.3DigitalOrthophotoMap(Area1)圖2.4數(shù)字正射影像圖（區(qū)域2）Figure2.4DigitalOrthophotoMap(Area2)2.3數(shù)據(jù)預處理本研究使用的航空影像為已經(jīng)處理好的數(shù)....

本文編號：3941420