基于消费级无人机影像的高郁闭度湿地森林参数提取方法技术

本发明专利技术公开一种基于消费级无人机影像的高郁闭度湿地森林参数提取方法，属于湿地森林调查技术领域，利用消费级无人机进行影像数据采集；对采集的无人机影像进行处理生成数字地表模型和数字正射地图；利用无人机DOM影像进行土地利用分类；在对湿地不同地类分类的基础上，得到准确高程的冠层高度模型，通过冠层高度模型利用邻域提取工具获取准确树高和株数；利用基于图像滤波的多前景标记分水岭算法，获得精确的树冠范围。本发明专利技术弥补可见光传感器高分辨率、波段单一的不足；通过CHM模型利用邻域提取工具获取准确树高和株数，解决了湿地DSM、DTM模型高程异常的问题；提出基于图像滤波的多前景标记分水岭算法，获得较为精确的树冠范围。围。围。

【技术实现步骤摘要】
基于消费级无人机影像的高郁闭度湿地森林参数提取方法


[0001]本专利技术属于湿地森林资源调查
，具体涉及一种基于消费级无人机影 像的高郁闭度湿地森林参数提取方法。

技术介绍

[0002]湿地具有涵养水源、调节小气候、保护生物多样性和防灾减灾等多种生态功 能，湿地森林结构参数对研究湿地上层植被的生长状况有重要意义，传统森林资 源调查多为人工野外每木检尺，湿地表面泥泞或经常积水，人员难以进入。随着 近年来无人机技术的发展，针对自然条件恶劣的森林，调查人员可以从区域外围 利用无人机进行森林资源调查，简化调查流程，节约人力成本。
[0003]目前，无人机森林资源调查主要利用无人机搭载的可见光、多光谱、高光谱 和激光雷达等传感器获取林地信息，其中可见光传感器利用最为广泛。结合无人 机可见光影像，经计算机软件空中三角测量处理可以得到林地点云数据，点云数 据生成得到数字地表模型(Digital Surface Model，缩写DSM)，由DSM模型添 加可见光影像生成数字正射影像图(Digital Orthophoto Map，缩写DOM)，对 DOM进行地物分类，提取森林覆盖度等指标；对DOM中的林地影像，利用标 记分水岭算法进行树冠分割，提取林分冠幅、冠径等参数；对点云数据进行分类， 将其分为植被、地面和建筑等不同类型，通过分离出的地面点云数据生成数字地 形模型(DTM，Digital Terrain Model，缩写DTM)，将DSM、DTM模型相减， 差值即为冠层高度模型(Canopy Height Model，缩写CHM)，通过滑动窗口法、 邻域分析等方法，获取林地株数、高度等参数。
[0004]基于无人机可见光影像的森林资源调查在简化流程的同时也存在一些问题：
[0005]1、携带RTK模块的专业测绘无人机价格昂贵，运营成本高，对操作人员有 较高要求：对森林进行精确航空摄影测量依赖无人机搭载实时动态测量模块 (Real Time Kinematic，简称RTK)提供的高精度空间坐标，此类无人机如大疆 Phantom 4RTK、经纬M300 RTK购买成本高达数万至数十万元，高昂的成本限 制了无人机森林资源调查的广泛运用；
[0006]2、消费级无人机定位精度低和湿地中水面反射导致点云位置偏移，从而导 致DSM、DTM模型畸变：消费级无人机花费较少，但机上无RTK模块，缺少 高精度空间坐标导致空中三角测量计算误差，以及湿地中水面的阳光强反射导致 的异常光斑对空中三角测量的干扰，由此生成的DSM、DTM模型存在一定的畸 变；
[0007]3、可见光无人机影像波段单一，无法使用面向对象的图像分类方法常用的 多光谱植被指数进行阈值分割：
[0008]通过无人机低空摄影测量获取的DOM地图分辨率通常优于5cm/pixel，通常 基于像元光谱特征的遥感影像分类方法易造成过度分割，近年来基于对象的图像 分类算法被广泛运用于高分辨率卫星影像分类，取得了很好的效果，但此类算法 涉及的植被指数如归一化植被指数(NDVI)、增强型植被指数(EVI)等基于近 红外波段的植被指数多需要多光谱传感器数据，无人机可见光传感器仅包含红、 绿、蓝三个波段，需要筛选特定的可见光植被
指数进行分类；
[0009]4、现有改进标记分水岭算法单木分割对高分辨率高郁闭度湿地植被分割精 度一般：
[0010]标记分水岭算法在单木分割领域有广泛的运用，通过将林地DOM地图转换 为灰度影像后，利用图像梯度变化进行分割，对非高郁闭度林地有很好的效果， 但高郁闭度林地因树冠粘连易导致漏分，降低了树冠分割精度；部分学者提出利 用树冠顶点改进标记分水岭算法对高郁闭度林地DOM灰度影像进行单木树冠分 割取得了一定的成果。由于无人机影像分辨率较高，DOM噪点较多，植被的精 细纹理干扰单木分割的准确性，且DOM图转换为灰度图像后丢失大量色彩信息， 对单木分割产生不利影像。

技术实现思路

[0011]本专利技术解决的技术问题：提供一种运营成本低、提取精度高的基于消费级无 人机影像的高郁闭度湿地森林参数提取方法。
[0012]技术方案：为了解决上述技术问题，本专利技术采用的技术方案如下：
[0013]一种基于消费级无人机影像的高郁闭度湿地森林参数提取方法，包括以下步 骤：
[0014]S1：利用消费级无人机进行影像数据采集；
[0015]S2：对采集的无人机影像进行地理配准、空中三角测量、生成连接点和密集 点云，然后生成数字地表模型DSM和数字正射地图DOM；
[0016]S3：利用无人机DOM影像进行土地利用分类，对裸地、阴影、水体、水生 植物和池杉进行逐步分割；
[0017]S4：在对湿地不同地类分类的基础上，提取区域内高程点中位数并进行抽稀， 重新生成湿地数字地形模型DTM，数字地表模型DSM和数字地形模型DTM相 减得到准确高程的冠层高度模型CHM，通过冠层高度模型CHM利用邻域提取 工具获取准确树高和株数；
[0018]S5：利用双边滤波处理数字正射地图DOM，叠加从冠层高度模型CHM中获 取的树顶点进行前景标记融合，后将前景标记引入考虑对象粘重叠的分水岭算法 进行分割，导出分割的边界，获得精确的树冠范围。
[0019]进一步地，步骤S1中，影像获取采用消费级无人机大疆Mavic2 zoom，可 获取红、绿、蓝三个可见光波段影像；无人机航线利用DJI PILOT进行规划，采 用固定航线摄影和摄像结合的测绘方式。
[0020]进一步地，步骤S3中，首先使用ESP 2工具确定最优分割尺度，然后在 eCognition Developer 9.0输入最优分割尺度、形状因子和紧致因子进行多尺度分 割，最后利用阈值分割工具，通过亮度值、红光波段、植被因子指数对裸地、阴 影、水体、水生植物和池杉进行逐步分割。
[0021]进一步地，步骤S3中，利用Arcgis 10.5对分类结果进行精度验证：在Arcgis10.5中随机生成200个点对分类结果进行目视解译，与面向对象分类结果利用混 淆矩阵进行精度验证。
[0022]进一步地，步骤S4中，提取非植被地类并生成兴趣区ROI，利用非植被ROI 提取数字地表模型DSM的高程点，并在Arcgis 10.5中抽稀生成TIN，导出地形 栅格数据即数字地形模型DTM，利用栅格计算器将数字地表模型DSM、数字地 形模型DTM相减得到冠层高度模
型CHM，利用邻域分析工具提取树顶点，
[0023]进一步地，步骤S5中，通过Matlab 2018b运行基于图像双边滤波的多前景 标记分水岭算法，选取高郁闭度林地样DOM影像进行树冠分割；然后利用 Arcgis 10.5进行树冠面积统计，并与传统标记分水岭算法和改进标记分水岭算法 进行精度验证。
[0024]进一步地，树冠分割精度评价采用通用的评价方法，将分割的树冠分为5 种情况：匹配、接近匹配、丢失、欠分割、过分割。
[0025]有益效果：与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于消费级无人机影像的高郁闭度湿地森林参数提取方法，其特征在于，包括以下步骤：S1：利用消费级无人机进行影像数据采集；S2：对采集的无人机影像进行地理配准、空中三角测量、生成连接点和密集点云，然后生成数字地表模型DSM和数字正射地图DOM；S3：利用无人机DOM影像进行土地利用分类，对裸地、阴影、水体、水生植物和池杉进行逐步分割；S4：在对湿地不同地类分类的基础上，提取区域内高程点中位数并进行抽稀，重新生成湿地数字地形模型DTM，数字地表模型DSM和数字地形模型DTM相减得到准确高程的冠层高度模型CHM，通过冠层高度模型CHM利用邻域算法获取准确树高和株数；S5：利用双边滤波处理数字正射地图DOM，叠加从冠层高度模型CHM中获取的树顶点进行前景标记融合，后将前景标记引入考虑对象粘重叠的分水岭算法进行分割，导出分割的边界，获得精确的树冠范围。2.根据权利要求1所述的基于消费级无人机影像的高郁闭度湿地森林参数提取方法，其特征在于：步骤S1中，影像获取采用消费级无人机大疆Mavic2 zoom，可获取红、绿、蓝三个可见光波段影像；无人机航线利用DJI PILOT进行规划，采用固定航线摄影和摄像结合的测绘方式。3.根据权利要求1所述的基于消费级无人机影像的高郁闭度湿地森林参数提取方法，其特征在于：步骤S3中，首先使用ESP 2工具确定最优分割尺度，然后在eCognition Developer 9.0输入最优分割尺度、形状因子和紧致因子进行多尺度分...

【专利技术属性】
技术研发人员：陈建宇，胡海波，石伟博，朱姿毅，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：