基于机载LiDAR点云数据森林郁闭度估测

郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型（Canopy Height Model,CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明：基于二维CHM估测郁闭度与实测值之间的R²=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。     

基于无人机激光雷达的森林冠层高度分析——以祁连山东、中部青海云杉为例

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象,利用16个无人机激光雷达(LiDAR)点云数据、正射影像数据结合实地样方观测数据,提取样方内青海云杉的单木树高并准确验证树木分割精度;结合实测数据和地形数据,依据统计指标验证提取树高精度并分析原因;基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明:在祁连山山地森林,冠层高度平均值估算精度最高,R~2为0.93,RMSE为1.39 m(P0.05);地形影响基于点云数据的树高提取,坡度较小的青海云杉树高提取效果更好;从东到西,青海云杉平均树高呈下降趋势;随着海拔高度上升,青海云杉的平均树高先上升后下降,这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。     

基于无人机激光雷达的森林冠层高度分析

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象,利用16个无人机激光雷达（LiDAR）点云数据、正射影像数据结合实地样方观测数据,提取样方内青海云杉的单木树高并准确验证树木分割精度;结合实测数据和地形数据,依据统计指标验证提取树高精度并分析原因;基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明：在祁连山山地森林,冠层高度平均值估算精度最高,R²为0.93,RMSE为1.39 m（P<0.05）;地形影响基于点云数据的树高提取,坡度较小的青海云杉树高提取效果更好;从东到西,青海云杉平均树高呈下降趋势;随着海拔高度上升,青海云杉的平均树高先上升后下降,这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。     

基于无人机的喀斯特退化天坑地下森林树高特征研究

基于无人机提取喀斯特退化天坑地下森林的树高特征,探索乔木树高的生长策略与天坑局部圈闭化生境的关系,研究退化天坑作为物种避难所的价值。通过无人机遥感技术对退化天坑进行三维重建,提取退化天坑内外的树高信息。结果表明：退化天坑地下森林平均树高较地表高出约5 m。地下森林平均树高为10.47 m,地表平均树高为5.43 m,地表南坡平均树高为5.75 m,坑内树高的分布特征受海拔影响显著。在喀斯特天坑微生境的作用下,与坑外地表相比,坑内地下森林在树高方面具有显著的优势,光照是地下森林乔木类植物种内和种间竞争的主要因子,垂直梯度是退化天坑植被树高分布格局的首要特征。无人机遥感技术能够快速地获取退化天坑地下森林的树高信息,具有推广潜力。     

GIS支持下遥感图象中采矿塌陷地提取方法研究

采矿塌陷地动态监测是工矿区资源管理与环境保护的重要方面 ,遥感技术可在其中发挥重要作用 ,从遥感图象中提取采矿塌陷地是遥感应用于矿山资源环境监测的重要研究课题 .传统的提取方法主要基于光谱特征 ,精度与效率都难以满足应用要求 ,为了以较高的精度 ,从遥感图象中提取塌陷地 ,必须建立新的方法与模型 .将遥感技术与 GIS相结合进行专题信息提取是有效的途径之一 .本文根据研究区的特点 ,以具体应用为指导 ,遥感技术与 GIS相结合 ,提出了 GIS支持下的分层分类、基于 GIS变化区域识别的分类、基于 GIS和领域知识对遥感分类图象进行后处理、GIS支持下采矿塌陷地的直接提取等方法与模型 ,充分应用光谱特征、地学特征与信息、领域和专家知识及其他统计数据辅助进行遥感图象处理与专题信息提取 .这些方法在精度、效率等方面均较传统方法有较大提高 ,最大提取精度可达到 89% ,能够有效地对工矿区土地塌陷态势进行动态监测     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

基于分层学习的三维模型兴趣点提取算法

针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。     

基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用。对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法。重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感器获取森林参数的算法,对比了其优越性、局限性并分析其最佳应用场景。此外,介绍了无人机遥感在森林树种分类和病虫害监测方面的应用情况。最后,对无人机遥感技术在森林监测方面的应用前景进行了展望,可为今后基于无人机遥感的森林资源监管领域的研究提供理论依据与技术支持。     

网格曲面特征的稀疏性优化检测算法

针对现有的特征检测算法大多数基于微分几何量,对噪声比较敏感、运行速度比较慢、对于过渡特征处理得不够理想的问题,提出一种基于稀疏性优化的网格特征检测算法.该算法主要包括3个过程:首先利用带l1范数稀疏性约束项和l2范数误差项的Laplacian能量函数对网格进行光顺,得到光顺后网格顶点的移动距离;然后根据顶点的移动距离提取初始特征点;最后对提取的特征点进行后处理,使得特征点更为完整.其中,l1范数稀疏性约束项用来约束发生移动点的数目;l2范数的误差约束项用来控制光顺后模型的退化程度.该算法易于实现,能够处理尖锐特征、弱特征和过渡特征.与基于微分几何量的特征提取方法相比,文中算法不仅简单有效、运行时间短,而且提取的特征线也更好.     

无人机影像密集匹配方法

针对无人机航摄影像存在的像幅小、影像倾角过大且倾斜方向没有规律等特点研究了一种基于尺度不变特征变换算法(Scale Invariant Feature Transform,SIFT)特征点匹配结果的无人机航摄影像密集匹配方法。在SIFT特征点匹配结果的基础上,根据立体像对的同名影像相似性原理,结合Moravec特征点提取算法、灰度相关匹配算法和最小二乘匹配算法来获取无人机影像的密集匹配结果,再利用影像密集点匹配结果生成影像覆盖区域的DSM进行精度分析。实验结果表明,基于SIFT特征匹配算法的无人机影像密集匹配方法能够获取可靠的密集匹配结果。     

基于多旋翼无人机GPS坐标计算的树障面积快速测定法

为了快速测定树障环境下的任意多边形的面积,提出了基于多旋翼无人机GPS坐标计算的树障面积快速测定法。该方法通过无人机定位取点并选取待测区域外任意一点与多边形各顶点相连接形成多个三角形来计算任意多边形的面积,并在此基础上开发出了一款面积测量软件——无人机面积测量软件1.0。实地面积测量结果表明,该方法能够快速的对指定区域进行面积测量且相对误差精度可达到95%以上。     

一种提取目标图像最小外接矩形的快速算法

在图像分类与识别算法研究中,目标几何特征的提取通常需要计算目标图像的最小外接矩形以获取长、宽等属性。针对该特点,提出一种利用顶点链码与离散格林理论相结合的方式提取目标图像的最小外接矩形的算法。该算法只需根据顶点链中垂直或水平方向上的点坐标即可求出目标的面积、形心和主轴。基于顶点链码和离散格林的主轴法和旋转法可快速求出目标的最小外接矩形。实验结果表明,旋转法的运算速度是现有算法的2倍左右,主轴法的速度又比旋转法快速2倍左右。     

基于多源遥感数据及几何光学模型的森林郁闭度估测

森林冠层郁闭度(Forest Canopy Closure,FCC)是评估森林资源的重要因素,准确估算森林郁闭度对森林经营和管理具有重要意义。基于Li-Strahler几何光学模型,无人机激光雷达和高分六号宽幅(GF-6 Wide Field of View,GF-6 WFV)数据估测森林郁闭度,并针对混合像元的问题提出了一种可靠的方法。首先,利用无人机激光雷达衍生的高精度森林结构参数计算无人机飞行覆盖区域的光照背景分量。然后,利用连续最大角凸锥(Sequential Maximum Angle Convex Cone,SMACC)算法及线性光谱分解模型对GF-6 WFV进行混合像元分解,确定研究区最优场景分量。最后,利用Li-Strahler几何光学模型估测研究区域森林冠层郁闭度,并利用野外样地实测数据进行精度验证。结果表明：估测郁闭度与实测郁闭度之间的决定系数(R²)为0.692 8,均方误差根(RMSE)为0.059 4,总体精度为93.4%,Li-Strahler几何光学模型可以有效的在森林郁闭度反演中发挥作用。     

使用高分遥感影像获取塔里木河胡杨高度信息

森林高度在森林生态状况、生物量水平研究中是一个重要参数,目前存在的多种获取树高的遥感技术,都不同程度存在一些问题。塔里木河下游胡杨林作为干旱区内陆河流域荒漠生态系统的核心构件和重要生态恢复对象,了解其高度信息有助于科学评估塔河下游受损生态系统的恢复程度。使用高分辨率遥感影像,利用面向对象影像分析技术,获取单木尺度的胡杨树冠,并提取对应的光谱、纹理和几何特征;在使用消费级无人机获取的树高数据支持下,分别使用Linear、MLP（Multilayer Perceptron, MLP）、PACE 和SVR（SVM Regression, SVR）方法建立树高回归模型获取塔里木河下游胡杨高度信息。结果表明：①基于光谱、纹理和几何特征建立的树高回归模型R²为0.668 7,RMSE为0.942 6 m,说明结合使用高分辨率卫星遥感和无人机遥感技术可以用于获取单木尺度的胡杨树高;②当使用所有特征时,MLP、PACE和SVR回归模型的相关系数均大于0.81,其中PACE回归模型精度最高;③在单木尺度上,光谱特征中包含有较多的树高信息,其次是纹理特征。     

改进的SURF-RANSAC图像匹配算法

为改善传统SURF图像匹配算法存在计算量大、配准精度低等不足,提出一种改进SURF-RANSAC算法.基于SURF算法中构建描述符的思想,采用圆形邻域代替矩形邻域提取32维描述符,实现描述符的降维;通过自适应阈值方法完成特征点初匹配,降低人为设定阈值对匹配结果的影响;通过特征向量构建余弦约束对随机采样一致性(RANSAC)算法进行改进,实现匹配点对的提纯.实验结果表明,改进后的算法不仅提高了匹配速度和精度,还具有较强的鲁棒性.     

基于视觉的无人机着陆时机场标记的检测与识别

主要研究基于视觉的无人机在自主着陆时,机场跑道在图像中的检测和识别问题.首先,提取一些高亮度斑点,然后采用特殊聚类处理算法对这些含背景噪声、伪目标的点进行聚类.并根据透视原理、矩形约束条件以及目标的前视约束条件共同建立识别模型.在这些聚类中使用识别模型进行识别,这在很大程度上减少计算时间.实验表明,在距离跑道较远、跑道标记不很清晰的情况下,仍然可以有效检测和识别跑道,适合于基于视觉的无人机的自主着陆过程.     

融合空间信息的高光谱影像稀疏表达分类北大核心CSCD

针对高光谱影像空谱信息利用问题,设计了一种融合空间信息的稀疏表达分类方法,以提高高光谱影像的分类精度。首先,在特征提取阶段引入空间信息,采用形态学滤波的方法提取高光谱影像的形态学属性剖面特征;然后,采用训练样本构成的字典对提取到的空间特征进行稀疏编码,在编码过程中进一步引入空间邻域信息来提高稀疏编码效果;最后,根据测试样本的稀疏编码向量计算其相对于每个类别的重构误差,并将该样本划分到重构误差最小的类别中完成分类。为了验证该方法的有效性,在Pavia大学和Indian pines 2组高光谱数据集上进行分类实验。实验结果表明,该方法充分利用了高光谱影像的空间邻域信息,能够有效提高高光谱影像的分类精度。     

基于特征点提取的三维点云模型水印算法

为了有效提高三维水印的透明性、抗噪能力和水印提取准确度,针对三维网格中不固定点云数据,提出一种基于局部特征点提取的三维点云模型水印算法。根据协方差分析提取出三维模型初始特征点,以初始特征点为核心,在它K近邻邻域中,构建不跨越区域最小三角形为嵌入单元的底面,将剩余顶点按照升序排列,寻找合适的嵌入顶点,构建局部嵌入单元,通过改变嵌入顶点信息来嵌入水印。其中通过顶点在平面投影产生的夹角确定水印索引值,实现盲水印。算法通过保留特征点信息,改变非特征点嵌入水印信息能有效提高透明性和抗噪能力,通过限制嵌入单元区域提高水印提取准确率,同时实现了盲水印检测。     

融合RGB-D多模特征和半径边缘约束超限学习的动作识别

针对单模态特征鉴别行为动作类别的能力有限问题,提出基于RGB-D视频中多模态视觉特征融合和实例化多重核超限学习(Exemplars-MKL-ELM)的动作分类方法.首先,利用骨架表面拟合和密集轨迹提取稳健的密集运动姿态特征,以稠密点云法平面感知人体3维几何的稀疏化有向主成分直方图特征,提取外观纹理嵌入身体节点空-时邻域的三维梯度直方图特征.然后,采用半径边缘约束多重核超限学习机融合多模态视觉特征,并利用对比数据法挖掘每个行为类别的代表性实例集合.最后,每个样本结合融合视觉特征和即得实例集合,采用Exemplars-MKL-ELM模型和贪婪预测思想分层分类识别行为.实验表明,文中方法在分类准确度和计算效率上都较优.