基于高斯滤波器和能量函数最小化的方法从机载激光雷达数据中分割单个树冠( Individual tree crown segmentation from airborne LiDAR data using a novel Gaussian filter and energy function minimization-based approach )

T Yun K Jiang G Li MP Eichhorn L Cao

从机载光探测和测距（LiDAR）数据中准确地分割单个树冠仍然是森林清查的一个挑战。虽然已有许多ITC分割方法从机载激光雷达数据中提取树冠信息，但这些算法在处理假树冠时存在不确定性，因为树叶丛和侧枝、树冠重叠而没有清晰的山谷形状区域、树冠下树冠与邻近树木之间的重叠使得树冠从空中角度看模糊了树冠的形状。在此，我们提出了一种利用计算机视觉理论对不同森林类型树冠进行分割的方法。首先，设计了一个具有自动自适应参数分配和虚假树梢筛选策略的双高斯滤波器。这保留了亚冠树的几何特征，同时消除了假树梢。其次，利用能量函数控制各向异性水膨胀，对树冠进行精确分割。利用数字地表模型的梯度信息，探索树冠边界的形态结构，类似于与周围树梢的最大谷高差。我们证明了我们的方法在中国亚热带森林中的一般性。相对于标记控制的分水岭方法，该方法提高了树冠的检测率和ITC分割，尤其是在复杂的多树冠交叉区域。3个纯桉树样地（冠层树的树梢检出率r≥0.95,冠幅估计值r≥0.90,亚冠树的树梢检出率r≥0.85,r≥0.88）和3个杉木样地（冠层树的树梢检出率r≥0.95,r≥0.87,亚冠树的树梢检出率r≥0.79,r≥0.83）均表现出较好的效果。最后，在一个相对复杂的森林公园中，树种和大小范围较广，也获得了较高的性能（树冠树r=0.93和r≥0.85；树冠下树r=0.70和r≥0.80)。我们的方法表明，受计算机视觉理论启发的方法可以改进现有的方法，即使在结构复杂的混交林中也可以提供准确的树冠分割

SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate