【摘要】：樹(shù)木是生態(tài)系統(tǒng)的重要組成部分,在維持碳氧平衡、保持生物多樣性起到重要的作用。在虛擬現(xiàn)實(shí)與林業(yè)測(cè)繪中,樹(shù)木的三維模型一直都是研究重點(diǎn),由于樹(shù)木種類繁多,形態(tài)和結(jié)構(gòu)差異大,虛擬植物建模成為計(jì)算機(jī)圖形學(xué)研究的熱點(diǎn)問(wèn)題。目前樹(shù)木三維模型的構(gòu)建方法有基于草圖、基于規(guī)則、基于圖像的方法等�；趫D像的樹(shù)木建模方法具有真實(shí)感強(qiáng)的特點(diǎn),本文基于圖像方法對(duì)樹(shù)木三維模型建立進(jìn)行研究,以獲得外觀近似的樹(shù)三維模型,模型可應(yīng)用在虛擬林業(yè)、虛擬現(xiàn)實(shí)等場(chǎng)景中。與此同時(shí),隨著攝影測(cè)量技術(shù)的不斷發(fā)展,通過(guò)單張相片就可以對(duì)樹(shù)木進(jìn)行測(cè)量,本文對(duì)相機(jī)成像模型進(jìn)行研究,以基于圖像的測(cè)量方式快速獲取測(cè)樹(shù)因子,降低野外調(diào)查勞動(dòng)強(qiáng)度,提高森林資源調(diào)查效率。本文的研究?jī)?nèi)容包括樹(shù)木圖像前景提取、樹(shù)干與樹(shù)冠提取、相機(jī)傾斜拍攝的圖像校正、樹(shù)木三維模型建立和基于攝影測(cè)量的樹(shù)木參數(shù)提取,首先針對(duì)樹(shù)木圖像背景復(fù)雜、結(jié)構(gòu)不規(guī)則的問(wèn)題,提出基于Close-Form與K-means的樹(shù)木前景提取方法,方法能夠在少量用戶標(biāo)記下,計(jì)算樹(shù)木前景與背景。然后使用GMM與區(qū)域生長(zhǎng)算法分割樹(shù)冠和樹(shù)干圖像,方法引入余弦相似度的度量方式,充分利用GMM聚類概率信息。隨后為了保留圖像線性特征,推導(dǎo)單應(yīng)矩陣對(duì)圖像進(jìn)行透視變換,校正傾斜攝影圖像到正視圖像。然后研究樹(shù)木三維模型建立方法,為了得到更真實(shí)的樹(shù)木骨架信息,采用草圖方式添加樹(shù)木骨架,并提取樹(shù)木主干與次級(jí)分枝拓?fù)浣Y(jié)構(gòu),結(jié)合骨架拓?fù)潢P(guān)系與樹(shù)冠凸包建立與真實(shí)樹(shù)木形態(tài)相似的樹(shù)木三維模型。最后研究基于圖像的樹(shù)木參數(shù)提取方法,選取了常用的測(cè)樹(shù)因子與葉面積指數(shù)進(jìn)行研究,根據(jù)相機(jī)成像模型,獲得傾斜圖像像素坐標(biāo)到現(xiàn)實(shí)空間坐標(biāo)的轉(zhuǎn)換關(guān)系,為驗(yàn)證方法的準(zhǔn)確性,以采集的45個(gè)樹(shù)木樣本進(jìn)行實(shí)驗(yàn)測(cè)試,攝影測(cè)量單木樹(shù)高、冠幅、胸徑指標(biāo),三種測(cè)樹(shù)因子的平均絕對(duì)誤差分別為0.23m、0.17m、0.97cm,平均相對(duì)精度分別為5.74%、6.53%、8.62%。為反映樹(shù)木長(zhǎng)勢(shì)與生長(zhǎng)狀況,定義樹(shù)冠茂密度參量,以獲取的測(cè)樹(shù)因子與樹(shù)冠茂密度作為輸入,使用BP神經(jīng)模型進(jìn)行回歸,反演單木葉面積指數(shù)。實(shí)驗(yàn)結(jié)果表明,相對(duì)于僅輸入測(cè)樹(shù)因子的BP神經(jīng)模型模型,增加樹(shù)冠茂密度作為輸入的BP模型相關(guān)系數(shù)提高、均方誤差降低,其中測(cè)試集均方誤差達(dá)到0.24,相關(guān)系數(shù)達(dá)到0.77。本文所提出的基于圖像的樹(shù)木測(cè)量方法,符合林業(yè)調(diào)查的精度要求,一次采集就可獲取多個(gè)參數(shù),具有一定應(yīng)用性。由于樹(shù)木生長(zhǎng)具有區(qū)域一致性,本文提出的葉面積指數(shù)反演模型具有一定參考性,對(duì)于城市行道樹(shù)、人工林能夠根據(jù)測(cè)樹(shù)因子預(yù)測(cè)單木葉面積指數(shù),便于對(duì)植物群落進(jìn)行量化分析。
【圖文】：

圖２－１采集圖像樣張逡逑圖方法逡逑像摳圖是樹(shù)木圖像提取的兩種主要方法。圖域的處理技術(shù)，在樹(shù)木圖像提取中可根據(jù)樹(shù)賀［４３］對(duì)樹(shù)木圖像進(jìn)行顏色特征變換、梯度變分水嶺分割方法的輸入圖像，然后進(jìn)行開(kāi)閉冰等［４４］提出一種基于Ｋ－ｍｅａｎｓ聚類與灰度－色圖像在顏色空間下進(jìn)行聚類完成初分割，。圖像分割方法雖然相對(duì)簡(jiǎn)單、運(yùn)行速度較等問(wèn)題。自然圖像摳圖是將圖像的背景和前特技制作中。目前較流行的摳圖方法是采用區(qū)域、背景區(qū)域以及不確定區(qū)域進(jìn)行標(biāo)記。進(jìn)行了改進(jìn)，得到一種有效的樹(shù)木圖像提取為泊松方程求解，通過(guò)一個(gè)迭代式的算法對(duì)

通過(guò)Ｍａｔｌａｂ對(duì)上述方程可以進(jìn)行求解，輸入兩幅圖像，其中一幅為添加ｓｃｒｉｂｂｌｅｓ逡逑標(biāo)記的圖像，另一幅為原圖，經(jīng)過(guò)求解可得到圖像透明度圖。逡逑圖２－２使用Ｃｌｏｓｅ－Ｆｏｒｍ算法對(duì)摳圖算法常用測(cè)試圖片進(jìn)行標(biāo)記，發(fā)現(xiàn)不需要特別多逡逑的標(biāo)記即可完成較好的透明度計(jì)算，在毛發(fā)邊緣處也能夠清晰的分辨。逡逑，，通介＼逡逑（ａ）原圖邐（ｂ）邋ｓｃｒｉｂｂｌｅｓ標(biāo)記圖邐（ｃ）透明度圖逡逑圖２－２邋Ｃｌｏｓｅ－Ｆｏｒｍ算法透明度圖結(jié)果逡逑圖２－３展示了傳統(tǒng)Ｃｌｏｓｅ－Ｆｏｒｍ?yè)笀D方法提取樹(shù)木圖像的結(jié)果。首先在自然圖像背景逡逑下，添加少量前景、背景標(biāo)記信息，如圖２－３邋（ａ）所示白色為前景，黑色為背景。然后計(jì)逡逑算得到透明度結(jié)果，透明度圖能夠能刻畫(huà)樹(shù)木的基本輪廓，最后根據(jù)透明度分離前景背逡逑－１０－逡逑
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;S758

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馮桂蓮;;曲率驅(qū)動(dòng)擴(kuò)散圖像邊緣形態(tài)復(fù)合濾波方法仿真[J];計(jì)算機(jī)仿真;2019年09期

2 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開(kāi)發(fā);2013年12期

4 顧長(zhǎng)友;妙用Photoshop處理圖像邊緣[J];電腦知識(shí)與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測(cè)圖像邊緣[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

9 許志強(qiáng);張婷;;數(shù)字式多媒體場(chǎng)景圖像準(zhǔn)確分類方法仿真[J];計(jì)算機(jī)仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

4 陳煒;張陽(yáng)陽(yáng);孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國(guó)家安全地球物理叢書(shū)（十）——地球物理環(huán)境與國(guó)家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

6 孫增國(guó);師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問(wèn)題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測(cè)系統(tǒng)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前7條

1 侯杰;國(guó)產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

2 吳飛;無(wú)邊距照片打印三部曲[N];中國(guó)電腦教育報(bào);2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動(dòng)[N];電腦報(bào);2003年

4 ;體驗(yàn)決定一切[N];中國(guó)計(jì)算機(jī)報(bào);2003年

5 Wang JS;摳圖又有新招[N];電腦報(bào);2002年

6 徐和德;從實(shí)戰(zhàn)出發(fā)選擇合適鏡頭[N];中國(guó)攝影報(bào);2019年

7 ;令挑剔的人也刮目相看[N];中國(guó)電子報(bào);2001年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);2017年

2 蔡博侖;圖像去霧與增強(qiáng)算法的研究[D];華南理工大學(xué);2019年

3 宋偉先;基于深度學(xué)習(xí)的豬只目標(biāo)檢測(cè)及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

4 吳迪;光學(xué)遙感圖像典型目標(biāo)檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王瑤;復(fù)雜天氣下的道路識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

7 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

8 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

9 張文靜;光場(chǎng)成像技術(shù)在天空偏振模式測(cè)量和湍流圖像清晰化中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

10 左承林;圖像非局部均值去噪方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張傳敏;低質(zhì)量圖像自適應(yīng)增強(qiáng)算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2019年

2 王冰;基于高斯模型與圖像風(fēng)格遷移的QR碼美化算法研究[D];杭州電子科技大學(xué);2019年

3 曹旨昊;基于深度學(xué)習(xí)的圖像推薦算法研究與實(shí)現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2019年

4 蔣亞杰;視頻監(jiān)控系統(tǒng)圖像清晰化研究[D];華北水利水電大學(xué);2019年

5 張震;基于深度學(xué)習(xí)的圖像隱寫(xiě)分析算法研究[D];北京交通大學(xué);2019年

6 趙維;基于深度學(xué)習(xí)的圖像來(lái)源取證研究[D];北京交通大學(xué);2019年

7 王建明;光場(chǎng)圖像新視點(diǎn)生成算法研究[D];江南大學(xué);2019年

8 徐曉宇;高壓輸電線路巡檢圖像缺陷檢測(cè)算法研究[D];杭州電子科技大學(xué);2019年

9 張麗園;基于CT圖像的肝部腫瘤的自動(dòng)分割算法研究[D];電子科技大學(xué);2019年

10 譚秀蘭;高分辨SAR圖像海面目標(biāo)檢測(cè)與識(shí)別方法研究[D];電子科技大學(xué);2019年

本文編號(hào)：2630382