【摘要】：樹木是生態(tài)系統(tǒng)的重要組成部分,在維持碳氧平衡、保持生物多樣性起到重要的作用。在虛擬現(xiàn)實與林業(yè)測繪中,樹木的三維模型一直都是研究重點,由于樹木種類繁多,形態(tài)和結構差異大,虛擬植物建模成為計算機圖形學研究的熱點問題。目前樹木三維模型的構建方法有基于草圖、基于規(guī)則、基于圖像的方法等�；趫D像的樹木建模方法具有真實感強的特點,本文基于圖像方法對樹木三維模型建立進行研究,以獲得外觀近似的樹三維模型,模型可應用在虛擬林業(yè)、虛擬現(xiàn)實等場景中。與此同時,隨著攝影測量技術的不斷發(fā)展,通過單張相片就可以對樹木進行測量,本文對相機成像模型進行研究,以基于圖像的測量方式快速獲取測樹因子,降低野外調(diào)查勞動強度,提高森林資源調(diào)查效率。本文的研究內(nèi)容包括樹木圖像前景提取、樹干與樹冠提取、相機傾斜拍攝的圖像校正、樹木三維模型建立和基于攝影測量的樹木參數(shù)提取,首先針對樹木圖像背景復雜、結構不規(guī)則的問題,提出基于Close-Form與K-means的樹木前景提取方法,方法能夠在少量用戶標記下,計算樹木前景與背景。然后使用GMM與區(qū)域生長算法分割樹冠和樹干圖像,方法引入余弦相似度的度量方式,充分利用GMM聚類概率信息。隨后為了保留圖像線性特征,推導單應矩陣對圖像進行透視變換,校正傾斜攝影圖像到正視圖像。然后研究樹木三維模型建立方法,為了得到更真實的樹木骨架信息,采用草圖方式添加樹木骨架,并提取樹木主干與次級分枝拓撲結構,結合骨架拓撲關系與樹冠凸包建立與真實樹木形態(tài)相似的樹木三維模型。最后研究基于圖像的樹木參數(shù)提取方法,選取了常用的測樹因子與葉面積指數(shù)進行研究,根據(jù)相機成像模型,獲得傾斜圖像像素坐標到現(xiàn)實空間坐標的轉(zhuǎn)換關系,為驗證方法的準確性,以采集的45個樹木樣本進行實驗測試,攝影測量單木樹高、冠幅、胸徑指標,三種測樹因子的平均絕對誤差分別為0.23m、0.17m、0.97cm,平均相對精度分別為5.74%、6.53%、8.62%。為反映樹木長勢與生長狀況,定義樹冠茂密度參量,以獲取的測樹因子與樹冠茂密度作為輸入,使用BP神經(jīng)模型進行回歸,反演單木葉面積指數(shù)。實驗結果表明,相對于僅輸入測樹因子的BP神經(jīng)模型模型,增加樹冠茂密度作為輸入的BP模型相關系數(shù)提高、均方誤差降低,其中測試集均方誤差達到0.24,相關系數(shù)達到0.77。本文所提出的基于圖像的樹木測量方法,符合林業(yè)調(diào)查的精度要求,一次采集就可獲取多個參數(shù),具有一定應用性。由于樹木生長具有區(qū)域一致性,本文提出的葉面積指數(shù)反演模型具有一定參考性,對于城市行道樹、人工林能夠根據(jù)測樹因子預測單木葉面積指數(shù),便于對植物群落進行量化分析。
【圖文】：

圖２－１采集圖像樣張逡逑圖方法逡逑像摳圖是樹木圖像提取的兩種主要方法。圖域的處理技術，在樹木圖像提取中可根據(jù)樹賀［４３］對樹木圖像進行顏色特征變換、梯度變分水嶺分割方法的輸入圖像，然后進行開閉冰等［４４］提出一種基于Ｋ－ｍｅａｎｓ聚類與灰度－色圖像在顏色空間下進行聚類完成初分割，。圖像分割方法雖然相對簡單、運行速度較等問題。自然圖像摳圖是將圖像的背景和前特技制作中。目前較流行的摳圖方法是采用區(qū)域、背景區(qū)域以及不確定區(qū)域進行標記。進行了改進，得到一種有效的樹木圖像提取為泊松方程求解，通過一個迭代式的算法對

通過Ｍａｔｌａｂ對上述方程可以進行求解，輸入兩幅圖像，其中一幅為添加ｓｃｒｉｂｂｌｅｓ逡逑標記的圖像，另一幅為原圖，經(jīng)過求解可得到圖像透明度圖。逡逑圖２－２使用Ｃｌｏｓｅ－Ｆｏｒｍ算法對摳圖算法常用測試圖片進行標記，發(fā)現(xiàn)不需要特別多逡逑的標記即可完成較好的透明度計算，在毛發(fā)邊緣處也能夠清晰的分辨。逡逑，，通介＼逡逑（ａ）原圖邐（ｂ）邋ｓｃｒｉｂｂｌｅｓ標記圖邐（ｃ）透明度圖逡逑圖２－２邋Ｃｌｏｓｅ－Ｆｏｒｍ算法透明度圖結果逡逑圖２－３展示了傳統(tǒng)Ｃｌｏｓｅ－Ｆｏｒｍ摳圖方法提取樹木圖像的結果。首先在自然圖像背景逡逑下，添加少量前景、背景標記信息，如圖２－３邋（ａ）所示白色為前景，黑色為背景。然后計逡逑算得到透明度結果，透明度圖能夠能刻畫樹木的基本輪廓，最后根據(jù)透明度分離前景背逡逑－１０－逡逑
【學位授予單位】：東北林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;S758

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術;2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 高華;;關于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術及其應用學術論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學術年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學學術年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

中國重要報紙全文數(shù)據(jù)庫 前7條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 張玲;圖像光照恢復與分解技術研究[D];武漢大學;2017年

2 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學;2019年

3 宋偉先;基于深度學習的豬只目標檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學;2019年

4 吳迪;光學遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

5 王瑤;復雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學;2019年

6 劉飛;透混沌介質(zhì)偏振成像技術[D];西安電子科技大學;2016年

7 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

8 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學;2017年

9 張文靜;光場成像技術在天空偏振模式測量和湍流圖像清晰化中的應用研究[D];國防科學技術大學;2016年

10 左承林;圖像非局部均值去噪方法研究[D];國防科學技術大學;2016年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張傳敏;低質(zhì)量圖像自適應增強算法研究與實現(xiàn)[D];北京交通大學;2019年

2 王冰;基于高斯模型與圖像風格遷移的QR碼美化算法研究[D];杭州電子科技大學;2019年

3 曹旨昊;基于深度學習的圖像推薦算法研究與實現(xiàn)[D];山東農(nóng)業(yè)大學;2019年

4 蔣亞杰;視頻監(jiān)控系統(tǒng)圖像清晰化研究[D];華北水利水電大學;2019年

5 張震;基于深度學習的圖像隱寫分析算法研究[D];北京交通大學;2019年

6 趙維;基于深度學習的圖像來源取證研究[D];北京交通大學;2019年

7 王建明;光場圖像新視點生成算法研究[D];江南大學;2019年

8 徐曉宇;高壓輸電線路巡檢圖像缺陷檢測算法研究[D];杭州電子科技大學;2019年

9 張麗園;基于CT圖像的肝部腫瘤的自動分割算法研究[D];電子科技大學;2019年

10 譚秀蘭;高分辨SAR圖像海面目標檢測與識別方法研究[D];電子科技大學;2019年

本文編號：2630382