本文關(guān)鍵詞：基于靜態(tài)地基激光掃描點云的單樹結(jié)構(gòu)表征

  更多相關(guān)文章： 地基激光雷達 單木結(jié)構(gòu)參數(shù) 紋理參數(shù) 樹種分類

【摘要】：激光雷達(Light Detection and Ranging,Li DAR)技術(shù)作為一種主動遙感技術(shù),尤其在森林高度及其垂直結(jié)構(gòu)方面,能獲取高精度的三維空間信息。利用Li DAR數(shù)據(jù)進行森林結(jié)構(gòu)的定量描述,對開展森林研究具有重要意義。基于靜態(tài)地基激光雷達點云數(shù)據(jù),使用人工交互點云分割算法提取單木點云,結(jié)合樹干及樹冠點云,進行單木結(jié)構(gòu)參數(shù),如:樹干位置與胸徑、樹高與樹冠直徑、樹干收縮度、樹干傾斜度與傾斜方位角的求算。利用單木樹干點云,對其二維平面展開進行點云轉(zhuǎn)換,使用一階、二階統(tǒng)計分析進行紋理參數(shù)的求算,分別求取一階統(tǒng)計分析中的平均值和標準方差,使用灰度共生矩陣進行能量、對比度、相關(guān)性和均勻性四個特征參量求算,以此對紋理特征進行定量化描述。結(jié)合求取的單木結(jié)構(gòu)參數(shù)和紋理參數(shù)進行樹種分類的探究。首先,分析基于單木結(jié)構(gòu)參數(shù)的分類研究,只單一依靠某一參數(shù)不能將樹種分開,但初步得出結(jié)論樹干收縮度可作為分類因素之一。因此,引入了支持向量機分類法,綜合比較,選擇三次多項式核函數(shù)的SVM分類器進行分類。雙因素分析時,因素之一為樹干收縮度時,分類的漏判率均較低;多因素進行樹種分類的整體正確率均高于雙因素,基于TLS點云使用結(jié)構(gòu)參數(shù)的單木分類是可行的。其次,基于一階統(tǒng)計分析的平均值和標準差進行樹種分類,總正確率只有58%,使用灰度共生矩陣的四個特征參量,結(jié)合SVM分類器進行樹種分類,最終的精度比一階統(tǒng)計分析有了提高,達到70%。局限于實驗區(qū)及所采集樹種信息,雖正確率較好,但只結(jié)合TLS點云的樹種分類探討還需要進一步的研究。綜上所述,基于TLS點云的單木結(jié)構(gòu)參數(shù)提取方法和結(jié)合TLS點云進行紋理特征的定量描述經(jīng)驗證是初步可行的。基于單木結(jié)構(gòu)參數(shù)和紋理參數(shù),使用支持向量機的分類器進行樹種分類研究,較多因素時的分類精度高。因此,該研究工作在森林資源調(diào)查中具有較好的應(yīng)用前景。
【關(guān)鍵詞】：地基激光雷達 單木結(jié)構(gòu)參數(shù) 紋理參數(shù) 樹種分類
【學(xué)位授予單位】：華北理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN958.98

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 付培;低成本三維激光掃描儀系統(tǒng)關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

2 王輝;基于灰度共生矩陣木材表面紋理模式識別方法的研究[D];東北林業(yè)大學(xué);2007年

，

本文編號：631358