森林资源作为最大的陆地资源,它的变化不仅关系着社会经济的发展,而且对生态环境也有巨大的影响。近年来人类环保意识的提高,森林资源的重要性得到更加广泛的认知。因此高效地获取森林资源状况成为必然的趋势。森林是由单株的树木构成,准确的森林单株木参数是获得详细森林资源状况的保证,所以准确获取高精度单株木参数意义深远。虽传统的光学遥感在林业领域应用广泛,但是仅仅能够提供简单的空间和光谱信息,远远无法满足森林资源调查的需求。机载激光雷达技术,作为现代对地观测的新技术之一,与其它遥感测绘方法相比,该技术的主要优势为能够快速、直接的获取地物表面的三维坐标数据。因此,近几年来在森林资源调查、城市三维测绘等领域取得了广泛的应用。在森林植被地区,由于机载激光雷达系统发出的激光束有一定的穿透性,可穿透植被到达地表。因此利用此技术,可以获取树冠表面和地表面的三维数据。本文以利用LiDAR数据获取单木尺度的参数为目的,进行了以下的研究工作：(1)树冠高度模型的获取。本文运用不规则三角网滤波算法对雷达点云进行滤波处理,通过滤波分出地面点、植被点、异常点、房屋点等,达到了很好的分类效果,将分类的地面点及植被激光点分别生成数字地面模型和数字地表模型,二者做差运算得到树冠高度模型。(2)树冠高度模型优化算法。树冠高度模型中包括了很多高程漏洞直接或间接地影响了基于树冠高度模型的各种森林参数提取精度。本文提出了一种新的方法解决这个问题,通过形态学的闭运算获取到平滑的树冠高度模型,再通过树冠高度模型矩阵的归一化、二值化、卷积等运算过程,用平滑高程值替换掉树冠高度模型中异常的高程值点,树冠与树冠之间的低点保留下来,使得连续的树冠被修复和对齐。(3)对优化后的树冠高度模型进行多尺度单株木分离。面向对象的多尺度分割是从一个像素的对象开始进行一个自下至上的区域合并技术,小的影像对象可以合并到稍大的对象中去。本研究运用面向对象的多尺度分割方法,将树冠高度模型生成图像对象原型,通过设置不同的尺度参数来实现区域生长算法,完成了对研究区域的树冠高度模型的分割,取得了理想的分割效果。(4)最后通过建立雷达估测林木特征值与实测林木特征值的线性回归关系,对单株木的树高和冠幅进行反演。冠幅估测的平均精度达到88%,树高估测的平均精度高达89%。