森林调查是实现林业精准化和现代化管理的必要前提,无人机遥感技术为森林调查开辟了新道路。树冠提取是森林调查的主要内容,图像分割是实现树冠提取的技术保证。本文通过无人机遥感技术获取新疆天山云杉高分辨率影像数据,分别选取由形态学滤波标记分水岭结合形态Chan-Vese模型构成的传统方法与以U-Net语义分割模型为代表的深度学习技术两条技术路线进行树冠提取研究。通过对两种不同的树冠提取方法的实验结果进行分析和对比,试图探索一种更加高效、准确和科学的自动树冠提取方法。论文主要做了如下工作:(1)在基于形态学滤波标记分水岭云杉树冠提取中,首先利用形态学滤波来增强树冠顶点的区域极大值点,然后通过局部最大值滤波法和图像几何矩法确定单木树冠顶点并以此作为标记,最后利用分水岭变换得到云杉树冠的初步轮廓。(2)针对形态学滤波标记分水岭提取的树冠轮廓收敛效果不佳的问题,将树冠轮廓提取的问题转化为曲线演化和能量泛函优化的问题,利用形态Chan-Vese模型来优化树冠轮廓。(3)根据获取的无人机遥感数据规模有限的特点,选择结构简单、性能优越的U-Net网络,通过数据标注和数据增强的方式构建数据集,在有限样本数据集上训练获取U-Net网络模型,并用该网络模型进行云杉树冠分割提取。(4)以手工勾绘的树冠轮廓和人工目视统计的云杉株数作为参考数据,分别对以上方法的树冠分割结果和轮廓提取结果进行精度检验。结果表明基于形态学滤波标记分水岭分割算法提取的树冠轮廓收敛性很差(大致勾绘出了单木树冠的轮廓范围),并且单木株数提取精度相对较低(准确率89.40%,召回率76.81%)。通过形态Chan-Vese模型对树冠轮廓优化后,树冠分割结果的平均交并比为0.78,提取的树冠轮廓收敛性得到明显改善,并且单木株数提取精度也有所增加(准确率90.13%,召回率79.97%)。利用U-Net语义分割模型进行树冠提取,其分割结果的平均交并比为0.89,提取的树冠轮廓收敛性最好,单木株数提取精度也最高(准确率91.89%,召回率90.22%)。