基于機(jī)載激光雷達(dá)（Li DAR）技術(shù)和單木分割算法提取單株樹木信息對于單木結(jié)構(gòu)研究、理解樹木生長、森林可持續(xù)管理具有重要的意義。本研究以分水嶺算法為基礎(chǔ),使用可變窗口的局部最大值算法,并采用分層級的區(qū)域增長算法及由高度差和梯度構(gòu)建的能量函數(shù)來分割樹冠邊界,從而優(yōu)化樹頂提取和相鄰樹冠的分割結(jié)果。以中國南方亞熱帶森林為研究區(qū),測試了針對不同密度（低、中、高密度）、不同樹種（白皮松和桉樹）以傳統(tǒng)分水嶺算法和優(yōu)化算法對于樹頂提取及樹冠分割的效果。為檢驗(yàn)結(jié)果的準(zhǔn)確性,在實(shí)驗(yàn)中對Li DAR數(shù)據(jù)和人工測量數(shù)據(jù)的分割結(jié)果進(jìn)行了對比和驗(yàn)證,結(jié)果表明:對樹冠頂點(diǎn)探測率而言,優(yōu)化算法平均探測效果（樹冠探測率r=0.90、樹冠準(zhǔn)確率p=0.84、總體準(zhǔn)確率f=0.86）優(yōu)于傳統(tǒng)分水嶺算法（r=0.62、p=0.81、f=0.78）;對樹冠邊界探測精度而言,優(yōu)化算法平均探測效果（R2=0.80、RMSE=0.22 m、RRMSE=12.03%）優(yōu)于傳統(tǒng)分水嶺算法（R2=0.68、RMSE=0.28 m、RRMSE=17.45%）。在樹冠探測上,桉樹的準(zhǔn)確率略低于白皮松,但是與白皮松的探測率相差較小,這表明白皮... 

【文章來源】：林業(yè)工程學(xué)報(bào). 2020,5(05)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

本研究算法流程圖

利用高度差來實(shí)現(xiàn)樹冠的最優(yōu)分割結(jié)果是能量函數(shù)的第2部分。兩棵相鄰的樹之間必然存在一個(gè)鞍點(diǎn)(最低點(diǎn))到兩棵樹冠頂點(diǎn)之間直線上點(diǎn)的高度差一定是最大的。因此，隨著區(qū)域增長的不斷進(jìn)行，當(dāng)前搜索的樹冠邊界上的像素與最近的兩個(gè)相鄰樹冠頂點(diǎn)之間的高度差也隨之增大。在當(dāng)前計(jì)算的像素高度差達(dá)到最大值時(shí)，表明該像素很大概率是真實(shí)的樹冠邊界像素。綜上所述，在尋找每個(gè)樹冠真實(shí)邊界的搜索過程中，每次迭代計(jì)算出的樹冠輪廓公式(4)的值會(huì)保持下降的趨勢，直到達(dá)到最小值，這表明程序的搜索達(dá)到了樹冠的真實(shí)邊界。反之，如果公式(4)的值在運(yùn)行過程中出現(xiàn)上升，則代表相交樹冠區(qū)域會(huì)出現(xiàn)錯(cuò)誤分割，需要進(jìn)行回滾(roll back,RB)來調(diào)整所有樹冠的增長順序。回滾操作代表當(dāng)判定現(xiàn)在擴(kuò)張的樹冠是錯(cuò)誤的時(shí)候，會(huì)回到上一次擴(kuò)張的區(qū)域并更換搜索像素開始重新計(jì)算。樹冠邊界歸屬判定準(zhǔn)則說明見圖3。

為了準(zhǔn)確提取樹木的各項(xiàng)參數(shù)，研究了分層的區(qū)域增長算法以達(dá)到從DSM中獲取樹冠輪廓。將樣地分成L1至L5共5層，每一個(gè)紅色點(diǎn)代表探測出來的樹冠頂點(diǎn)，也是區(qū)域增長算法中的種子點(diǎn)(圖2)。算法按照樹冠頂點(diǎn)的高度來決定區(qū)域增長的順序，每一次的區(qū)域增長只會(huì)在當(dāng)前分的層級中，在當(dāng)前層數(shù)未被搜索完成時(shí)，不會(huì)進(jìn)入下一級進(jìn)行搜索。分級的區(qū)域增長算法在探測出樹冠頂點(diǎn)的DSM中得以實(shí)現(xiàn)，該方法的數(shù)學(xué)表示如下。在DSM按高度分層后，區(qū)域生長開始于探測到的L1的樹冠頂點(diǎn)(tn)和位于DSM(c)內(nèi)的ci,j，即ci,j=tnn∈[1,2，…r]。結(jié)合樹冠形狀的表型特征，按照樹冠表面像素上的高度值從樹冠頂點(diǎn)向四面逐漸減小。根據(jù)探測到樹冠頂點(diǎn)tn及其在DSM中的位置，確定當(dāng)前層L1每個(gè)ci,j的鄰區(qū)單元c珋i,j，當(dāng)滿足樹冠形狀的表型特征ci珋z,j-ciz,j≤0以及符合能量函數(shù)下降趨勢，將探測出的鄰域與正在探測的像素融合，完成區(qū)域增長的步驟。因此，每個(gè)被擴(kuò)張生成的樹冠就從c珋i,j開始并同步擴(kuò)展到珌ci,j，其中珌ci,j代表c珋i,j的鄰域并滿足珌ciz,j-ci珋z,j≤0以及符合能量函數(shù)值下降的趨勢。然后，迭代執(zhí)行該過程，當(dāng)前層的每個(gè)樹頂所融合的ci,j將樹當(dāng)前層(L1)的像素全部搜索結(jié)束，進(jìn)入下一層。在高度間隔L1完成區(qū)域增長后，DSM中當(dāng)前層已搜索完成的相應(yīng)面積會(huì)被繼承到下一個(gè)高度間隔L2中。在L2中將新增加的樹冠頂點(diǎn)和繼承自上一層的樹冠區(qū)域繼續(xù)進(jìn)行區(qū)域增長。兩個(gè)樹冠之間的重疊區(qū)域，根據(jù)上層樹冠填充的區(qū)域?yàn)橐罁?jù)進(jìn)行分割，直到所有層被處理完畢。

【參考文獻(xiàn)】：
期刊論文
[1]基于矩陣模式的林火圖像半監(jiān)督學(xué)習(xí)算法[J]. 楊緒兵,葛彥齊,張福全,范習(xí)健,姚宏亮.  圖學(xué)學(xué)報(bào). 2019(05)
[2]基于L1范數(shù)的k平面聚類算法設(shè)計(jì)[J]. 楊紅鑫,楊緒兵,寇振宇,業(yè)巧林,張福全,許等平.  南京航空航天大學(xué)學(xué)報(bào). 2019(05)
[3]面向移動(dòng)平臺的深度學(xué)習(xí)復(fù)雜場景目標(biāo)識別應(yīng)用[J]. 許博鳴,劉曉峰,業(yè)巧林,張福全,周京正.  陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[4]基于非參數(shù)分類算法和多源遙感數(shù)據(jù)的單木樹種分類[J]. 趙穎慧,張大力,甄貞.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[5]基于多站掃描的點(diǎn)云特征參數(shù)與材積結(jié)構(gòu)動(dòng)態(tài)分析[J]. 蔣佳文,溫小榮,顧海波,張崢男,劉方舟,張嚴(yán)利,孫圓.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)



本文編號：3003506