论文部分内容阅读
树木参数信息在林业资源管理、生态环境保护、自然地理过程模拟等领域应用广泛。近年来发展迅速的无人机遥感能够获取精细的地表地物信息,为树木参数的提取提供了新的技术手段。论文首先以无人机遥感影像以及经SFM解算的点云数据为基础,基于面向对象分类的方法提取不同植被区域信息;针对单一树种组成的植被区,建立了一种基于影像模板匹配的单株树识别方法;针对不同树种的植被区,采用区域最大值分水岭标记算法提取单株树信息,利用无人机高光谱数据对单株树提取结果进行树种分类,最后对单株树树冠、树高、树种的提取精度进行了评价。论文主要研究内容和结论包括以下四个方面:(1)基于无人机遥感影像与SFM点云的植被区提取方法研究。综合SFM点云构建的DEM和nDSM数据与NGRDI、VDVI等影像光谱信息,采用面向对象的图像分析方法,在多尺度分割的基础上建立了研究区不同植被类型的分类规则,实现了不同植被区的快速提取。实验结果表明综合利用影像重建点云得到的nDSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到91.6%。(2)基于影像模板匹配的单株树识别方法研究。针对单一树种的植被区,构建了基于无人机高分辨率影像的模板匹配相关系数测度算法,计算获取单株树样本生成的匹配模板组与影像波段相关系数,根据区域最大相关系数判断识别单株树,分析了不同光谱波段、不同模板组和不同相关系数阈值对单株树识别的影响。实验表明,采用红波段单一模板,和相应的相关系数阈值进行模板匹配效果较好,研究区树木识别完整率达到85.9%,识别准确率达到95.7%。(3)基于区域最大值分水岭标记算法的单株树识别以及单株树参数提取精度分析。针对不同树种的植被区,基于点云构建的CHM数据,利用区域最大值分水岭标记算法实现单木分割和树冠提取,分析了单株树树高和树冠提取精度。实验表明,基于区域最大值分水岭标记算法,单株树识别的正确率和完整率分别为85.9%、89.3%,单株树树冠提取总体精度能达到83.76%,单株树树高反演相对误差平均值为8.05%。(4)基于无人机高光谱数据的单株树树种识别方法研究。基于无人机获取的高光谱正射影像,以单株树识别结果为参考,在高光谱数据最小噪声分离变换的基础上,构建了基于光谱角匹配方法单株树树种识别方法。实验结果表明,最小噪声分离变换后进行的光谱角匹配总体精度为54.05%,不同树种的匹配精度差异较大,白皮松和红叶李的精度分别能达到95%、96.43%,光谱特征相近的树种类型的识别精度较低。