作为一种新型的对地观测技术，激光雷达(Light Detection and Ranging，LiDAR)已广泛应用于林业资源调查、数字城市、电力巡线、基础测绘等领域。相比于传统光学遥感手段，激光雷达能够克服信号饱和及易受云雨影响等局限性，且对森林冠层具有很强的穿透性，能直接获取森林冠层的三维结构信息，因而在表达森林冠层空间结构及参数反演方面具有独特优势。其中机载激光雷达数据由于其光斑直径较小、且多回波或全波形记录方式，可以直接、高效的获取高精度、高密度的森林植被三维结构信息，适于单木位置的精准探测与树冠的精确分割，定量、精细描述森林三维结构（如树高、冠幅、叶面积指数等），是当前森林资源调查最有效的手段之一。　　针对现有机载LiDAR数据单木分割算法在密集林区应用精度较低的问题，本研究开展了密集林区单木分割算法的研究，主要包括以下研究内容:　　(1)利用Kd树(K-dimension tree)组织离散激光点云数据以提升点云数据的搜索查找效率;开展了点云去除噪声算法研究，并分别应用数学形态学滤波 算法、移动曲面滤波算法和布料模拟滤波算法进行研究区激光点云的地面点和非地面点分离。　　(2)分别对地面点云和非地面点云采用反距离加权法插值生成数字高程模型(Digital Elevation Model，DEM)和数字表面模型(Digital Surface Model，DSM)，并基于DSM和DEM生成冠层高度模型(Canopy Height Model，CHM)以及基于DEM对林区冠层点云高程归一化处理。　　(3)基于林区冠层分层结构特点提出了一种从机载点云数据直接分离单木的方法。首先，基于CHM计算局部最大值以确定冠层表面的明显树顶，并以此作为单木位置的先验知识，继而采用归一化割(Normalized cut，Ncut)方法实现冠层的初始分割;然后，以全局最大值代替局部最大值，并将冠层形状、冠层最小点数作为约束条件，再次利用Ncut方法完成漏检单木的探测，进而实现单木的精确探测。实验结果表明，本文方法有效地减少了漏识单木，整体精度可达90％以上。　　(4)分别对漏检单木处理前后的分割结果进行定量评价，并与其他方法结果做比较，验证本研究所提方法的可靠性和优势。实验表明，本文方法具有优势与潜力，将有助于单木三维结构定量、精细描述及参数反演。