文献类型：期刊文章

作　　者：杨全月[1] 董泽宇[2] 马振宇[3] 吴悠[2] 崔琪[2] 卢昊[2]

YANG Quanyue;DONG Zeyu;MA Zhenyu;WU You;CUI Qi;LU Hao(School of Computer and Information Engineering,Beijing University of Agriculture,Beijing 102206,China;School of Information Science and Technology,Beijing Forestry University,Beijing 100083,China;Faculty of Environment and Natural Resources,University of Freiburg,Freiburg 79106,Germany)

机构地区：[1]北京农学院计算机与信息工程学院,北京102206 [2]北京林业大学信息学院,北京100083 [3]弗莱堡大学环境与自然资源学院,弗莱堡79106

出　　处：《农业机械学报》

基　　金：北京市教委科研计划项目(KM201710020016)。

年　　份：2020

卷　　号：51

期　　号：6

起止页码：181-190

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用无人机影像进行森林资源调查具有作业快速便捷、数据分辨率较高、影像细节丰富的特点,可较好地识别单木,获取树木位置、冠幅等信息。但是,厘米级的影像分辨率使基于光谱信息的传统分割算法在提取树冠时出现破碎化现象,产生过分割结果。同时,在非落叶季由于无人机影像难以观测到茂密林冠下层地形,故在地形起伏较大的林区难以实现基于树木冠层高度模型(CHM)的单木分割方法。针对上述问题,结合传统二维图像处理和SfM三维建模,提出了一种无需高度归一化的无人机影像树冠三维分割提取算法,首先利用SfM技术从高重叠航片建立三维表面模型,利用高程和图像信息检测初始树木位置,再采取kNN自适应邻域分水岭分割的方式对中心单木进行精确的树冠参数提取。在北京市百花山国家级自然保护区的落叶松林地进行了高分辨率无人机影像实验,采用正射影像目视解译结果和多种基于图像、点云的自动分割算法结果进行验证和评价。结果表明,本文方法对树木总体检出率在91%以上,冠幅提取精度在81%以上,优于传统的全局分水岭方法和其他树冠分割算法。

关 键 词：树冠 针叶林 分割算法  SFM 无人机

分 类 号：S771.8[林业工程类]