[發明專利]一種面向樹木激光點云的有效特征抽取與樹種識別方法

有效

• 申請號: 201811263570.4
• 申請日: 2018-10-28
• 公開（公告）號: CN109446986B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 云挺;盧曉藝;曹林;薛聯鳳
• 申請（專利權）人: 南京林業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 王清義

本發明公開了一種面向樹木激光點云的有效特征抽取與樹種識別方法，包括：獲取目標樹的全覆蓋點云數據；對目標樹的全覆蓋點云數據進行降噪處理以去除異常點；根據降噪后獲得的點云數據分別分析目標樹的三種類別的樹木特征；抽取基于樹木相對聚類特征的最優特征參數組；抽取基于點云分布特征的最優特征參數組；抽取基于樹木表觀特征的最優特征參數組；將三種類別的樹木特征的最優特征參數組進行組合并作為變量輸入到SVM分類器中進行樹種分類。本發明達到了較高的樹種分類精度，為獲得更準確的森林樹種分布提供了強有力的工具，減少了野外實體調查的高成本、費時、費力，減少了人工判讀帶來的誤差。

技術領域

本發明涉及樹種分類技術領域，具體涉及一種面向樹木激光點云的有效特征抽取與樹種識別方法。

背景技術

森林作為地球上可再生自然資源及陸地生態系統的主體，它為人類的生存和發展提供了豐富的物質資源，在維持生態過程和生態平衡中發揮著重要的作用。正確的識別森林物種是利用和保護森林資源的基礎和依據。在過去的四十年中，遙感技術的進步使得樹種分類在幾種傳感器類型中得以實現?，F階段的樹種分類方法大多依賴于一些高成本、費時、費力的野外實體調查方法或精確度不高的航片來進行人工判讀。

目前許多研究從各個方面對樹種分類問題進行了探討，例如利用樹冠內部信號特征作為附加特征對樹木內部參數和大小尺寸進行魯棒性評估；利用歸一化差異植被指數作為特征參數在樹種多樣性相當大的情況下對樹種進行分類；利用頻譜變量選擇與PLS-DA相結合在不受分類器約束的情況下提高隨機樹種分類精確度；使用平均加權算法提取高光譜圖像中冠層像素加權光譜并進行有效分析；提出用于樹冠層次上樹種分類的半監督支持向量機分類器；檢測樹種之間冠聚集偏態屬性的差異；制定基于靜態TLS的樹種分類程序；然而具體到特定樹種的分類，基于單株樹的LiDAR數據提取特征研究則相對較少，而以一定的算法進行最優特征提取的研究更是鮮有報道。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足提供一種面向樹木激光點云的有效特征抽取與樹種識別方法，本面向樹木激光點法云的有效特征抽取與識別方法提出三類有效特征：樹木相對聚類特征、點云分布特征和樹木表觀特征，列舉多個特征參數供最優特征抽取，采用SVM分類器在交叉驗證中確定最優特征參數組，利用最優特征參數組進行樹種分類，達到了較高的樹種分類精度，為獲得更準確的森林樹種分布提供了強有力的工具，減少了野外實體調查的高成本、費時、費力，減少了人工判讀帶來的誤差。

為實現上述技術目的，本發明采取的技術方案為：

一種面向樹木激光點云的有效特征抽取與樹種識別方法，包括：

步驟1：獲取目標樹的全覆蓋點云數據；

步驟2：對目標樹的全覆蓋點云數據進行降噪處理以去除異常點；

步驟3：根據降噪后獲得的點云數據分別分析目標樹的三種類別的樹木特征，所述三種類別的樹木特征分別為樹木相對聚類特征、點云分布特征和樹木表觀特征，從而獲得多個樹木相對聚類特征參數、多個點云分布特征參數和多個樹木表觀特征參數；

步驟4：將所有樹木相對聚類特征參數按類別分別進行交叉組合，將得到的所有組合方式作為SVM分類器的輸入變量進行分類，獲得所有組合方式的分類精度，根據分類精度抽取基于樹木相對聚類特征的最優特征參數組；將所有點云分布特征參數進行交叉組合，將得到的所有組合方式作為SVM分類器的輸入變量進行分類，獲得所有組合方式的分類精度，根據分類精度抽取基于點云分布特征的最優特征參數組；將所有樹木表觀特征參數進行交叉組合，將得到的組合方式作為SVM分類器的輸入變量進行分類，獲得所有組合方式的分類精度，根據分類精度抽取基于樹木表觀特征的最優特征參數組；

步驟5：將基于樹木相對聚類特征的最優特征參數組、基于點云分布特征的最優特征參數組以及基于樹木表觀特征的最優特征參數組進行組合并作為變量輸入到SVM分類器中進行樹種分類。