[發明專利]一種基于無人機高光譜影像和LiDAR點云的樹種分類方法

在審

• 申請號: 201811276379.3
• 申請日: 2018-10-30
• 公開（公告）號: CN109492563A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 徐逸;王俊杰;李清泉;鄔國鋒;朱家松;胡忠文;石鐵柱;胡水波
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 袁文英

本發明公開了一種基于無人機高光譜影像和LiDAR點云的樹種分類方法，涉及森林資源管理與保護技術領域，通過無人機高光譜影像數據得到高光譜影像中的光譜特征，通過LiDAR點云數據得到森林的冠層高度模型以及森林參數，進而通過高光譜影像中的光譜特征、森林的冠層高度模型以及森林參數建立樹種模型，最后將樹種模型應用于高光譜影像數據，獲得樹種分類的空間分布專題圖。由于無人機高光譜影像數據具有空間分辨率高和光譜信息豐富的優點，而LiDAR點云數據具有豐富的植被結構信息，本發明實施例中將無人機高光譜影像數據和LiDAR點云數據結合起來進行樹種分類，可以提高樹種的分類精度。

技術領域

本發明涉及森林資源管理與保護技術領域，尤其涉及一種基于無人機高光譜影像和LiDAR點云的樹種分類方法。

背景技術

精確獲取森林樹種信息及其空間分布對于理解森林生態系統的結構、功能及其演替，以及生物多樣性具有重要意義。

現有技術中，一般有三種方法對樹種進行分類。第一種是基于全波形激光探測與測量(LiDAR，Light Detection And Ranging)數據，獲取植被的結構化信息，在單木范圍內匯總點云屬性并計算綜合波形特征參數，實現通過單一數據源獲取并提升樹種的分類精度。第二種是基于全波形LiDAR數據，衍生出單木定位和冠幅提取，結合韋伯分布分布和三次樣條函數模型，擬合單木垂直結構和返回能量信息的冠層剖面模型，并提取模型參數作為特征變量，使用隨機森林分類器進行樹種分類。第三種是基于多源同期高分辨率遙感數據，首先基于高分辨率數據和面向對象分割方法進行冠幅識別，然后基于高光譜數據提取的空間細節和光譜特征并結合反向傳播神經網絡分類器進行樹種分類。

但是在上述現有技術的樹種分類中，僅利用高光譜影像或者LiDAR點云進行樹種分類，導致樹種的分類精度較低。

發明內容

本發明的主要目的在于提供一種基于無人機高光譜影像和LiDAR點云的樹種分類方法，旨在解決現有技術中僅利用高光譜影像或者LiDAR點云進行樹種分類，導致樹種的分類精度較低的技術問題。

為實現上述目的，本發明提供一種基于無人機高光譜影像和LiDAR點云的樹種分類方法，該方法包括：

獲取森林的無人機高光譜影像數據，并對所述高光譜影像數據依次進行幾何校正、輻射校正以及大氣校正，得到所述森林的冠層反射率；

根據所述冠層反射率提取所述高光譜影像數據的光譜特征，所述光譜特征分別為特征波段、紋理特征以及植被指數；

獲取所述森林的LiDAR點云數據，對所述LiDAR點云數據進行數據去噪得到去噪點云數據，對所述去噪點云數據進行濾波得到非地面點點云數據以及地面點點云數據；

根據所述非地面點點云數據得到數字表面模型，根據所述地面點點云數據得到數字高程模型，利用所述數字表面模型和所述數字高程模型得到所述森林的冠層高度模型；

對所述地面點點云數據進行歸一化處理，得到歸一化點云數據，根據所述歸一化點云數據提取森林參數，所述森林參數分別為高度變量、強度變量、郁閉度、葉面積指數以及間隙率；

應用隨機森林工具根據所述光譜特征、所述冠層高度模型和所述森林參數，選取所述高光譜影像數據中的樣本點數據進行訓練，得到訓練數據，同時根據基尼指數變量重要性值確定所述光譜特征和所述森林參數中的預測變量，基于所述訓練數據和所述預測變量應用所述隨機森林工具建立樹種模型；

將所述樹種模型應用于所述高光譜影像數據，獲得樹種分類的空間分布專題圖。