基于激光雷达数据的单木分割方法比较开题报告

全文总字数：3642字

1. 研究目的与意义

森林生态系统作为陆地生态系统的重要组成部分，对改善生态环境、维护生态平衡和全球碳平衡具有极其重要的作用。

随着遥感技术的发展和单木定位精度的提高，实现单木尺度的森林信息提取逐渐成为未来林业资源调查的趋势和热点。

树木的树高、树冠基部高、胸径、冠幅和冠层体积等结构参数通常与光合作用、营养循环、能量交换以及林下植被透光率等生态参数相关。

2. 国内外研究现状分析

现今国内外针对单木分大致可分为基于冠层高度表面模型(chm)的分水岭算法和四次多项式拟合法与基于点云的聚类分割算法。

第一类由栅格化冠层高度模型(chm)中识别单木特征(brandtberg等，2003；brandtberg， 2007；koch等，2006；popescu，2007；yu等，2011；刘清旺等，2008，2010)，第二类是由离散的地形归一化点云npc(normalized point cloud)数据识别单木特征(alexander，2009；reitberger 等，2009；lhivaara 等，2012；li 等，2012)。

其中分水岭算法是一种形态学上的图像分割方法，通过识别冠层高度模型的灰度值来进行图像分割进而完成单木分割。

3. 研究的基本内容与计划

1、研究内容： 结合近十几年对单木提取的研究，单木分割方法大致分为三种：①分水岭算法②多项式拟合法③基于点云的聚类分割方法。

1.分水岭算法：分水岭算法是一种形态学上的图形分割方法，是模拟山谷浸水的过程来实现的。

为了方便模拟山谷浸水的过程，我们需要先对得到的树冠高度表面模型（chm）进行补集处理，得到聚水盆。

4. 研究创新点

1.本次研究将基于高度归一化后的树冠高度表面模型，比较分水岭算法、多项式拟合法和基于点云的聚类分割方法对单木冠幅提取的精度和效果。

2.通过对三种不同算法进行分割并进行结果对比分析，细化三种不同方法对各情况的适应性和优缺点，为以后面对各种不同条件、情况研究提供参考，可以更精确的提取单木位置和冠幅边界，提高单木定位精度，实现精准单木森林信息提取。