[1]李文静,王瑞瑞,石 伟,等.基于无人机多光谱影像的单木树冠提取方法[J].福建农林大学学报(自然科学版),2020,49(05):639-645.[doi:10.13323/j.cnki.j.fafu(nat.sci.).2020.05.010]
 LI Wenjing,WANG Ruirui,SHI Wei,et al.Crown extraction method of individual tree based on multi-spectral image of UAV[J].,2020,49(05):639-645.[doi:10.13323/j.cnki.j.fafu(nat.sci.).2020.05.010]
点击复制

基于无人机多光谱影像的单木树冠提取方法()
分享到:

福建农林大学学报(自然科学版)[ISSN:1671-5470/CN:35-1255/S]

卷:
49卷
期数:
2020年05期
页码:
639-645
栏目:
林业科学
出版日期:
2020-09-18

文章信息/Info

Title:
Crown extraction method of individual tree based on multi-spectral image of UAV
文章编号:
1671-5470(2020)05-0639-07
作者:
李文静1 王瑞瑞1 石 伟2 苏婷婷1
1.北京林业大学精准林业北京市重点实验室,北京 100083; 2.中国航天系统科学与工程研究院,北京 100083
Author(s):
LI Wenjing1 WANG Ruirui1 SHI Wei2 SU Tingting1
1.Precision Forestry Key Laboratory of Beijing,Beijing Forestry University, Beijing 100083, China; 2.China Aerospace Academy of Systems Science and Engineering, Beijing 100083, China
关键词:
无人机多光谱影像 多尺度分割 单木树冠 植被指数 双边滤波
Keywords:
unmanned aerial vehicle multispectral image multi-scale segmentation single crown vegetation index bilateral filtering
分类号:
TP751.1
DOI:
10.13323/j.cnki.j.fafu(nat.sci.).2020.05.010
文献标志码:
A
摘要:
基于无人机多光谱影像,选取郁闭度较高的阔叶林区作为研究对象,在提取植被特征的基础上,采用双边滤波和面向对象的多尺度分割方法,选取最佳分割参数组合,得到单木树冠.结果表明,与直接对原始真彩色影像采用多尺度分割的结果相比,改进方法的过分割现象明显减少,分割准确率达到76.63%,F测度为80.24%,说明该方法能有效减少背景对分割精度的影响,有效抑制传统多尺度分割方法造成的过分割问题,可对郁闭度较高的阔叶林区单木树冠进行自动提取.
Abstract:
Bilateral filtering and multi-scale segmentation were applied to vegetation characteristics information extracted from UAV multi-spectral images of broadleaf forest with high canopy density. Upon the optimum combinations of segmentation parameters, single crown images were generated.Compared with the results directly segmented from the original true color multi-scale images, over-segmentation was noticeably reduced from the improved method, resulting in a segmentation accuracy of 76.63% and F measure of 80.24%. It can be concluded that the proposed method can effectively lower the impact of background on compromising segmentation accuracy, and effectively reduce over-segmentation arisen from multi-scale segmentation by conventional methods, which can be used for the automatic tree crown extraction of broadleaf forest with high canopy density.

参考文献/References:

[1] 于旭宅,王瑞瑞,陈伟杰.基于三种分割算法的高分辨率影像分割比较[J].中南林业调查规划,2018,37(1):35-39.
[2] 付尧,王新杰,孙玉军,等.树冠提取技术研究进展[J].世界林业研究,2013,26(4):38-42.
[3] 刘笃晋.面向植被识别的无人机图像处理关键技术研究[D].成都:成都理工大学,2016.
[4] 杨焕波,赵静,兰玉斌,等.基于无人机可见光遥感和阈值法的玉米植被覆盖度提取[J].福建农林大学学报(自然科学版),2020,49(2):283-288.
[5] CHIANUCCI F, DISPERATI L, GUZZI D, et al. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV[J]. International Journal of Applied Earth Observation and Geoinformation, 2016,47:60-68.
[6] 何艺,周小成,黄洪宇,等.基于无人机遥感的亚热带森林林分株数提取[J].遥感技术与应用,2018,33(1):168-176.
[7] 韦雪花.轻小型航空遥感森林几何参数提取研究[D].北京:北京林业大学,2013.
[8] 冯静静,张晓丽,刘会玲.基于灰度梯度图像分割的单木树冠提取研究[J].北京林业大学学报,2017,39(3):16-23.
[9] 钱蓉,董伟,朱静波,等.基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法[J].福建农林大学学报(自然科学版),2019,48(3):398-404.
[10] 刘晓双,黄建文,鞠洪波.高空间分辨率遥感的单木树冠自动提取方法与应用[J].浙江林学院学报,2010,27(1):126-133.
[11] 卜帆,石玉立.机载LiDAR高差和高分影像的城市树冠提取比较[J].遥感技术与应用,2017,32(5):875-882.
[12] 付凯婷.无人机遥感技术估算桉树蓄积量的研究[D].西宁:广西大学,2015.
[13] 郭昱杉,刘庆生,刘高焕,等.基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取[J].地球信息科学学报,2016,18(9):1259-1266.
[14] 于旭宅,王瑞瑞,陈伟杰.改进分水岭算法在无人机遥感影像树冠分割中的应用[J].福建农林大学学报(自然科学版),2018,47(4):428-434.
[15] 曾晶.基于LiDAR与DOM数据的单木参数提取与程序开发[D].北京:北京林业大学,2016.
[16] 蒋辉.双边滤波理论及其在遥感图像处理中的应用研究[D].成都:西南交通大学,2014.
[17] 李明东,李雪竹,胡昊东,等.基于双边滤波的图像阈值降噪算法改进与研究[J].九江学院学报(自然科学版),2019(2):65-67.
[18] 徐凡,张雪红,石玉立.基于激光雷达和航拍影像的城市地物分类研究[J].遥感技术与应用,2019,34(2):253-262.
[19] 朱双志.面向对象的高分辨率遥感图像分割方法的研究[D].长沙:湖南大学,2012.
[20] 李方方,刘正军,徐强强,等.面向对象随机森林方法在湿地植被分类的应用[J].遥感信息,2018,33(1):111-116.
[21] 朱红春,蔡丽杰,刘海英,等.高分辨率影像分类的最优分割尺度计算[J].测绘科学,2015,40(3):71-75.
[22] 施佩荣,陈永富,刘华,等.基于分割评价函数的多尺度分割参数的选择[J].遥感技术与应用,2018,33(4):628-637.
[23] 郑鑫,王瑞瑞,靳茗茗.基于形态学阈值标记分水岭算法的高分辨率影像单木树冠提取[J].中南林业调查规划,2017,36(4):30-35.

备注/Memo

备注/Memo:
收稿日期:2019-11-18 修回日期:2020-04-12
基金项目:国家自然科学基金资助项目(41971376、41201446).
作者简介:李文静(1994-),女.研究方向:林业遥感信息智能提取.Email:lwj_sugar@163.com.通信作者王瑞瑞(1983-),女,副教授.研究方向:林业遥感信息智能提取.Email:wangruigis@163.com.
更新日期/Last Update: 2020-09-20