典型文献
基于无人机高密度LiDAR点云的人工针叶林单木分割算法
文献摘要：
[目的]针对传统机载激光雷达(Light Detection And Ranging,LiDAR)所生成的冠层高度模型分辨率较低,不利于高郁闭度人工针叶林中冠幅较小的树种单木分割的问题,基于大疆禅思L1激光雷达高密度点云,提出了一种基于层次化泛洪的单木分割算法.[方法]采用大疆禅思L1激光雷达设备,选择东北地区樟子松与兴安落叶松人工林作为实验样地.首先对原始的高密度激光雷达点云依次进行拼接、去噪、高程归一化处理,针对两块样地生成分辨率分别为0.1、0.2、0.4 m的高、中、低3种分辨率的冠层高度模型.对3种冠层高度模型分别进行先开后闭的形态学滤波处理,以降低冠层高度模型中单个树冠内部不同像素间高程差.然后采用反距离插值算法对3种冠层高度模型中的空洞像素进行平滑处理,并采用图像增强算法提高3种冠层高度模型中树冠内部像素与树冠间像素的对比度,以降低形态学滤波对林隙的模糊处理影响.最后利用局部最大值法分别在3种冠层高度模型中搜索树顶,基于搜索到的树顶位置,结合分层处理思想通过模拟泛洪算法实现单木分割,并基于一般树冠形态,对分割后树冠投影形状、面积进行约束,以优化分割后树冠形状.[结果]针对人工针叶林林分,提出的单木分割算法结合高分辨率冠层高度模型在两种树种样地下最高分割精度达到90％以上.其中,在冠幅较小的兴安落叶松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别达到91.6％、85.9％、80.2％.而冠幅较大的樟子松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别为86.2％、84.1％、75.9％.[结论]基于冠层高度模型的单木分割场景中,冠幅较大的树种对于一定范围内分辨率变化不敏感,高分辨率冠层高度模型可以提高人工针叶林单木分割精度,尤其是对于冠幅较小的树种分割精度提高较大.本研究提出的单木分割方法结合无人机高密度LiDAR点云在高郁闭度人工针叶林样地中可达到较高分割精度.
文献关键词：
机载激光雷达;高密度点云;图像增强;单木分割;层次泛洪
中图分类号：
作者姓名：
王鑫运;黄杨;邢艳秋;李德江;赵晓伟
作者机构：
东北林业大学 森林作业与环境研究中心,黑龙江 哈尔滨 150040;黑龙江省测绘科学研究所,黑龙江 哈尔滨 150040
文献出处：
引用格式：
[1]王鑫运;黄杨;邢艳秋;李德江;赵晓伟-.基于无人机高密度LiDAR点云的人工针叶林单木分割算法)[J].中南林业科技大学学报,2022(08):66-77
A类：
树冠投影形状,层次泛洪
B类：
LiDAR,针叶林,单木分割,分割算法,机载激光雷达,Light,Detection,And,Ranging,所生,冠层高度模型,模型分辨率,高郁闭度,林中,冠幅,树种,禅思,L1,高密度点云,层次化,樟子松,兴安落叶松人工林,样地,激光雷达点云,拼接,去噪,归一化处理,两块,形态学滤波,滤波处理,像素,高程差,反距离插值,插值算法,平滑处理,图像增强算法,对比度,林隙,模糊处理,局部最大值法,搜索树,树顶,分层处理,泛洪算法,算法实现,树冠形态,行约,优化分割,林分,种树,最高分,低分辨率,不敏,分割方法
AB值：
0.212376
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
