基于無人機(jī)多光譜影像,選取郁閉度較高的闊葉林區(qū)作為研究對(duì)象,在提取植被特征的基礎(chǔ)上,采用雙邊濾波和面向?qū)ο蟮亩喑叨确指罘椒?選取最佳分割參數(shù)組合,得到單木樹冠.結(jié)果表明,與直接對(duì)原始真彩色影像采用多尺度分割的結(jié)果相比,改進(jìn)方法的過分割現(xiàn)象明顯減少,分割準(zhǔn)確率達(dá)到76.63%,F測(cè)度為80.24%,說明該方法能有效減少背景對(duì)分割精度的影響,有效抑制傳統(tǒng)多尺度分割方法造成的過分割問題,可對(duì)郁閉度較高的闊葉林區(qū)單木樹冠進(jìn)行自動(dòng)提取.

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1研究區(qū)地理位置及影像圖

本研究數(shù)據(jù)空間分辨率更高且為多光譜影像,包含近紅外波段,可利用紅波段和近紅外波段計(jì)算NDVI,將樹冠區(qū)域和背景區(qū)分開,以抑制背景對(duì)單木樹冠分割的影響.然而隨著影像空間分辨率的提高,同一樹冠內(nèi)部紋理細(xì)節(jié)更顯著,導(dǎo)致分割時(shí)出現(xiàn)較多過度分割現(xiàn)象.針對(duì)這個(gè)問題,本研究選擇雙邊濾波對(duì)提取的....

圖2多光譜影像單木提取方法的技術(shù)路線

2研究方法本研究針對(duì)目前樹冠提取中易出現(xiàn)的過度分割問題,基于無人機(jī)多光譜影像,選取高郁閉度的闊葉林區(qū)進(jìn)行試驗(yàn),結(jié)合闊葉樹冠的特點(diǎn)改進(jìn)了傳統(tǒng)的單木樹冠提取方法.先利用NDVI掩膜提取樹冠區(qū)域,然后選取雙邊濾波器進(jìn)行處理,最后采用多尺度分割算法對(duì)不同分割參數(shù)組合進(jìn)行對(duì)比分析,選取最....

圖3NDVI計(jì)算結(jié)果及冠層掩膜圖像

曾晶[15]基于DOM數(shù)據(jù)采用面向?qū)ο蟮亩喑叨确指罘椒ǐ@取單木樹冠,結(jié)果顯示多尺度分割算法會(huì)出現(xiàn)欠分割和過度分割的現(xiàn)象.其中過度分割現(xiàn)象較嚴(yán)重,同一樹冠內(nèi)部紋理細(xì)節(jié)顯著且亮度不均,導(dǎo)致在分割過程中同一樹冠被分割成多個(gè).為減輕紋理細(xì)節(jié)對(duì)樹冠分割的影響,本研究選擇雙邊濾波對(duì)樹冠區(qū)域進(jìn)....

圖4雙邊濾波處理前后效果圖的比較

因多尺度分割算法可以綜合考慮影像的灰度紋理形狀等信息,故適用于信息豐富的高分辨率影像[18].多尺度分割算法使對(duì)象的平均異質(zhì)性達(dá)到最小化,同時(shí),各自的同質(zhì)性達(dá)到最大化,分割速度較快,參數(shù)可靈活調(diào)節(jié)設(shè)置[19].其核心技術(shù)是分形網(wǎng)絡(luò)演化方法(fractalnetevolutio....

本文編號(hào)：3957056