基于機載LiDAR和高光譜數(shù)據(jù)的樹種分類及三維顯示
發(fā)布時間:2023-04-05 00:33
森林資源是一種自然的、可再生的資源,是地球上最重要的資源之一,為林業(yè)的可持續(xù)發(fā)展提供物質(zhì)保障。森林在調(diào)節(jié)氣候、保持生物多樣性、提供生態(tài)產(chǎn)品等方面發(fā)揮著重要的作用,樹種的準確識別是研究和利用森林資源的基礎。本文以地形復雜的大興安嶺根河實驗區(qū)茂密森林為研究對象,利用2016年獲取的機載LiDAR點云數(shù)據(jù)和高光譜遙感影像為基礎,建立針對不同樹種分類的點云特征和高光譜特征,選用支持向量機(Support Vector Machine,SVM)分類器,對主要樹種進行識別分類。同時以C#編程語言和Skyline系列軟件提供的控件和接口,開發(fā)了復雜環(huán)境森林樹種分類與三維顯示原型系統(tǒng),實現(xiàn)了樹木數(shù)據(jù)查詢、管理、分類和三維顯示等功能,為復雜環(huán)境下森林的生態(tài)監(jiān)測和可持續(xù)經(jīng)營提供數(shù)據(jù)與技術(shù)支持。本文的主要研究內(nèi)容如下:(1)機載LiDAR點云數(shù)據(jù)和高光譜影像數(shù)據(jù)特征提取。高光譜遙感影像具有豐富的光譜信息和紋理信息,機載LiDAR能夠獲取林木垂直結(jié)構(gòu)特征。針對研究區(qū)地形起伏大、樹林茂密的復雜環(huán)境條件,本文通過對研究區(qū)機載Li DAR點云數(shù)據(jù)進行地形因子校正后,利用區(qū)域增長結(jié)合閾值判斷的方法(Point Clo...
【文章頁數(shù)】:85 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 樹種分類研究現(xiàn)狀
1.2.2 森林三維顯示研究現(xiàn)狀
1.3 發(fā)展態(tài)勢
1.4 論文研究內(nèi)容及路線
1.4.1 研究內(nèi)容
1.4.2 技術(shù)路線
1.5 論文組織結(jié)構(gòu)
第二章 研究區(qū)域與數(shù)據(jù)
2.1 研究區(qū)域概況
2.2 研究區(qū)數(shù)據(jù)
2.2.1 遙感數(shù)據(jù)
2.2.2 樣地實測數(shù)據(jù)
2.2.3 機載LiDAR數(shù)據(jù)預處理
2.2.4 高光譜影像數(shù)據(jù)預處理
2.2.4.1 輻射定標
2.2.4.2 幾何校正
2.2.4.3 大氣校正
2.2.4.4 機載LiDAR和高光譜影像配準
2.3 本章小結(jié)
第三章 機載LIDAR與高光譜數(shù)據(jù)特征構(gòu)建與提取
3.1 復雜環(huán)境森林機載LiDAR與高光譜數(shù)據(jù)特征體系構(gòu)建
3.1.1 機載LiDAR點云數(shù)據(jù)特征選擇
3.1.2 高光譜影像特征選擇
3.2 機載LiDAR點云數(shù)據(jù)特征提取
3.2.1 地形因子校正
3.2.2 單木分割
3.2.3 點云數(shù)據(jù)特征提取
3.3 高光譜影像特征提取
3.3.1 高光譜數(shù)據(jù)特征波段選擇
3.3.2 光譜反射率特征
3.3.3 植被指數(shù)-NDVI
3.3.4 紋理特征
3.3.4.1 PCA變換
3.3.4.2 灰度共生矩陣(GLCM)
3.4 本章小結(jié)
第四章 基于機載LIDAR和高光譜數(shù)據(jù)樹種分類
4.1 遙感分類概述
4.2 基于SVM分類
4.2.1 SVM概述
4.2.2 核函數(shù)與參數(shù)選擇
4.3 分類實驗
4.4 研究區(qū)樹種分類
4.5 精度評定
4.6 本章小結(jié)
第五章 系統(tǒng)設計與開發(fā)
5.1 需求分析與設計原則
5.1.1 需求分析
5.1.2 系統(tǒng)設計原則
5.2 開發(fā)配置與架構(gòu)
5.2.1 系統(tǒng)開發(fā)配置
5.2.2 系統(tǒng)架構(gòu)
5.3 系統(tǒng)設計中的主要技術(shù)和算法介紹
5.3.1 .NET開發(fā)平臺介紹
5.3.2 Skyline
5.3.3 GDAL及其配置
5.3.4 MPT
5.3.5 3D模型
5.3.6 Instance技術(shù)
5.4 復雜環(huán)境森林樹種分類與三維顯示原型系統(tǒng)測試與應用
5.4.1 系統(tǒng)簡介概述
5.4.2 數(shù)據(jù)管理
5.4.3 復雜環(huán)境森林三維顯示
5.4.4 復雜環(huán)境森林三維場景功能
5.4.4.1 縮放與平移
5.4.4.2 視圖切換與旋轉(zhuǎn)
5.4.4.3 分層顯示
5.4.4.4 屬性查詢
5.4.5 分類處理
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學位期間取得的成果
本文編號:3782362
【文章頁數(shù)】:85 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 樹種分類研究現(xiàn)狀
1.2.2 森林三維顯示研究現(xiàn)狀
1.3 發(fā)展態(tài)勢
1.4 論文研究內(nèi)容及路線
1.4.1 研究內(nèi)容
1.4.2 技術(shù)路線
1.5 論文組織結(jié)構(gòu)
第二章 研究區(qū)域與數(shù)據(jù)
2.1 研究區(qū)域概況
2.2 研究區(qū)數(shù)據(jù)
2.2.1 遙感數(shù)據(jù)
2.2.2 樣地實測數(shù)據(jù)
2.2.3 機載LiDAR數(shù)據(jù)預處理
2.2.4 高光譜影像數(shù)據(jù)預處理
2.2.4.1 輻射定標
2.2.4.2 幾何校正
2.2.4.3 大氣校正
2.2.4.4 機載LiDAR和高光譜影像配準
2.3 本章小結(jié)
第三章 機載LIDAR與高光譜數(shù)據(jù)特征構(gòu)建與提取
3.1 復雜環(huán)境森林機載LiDAR與高光譜數(shù)據(jù)特征體系構(gòu)建
3.1.1 機載LiDAR點云數(shù)據(jù)特征選擇
3.1.2 高光譜影像特征選擇
3.2 機載LiDAR點云數(shù)據(jù)特征提取
3.2.1 地形因子校正
3.2.2 單木分割
3.2.3 點云數(shù)據(jù)特征提取
3.3 高光譜影像特征提取
3.3.1 高光譜數(shù)據(jù)特征波段選擇
3.3.2 光譜反射率特征
3.3.3 植被指數(shù)-NDVI
3.3.4 紋理特征
3.3.4.1 PCA變換
3.3.4.2 灰度共生矩陣(GLCM)
3.4 本章小結(jié)
第四章 基于機載LIDAR和高光譜數(shù)據(jù)樹種分類
4.1 遙感分類概述
4.2 基于SVM分類
4.2.1 SVM概述
4.2.2 核函數(shù)與參數(shù)選擇
4.3 分類實驗
4.4 研究區(qū)樹種分類
4.5 精度評定
4.6 本章小結(jié)
第五章 系統(tǒng)設計與開發(fā)
5.1 需求分析與設計原則
5.1.1 需求分析
5.1.2 系統(tǒng)設計原則
5.2 開發(fā)配置與架構(gòu)
5.2.1 系統(tǒng)開發(fā)配置
5.2.2 系統(tǒng)架構(gòu)
5.3 系統(tǒng)設計中的主要技術(shù)和算法介紹
5.3.1 .NET開發(fā)平臺介紹
5.3.2 Skyline
5.3.3 GDAL及其配置
5.3.4 MPT
5.3.5 3D模型
5.3.6 Instance技術(shù)
5.4 復雜環(huán)境森林樹種分類與三維顯示原型系統(tǒng)測試與應用
5.4.1 系統(tǒng)簡介概述
5.4.2 數(shù)據(jù)管理
5.4.3 復雜環(huán)境森林三維顯示
5.4.4 復雜環(huán)境森林三維場景功能
5.4.4.1 縮放與平移
5.4.4.2 視圖切換與旋轉(zhuǎn)
5.4.4.3 分層顯示
5.4.4.4 屬性查詢
5.4.5 分類處理
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學位期間取得的成果
本文編號:3782362
本文鏈接:http://www.sikaile.net/nykjlw/lylw/3782362.html
最近更新
教材專著