论文部分内容阅读
森林资源是最重要的自然资源之一,准确、高效地获取森林中单木的位置和参数信息是林业调查中最基本的工作任务,同时也是开展各项林业生态研究的重要前提。作为一门主动遥感技术,激光雷达技术近些年发展非常迅速,它可以高精度、高效率、大范围地获取点云数据,并能够有效地表达森林结构信息,在林业调查中发挥着越来越重要的作用,基于点云数据的单木分割和胸径参数提取已成为研究热点。目前,基于点云数据的单木分割算法研究大都是以特定类型的森林为基础,且单木分割算法精度评定尚未形成统一的标准,导致不易评定算法的优劣。而单木胸径提取算法的研究,大部分集中在算法精度是否满足要求,对精度对比的探究甚少,用户面对不同形状的树干点云数据无从选择有效的胸径提取算法。本文围绕上述实际问题,利用地基激光雷达采集了针叶林、阔叶林、针叶阔叶林、原始森林的点云数据,并通过相关的处理流程和算法进行了充分细致的实验。首先使用分水岭分割法、Hough变换圆检测分割法、区域增长分割法分别处理了针叶林、阔叶林、针叶阔叶林以及原始森林的点云数据,在进行了分割处理后,通过分析不同算法处理不同林地类型的点云数据发现:三种算法具有明显的分割精度差异,但也表现出一定的规律。在针叶林,区域增长分割算法和分水岭分割算法精度更优,其召回率为70%和54%,正确率分别为88.1%和87%;对于阔叶林,Hough变换圆检测算法可精确分割单棵树木,召回率和正确率可达到83.6%和86.8%。相对于前两种林地类型,三种算法针对针叶阔叶混合林的结果精度一般,虽然区域增长算法的召回率在三种算法中最优为61.2%,但其正确率仅为48%;而对于原始森林,这三种算法的分割精度普遍很低,适用性较差,区域增长算法的召回率最高为53%,正确率仅为35.6%。对于胸径提取算法,本文使用最小二乘法、凸包算法、Hough变换圆检测三种算法分别对样地内100棵单木的胸径进行提取。通过比较和分析可知最小二乘法比其他两种算法的精度更优,大部分绝对误差在0-5mm之间,而对于形状不规则的树干,提取胸径精度占劣势。凸包算法虽然较最小二乘法提取精度差,但该算法的稳定性较高,对于畸形树干胸径的提取有较好的适用性;Hough变换圆检测算法较其他两种方法提取胸径的精度最低,且稳定性亦差。本研究针对基于点云的单木分割和单木胸径的提取分别采用了3种算法展开对比分析,分割结果表明在针叶林,区域增长分割算法和分水岭分割算法精度更优,对于阔叶林,使用Hough变换圆检测算法结合中值滤波算法改进后可减弱噪声影响并可精确分割单棵树木,针对针叶阔叶混合林的三种算法分割精度一般,对于原始森林三种算法的分割精度普遍很低。胸径提取的结果表明,最小二乘法的精度最优,但是稳定性较差。凸包算法精度较低,但其稳定性较好。Hough变换圆检测算法精度最差,稳定性亦差。