基于增强Frost局部滤波及单木距离图重构标记的CHM树冠分割

【目的】利用增强Frost局部滤波和单木距离图重构标记技术对冠层高度模型(CHM)进行分割，以提高无人机激光雷达在单木树冠分割的精度和效率。【方法】选取江西分宜山下实验林场阔叶混交林、针叶混交林和针阔混交林3个不同类型的林分为研究对象，以无人机激光雷达数据为数据源，构建CHM。针对高分辨率CHM树冠区域孔隙较多的问题，利用增强Frost局部滤波处理优化CHM,优化结果与不同滤波方法进行了比较分析；然后应用距离图重构标记分割技术对增强Frost局部滤波优化后的0.1、0.2、0.5及1.0 m分辨率的CHM进行分割与分析；最后确定最佳分辨率的CHM,并其将分割结果与同等分辨率下分水岭算法以及点云分割均值偏移算法结果进行比较。【结果】采用增强Frost局部滤波处理的CHM优化效果显著，在有效抑制树冠噪音的同时，也能较好地保留图像细节信息。0.2 m分辨率的CHM分割效果最佳。距离图重构标记分割方法分割针叶混交林、针阔混交林、阔叶混交林3种不同林分类型的分割精度(OA)分别为0.96、0.84、0.75;根据树冠分割结果计算单木冠幅，冠幅估测的决定系数R²分别为0.83...     

基于移动二维激光扫描的单木三维绿量测定

【目的】单木三维绿量的有效测定为森林资源调查、森林生态环境效益评价、林业精准管理提供有用信息,对现代林业发展具有重要意义。为提高单木三维绿量测量效率与测量精度,提出一种基于移动二维激光扫描的低成本单木三维绿量测定方法。【方法】采用二维激光扫描仪对单木进行多角度直线扫描,获取树冠三维形貌信息;融合不同角度的采集数据,建立激光扫描线的向量参数方程;建立树冠体素模型,将待测空间离散化为体素,体素尺寸与扫描系统分辨率一致,以未被扫描线穿透的体素集合表达树冠体积,求取单木三维绿量。【结果】实验选取6株单木,体素分辨率为0.022 m,6株单木三维绿量平均测算时间为105.94 s,平均帧处理时间为0.039s。【结论】基于移动二维激光扫描的单木三维绿量测定,无需人工筛选点云,可自动处理数据,测量效率高,改进后的体素模型充分利用测量数据,能真实反映树冠内部体积及空隙。     

基于分水岭与多尺度相结合的影像分割方法

分水岭分割是一种应用较广泛的影像分割方法,它能自动生成单像素宽度的封闭轮廓,但需要把影像分割成过多小区域,从而导致影像分割耗时且工作量大。本文就此提出一种分水岭和多尺度相结合的高分辨率影像分割方法。该方法首先运用分水岭方法对融合了亮度梯度和纹理梯度的综合梯度进行计算,然后将同质性度量值最小的区域对合并,最后结合改进区域邻接图进行区域合并。实验结果与基于分水岭和区域合并的影像分割算法得到的结果进行比较,证明该方法不仅能充分利用高分辨率遥感影像中地物的光谱、形状、纹理等特征,而且减少了计算时间。     

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

基于改进CV模型的高原鼠兔图像分割

针对CV模型无法分割灰度不均图像的问题,提出改进CV模型.在CV模型能量泛函中引入前景灰度不均抑制项,使CV模型能够对前景灰度不均图像进行分割.此外,在图像预处理阶段引入四叉树方法和大津法,缩小CV模型分割图像的搜索范围,减少分割时间;弥补CV模型须要手动设置初始轮廓的问题.实验结果表明:改进CV模型能够实现对前景灰度不均图像的精确分割,且耗时少,在背景抑制、目标区域轮廓定位等方面效果好.     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。     

一种带心肌瘢痕的心脏磁共振图像左室壁分割方法

从心脏磁共振图像中分割出左心室内外膜轮廓线,是心脏三维重建及心脏功能评定的先决条件.针对带心肌瘢痕的心脏磁共振图像,提出了一种基于显著性检测定位的左心室内外膜分割方法.方法采用视觉显著性检测和分水岭变换,提取左心室血池区域,准确确定了左心室位置;然后提取血池区域轮廓线作为内膜初始轮廓,在带形状约束的活动轮廓模型作用下演化得到左心室内外膜.实验结果证明,该方法定位较为准确,能使初始轮廓迅速收敛到内膜边界,分割得到的内外膜以及心肌区域均较为准确.     

基于TLS的红松树冠半径提取及其外轮廓模型构建

【目的】探究基于地基激光雷达(Terrestrial Laser Scanning, TLS)点云数据提取人工林中红松不同树冠深度处最大树冠半径(crown radius,R_C)的精度,建立基于TLS点云数据的树冠外轮廓模型,为基于TLS点云数据研究树冠结构奠定实践基础。【方法】以30株人工林红松解析木的TLS的点云数据以及实测枝条因子为数据源,采用点云分层投影法提取不同树冠深度处的最大树冠半径,并与根据30株解析木各轮最大枝条计算出的半径对比进行精度分析。最后,基于TLS所提取的树冠半径进行红松树冠外轮廓模型的构建。【结果】最大树冠半径总提取精度为86.17%,不同树冠深度处提取精度存在差异,提取效果最好的相对冠深范围为0.15～1.00,精度均在90%左右;提取效果最差的相对冠深范围为0～0.15,精度为60.27%～75.79%。3种常用的树冠外轮廓模型(单分子式、二次抛物线、3参数Weibull方程)均具有较好的拟合效果。3参数Weibull方程为最优模型,对最优模型再参数化后引入的变量为胸径(DBH)和高径比(HD),拟合效果明显提高。【结论】基于TLS...     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

基于边缘检测的溢水标记分水岭算法

针对已有标记分水岭算法存在的过分割问题,提出一种基于边缘检测的溢水标记分水岭算法。首先,对遥感影像进行相位一致边缘检测,获取边缘信息。然后,基于获取的边缘信息进行区域增长,检测对象区域的微弱边界,并改善对象边界的位置精度。最后,利用提出的溢水模型生成新标记继续增长,直到得到最终分割结果。在卫星影像和航空影像数据集上的实验结果表明,所提出的算法有效地抑制了过分割现象,能够准确的提取对象区域。     

赣中天然闽楠单木冠幅预测模型的研究

【目的】探讨竞争指标和建模方法对天然闽楠(Phoebe bournei)单木冠幅预测模型的影响,以期为精准预测天然闽楠单木的冠幅提供参考。【方法】以江西省赣中25块闽楠天然次生林典型样地中的1 011株闽楠为研究对象,采用普通最小二乘法(OLS模型)、仅考虑样地水平的混合效应模型、增强回归树和随机森林4种建模方法建立单木冠幅模型,分别添加林分每公顷断面积、大于对象木的断面积之和、林分密度指数和简单竞争指数4种竞争指标,分析竞争指标对冠幅模型的影响,采用决定系数(R²)、均方根误差(RMSE)、平均相对误差绝对值(RMA)和平均绝对误差(MAE)确定最佳模型。【结果】不添加竞争指标时,模型的预测能力表现为:混合效应模型>OLS模型>增强回归树>随机森林;添加竞争指标时,最优模型表现为:混合效应模型>OLS模型>随机森林>增强回归树。OLS模型中添加大于对象木的断面积之和竞争指标时预测能力最佳;增强回归树中添加固定半径为7 m的简单竞争指数时预测能力最佳;随机森林中添加林分每公顷断面积竞争指标时预测能力最佳;混合效应模型不添加竞争指标时预测能力最佳(RMSE为0.846 0,RMA为0.211 1,MAE为0.650 1),并且都优于其他模型。【结论】研究结果可对天然闽楠单木冠幅生长进行精准预测,并为提高闽楠天然次生林的林分质量提供理论依据。     

基于广义非线性混合效应的华北落叶松天然次生林枝下高模型

【目的】立木枝下高模型的构建是森林经营的核心内容,利用非线性混合效应模型方法构建华北落叶松枝下高模型,可为森林生长与收获研究提供理论依据。【方法】基于112块华北落叶松天然次生林样地单木数据,从7个备选的枝下高-树高模型中选出一个最优基础模型; 分析9个不同单木或林分因子及其因子之间的组合对枝下高的影响,将影响显著的因子作为模型预测变量以提高模型精度。在此基础上,考虑区组以及嵌套在区组里的样地对枝下高的影响,即构建嵌套两水平的非线性混合效应枝下高模型。【结果】Logistic模型预测精度较高并且模型参数可解释,因此选为基础模型。除树高之外,立木胸径、样地内所有大于对象木胸径的立木断面积总和、平均冠幅和林分密度与枝下高相关显著,故作为模型预测变量。与传统模型相比,所构建的两水平嵌套非线性混合效应模型对应的决定系数提高了53.26%,均方根误差降低了24.73%,因此明显提高了模型预测精度。【结论】区组和嵌套在区组里的样地对立木枝下高随机干扰较大,当考虑这些随机效应对枝下高的影响时能明显提高模型的预测精度。     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

基于深度学习的树种图像自动识别

【目的】为了探究深度学习方法用于林业树种图像智能识别的可行性,提出一种基于深度学习方法的自动识别树种新方法。在TensorFlow框架下,对卷积神经网络(CNN)模型进行改进,对7类树种图像进行自动识别研究。【方法】首先,在图像库建立时,为增加特征选择多样性,选择树木的树皮和树叶图像,保留自然背景;另外,考虑到同一树种在不同树龄条件下树皮图像存在差异,因此加入不同树龄的树皮图像,并用胸径指标来表示树龄大小。其次,对每类树种图像随机挑选100张作为测试集,剩余数据集全部作为训练集。通过反复试验比较不同CNN结构设置、卷积层数量、全连接层层数、学习率等对结果的影响。采用Adam算法代替传统的随机梯度下降(SGD)算法,对模型进行优化,用指数衰减法对学习率进行调节,在交叉熵函数中加入L2正则项对权重进行惩罚,并采用Dropout策略和ReLU激励函数,以避免训练过程中过拟合现象。最后,确定适合试验要求的13层CNN结构,同时比较深度学习方法和传统人工特征识别方法的差异,与已有的树种图像识别方法做对比。【结果】提出的13层树种图像识别模型,对训练集和测试集取得了理想的识别效果,识别率分别为96.78%、91.89%,在未参与训练的验证集上取得了96%的平均准确率。相对于已有的人工特征识别方法,所提出的方法识别效率和准确度更高。【结论】基于改进的卷积神经网络树种识别模型识别效果明显高于传统方法,说明所提出的方法能够应用于树种识别,可为林业树种图像自动识别提供一条新思路。     

基于ULS、 TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

果树树冠遮阴模型的改进

【目的】农林复合系统林下太阳辐射作为间作作物光合作用的能量来源,直接影响着间作作物的生态过程和生产力水平。研究果农间作系统内果树的遮阴范围和遮阴强度对果农间作系统配置及间作距离的确定具有重要的意义。【方法】遵循平行光线下的相似性原理,将果树按其树体缩小50倍,根据实测苹果树体形状制作不同龄级的苹果树3D模型,利用树体模型在研究区进行了果树遮阴范围的测定试验。将实测得到的树冠遮阴范围与依据太阳高度角和太阳方位角推算出的单株苹果树冠遮阴范围进行对比分析,对树冠遮阴范围表达式各参数进行优化。【结果】通过实测树冠遮阴范围与模型得出的树冠范围的对比分析,结果表明实测图与模型推算图相比,存在偏移和缩小。此现象主要是由于模型推算图仅考虑太阳方位角和太阳高度角对果树遮阴范围的影响,但是,当太阳光线接触果树冠层后会出现偏移未被考虑。因此,对现有的果树遮阴模型进行优化,经优化后的修正方位角和修正高度角推算得出的修正树冠遮阴范围,与实测遮阴范围的重合率均达到94%。【结论】改进后的树冠遮光数学模型能够较准确地模拟实际树冠的遮阴范围。     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

基于Graph Cut算法的多株立木轮廓提取方法

【目的】在复杂的自然环境下进行目标立木轮廓提取时,容易受遮挡物影响,导致立木图像分割效果不理想。笔者提出一种基于Graph Cut算法的多株立木轮廓提取方法,可实现单张相片中多目标立木界线分割。【方法】首先通过彩色直方图均衡化实现RGB颜色空间下各个通道的图像细节增强,利用Graph Cut算法构造s-t网络图,将图像分割问题转化为能量函数最小化问题,并标记图像前背景像素实现单张相片中多株立木图像初分割; 然后将单张相片中的每株立木分割图像二值化,利用形态学腐蚀膨胀运算处理图像达到填充、去噪、平滑等目的; 在此基础上,利用改进型Canny算子边缘检测方法,用双边滤波代替高斯滤波增强边界信息得到每株立木轮廓; 最后,根据立木相对坐标不变性,利用几何重组方法实现目标立木特征表达并判断其拓扑关系,最终得到每株目标立木轮廓提取结果。【结果】为了验证该方法的有效性,本研究对自然环境下采集到的立木图像进行试验。结果表明,该方法能够在不同光照条件的复杂背景下,有效分割出每株立木轮廓,平均误分率为5.62%,假阳性率为4.49%,假阴性率为4.33%,均优于常用的OTSU分割算法(41.40%、26.73%、10.99%)、K-means聚类算法(49.97%、35.02%、11.92%)和基于C-V模型水平集法(28.43%、20.53%、13.38%)。【结论】复杂的自然环境下,利用基于人工交互的Graph Cut算法可有效分割出每株立木轮廓界,研究结果可为立木可视化重建、特征提取等提供参考。     

基于森林资源清查数据的江西省主要森林类型净生产力研究

【目的】基于江西省2011年和2016年的森林资源清查数据,分别估算不同森林类型的净生产力,为森林资源科学经营提供依据。【方法】以江西省2011年和2016年两期森林资源清查数据为样本,采用生物量回归模型法,在样木水平上计算单木生物量、累计样地水平生物量并扩大到总体水平,测算乔木层生物量的生长量和枯损量,结合乔木层生物量结果估测灌木层和草本层,并估算不同森林类型的净生产力。【结果】综合考虑森林乔木层生长与枯损、林下灌木层、草本层生物量,基于复位样木,由单木生物量模型得到样地生物量,进而计算江西省主要森林类型的净生产力,得出阔叶混交林的净生产力最高,针阔混交林次之,而针叶林和阔叶纯林的净生产力较低。2011—2016年,江西省森林平均净生产力为7.28 t/(hm²·a),阔叶混交林净生产力最高为11.26 t/(hm²·a)。【结论】在国家标准框架下的森林净生产力估算模式,可为更大范围内、统一标准下客观准确评估森林净生产力提供参考。